|
|
Difůzní evoluční algoritmus
Mészáros, István ; Pospíchal, Petr (oponent) ; Jaroš, Jiří (vedoucí práce)
V dnešní době se objevují nové trendy v oblasti umělé inteligence. Metody známé jako evoluční algoritmy jsou jedny z nich. Tyto algoritmy nám umožňují optimalizovat a navrhovať systémy pomocí počítačů. Jedna z variant evolučních algoritmů je difůzní evoluční algoritmus. Tento typ algoritmu může probíhat paralelně a přináší přitom mnoho pozitivních vlastností. Otázkou je, při jakých podmínkách lze efektivně používat difůzní variantu evolučních algoritmů. Je možné jejich používání při plánování systémů nebo optimalizaci některých problémů? Proč jsou výhodnější než ostatní typy evolučních algoritmů? Tato práce se snaží odpovědět na tyto otázky a podrobně vysvětlit fungování těchto algoritmů.
|
|
|
Symbolická regrese a koevoluce
Drahošová, Michaela ; Žaloudek, Luděk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Symbolická regrese je úloha identifikace matematického popisu skryté závislosti experimentálně získaných dat. Symbolická regrese je úzce spjata se základními úlohami strojového učení. Tato práce se zabývá symbolickou regresí a jejím řešením založeném na principu genetického programování a koevoluce. Genetické programování je evolucí inspirovaná metoda strojového učení, která automaticky generuje celé programy v určitém programovacím jazyce. Koevoluce fitness prediktorů je optimalizační metoda modelování fitness, která snižuje náročnost a frekvenci výpočtu fitness. Tato práce se zabývá návrhem a implementací řešení symbolické regrese s užitím koevoluce fitness prediktorů a srovnáním s řešením bez užití koevoluce. Experimenty byly provedeny s použitím kartézského genetického programování.
|
|
| |
|
|
Evoluční návrh hašovacích funkcí pomocí gramatické evoluce
Freiberg, Adam ; Bidlo, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Gramatická evoluce umožňuje automatizovaně vytvářet řešení různorodých problémů a to v libovolném programovacím jazyce. Právě tyto vlastnosti jsou v této práci využity k experimentálnímu vytváření nových hašovacích funkcí, jejichž hlavním zaměřením je hašování síťových toků. Takto vytvořené funkce jsou následně porovnány s již existujícími hašovacími funkcemi, vytvořenými experty v této oblasti.
|
|
|
Užití genetického programování v návrhu digitálních obvodů
Hejtmánek, Michal ; Bidlo, Michal (oponent) ; Gajda, Zbyšek (vedoucí práce)
Cílem této práce bylo nastudování evolučních algoritmů a jejich využití pro návrh digitálních obvodů. Především jsem se zaměřil na genetické programování a jeho rozdílný způsob zacházení se stavebními bloky ve srovnání s genetickým algoritmem. Na základě těchto dvou přístupů jsem vytvořil a odzkoušel hybridní metodu návrhu obvodů. Tato metoda využívá šíření schemat podle genetického algoritmu pro problémy řešené genetickým programováním. U složitějších obvodů dosahuje vyšší úspěšnosti návrhu i rychlejší konvergence k řešení než obecný algoritmus genetického programování.
|
|
|
Gramatická evoluce v optimalizaci software
Pečínka, Zdeněk ; Minařík, Miloš (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato diplomová práce nabízí stručný úvod do evolučního počítání. Popisuje a porovnává genetické programování a gramatickou evoluci a jejich možné využití v problematice automatické opravy software. Podrobně studuje možnosti aplikace gramatické evoluce v problému automatické opravy softwaru. Na základě získaných poznatků byla navržena a implementována nová metoda pro automatickou opravu softwaru, založená na gramatické evoluci. Její experimentální ověření proběhlo na řadě testovacích programů.
|
|
|
Multikriteriální kartézské genetické programování
Petrlík, Jiří ; Schwarz, Josef (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této diplomové práce je shrnout problematiku multikriteriálních genetických algoritmů a kartézského genetického programování. Podrobně je popsán algoritmus NSGAII a začlenění multikriteriální optimalizace do kartézského genetického programování (CGP). Navržená metoda multikriteriálního CGP byla ověřena na zvolených problémech z oblasti návrhu číslicových obvodů.
|
|
|
Tvorba operačního systému založeného na evolučních a genetických algoritmech
Skorkovský, Petr ; Moučka,, Jiří (oponent) ; Kovár, Martin (oponent) ; Chvalina, Jan (vedoucí práce)
Hlavním cílem této práce je představit nové myšlenky, jak obvyklé postupy pro návrh operačního systému a přidruženého software mohou být vylepšeny aby se staly součástí automatizovaného vývoje software. Obecně se předpokládá, že algoritmy nalezené pomocí genetického programování nemohou být použity pro přesné výpočty, ale jen pro přibližná řešení. Je představeno několik příkladů jak lze při evoluci software přesto dosáhnout přiměřené přesnosti. Pro dosažení tohoto cíle jsou vlastnosti stromově orientovaných struktur spolu s postupy používanými u buněčných automatů spojeny do nového slibného přístupu, který slučuje výhody obou metod. Byla vyvinuta aplikace založená na těchto nových postupech a předpokládá se její budoucí využití v procesu automatizovaného vývoje software.
|
|
| |
|
|
Evoluční návrh kombinačních obvodů na počítačovém clusteru
Pánek, Richard ; Zachariášová, Marcela (oponent) ; Hrbáček, Radek (vedoucí práce)
Tato diplomová práce se zabývá evolučními algoritmy a jejich použitím při návrhu kombinačních obvodů. Pro tento typ úloh je nejvhodnější genetické programování, především pak CGP. Dále se zabývá výpočtem na počítačových clusterech a použitím evolučních algoritmů na nich. Pro tento výpočet se nejvíce hodí ostrovní modely s CGP. Pro jejich zlepšení je navržen nový způsob rekombinace v CGP. Tento návrh je implementován a testován na počítačovém clusteru.
|
host ::
RSS.