Tato práce popisuje optimalizační algoritmus Particle Swarm Optimization (PSO). Praktická část má za úkol srovnat PSO s dalšími dvěma algoritmy - SamoOrganizující se Migrační Algoritmus (SOMA) a Diferenciální Evoluce (DE). Srovnávací testy pro SOMA a DE již byly provedeny dříve. Algoritmus PSO jsem naprogramovala v prostředí Mathematica a testování probíhalo podle stejných pravidel jako u SOMA a DE.
Anotace v angličtině
This work describes optimization algorithm Particle Swarm Optimization (PSO). The intension of practical part is comparison of PSO with another two algorithms - Self-Organizing Migrating Algorithm (SOMA) and Differential Evolution (DE). Comparative tests for SOMA and DE algorithms have already been performed formerly. I have created a program for PSO in Mathematica enviroment. Testing proceeds in accordance with previous testing of SOMA and DE.
Klíčová slova
Optimalizace, Metoda Rojení částic, SamoOrganizující se Migrační Algoritmus, SOMA, Diferenciální Evoluce, DE, testovací funkce, Mathematica, testování
Klíčová slova v angličtině
Optimization, Particle Swarm Optimization, Self-Organizing Migrating Algorithm, SOMA, Differential Evolution, DE, test functions, Mathematica
Rozsah průvodní práce
84 s.
Jazyk
CZ
Anotace
Tato práce popisuje optimalizační algoritmus Particle Swarm Optimization (PSO). Praktická část má za úkol srovnat PSO s dalšími dvěma algoritmy - SamoOrganizující se Migrační Algoritmus (SOMA) a Diferenciální Evoluce (DE). Srovnávací testy pro SOMA a DE již byly provedeny dříve. Algoritmus PSO jsem naprogramovala v prostředí Mathematica a testování probíhalo podle stejných pravidel jako u SOMA a DE.
Anotace v angličtině
This work describes optimization algorithm Particle Swarm Optimization (PSO). The intension of practical part is comparison of PSO with another two algorithms - Self-Organizing Migrating Algorithm (SOMA) and Differential Evolution (DE). Comparative tests for SOMA and DE algorithms have already been performed formerly. I have created a program for PSO in Mathematica enviroment. Testing proceeds in accordance with previous testing of SOMA and DE.
Klíčová slova
Optimalizace, Metoda Rojení částic, SamoOrganizující se Migrační Algoritmus, SOMA, Diferenciální Evoluce, DE, testovací funkce, Mathematica, testování
Klíčová slova v angličtině
Optimization, Particle Swarm Optimization, Self-Organizing Migrating Algorithm, SOMA, Differential Evolution, DE, test functions, Mathematica
Zásady pro vypracování
Cílem je vytvořit algoritmus Particle Swarm v prostředí Mathematica a srovnat jeho chování s jinými evolučními algoritmy.
1. Seznamte se s algoritmem Particle Swarm
2. Naprogramujte algoritmus Particle Swarm v prostředí Mathematica
3. Vyberte vhodné testovací funkce, na kterých budete demonstrovat chování algoritmu Particle Swarm
4. Srovnejte chování Particle Swarm s jinými evolučními algoritmy (Samoorganizující se migrační algoritmus - SOMA, Diferenciální evoluce - DE)
Zásady pro vypracování
Cílem je vytvořit algoritmus Particle Swarm v prostředí Mathematica a srovnat jeho chování s jinými evolučními algoritmy.
1. Seznamte se s algoritmem Particle Swarm
2. Naprogramujte algoritmus Particle Swarm v prostředí Mathematica
3. