Algoritmus Particle Swarm v prostředí Mathematica – Martin JEŽEK
Martin JEŽEK
Bakalářská práce
Algoritmus Particle Swarm v prostředí Mathematica
Algorithm Particle Swarm in Mathematica Environment
Anotace:
Tato práce se věnuje problematice moderních evolučních algoritmů. Nastiňuje jejich základní rozdělení a stručně představuje princip fungování některých z nich. Dále se zaměřuje na podrobnější popis algoritmu Particle Swarm (rojení částic), založeného na souvislostech sociálního chování zvířat. Praktická část práce představuje řešení několika optimalizačních problémů pomocí tohoto algoritmu.Abstract:
This study deals with issue of modern evolutionary algorithms, presents their possible divison and briefly introduces their basics. Next part of the study is focused on Particle Swarm Optimization (PSO), based on principles of animal social behaviour. Practical part contains several PSO solved optimization problems.
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 3. 6. 2005
Zveřejnit od: 3. 6. 2005
Identifikátor:
1705
Obhajoba závěrečné práce
- Obhajoba proběhla 22. 6. 2005
Citační záznam
Jak správně citovat práci
JEŽEK, Martin. Algoritmus Particle Swarm v prostředí Mathematica. Zlín, 2005. bakalářská práce (Bc.). Univerzita Tomáše Bati ve Zlíně. Fakulta technologická
Plný text práce
Právo: Autor si přeje zpřístupnit práci veřejnosti až od 03. 06. 2005
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou od 3. 6. 2005 dostupné: autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Univerzita Tomáše Bati ve Zlíně, Fakulta technologickáPlný text práce je k dispozici v elektronické podobě.
Univerzita Tomáše Bati ve Zlíně
Fakulta technologickáBakalářský studijní program / obor:
Inženýrská informatika / Automatické řízení a informatika
Práce na příbuzné téma
-
Genetické algoritmy v optimalizaci výrobních plánů
Petra Krátká -
Knihovna pro genetické algoritmy v C# .NET
Martin Huněk -
Evoluční algoritmy a herní situace
David Vondráček -
Genetické algoritmy a jejich využití
Rastislav Rehák -
Support vector machines a evoluční algoritmy
Martin Ševčík -
Variational quantum eigensolver using particle swarm optimisation
Petr Matonoha -
Algoritmus Particle Swarm Optimization
Martin Klabeneš -
Particle Swarm Optimization: Implementace a testování biologicky inspirované optimalizační metody
Tomáš Przybek