|
|
Optimization of Wireless Networks Infrastructure Using Artificial Intelligence Methods
Šeda, Pavel ; Assoc. Prof. Sergey Andreev, D.Sci. (Tech.) (referee) ; Araniti, Giuseppe (referee) ; Hošek, Jiří (advisor)
Dizertační práce je zaměřená na úlohy optimalizace síťových infrastruktur s využitím algoritmů umělé inteligence. Vzhledem k rostoucím požadavkům na síťový provoz v 5G+ sítích jsou nutné zásadní úpravy síťových infrastruktur. Tyto požadavky vytyčují řadu otázek v oblasti výzkumu. Hlavním cílem této dizertační práce je proto návrh optimalizačního modelu a algoritmů lokalizujících vhodná místa k nasazení základnových stanic. Pro vytvoření takového optimalizačního modelu bylo nezbytné reflektovat zásadní požadavky bezdrátového pokrytí v soudobých sítích, jako jsou požadované kapacity (základnových stanic a koncových uživatelů), již existující infrastruktura, interference mezi základnovými stanicemi či dosah pokrytí. Protože algoritmus hledání řešení této úlohy má exponenciální složitost a pro velké instance není možné najít optimální řešení v dostupném čase, bylo nutné aplikovat metody umělé inteligence. Vzhledem k charakteru výpočtu byly zvoleny a implementovány meta-heuristické algoritmy, které jsou dále v práci detailněji rozebrány. Navržené optimalizační modely a algoritmy jsou následně verifikovány pomocí vhodných simulací pro městské, předměstské či venkovské oblasti. Praktické využití navrženého řešení je uvažováno jako dodatečný modul do existujících nástrojů, doporučující místa nasazení nových základnových stanic při změně charakteru sítě (např. vyšší kapacitní požadavky v určitých oblastech), sloužící jako podklad pro další praktické ověření. Hlavním přínosem práce je návrh a implementace vlastní modifikace genetického algoritmu a návrh původních matematických modelů smíšeného celočíselného programování, výrazně rozšiřujících klasickou úlohu pokrytí. Včetně jejich následného ověření na instancích se statisíci prvky a jejich publikace v impaktovaných časopisech a na mezinárodních konferencích.
|
|
|
Optimization of Wireless Networks Infrastructure Using Artificial Intelligence Methods
Šeda, Pavel ; Assoc. Prof. Sergey Andreev, D.Sci. (Tech.) (referee) ; Araniti, Giuseppe (referee) ; Hošek, Jiří (advisor)
Dizertační práce je zaměřená na úlohy optimalizace síťových infrastruktur s využitím algoritmů umělé inteligence. Vzhledem k rostoucím požadavkům na síťový provoz v 5G+ sítích jsou nutné zásadní úpravy síťových infrastruktur. Tyto požadavky vytyčují řadu otázek v oblasti výzkumu. Hlavním cílem této dizertační práce je proto návrh optimalizačního modelu a algoritmů lokalizujících vhodná místa k nasazení základnových stanic. Pro vytvoření takového optimalizačního modelu bylo nezbytné reflektovat zásadní požadavky bezdrátového pokrytí v soudobých sítích, jako jsou požadované kapacity (základnových stanic a koncových uživatelů), již existující infrastruktura, interference mezi základnovými stanicemi či dosah pokrytí. Protože algoritmus hledání řešení této úlohy má exponenciální složitost a pro velké instance není možné najít optimální řešení v dostupném čase, bylo nutné aplikovat metody umělé inteligence. Vzhledem k charakteru výpočtu byly zvoleny a implementovány meta-heuristické algoritmy, které jsou dále v práci detailněji rozebrány. Navržené optimalizační modely a algoritmy jsou následně verifikovány pomocí vhodných simulací pro městské, předměstské či venkovské oblasti. Praktické využití navrženého řešení je uvažováno jako dodatečný modul do existujících nástrojů, doporučující místa nasazení nových základnových stanic při změně charakteru sítě (např. vyšší kapacitní požadavky v určitých oblastech), sloužící jako podklad pro další praktické ověření. Hlavním přínosem práce je návrh a implementace vlastní modifikace genetického algoritmu a návrh původních matematických modelů smíšeného celočíselného programování, výrazně rozšiřujících klasickou úlohu pokrytí. Včetně jejich následného ověření na instancích se statisíci prvky a jejich publikace v impaktovaných časopisech a na mezinárodních konferencích.
|
|
|
The Optimisation Of Large Scale Logical Circuits
Seda, Pavel
In the phase of designing the logical circuits, it is essential to minimise the number of elements because it leads to the more reliable, more secure, and cheaper solution. For the logical functions with less than 4 variables, the Karnaugh maps are suitable. However, in practice, we encounter usually a much more complex function, in those cases, we could apply Boolean algebra laws directly or use the Quine-McCluskey method, which is based on their systematic use. Unfortunately, this method does not usually provide a minimal form of logical function for really large scale logical functions, and in a result may be redundant expressions. For that reason, we show that we could apply an additional phase which leads to the set covering problem which needs to cover all the inputs by the obtained outputs. Since this problem is N P-hard, it is necessary to use heuristic methods, such as simulated annealing.
|
|
|
Solving of Optimisation Tasks Inspired by Living Organisms
Popek, Miloš ; Peringer, Petr (referee) ; Martinek, David (advisor)
We meet with solving of optimization problems every day, when we try to do our tasks in the best way. An Ant Colony Optimization is an algorithm inspired by behavior of ants seeking a source of food. The Ant Colony Optimization is successfuly using on optimization tasks, on which is not possible to use a classical optimization methods. A Genetic Algorithm is inspired by transmision of a genetic information during crossover. The Genetic Algorithm is used for solving optimization tasks like the ACO algorithm. The result of my master's thesis is created simulator for solving choosen optimization tasks by the ACO algorithm and the Genetic Algorithm and a comparison of gained results on implemented tasks.
|
|
|
Optimal placement of State provision of audit services in the Moravian-Silesian Region
Janiczková, Lucie ; Jablonský, Josef (advisor) ; Fábry, Jan (referee)
Municipalities in the Czech Republic deal with their budget, which among others consists of granted subsidies from the region, State, European Union or other organizations. Nowadays the budget transactions are not being under the control. In the future, it is appropriate to introduce some external view to control their spending. Establishment of an audit service for each municipality would be financially inevitable. Therefore it is suggested to provide the State audit services only in some municipalities and to share them with more municipalities within one region. Deployment of the audit centers and assigning municipalities lead to solving a linear problem which falls under the covering problem class. The establishment of audit centers is only illustrative, the employment of more shared state services could follow a similar principle.
|
|
|
Logical puzzles and brainteasers as optimization problems
Lukesová, Kristýna ; Chýna, Vladislav (advisor) ; Šindelářová, Irena (referee)
This thesis applies classical optimization problems such as assignment or set-covering problem on logical puzzles or brainteasers. Listed in the first part are mathematical model, description and typical example of each optimization problem used in this thesis. The second part contains these models applied to the particular brainteasers for example Sudoku or Einstein's Puzzle. Exercises are divided into simpler and more complex ones. There is specification, source and a described method of solution stated for each of them. The calculation examples use Lingo or MS Excel or both. The aim is to show the possibility to address logical puzzles and brainteasers with the use of optimization problems, and thus confirm the wide possibilities of using these models. These examples can clarify and diversify the curriculum.
|
guest ::
