Využití genetického programování v evoluci robotů
| Název práce v češtině: | Využití genetického programování v evoluci robotů |
|---|---|
| Název v anglickém jazyce: | Using genetic programming in robot evolution |
| Klíčová slova: | genetické programování, evoluce, robot |
| Klíčová slova anglicky: | genetic programming, evolution, robot |
| Akademický rok vypsání: | 2013/2014 |
| Typ práce: | diplomová práce |
| Jazyk práce: | čeština |
| Ústav: | Katedra softwaru a výuky informatiky (32-KSVI) |
| Vedoucí / školitel: | RNDr. František Mráz, CSc. |
| Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 10.02.2014 |
| Datum zadání: | 10.02.2014 |
| Datum potvrzení stud. oddělením: | 10.02.2014 |
| Datum a čas obhajoby: | 09.09.2014 11:00 |
| Datum odevzdání elektronické podoby: | 29.07.2014 |
| Datum odevzdání tištěné podoby: | 29.07.2014 |
| Datum proběhlé obhajoby: | 09.09.2014 |
| Oponenti: | Mgr. Roman Neruda, CSc. |
| Zásady pro vypracování |
| Při evolučním vývoji řízení pro roboty se stále častěji používá nepřímo kódované neuronové sítě. Nepřímé kódování
umožňuje relativně krátkým kódem popisovat i rozsáhlé neuronové sítě. Velmi úspěšným reprezentantem takových metod je HyperNEAT, kde se metodou NEAT (Neuro-Evolution of Augmented Topologies) vyvíjí neuronová síť, která počítá váhy výsledné řídící sítě [1]. Algoritmus NEAT vyvíjí celou populaci neuronových sítí, jejichž složitost pozvolna roste. Algoritmus NEAT lze nahradit programováním [4]. Cílem práce je porovnat použití algoritmu NEAT a genetického programování při generování řídící neuronové sítě robota. Zejména by autor měl porovnat výsledky při použití různých variant genetického programovaní, případně navrhnout vlastní variantu genetického programování vhodnou na generování řídících sítí pro roboty. |
| Seznam odborné literatury |
| [1] G. Morse, S. Risi, Ch. R. Snyder, and K. O. Stanley: Single-Unit Pattern Generators for Quadruped Locomotion.
In: Proceedings of the Genetic and Evolutionary Computation Conference (GECCO-2013). New York, NY: ACM, 2013, 719-726 [2] Z. Buk, J. koutník, and M. Šnorek: NEAT in HyperNEAT Substituted with Genetic Programming. In: M. Kolehmainen, P. Toivanen, B. Beliczynski (Eds.): Adaptive and Natural Computing Algorithms, LNCS 5495, Springer Berlin Heidelberg, 2009, 243-252 [3] J. Dvorský: Neuroevolutionary Design of Control Strategy of a Multi-Legged Robot. Bachelor's thesis, Czech Technical University, 2013 [4) R. Poli, W. W. B. Langdon, N. F. McPhee, and J. R. Koza: A field guide to genetic programming. Lulu. com, 2008. |