Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 368)
Detail práce
   Přihlásit přes CAS
Genetic programming in Swift for human-competitive evolution
Název práce v češtině: Knihovna pro genetické programování v jazyce Swift
Název v anglickém jazyce: Genetic programming in Swift for human-competitive evolution
Klíčová slova: genetické programování, umělá evoluce
Klíčová slova anglicky: genetic programming, artificial evolution
Akademický rok vypsání: 2015/2016
Typ práce: bakalářská práce
Jazyk práce: angličtina
Ústav: Katedra softwaru a výuky informatiky (32-KSVI)
Vedoucí / školitel: RNDr. František Mráz, CSc.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 01.02.2016
Datum zadání: 01.02.2016
Datum potvrzení stud. oddělením: 16.02.2016
Datum a čas obhajoby: 16.06.2016 00:00
Datum odevzdání elektronické podoby:25.05.2016
Datum odevzdání tištěné podoby:27.05.2016
Datum proběhlé obhajoby: 16.06.2016
Oponenti: Mgr. Jakub Gemrot, Ph.D.
 
 
 
Zásady pro vypracování
The goal of the thesis is to design and implement an efficient genetic programming library in a new programming language Swift.

The library will facilitate its use in teaching genetic algorithms and assisting in practical applications of genetic programming to real-world problems. By design, individual components of the library will enable usage of model abstraction and object polymorphism as means of generalization, allowing widely-used genetic algorithms to efficiently interact with various types of similar data structures. In addition, the library will also support customization, assisting users in modification of its components to fit various use cases without greater effort.

Beside tools and techniques common for most genetic algorithms, the library will contain unit tests and thorough documentation along with usage demonstrations to further help users understand its architecture and genetic algorithms in general. The efficiency and correctness of components provided by the library will be demonstrated by reimplementing algorithm which has already managed to produce human-competitive results in other applications, such as Ray’s learning algorithm for the QWOP game.
Seznam odborné literatury
[1] J. R. Koza. Genetic Programming: On the Programming of Computers by Means of Natural Selection. MIT Press, Cambridge, MA, USA, 1992

[2] J. R. Koza, M. A. Keane, M. J. Streeter, W. Mydlowec, J. Yu, G. Lanza: Genetic Programming IV: Routine Human-Competitive Machine Intelligence. Genetic Programming Series 5, Springer, 2005

[3] S. Ray, V. S. Gordon, L. Vaucher: Evolving QWOP gaits. In: GECCO '14: Proceedings of the 2014 conference on Genetic and evolutionary computation, ACM, 2014, pp. 823-830

[4] The Swift Programming Language (Swift 2.2). Apple Inc., 2016, available online at https:/ /swift.org/documentation/TheSwiftProgrammingLanguage(Swift2.2).epub
 
Univerzita Karlova | Informační systém UK