|
|
Automated Multi-Objective Parallel Evolutionary Circuit Design and Approximation
Hrbáček, Radek ; Fišer, Petr (referee) ; Trefzer,, Martin (referee) ; Sekanina, Lukáš (advisor)
Spotřeba a energetická efektivita se stává jedním z nejdůležitějších parametrů při návrhu počítačových systémů, zejména kvůli omezené kapacitě napájení u zařízení napájených bateriemi a velmi vysoké spotřebě energie rostoucích datacenter a cloudové infrastruktury. Současně jsou uživatelé ochotni do určité míry tolerovat nepřesné nebo chybné výpočty v roustoucím počtu aplikací díky nedokonalostem lidských smyslů, statistické povaze výpočtů, šumu ve vstupních datech apod. Přibližné počítání, nová oblast výzkumu v počítačovém inženýrství, využívá rozvolnění požadavků na funkčnost za účelem zvýšení efektivity počítačových systémů, pokud jde o spotřebu energie, výpočetní výkon či složitost. Aplikace tolerující chyby mohou být implementovány efektivněji a stále sloužit svému účelu se stejnou nebo mírně sníženou kvalitou. Ačkoli se objevují nové metody pro návrh přibližně počítajících výpočetních systémů, je stále nedostatek automatických návrhových metod, které by nabízely velké množství kompromisních řešení dané úlohy. Konvenční metody navíc často produkují řešení, která jsou daleko od optima. Evoluční algoritmy sice přinášejí inovativní řešení složitých optimalizačních a návrhových problémů, nicméně trpí několika nedostatky, např. nízkou škálovatelností či vysokým počtem generací nutných k dosažení konkurenceschopných výsledků. Pro přibližné počítání je vhodný zejména multikriteriální návrh, což existující metody většinou nepodporují. V této práci je představen nový automatický multikriteriální paralelní evoluční algoritmus pro návrh a aproximaci digitálních obvodů. Metoda je založena na kartézském genetickém programování, pro zvýšení škálovatelnosti byla navržena nová vysoce paralelizovaná implementace. Multikriteriální návrh byl založen na principech algoritmu NSGA-II. Výkonnost implementace byla vyhodnocena na několika různých úlohách, konkrétně při návrhu (přibližně počítajících) aritmetických obvodů, Booleovských funkcích s vysokou nelinearitou či přibližných logických obvodů pro tří-modulovou redundanci. V těchto úlohách bylo dosaženo význammých zlepšení ve srovnání se současnými metodami.
|
|
|
Multi-objective genetic algorithms in road traffic prediction
Petrlík, Jiří ; Brandejský, Tomáš (referee) ; Snášel,, Václav (referee) ; Sekanina, Lukáš (advisor)
Porozumění chování silniční dopravy je klíčem pro její efektivní řízení a organizaci. Tato úloha se stává čím dál více důležitou s rostoucími požadavky na dopravu a počtem registrovaných vozidel. Informace o dopravní situaci je důležitá pro řidiče a osoby zodpovědné za její řízení. Naštěstí v posledních několika dekádách došlo k značnému rozvoji technologií pro monitorování dopravní situace. Stacionární senzory, jako jsou indukční smyčky, radary, kamery a infračervené senzory, mohou být nainstalovány na důležitých místech. Zde jsou schopny měřit různé mikroskopické a makroskopické dopravní veličiny. Bohužel mnohá měření obsahují nekorektní data, která není možné použít při dalším zpracování, například pro predikci dopravy a její inteligentní řízení. Tato nekorektní data mohou být způsobena poruchou zařízení nebo problémy při přenosu dat. Z tohoto důvodu je důležité navrhnout obecný framework, který je schopný doplnit chybějící data. Navíc by tento framework měl být také schopen poskytovat krátkodobou predikci budoucího stavu dopravy. Tato práce se především zabývá vybranými problémy v oblasti doplnění chybějících dopravních dat, predikcí dopravy v krátkém časovém horizontu a predikcí dojezdových dob. Navrhovaná řešení jsou založena na kombinaci současných metod strojového učení, například Support vector regression (SVR) a multikriteriálních evolučních algoritmů. SVR má mnoho meta-parametrů, které je nutné dobře nastavit tak, aby byla dosažena co nejkvalitnější predikce. Kvalita predikce SVR dále silně závisí na výběru vhodné množiny vstupních proměnných. V této práci používáme multiktriteriální optimalizaci pro optimalizaci SVR meta-parametrů a množiny vstupních proměnných. Multikriteriální optimalizace nám umožňuje získat mnoho Pareto nedominovaných řešení. Mezi těmito řešeními je možné dynamicky přepínat dle toho, jaká data jsou aktuálně k dispozici tak, aby bylo dosaženo maximální kvality predikce. Metody navržené v této práci jsou především vhodné pro prostředí s velkým množstvím chybějících hodnot v dopravních datech. Tyto metody jsme ověřili na reálných datech a porovnali jejich výsledky s metodami, které jsou v současné době používány. Navržené metody poskytují lepší výsledky než stávající metody, a to především ve scénářích, kde se vyskytuje mnoho chybějících hodnot v dopravních datech.
