Show simple item record

Moderní evoluční algoritmy pro hledání oblastí s vysokou fitness
dc.contributor.advisorHoleňa, Martin
dc.creatorKáldy, Martin
dc.date.accessioned2017-04-27T00:27:35Z
dc.date.available2017-04-27T00:27:35Z
dc.date.issued2011
dc.identifier.urihttp://hdl.handle.net/20.500.11956/33418
dc.description.abstractEvoluční algoritmy jsou optimizační techniky inspirované vývojem biologických druhů v přírodě. Používají konceptuálně jednoduchý proces střídající dvě fáze, a to reprodukci a výběr na základě fitness, a iterativně tak vyvíjejí stále lepší řešení. Evolučním algoritmům je věnováno dost pozornosti díky jejich schopnosti řešit i velmi komplikované optimizační problémy, na kterých jiné optimalizační metody mohou selhat kvůli existenci mnoha lokálních optim. Různých typů evolučních algoritmů byla navrhnuta celá šíře. V této diplomové práci se budeme věnovat skupině algoritmů "EDA" (z anglického Estimation of Distribution Algorithms), tedy algoritmy odhadující pravděpodobnostní rozdělení. Ve fázi vytváření nové generace EDA odhadne z vybrané rodičovské populace pravděpodobnostní rozložení a novou generaci generuje na základě tohoto rozdělení. V této práci naimplementujeme a použijeme několik existujících EDA tak, aby pracovaly v dohodnutém specifickém prostředí, které lze zhruba charakterizovat jako stromovité struktury obsahující jak diskrétní, tak spojité veličiny. Navíc také pro jedince zavádíme další omezení ve formě lineárních nerovnic. Implementovaná aplikace je navržená pro komunikaci přes dohodnutá rozhraní, od nějž získává informace o modelu a o ukládání řešení do databáze. Do databáze se pak všem...cs_CZ
dc.description.abstractEvolutionary algorithms are optimization techniques inspired by the actual evolution of biological species. They use conceptually simple process of two repeating phases of reproduction and fitness-based selection, that iteratively evolves each time better solutions. Evolutionary algorithms receive a lot of attention for being able to solve very hard optimization problems, where other optimization techniques might fail due to existence of many local optima. Wide range of different variants of evolutionary algorithms have been proposed. In this thesis, we will focus on the area of Estimation of Distribution Algorithms (EDA). When creating the next generation, EDAs transform the selected high-fitness population into a probability distribution. New generation is obtained by sampling the estimated distribution. We will design and and implement combinations of existing EDAs that will operate in business-specific environment, that can be characterized as tree-like structure of both discrete and continuous variables. Also, additional linear inequality constraints are specified to applicable solutions. Implemented application communicates with provided interfaces, retrieving the problem model specification and storing populations into database. Database is used to assign externally computed fitness values from...en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectoptimalizacecs_CZ
dc.subjectevoluční algoritmycs_CZ
dc.subjectodhad rozdělenícs_CZ
dc.subjectfitness funkcecs_CZ
dc.subjectoptimizationen_US
dc.subjectevolutionary algorithmsen_US
dc.subjectestimation of distributionen_US
dc.subjectfitness functionen_US
dc.titleModerní evoluční algoritmy pro hledání oblastí s vysokou fitnessen_US
dc.typediplomová prácecs_CZ
dcterms.created2011
dcterms.dateAccepted2011-01-31
dc.description.departmentDepartment of Theoretical Computer Science and Mathematical Logicen_US
dc.description.departmentKatedra teoretické informatiky a matematické logikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId70184
dc.title.translatedModerní evoluční algoritmy pro hledání oblastí s vysokou fitnesscs_CZ
dc.contributor.refereeGemrot, Jakub
dc.identifier.aleph001284883
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineSoftware Systemsen_US
thesis.degree.disciplineSoftwarové systémycs_CZ
thesis.degree.programComputer Scienceen_US
thesis.degree.programInformatikacs_CZ
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra teoretické informatiky a matematické logikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Theoretical Computer Science and Mathematical Logicen_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.csSoftwarové systémycs_CZ
uk.degree-discipline.enSoftware Systemsen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csEvoluční algoritmy jsou optimizační techniky inspirované vývojem biologických druhů v přírodě. Používají konceptuálně jednoduchý proces střídající dvě fáze, a to reprodukci a výběr na základě fitness, a iterativně tak vyvíjejí stále lepší řešení. Evolučním algoritmům je věnováno dost pozornosti díky jejich schopnosti řešit i velmi komplikované optimizační problémy, na kterých jiné optimalizační metody mohou selhat kvůli existenci mnoha lokálních optim. Různých typů evolučních algoritmů byla navrhnuta celá šíře. V této diplomové práci se budeme věnovat skupině algoritmů "EDA" (z anglického Estimation of Distribution Algorithms), tedy algoritmy odhadující pravděpodobnostní rozdělení. Ve fázi vytváření nové generace EDA odhadne z vybrané rodičovské populace pravděpodobnostní rozložení a novou generaci generuje na základě tohoto rozdělení. V této práci naimplementujeme a použijeme několik existujících EDA tak, aby pracovaly v dohodnutém specifickém prostředí, které lze zhruba charakterizovat jako stromovité struktury obsahující jak diskrétní, tak spojité veličiny. Navíc také pro jedince zavádíme další omezení ve formě lineárních nerovnic. Implementovaná aplikace je navržená pro komunikaci přes dohodnutá rozhraní, od nějž získává informace o modelu a o ukládání řešení do databáze. Do databáze se pak všem...cs_CZ
uk.abstract.enEvolutionary algorithms are optimization techniques inspired by the actual evolution of biological species. They use conceptually simple process of two repeating phases of reproduction and fitness-based selection, that iteratively evolves each time better solutions. Evolutionary algorithms receive a lot of attention for being able to solve very hard optimization problems, where other optimization techniques might fail due to existence of many local optima. Wide range of different variants of evolutionary algorithms have been proposed. In this thesis, we will focus on the area of Estimation of Distribution Algorithms (EDA). When creating the next generation, EDAs transform the selected high-fitness population into a probability distribution. New generation is obtained by sampling the estimated distribution. We will design and and implement combinations of existing EDAs that will operate in business-specific environment, that can be characterized as tree-like structure of both discrete and continuous variables. Also, additional linear inequality constraints are specified to applicable solutions. Implemented application communicates with provided interfaces, retrieving the problem model specification and storing populations into database. Database is used to assign externally computed fitness values from...en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra teoretické informatiky a matematické logikycs_CZ
dc.identifier.lisID990012848830106986


Files in this item

Thumbnail
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