Počet záznamů: 1
Biologicky inspirované algoritmy
Údaje o názvu Biologicky inspirované algoritmy [rukopis] / Lucie Koděrová Další variantní názvy Biologicky inspirované algoritmy Osobní jméno Koděrová, Lucie (autor diplomové práce nebo disertace) Překl.náz Biology-inspirated Algorithms Vyd.údaje 2010 Fyz.popis 69 s. : il., grafy, schémata, tab. + 1 CD ROM Poznámka Ved. práce Jaroslav Marek Dal.odpovědnost Marek, Jaroslav (vedoucí diplomové práce nebo disertace) Andres, Jan (oponent) Dal.odpovědnost Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (udelovatel akademické hodnosti) Klíč.slova Neuronové sítě * diferenciální evoluce * Mravenčí kolonie * Neural networks * differential evolution * Ant Colony algorithm Forma, žánr diplomové práce master's theses MDT (043)378.2 Země vyd. Česko Jazyk dok. čeština Druh dok. PUBLIKAČNÍ ČINNOST Titul Mgr. Studijní program Navazující Studijní program Aplikovaná matematika Studijní obor Aplikace matematiky v ekonomii kniha
Kvalifikační práce Staženo Velikost datum zpřístupnění 116225-212778152.pdf 32 3.3 MB 08.04.2010 Posudek Typ posudku 116225-ved-377131956.pdf Posudek vedoucího 116225-opon-299631808.pdf Posudek oponenta
V práci jsme se zaměřili na studium biologicky inspirovaných algoritmů z oblasti neuronových sítí a optimalizačních algoritmů pro úlohy s podmínkami, bez podmínek a kombinatorické problémy. Po analýze principů fungování neuronových sítí byly vytvořeny aplikace sítí vhodných pro shlukovou analýzu. Heuristiky jsou netradiční metody založené převážně na iteračním zlepšování řešení. Diferenciální evoluci (DE) řadíme mezi heuristické algoritmy pro optimalizaci bez podmínek. Aplikaci DE tvoří vlastní algoritmus Rypoš. Studovali jsme také zobecněnou verzi DE vhodnou pro optimalizaci s podmínkami. Sestrojena a otestována byla alternativa této metody, algoritmus Complex Method. Mezi deterministicky obtížně řešitelné problémy řadíme kombinatorickou úlohu obchodního cestujícího (TSP). Pro nalezení aproximace TSP byl použit heuristický algoritmus Mravenčích kolonií. Úspěšnost algoritmů byla vyhodnocena dle zpracovaných výsledků testování.In the present paper we focused on the study of biology-inspired algorithms from the field of neural networks and algorithms for constrained and unconstrained optimization and combinatorial problems. After analysis of principles of neural networks, there are developed applications of neural networks suitable for cluster analysis. Heuristic methods are based on iterative improvement of solutions. Dif ferential Evolution (DE) rank among the heuristic algorithms for unconstrained optimization. The DE is applied in an own algorithm Rypoš. We also studied a generalized version of DE suitable for constrained optimization. There was constructed and tested alternative to this method, the algorithm Complex Method. Finding of deterministic solution of the combinatorial Traveling Salesman Problem (TSP) is very difficult. To find the approximation of TSP we used heuristic Ant Colony algorithm. The succes of applied algorithms was evaluated by processing the results.
Počet záznamů: 1