Možnosti zvýšení výkonu přírodou inspirovaných globálních optimalizačních metod
Possible improvements of global optimization methods inspired by nature
bakalářská práce (OBHÁJENO)

Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/31032Identifikátory
SIS: 65312
Kolekce
- Kvalifikační práce [11267]
Autor
Vedoucí práce
Oponent práce
Bálek, Martin
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Obecná informatika
Katedra / ústav / klinika
Katedra aplikované matematiky
Datum obhajoby
22. 6. 2009
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Výborně
Tato práce se zabývá optimalizací funkcí reálných proměnných pomocí přírodou inspirovaných metod. Obsahuje popis vybraných globálních optimalizačních metod (Differential Evolution, Self-Organizing Migrating Algorithm, Steady-State Evolutionary Algorithm, Particle Swarm Optimization, Gregarious Particle Swarm Optimizer a Hybrid Particle Swarm with Differential Evolution Operator). Nalezl jsem čtyři zlepšení těchto metod, zjistil jejich vhodná nastavení parametrů a porovnal je na vybraných testovacích funkcích. Experimentální výsledky prokázaly, že popsaná zlepšení mohou zvýšit výkon přírodou inspirovaných optimalizačních metod.
This study focuses on the global optimization of functions of real variables using methods inspired by nature. It contains a description of selected global optimization techniques (Differential Evolution, Self-Organizing Migrating Algorithm, Steady-State Evolutionary Algorithm, Particle Swarm Optimization, Gregarious Particle Swarm Optimizer a Hybrid Particle Swarm with Differential Evolution Operator). I have found four improvements of these techniques, discovered their suitable parameter configurations and compared them on chosen trial functions. Experimental results proved that described improvements can increase performance of the optimization techniques inspired by nature.