Diplomová práca sa zaoberá algoritmom založeným na inteligencii roja a to konkrétne algoritmom SOMA. Cieľom diplomovej práce bol vývoj nových adaptívnych stratégii pre spomínaný algoritmus. Prvá časť práce sa venuje evolučným výpočetným technikám. Následne sa detailne venuje algoritmu SOMA a jej moderným variantám. Vývojom, následnou implementáciou a mnohými experimentami boli získané cenné poznatky, ktoré sú zdokumentované v práci a môžu napomôcť ďalším ľudom, ktorí sa budú venovať tomuto algoritmu, či budú chcieť využiť algoritmus alebo jeho modifikácie pre reálne optimalizačné problémy. Získané výsledky diplomovej práce sú zosumarizované v praktickej časti práce.
Anotace v angličtině
The master's thesis deals with an algorithm based on swarm intelligence, specifically the SOMA algorithm. The aim of the master's thesis was the development of new adaptive strategies for the mentioned algorithm. The first part of the thesis deals with evolutionary computing techniques. Subsequently, it deals in detail with the SOMA algorithm and its modern variants. Throughout development, subsequent implementation and many experiments the valuable knowledge which is documented in the thesis has been gained. This knowledge can also help people who will focus on this algorithm, whether they want to use the algorithm or its modifications for real optimization problems. The obtained results of the diploma thesis are summarized in the practical part.
SOMA, modern variants of SOMA algorithm, adaptive strategies, optimization
Rozsah průvodní práce
105 s.
Jazyk
SK
Anotace
Diplomová práca sa zaoberá algoritmom založeným na inteligencii roja a to konkrétne algoritmom SOMA. Cieľom diplomovej práce bol vývoj nových adaptívnych stratégii pre spomínaný algoritmus. Prvá časť práce sa venuje evolučným výpočetným technikám. Následne sa detailne venuje algoritmu SOMA a jej moderným variantám. Vývojom, následnou implementáciou a mnohými experimentami boli získané cenné poznatky, ktoré sú zdokumentované v práci a môžu napomôcť ďalším ľudom, ktorí sa budú venovať tomuto algoritmu, či budú chcieť využiť algoritmus alebo jeho modifikácie pre reálne optimalizačné problémy. Získané výsledky diplomovej práce sú zosumarizované v praktickej časti práce.
Anotace v angličtině
The master's thesis deals with an algorithm based on swarm intelligence, specifically the SOMA algorithm. The aim of the master's thesis was the development of new adaptive strategies for the mentioned algorithm. The first part of the thesis deals with evolutionary computing techniques. Subsequently, it deals in detail with the SOMA algorithm and its modern variants. Throughout development, subsequent implementation and many experiments the valuable knowledge which is documented in the thesis has been gained. This knowledge can also help people who will focus on this algorithm, whether they want to use the algorithm or its modifications for real optimization problems. The obtained results of the diploma thesis are summarized in the practical part.
SOMA, modern variants of SOMA algorithm, adaptive strategies, optimization
Zásady pro vypracování
Vypracujte literární rešerši.
Popište principy a varianty optimalizačního algoritmu SOMA.
Analyzujte adaptivní mechanismy v moderních variantách algoritmu SOMA.
Navrhněte vlastní adaptivní strategie pro řízení populační dynamiky a parametry algoritmu ve zvoleném programovacím prostředí.
Otestujte vytvořené varianty na vybraných testovacích funkcích.
Proveďte statistické srovnání s existujícími verzemi SOMA algoritmu a výsledky přehledně graficky a tabulkově zobrazte.
Zásady pro vypracování
Vypracujte literární rešerši.
Popište principy a varianty optimalizačního algoritmu SOMA.
Analyzujte adaptivní mechanismy v moderních variantách algoritmu SOMA.
Navrhněte vlastní adaptivní strategie pro řízení populační dynamiky a parametry algoritmu ve zvoleném programovacím prostředí.
Otestujte vytvořené varianty na vybraných testovacích funkcích.
Proveďte statistické srovnání s existujícími verzemi SOMA algoritmu a výsledky přehledně graficky a tabulkově zobrazte.
Seznam doporučené literatury
ZELINKA, Ivan. Evoluční výpočetní techniky: principy a aplikace. Praha: BEN - technická literatura, 2009, 534 s. ISBN 9788073002183.
KACPRZYK, Janusz a Witold PEDRYCZ, ed. Springer handbook of computational intelligence. Dordrecht: Springer, 2015, lvi, 1633 s. ISBN 9783662435045.
ZELINKA, Ivan, Václav SNÁŠEL a Ajith ABRAHAM, ed. Handbook of optimization: from classical to modern approach. Berlin: Springer, c2013, xii, 1100 s. Intelligent systems reference library. ISBN 9783642305030.
DAVENDRA, Donald a Ivan ZELINKA, ed. Self-organizing migrating algorithm: methodology and implementation. [Cham]: Springer, [2016], xviii, 289 s. Studies in computational intelligence. ISBN 9783319281599. Dostupné také z: http://www.loc.gov/catdir/enhancements/fy1608/2015958861-d.html .
DIEP, Quoc Bao. Self-Organizing Migrating Algorithm Team To Team Adaptive–SOMA T3A. 2019 IEEE Congress on Evolutionary Computation, IEEE, 2019, 1182-1187.
MELOUN, Milan a Jiří MILITKÝ. Statistická analýza experimentálních dat. Vyd. 2., upr. a rozš. Praha: Academia, 2004, 953 s. ISBN 8020012540.
Seznam doporučené literatury
ZELINKA, Ivan. Evoluční výpočetní techniky: principy a aplikace. Praha: BEN - technická literatura, 2009, 534 s. ISBN 9788073002183.
KACPRZYK, Janusz a Witold PEDRYCZ, ed. Springer handbook of computational intelligence. Dordrecht: Springer, 2015, lvi, 1633 s. ISBN 9783662435045.
ZELINKA, Ivan, Václav SNÁŠEL a Ajith ABRAHAM, ed. Handbook of optimization: from classical to modern approach. Berlin: Springer, c2013, xii, 1100 s. Intelligent systems reference library. ISBN 9783642305030.
DAVENDRA, Donald a Ivan ZELINKA, ed. Self-organizing migrating algorithm: methodology and implementation. [Cham]: Springer, [2016], xviii, 289 s. Studies in computational intelligence. ISBN 9783319281599. Dostupné také z: http://www.loc.gov/catdir/enhancements/fy1608/2015958861-d.html .
DIEP, Quoc Bao. Self-Organizing Migrating Algorithm Team To Team Adaptive–SOMA T3A. 2019 IEEE Congress on Evolutionary Computation, IEEE, 2019, 1182-1187.
MELOUN, Milan a Jiří MILITKÝ. Statistická analýza experimentálních dat. Vyd. 2., upr. a rozš. Praha: Academia, 2004, 953 s. ISBN 8020012540.
Přílohy volně vložené
1 CD ROM
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Diplomantka odprezentovala před komisí hlavní cíle a výsledky své diplomové práce. Prezentace jako celek byla zpracována na výborné úrovni, studentka dokázala vystihnout klíčové body práce. Následně byla studentka seznámena s posudky vedoucího a oponenta diplomové práce. Diplomantka postupně odpověděla na otázky oponenta práce.
Komise vznesla k obhajobě následující dotazy:
1) Doc. Kotyrba: Jaká byla Vaše motivace ve zvoleném tématu?
Na kladené dotazy diplomantka reagovala na výborné úrovni.