Adaptivní genetické algoritmy

Zahálka, Nicholas

Publikace:
Adaptivní genetické algoritmy

Bakalářská práceopen access

dc.contributor.advisor	Merta, Jan
dc.contributor.author	Zahálka, Nicholas
dc.date.accepted	2023-06-07
dc.date.accessioned	2023-08-15T07:56:45Z
dc.date.available	2023-08-15T07:56:45Z
dc.date.issued	2023
dc.date.submitted	2023-05-10
dc.description.abstract	Cílem práce bude porovnat adaptivní metody pro učení genetických algoritmů. V teoretické části student popíše existující (případně navrhne vlastní) adaptivní metody pro učení genetických algoritmů (metaučení), v části praktické provede experimenty a vyhodnotí jejich výsledky. Adaptace genetických algoritmů bude realizována pomocí vybraných přístupů (například hybridizace s PSO, algoritmus Bison Seeker apod.). Pro zhodnocení bude hybridní genetický algoritmus aplikován na vybraný standardní optimalizační problém (benchmarkové funkce, TSP, problém N dam apod).	cze
dc.description.abstract-translated	The aim of the work will be to compare adaptive methods for learning genetic algorithms. In the theoretical part, the student will describe existing (or propose his own) adaptive methods for learning genetic algorithms (meta-learning), in the practical part he will perform experi-ments and evaluate their results. Adaptation of genetic algorithms will be implemented using selected approaches (for example, hybridization with PSO, Bison Seeker algorithm, etc.). For evaluation, the hybrid genetic algorithm will be applied to a selected standard optimization problem (benchmark functions, TSP, N-queens problem etc.).	eng
dc.description.defence	Obhajoba bakalářské práce proběhla na požadované úrovni. Student výborně reagoval na dotazy a připomínky vedoucího práce i členů komise pro státní závěrečné zkoušky. Student popsal problematiku genetických algoritmů, adaptivních a hybridních přístupů, lokální optimalizační metody v podobě horolezeckého algoritmu a simulovaného žíhání. Dále se student zabýval aplikací hybridního genetického algoritmu pro řešení problému obchodního cestujícího, návrhem experimentů a vyhodnocením výsledků. Vedoucí k obhajobě a samotné bakalářské práci nemá žádné zásadní připomínky.	cze
dc.description.department	Fakulta elektrotechniky a informatiky	cze
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze
dc.format	46 s.
dc.identifier.stag	43929
dc.identifier.uri	https://hdl.handle.net/10195/81521
dc.language.iso	cze
dc.publisher	Univerzita Pardubice	cze
dc.rights	Bez omezení
dc.subject	adaptivní metody	cze
dc.subject	algoritmy	cze
dc.subject	optimalizační problém	cze
dc.subject	genetické učení algoritmů	cze
dc.subject	optimalizace	cze
dc.subject	adaptive methods	eng
dc.subject	algorithms	eng
dc.subject	optimization problem	eng
dc.subject	genetic learning algorithms	eng
dc.subject	optimization	eng
dc.thesis.degree-discipline	Informační technologie	cze
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta elektrotechniky a informatiky	cze
dc.thesis.degree-name	Bc.
dc.thesis.degree-program	Informační technologie	cze
dc.title	Adaptivní genetické algoritmy	cze
dc.title.alternative	Adaptive genetic algorithms	eng
dc.type	bakalářská práce	cze
dspace.entity.type	Publication