Show simple item record

Grammar-based genetic programming
dc.contributor.advisorMráz, František
dc.creatorNohejl, Adam
dc.date.accessioned2017-05-08T12:57:17Z
dc.date.available2017-05-08T12:57:17Z
dc.date.issued2011
dc.identifier.urihttp://hdl.handle.net/20.500.11956/49362
dc.description.abstractGenetické programování (GP) založené na stromech má několik známých nedostatků: složité přizpůsobení specifickým programovacím jazykům a prostředím, problém uzávěru a více typů a problém deklarativní reprezentace vědomostí. Většina metod, které se snaží tyto problémy vyřešit, je založena na formálních gramatikách. Přesné důsledky vlastností, které je odlišují, je těžké analyzovat a dobré srovnání výsledků v konkrétních problémech chybí. Tato práce zkoumá tři metody založené na gramatikách: genetické programování s bezkontextovými gramatikami (CFG-GP), včetně jeho varianty GPHH nedávno aplikované na rozvrhování zkoušek, gramatickou evoluci (GE) a LOGENPRO, pojednává o tom, jak řeší problémy GP, a porovnává je v sérii experimentů v šesti aplikacích podle četností úspěchu a charakteristik derivačních stromů. Práce ukazuje, že GE ani LOGENPRO neposkytují podstatnou výhodu v žádném z experimentů a analyzuje rozdíly v účincích operátorů používaných v CFG-GP a GE. Jsou také prezentovány výsledky velmi efektivní implementace metod CFG-GP a GE.cs_CZ
dc.description.abstractTree-based genetic programming (GP) has several known shortcomings: difficult adaptability to specific programming languages and environments, the problem of closure and multiple types, and the problem of declarative representation of knowledge. Most of the methods that try to solve these problems are based on formal grammars. The precise effect of their distinctive features is often difficult to analyse and a good comparison of performance in specific problems is missing. This thesis reviews three grammar-based methods: context-free grammar genetic programming (CFG-GP), including its variant GPHH recently applied to exam timetabling, grammatical evolution (GE), and LOGENPRO, it discusses how they solve the problems encountered by GP, and compares them in a series of experiments in six applications using success rates and derivation tree characteristics. The thesis demonstrates that neither GE nor LOGENPRO provide a substantial advantage over CFG-GP in any of the experiments, and analyses the differences between the effects of operators used in CFG-GP and GE. It also presents results from a highly efficient implementation of CFG-GP and GE.en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectgenetické programovánícs_CZ
dc.subjectformální gramatikacs_CZ
dc.subjectevoluční algoritmycs_CZ
dc.subjectgramatická evolucecs_CZ
dc.subjectgenetic programmingen_US
dc.subjectformal grammaren_US
dc.subjectevolutionary algorithmsen_US
dc.subjectgrammatical evolutionen_US
dc.titleGrammar-based genetic programmingen_US
dc.typediplomová prácecs_CZ
dcterms.created2011
dcterms.dateAccepted2011-09-05
dc.description.departmentDepartment of Software and Computer Science Educationen_US
dc.description.departmentKatedra softwaru a výuky informatikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId83021
dc.title.translatedGrammar-based genetic programmingcs_CZ
dc.contributor.refereeIša, Jiří
dc.identifier.aleph001384087
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineTheoretical Computer Scienceen_US
thesis.degree.disciplineTeoretická informatikacs_CZ
thesis.degree.programComputer Scienceen_US
thesis.degree.programInformatikacs_CZ
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csTeoretická informatikacs_CZ
uk.degree-discipline.enTheoretical Computer Scienceen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csGenetické programování (GP) založené na stromech má několik známých nedostatků: složité přizpůsobení specifickým programovacím jazykům a prostředím, problém uzávěru a více typů a problém deklarativní reprezentace vědomostí. Většina metod, které se snaží tyto problémy vyřešit, je založena na formálních gramatikách. Přesné důsledky vlastností, které je odlišují, je těžké analyzovat a dobré srovnání výsledků v konkrétních problémech chybí. Tato práce zkoumá tři metody založené na gramatikách: genetické programování s bezkontextovými gramatikami (CFG-GP), včetně jeho varianty GPHH nedávno aplikované na rozvrhování zkoušek, gramatickou evoluci (GE) a LOGENPRO, pojednává o tom, jak řeší problémy GP, a porovnává je v sérii experimentů v šesti aplikacích podle četností úspěchu a charakteristik derivačních stromů. Práce ukazuje, že GE ani LOGENPRO neposkytují podstatnou výhodu v žádném z experimentů a analyzuje rozdíly v účincích operátorů používaných v CFG-GP a GE. Jsou také prezentovány výsledky velmi efektivní implementace metod CFG-GP a GE.cs_CZ
uk.abstract.enTree-based genetic programming (GP) has several known shortcomings: difficult adaptability to specific programming languages and environments, the problem of closure and multiple types, and the problem of declarative representation of knowledge. Most of the methods that try to solve these problems are based on formal grammars. The precise effect of their distinctive features is often difficult to analyse and a good comparison of performance in specific problems is missing. This thesis reviews three grammar-based methods: context-free grammar genetic programming (CFG-GP), including its variant GPHH recently applied to exam timetabling, grammatical evolution (GE), and LOGENPRO, it discusses how they solve the problems encountered by GP, and compares them in a series of experiments in six applications using success rates and derivation tree characteristics. The thesis demonstrates that neither GE nor LOGENPRO provide a substantial advantage over CFG-GP in any of the experiments, and analyses the differences between the effects of operators used in CFG-GP and GE. It also presents results from a highly efficient implementation of CFG-GP and GE.en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra softwaru a výuky informatikycs_CZ


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 3-5, 116 36 Praha; 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