|
|
|
Multiobjective optimization of electromagnetic structures based on self-organizing migration
Kadlec, Petr ; Prof. Hans L. Hartnagel (referee) ; Škvor,, Zbyněk (referee) ; Raida, Zbyněk (advisor)
Práce se zabývá popisem nového stochastického vícekriteriálního optimalizačního algoritmu MOSOMA (Multiobjective Self-Organizing Migrating Algorithm). Je zde ukázáno, že algoritmus je schopen řešit nejrůznější typy optimalizačních úloh (s jakýmkoli počtem kritérií, s i bez omezujících podmínek, se spojitým i diskrétním stavovým prostorem). Výsledky algoritmu jsou srovnány s dalšími běžně používanými metodami pro vícekriteriální optimalizaci na velké sadě testovacích úloh. Uvedli jsme novou techniku pro výpočet metriky rozprostření (spread) založené na hledání minimální kostry grafu (Minimum Spanning Tree) pro problémy mající více než dvě kritéria. Doporučené hodnoty pro parametry řídící běh algoritmu byly určeny na základě výsledků jejich citlivostní analýzy. Algoritmus MOSOMA je dále úspěšně použit pro řešení různých návrhových úloh z oblasti elektromagnetismu (návrh Yagi-Uda antény a dielektrických filtrů, adaptivní řízení vyzařovaného svazku v časové oblasti…).
|
|
|
Planning and Drawing Module for Matches
Jelínek, Zdeněk ; Soukup, Ondřej (referee) ; Křivka, Zbyněk (advisor)
This bachelors thesis consists of description of a design and implementation of a module for drawing tournaments in competitive sports. The goal of the module is to match competitors in such a way that the repetitions of matches are minimal and the quality of the individual matches is the best, and that each competitor plays appropriate number of matches. The worst-case asymptotic time complexity of the resulting drawing algorithm is polynomial.
|
|
|
Advanced optimisation model for circular economy
Pluskal, Jaroslav ; Bednář, Josef (referee) ; Šomplák, Radovan (advisor)
This diploma thesis deals with application optimization method in circular economy branch. The introduction is focused on explaining main features of the issue and its benefits for economy and environment. Afterwards are mentioned some obstacles, which are preventing transition from current waste management. Mathematical apparatus, which is used in practical section, is described in the thesis. Core of the thesis is mathematical optimization model, which is implemented in the GAMS software, and generator of input data is made in VBA. The model includes all of significant waste management options with respect to economic and enviromental aspect, including transport. Functionality is then demostrated on a small task. Key thesis result is application of the model on real data concerning Czech Republic. In conclusion an analysis of computation difficulty, given the scale of the task, is accomplished.
|
|
|
Antenna Arrays with Synthesized Frequency Response of Gain
Všetula, Petr ; Polívka,, MIlan (referee) ; Bonefačic, Davor (referee) ; Raida, Zbyněk (advisor)
V disertační práci popisuji metodu syntézy dipólové anténní řady s definovanou schopností prostorové a spektrální filtrace. Díky prostorové filtraci se směr hlavního laloku a hodnota zisku mění v celém pracovním pásmu jen zanedbatelně. Díky spektrální filtraci je hodnota zisku v pracovním pásmu nejvyšší a mimo toto pásmo nejnižší. Abychom syntetizovali anténní řadu s předepsanými filtračními vlastnostmi, optimalizujeme amplitudy, fáze a rozměry prvků dipólové anténní řady. Abychom počáteční optimalizaci co nejvíce urychlili, předpokládáme při výpočtu hodnot kriteriálních funkcí idealizovanou anténní řadu. Jelikož optimalizace zahrnuje požadavky na směr hlavního laloku, zisk i impedanční přizpůsobení, využíváme k syntéze multi-kriteriální optimalizaci. Optimalizovaná anténní řada byla následně analyzována ve vlnovém simulátoru, aby byl ověřen výsledek syntézy. Syntetizovaná anténní řada byla vyrobena a experimentálně byly ověřeny její vlastnosti.
