Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 384)
Detail práce
   Přihlásit přes CAS
Možnosti zvýšení výkonu přírodou inspirovaných globálních optimalizačních metod
Název práce v češtině: Možnosti zvýšení výkonu přírodou inspirovaných globálních optimalizačních metod
Název v anglickém jazyce: Possible improvements of global optimization methods inspired by nature
Akademický rok vypsání: 2008/2009
Typ práce: bakalářská práce
Jazyk práce: čeština
Ústav: Katedra aplikované matematiky (32-KAM)
Vedoucí / školitel: Mgr. Pavel Rytíř, Ph.D.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 07.11.2008
Datum zadání: 07.11.2008
Datum a čas obhajoby: 22.06.2009 00:00
Datum odevzdání elektronické podoby:22.06.2009
Datum proběhlé obhajoby: 22.06.2009
Oponenti: Mgr. Martin Bálek
 
 
 
Zásady pro vypracování
Práce vychází z ročníkového projektu. Úkolem je implementovat vybrané přírodou inspirované globální optimalizační metody a jejich možná vylepšení a experimentálně zjistit, jak velký nárůst výkonu tato vylepšení přinášejí.
Seznam odborné literatury
Storn R., Price K.: Differential Evolution - A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, Volume 11, 1997, 341?359.
Price K., Storn R., Lampinen J.: Differential Evolution: A Practical Approach to Global Optimization. Springer, Berlin, 2005.
Mařík V., Štěpánková O., Lažanský J. et al.: Umělá inteligence (4). Academia, Praha, 2003.
Zelinka I.: Umělá inteligence v problémech globální optimalizace. BEN - technická literatura, Praha, 2002.
Feoktistov, V.: Differential Evolution: In Seach of Solutions. Springer, New York, 2006.
Hrstka O., Kučerová A.: SADE Technology. http://klobouk.fsv.cvut.cz/~ondra/sade/sade.html, 2001.
Hrstka O., Kučerová A., Lepš. A., Zeman J.: A competitive comparison of different types of evolutionary algorithms. Computers & Structures, Volume 81, Issues 18-19, 2003, 1979-1990.
Zelinka I., Vybíral J.: SOMA Homepage. http://www.ft.utb.cz/people/zelinka/soma/, 2005.
Babjak J., Palko M.: Strategies for Improving Performance of SOMA. Kognícia, umelý život a počítačová inteligencia, 2003, 284-297.
Kennedy J., Eberhart R.: Particle Swarm Optimization. http://www.engr.iupui.edu/~shi/Coference/psopap4.html, 1997.
Xie X. F., Zhang W. J., Yang Z. L.: A Dissipative Particle Swarm Optimization. Congress on Evolutionary Computation (CEC), Volume 2, 2002, 1456-1461.
Mishra, S. K.: Repulsive Particle Swarm Method on Some Difficult Test Problems of Global Optimization. http://mpra.ub.uni-muenchen.de/1742/, 2006.
Pasupuleti S., Battiti R.: The Gregarious Particle Swarm Optimizer (G-PSO). Proceedings of the 8th annual conference on Genetic and evolutionary computation, 2006, 67-74.
Zhang W. J., Xie X. F.: DEPSO: Hybrid Particle Swarm with Differential Evolution Operator. IEEE Int. Conf. on Systems, Man & Cybernetics, 2003, 3816-3821.
Předběžná náplň práce
Pro praktické využití optimalizační metody je důležité vědět, zda lze metodu dále vylepšit (tak, aby základní kostra metody zůstala zachována). V případě přírodou inspirovaných optimalizačních metod je nutné každé vylepšení implementovat, experimentálně vyzkoušet na vybraných funkcích a srovnat s původní metodou (případně s jinými optimalizačními metodami).
Předběžná náplň práce v anglickém jazyce
For practical application of the optimization method is crucial to know whether there is a possibility of further improvement of the method (but the core idea of the method should not be changed). In case of the optimization method inspired by nature, every improvement has to be implemented, tested on chosen functions and compared with the original method (perhaps even with other optimization methods).
 
Univerzita Karlova | Informační systém UK