Evolutionary techniques utilization in hierarchical task network
Využití evolučních technik v hierarchickém plánování
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/82974Identifikátory
SIS: 159158
Katalog UK: 990021032420106986
Kolekce
- Kvalifikační práce [11978]
Autor
Vedoucí práce
Oponent práce
Pilát, Martin
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Teoretická informatika
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
12. 9. 2016
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
evoluční algoritmy, genetické programování, hierarchické plánování, plánováníKlíčová slova (anglicky)
hierarchical task network, simple task network, planning, evolutionary computation, genetic programmingTato diplomová práce popisuje návrh a implementaci algoritmu řešícího problém částečně uspořádaného hierarchického plánování nezávislého na doméně pomocí genetického programování. Tato práce obsahuje porovnání několika možných přístupů - porovnává možné reprezentace, způsoby vyhodnocení a přístupy k částečnému uspořádání. Definuje různé heuristiky pro zlepšení efektivity, včetně vzdálenostní heuristiky, lokálního prohledávání a ekvivalence jedinců. Tato implementace byla otestována na několika experimentech, abychom ukázali schopnosti algoritmu a jeho silné a slabé stránky. Powered by TCPDF (www.tcpdf.org)
This master thesis describes the design and the implementation of the algorithm solving the domain- independent partial order simple task network planning problem using the tree-based genetic programming. The work contains comparison of several possible approaches to the problem --- it compares different representations, ways of evaluation and approaches to the partial ordering. It defines heuristics to improve the efficiency of the algorithm, including the distance heuristic, the local search and the individual equivalency. The implementation was tested on several experiments to show the abilities, strengths and weaknesses of the algorithm. Powered by TCPDF (www.tcpdf.org)
