|
|
Evoluční výpočetní techniky
Popelka, Jan ; Smékal, Zdeněk (oponent) ; Karásek, Jan (vedoucí práce)
Cílem této bakalářské práce bylo seznámit se s evolučními optimalizačními technikami, převážně pak s genetickým algoritmem a genetickým programováním. Následně byla popsána optimalizační úloha obchodního cestujícího řešená pomocí genetického algoritmu, v další kapitole řešení symbolické regrese za pomoci genetického programování. V praktické části byly tyto optimalizační úlohy vytvořeny v programovacím jazyce JAVA.
|
|
|
Srovnání genomů analýzou pozice genů
Pavel, Tomáš ; Škutková, Helena (oponent) ; Maděránková, Denisa (vedoucí práce)
Teoretická část této bakalářské práce se zabývá základy genetiky. Nejprve jsou popsány pojmy gen a mutace. Jsou popsány mutace genové a chromozomové. Následující část je věnována komparativní genomice a především synteny. Je zde popsáno, co je to synteny a jak vzniká. Konec teoretické části je věnován evoluci a způsobům třídění permutačních vektorů. Praktická část bakalářské práce obsahuje popis vytvořeného programu. Výstupem programu je dotplot zobrazující synteny bloky, jejichž indexy jsou vypsány v GUI. Druhým podstatným výstupem je stanovení počtu permutačních kroků. Tento počet kroků slouží ke stanovení evoluční vzdálenosti porovnávaných sekvencí. Poslední část práce je věnována testování programu a analýze uměle vytvořených a reálných sekvencí DNA.
|
|
|
Míchání karet a konvergence Markovských řetězců
Drašnar, Jan ; Prokešová, Michaela (vedoucí práce) ; Beneš, Viktor (oponent)
Tato práce představuje míchání karet jako náhodnou procházku na grupě permutací. Dokonale zamíchané karty jsou definovány jako rovnoměrné rozdělení na této grupě. Vzdálenost rovnoměrného rozdělení a rozdělení Markovského řetězce generovaného mícháním v daném čase je analyzována metodami, které je možno využít k řešení mnoha jiných problémů - silně stacionární čas, párování a převedení na inverzní pravděpodobnostní rozdělení. V poslední kapitole je rozebráno míchání "farao" a dokázán poměrně běžně známý fakt, že sedm nebo osm míchání stačí k promíchání 52 karetního balíčku.
|
|
|
Rubikova kostka a její varianty
Chalupa, Radek ; Slavík, Antonín (vedoucí práce) ; Halas, Zdeněk (oponent)
Název práce: Rubikova kostka a její varianty Autor: Radek Chalupa Katedra: Katedra didaktiky matematiky Vedoucí bakalářské práce: doc. RNDr. Antonín Slavík, Ph.D., Katedra didaktiky matematiky Abstrakt: Tato práce pojednává o Rubikově kostce z matematického hlediska. Ře- šíme matematické zákonitosti tohoto proslulého hlavolamu i hlavolamů příbuzných. Za- býváme se především otázkou, jaké tvary Rubikovy kostky jsme schopni vyřešit. K tomu používáme matematických nástrojů. Dozvídáme se o různých problémech, které mohou znemožnit řešení hlavolamu. Řešíme tyto problémy přehledně, každý zvlášť a ukazujeme si je na konkrétních příkladech. Také ukazujeme, kolik různých tvarů vůbec na hlavolamu můžeme získat. Klíčová slova: Rubikova kostka, řešitelnost, permutace, orientace 1
|
|
|
Pattern-avoiding permutation classes
Opler, Michal ; Jelínek, Vít (vedoucí práce) ; Klazar, Martin (oponent)
Major index permutace π je součet všech indexů i takových, že πi > πi+1. V této práci zkoumáme distribuci major indexu na permutacích neobsahujích zakázané vzory. Zajímá nás hodnota Mm n (Π), což je počet permutací délky n s major indexem m a množinou zakázaných vzorů Π. Podařilo se nám ukázat, že pro jednoprvkovou množinu Π = {σ} krom okrajových triviálních pří- padů, se hodnoty Mm n (Π) chovají monotónně, nebo-li Mm n (Π) ≤ Mm n+1(Π). Hlavním výsledkem je rozbor asymptotického chování hodnot Mm n (Π) pro n jdoucí k nekonečnu. Ukážeme, že pro každé pevné m, Π a dostatečně velké n jsou hodnoty Mm n (Π) rovny polynomu v proměnné n a navíc jsme schopni určit stupně těchto polynomů pro různé množiny zakázaných vzorů. 1
|
|
|
Kombinatorické úlohy v matematických soutěžích
Kadeřábek, Václav ; Jančařík, Antonín (vedoucí práce) ; Zhouf, Jaroslav (oponent)
Práce pojednává o možnostech rozdělení kombinatorických úloh, které se vyskytují v matematických soutěžích. Obsahuje představení kombinatoriky vyučované na středních školách. Poukazuje na rozdíly mezi řešením úloh ve školách a na matematických soutěžích. Pomocí grafů a tabulek znázorňuje nerovnoměrné rozdělení kombinatorických úloh. Na závěr nabízí typy příkladů, které v soutěžích chybí, nebo jsou tam v nedostatečném počtu.
|
|
|
Míchání karet a konvergence Markovských řetězců
Drašnar, Jan ; Prokešová, Michaela (vedoucí práce) ; Beneš, Viktor (oponent)
Tato práce představuje míchání karet jako náhodnou procházku na grupě permutací. Dokonale zamíchané karty jsou definovány jako rovnoměrné rozdělení na této grupě. Vzdálenost rovnoměrného rozdělení a rozdělení Markovského řetězce generovaného mícháním v daném čase je analyzována metodami, které je možno využít k řešení mnoha jiných problémů - silně stacionární čas, párování a převedení na inverzní pravděpodobnostní rozdělení. V poslední kapitole je rozebráno míchání "farao" a dokázán poměrně běžně známý fakt, že sedm nebo osm míchání stačí k promíchání 52 karetního balíčku.
|
|
|
Srovnání genomů analýzou pozice genů
Pavel, Tomáš ; Škutková, Helena (oponent) ; Maděránková, Denisa (vedoucí práce)
Teoretická část této bakalářské práce se zabývá základy genetiky. Nejprve jsou popsány pojmy gen a mutace. Jsou popsány mutace genové a chromozomové. Následující část je věnována komparativní genomice a především synteny. Je zde popsáno, co je to synteny a jak vzniká. Konec teoretické části je věnován evoluci a způsobům třídění permutačních vektorů. Praktická část bakalářské práce obsahuje popis vytvořeného programu. Výstupem programu je dotplot zobrazující synteny bloky, jejichž indexy jsou vypsány v GUI. Druhým podstatným výstupem je stanovení počtu permutačních kroků. Tento počet kroků slouží ke stanovení evoluční vzdálenosti porovnávaných sekvencí. Poslední část práce je věnována testování programu a analýze uměle vytvořených a reálných sekvencí DNA.
|
|
|
Evoluční výpočetní techniky
Popelka, Jan ; Smékal, Zdeněk (oponent) ; Karásek, Jan (vedoucí práce)
Cílem této bakalářské práce bylo seznámit se s evolučními optimalizačními technikami, převážně pak s genetickým algoritmem a genetickým programováním. Následně byla popsána optimalizační úloha obchodního cestujícího řešená pomocí genetického algoritmu, v další kapitole řešení symbolické regrese za pomoci genetického programování. V praktické části byly tyto optimalizační úlohy vytvořeny v programovacím jazyce JAVA.
|
host ::
RSS.