Adaptivní genetické algoritmy

Nicholas Zahálka

Bakalářská práce

Adaptive genetic algorithms

Anotace:

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).

Abstract:

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.).

Klíčová slova

Adaptivní metody, Algoritmus, Optimalizační problém, Genetické učení algoritmů, Optimalizace

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 10. 5. 2023

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedoucí: Ing. Jan Merta, Ph.D.

Univerzita Pardubice

Fakulta elektrotechniky a informatiky

Bakalářský studijní program / obor:
Informační technologie / Informační technologie