Show simple item record

Genetical algorithms and their use in optimization
dc.contributor.advisorAntoch, Jaromír
dc.creatorKrtek, Jiří
dc.date.accessioned2017-04-10T10:48:56Z
dc.date.available2017-04-10T10:48:56Z
dc.date.issued2008
dc.identifier.urihttp://hdl.handle.net/20.500.11956/14887
dc.description.abstractIn the present work we deal with a branch of stochastic optimization algorithms, so called genetic algorithms. In the first chapter we can find description of a run of the genetic algorithm and the main operations which route searching of a feasible solution set, i.e. crossover and mutation. There is not absent a simple example, whereon reader can make sense of the presented operations. There is a short chapter devoted to theory of genetic algorithms which follows section describing various improvements of the basic algorithm, e.g. the Gray code. A real optimization problem is introduced in the third and also the last chapter. We have solved it using the theory of Markov decision processes for modeling a queuing system and by using genetic algorithms for finding optimum. We have also looked for optimum via a specialized algorithm. Both approaches are compared in the end of this chapter. All calculations have been implemented in the Fortran language.en_US
dc.description.abstractV předložené práci se zabýváme odvětvím stochatických optimalizačních algoritmů, tzv. genetickými algoritmy. V první kapitole lze nalézt popis průběhu genetického algoritmu a hlavních operací určující směr prohledávání množiny přípustných řešení, tj. křížení a mutace. Nechybí modelový příklad, pomocí něhož čtenář všechny představené operace pochopí. Po části popisující různá vylepšení základního algoritmu, například Grayův kód, následuje nepříliš dlouhá kapitola věnovaná teorii genetických algoritmů. Ve třetí a zároveň poslední kapitole je nastolen skutečný optimalizační problém. K vyřešení tohoto problému jsme použili jednak teorii řízených Markovských řetězců pro modelování systému hromadné obsluhy, jednak genetické algoritmy k nalezení optimálního řešení. Optimální řešení jsme hledali i pomocí specializovaného algoritmu. Oba přístupy k hledání optima jsou v závěru této kapitoly zhodnoceny. Veškeré výpočty byly implementovány v jazyce Fortran.cs_CZ
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.titleGenetické algoritmy a jejich využití v optimalizacics_CZ
dc.typediplomová prácecs_CZ
dcterms.created2008
dcterms.dateAccepted2008-05-12
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId46678
dc.title.translatedGenetical algorithms and their use in optimizationen_US
dc.contributor.refereeDupač, Václav
dc.identifier.aleph000971535
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineProbability, mathematical statistics and econometricsen_US
thesis.degree.disciplinePravděpodobnost, matematická statistika a ekonometriecs_CZ
thesis.degree.programMatematikacs_CZ
thesis.degree.programMathematicsen_US
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Probability and Mathematical Statisticsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csPravděpodobnost, matematická statistika a ekonometriecs_CZ
uk.degree-discipline.enProbability, mathematical statistics and econometricsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csV předložené práci se zabýváme odvětvím stochatických optimalizačních algoritmů, tzv. genetickými algoritmy. V první kapitole lze nalézt popis průběhu genetického algoritmu a hlavních operací určující směr prohledávání množiny přípustných řešení, tj. křížení a mutace. Nechybí modelový příklad, pomocí něhož čtenář všechny představené operace pochopí. Po části popisující různá vylepšení základního algoritmu, například Grayův kód, následuje nepříliš dlouhá kapitola věnovaná teorii genetických algoritmů. Ve třetí a zároveň poslední kapitole je nastolen skutečný optimalizační problém. K vyřešení tohoto problému jsme použili jednak teorii řízených Markovských řetězců pro modelování systému hromadné obsluhy, jednak genetické algoritmy k nalezení optimálního řešení. Optimální řešení jsme hledali i pomocí specializovaného algoritmu. Oba přístupy k hledání optima jsou v závěru této kapitoly zhodnoceny. Veškeré výpočty byly implementovány v jazyce Fortran.cs_CZ
uk.abstract.enIn the present work we deal with a branch of stochastic optimization algorithms, so called genetic algorithms. In the first chapter we can find description of a run of the genetic algorithm and the main operations which route searching of a feasible solution set, i.e. crossover and mutation. There is not absent a simple example, whereon reader can make sense of the presented operations. There is a short chapter devoted to theory of genetic algorithms which follows section describing various improvements of the basic algorithm, e.g. the Gray code. A real optimization problem is introduced in the third and also the last chapter. We have solved it using the theory of Markov decision processes for modeling a queuing system and by using genetic algorithms for finding optimum. We have also looked for optimum via a specialized algorithm. Both approaches are compared in the end of this chapter. All calculations have been implemented in the Fortran language.en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
dc.identifier.lisID990009715350106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV