Možnosti zvýšení výkonu přírodou inspirovaných globálních optimalizačních metod

• Thesis title in Czech: Možnosti zvýšení výkonu přírodou inspirovaných globálních optimalizačních metod
• Thesis title in English: Possible improvements of global optimization methods inspired by nature
• Academic year of topic announcement: 2008/2009
• Thesis type: Bachelor's thesis
• Thesis language: čeština
• Department: Department of Applied Mathematics (32-KAM)
• Supervisor: Mgr. Pavel Rytíř, Ph.D.
• Author: hidden - assigned and confirmed by the Study Dept.
• Date of registration: 07.11.2008
• Date of assignment: 07.11.2008
• Date and time of defence: 22.06.2009 00:00
• Date of electronic submission: 22.06.2009
• Date of proceeded defence: 22.06.2009
• Opponents: Mgr. Martin Bálek

Guidelines

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.

References

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.

Preliminary scope of work

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).

Preliminary scope of work in English

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).