|
|
|
Multi-Objective Optimization of EM Structures With Variable Number of Dimensions
Marek, Martin ; Vrba,, Jan (referee) ; Šenkeřík,, Roman (referee) ; Kadlec, Petr (advisor)
Tato dizertační práce pojednává o více-kriteriálních optimalizačních algoritmech s proměnným počtem dimenzí. Takový algoritmus umožňuje řešit optimalizační úlohy, které jsou jinak řešitelné jen s použitím nepřirozených zjednodušení. Výzkum optimalizačních method s proměnnou dimenzí si vyžádal vytvoření nového optimalizačního frameworku, který obsahuje vedle zmíněných vícekriteriálních metod s proměnnou dimenzí – VND-GDE3 a VND-MOPSO – i další optimalizační metody různých tříd. Optimalizační framework obsahuje také knihovnu rozličných testovacích problémů. Mezi nimi je také sada více-kriteriálních testovacích problémů s proměnnou dimenzí, které byly navrženy pro nastavení a ověření nových metod s proměnnou dimenzí. Nové metody jsou dále použity k optimalizaci několika různorodých optimalizačních úloh z reálného světa.
|
|
|
Toolbox for multi-objective optimization
Marek, Martin ; Hurák,, Zdeněk (referee) ; Kadlec, Petr (advisor)
This paper deals with multi-objective optimization problems (MOOP). It is explained, what solutions in multi-objetive search space are optimal and how are optimal (non-dominated) solutions found in the set of feasible solutions. Afterwards, principles of NSGA-II, MOPSO and GDE3 algorithms are described. In the following chapters, benchmark metrics and problems are introduced. In the last part of this paper, all the three algorithms are compared based on several benchmark metrics.
|
|
|
Evolutionary Design of EEG Data Classifier
Kuželová, Simona ; Jawed, Soyiba (referee) ; Mrázek, Vojtěch (advisor)
Tato diplomová práce se zaměřuje na vývoj efektivního klasifikátoru pro klasifikaci kandidátů na základě extrahovaných vlastností z elektroencefalografického (EEG) signálu. K dosažení tohoto cíle byl použit genetický algoritmus pro výběr příznaků a optimalizaci klasifikátorů na základě pěti kritérií: minimalizace počtu příznaků, minimalizace doby inference a maximalizace klasifikační senzitivity, specificity a přesnosti. Pro extrakci příznaků s cílem klasifikovat kandidáty jako trpící MDD, nebo jako zdravé, byla použita EEG data s otevřenýma očima 31 kandidátů trpících depresivní poruchou (MDD) a 28 zdravých kandidátů. Byly otestovány dva algoritmy, NSGA-II a NSGA-III. Navržený algoritmus pracoval se třemi kritérii, ale byly přidány dvě další kritéria - senzitivita a specificita. NSGA-III byl v tomto případě účinnější a byl použit v následujících experimentech. Byla zavedena omezení pro zlepšení parametrů a byly vyzkoušeny různé hodnoty pro pravděpodobnost mutace a křížení. Vygenerované klasifikátory dosáhly průměrné přesnosti 91.36 \%, senzitivity 91.82 \% a specificity 90.84 \%. V závěrečných experimentech byly nejčastěji používány kanály F3 a C3 a nejčastěji využívaným vlnovým pásmem byla gama frekvence. Výsledkem této práce jsou efektivní klasifikátory, které byly získány pomocí navrženého algoritmu, jenž využívá genetický algoritmus pro optimalizaci parametrů.
|
|
|
Multi-Objective Optimization of Complex Composite Structures with Variable Stiffness
Symonov, Volodymyr ; Halama, Radim (referee) ; Píštěk, Antonín (referee) ; Juračka, Jaroslav (advisor)
Disertační práce se věnuje vývoji metodologií pro vice-cílovou optimalizací složitých kompozitních konstrukcí s proměnnou tuhosti. Vice úrovňový hybridní optimalizační algoritmus je založený na bázi hybridní optimalizační metody s využitím interpolační plochy odezvy, genetického algoritmu a jednoparametrické optimalizace. Pro strukturální analýzy je využit MKP software MSC Nastran. Nový genetický algoritmus a paralelní jednoparametrický optimalizační algoritmus na základě metody Zlatého řezu jsou vyvinuty pro metodologii. MKP software a vyvinuté optimalizační algoritmy jsou integrované pomoci komerčního optimalizačního softwaru Noesis Optimus od Noesis Solutions. Vyvinutá metodologie je ověřena pomoci testovací optimalizační úlohy.
|
guest ::
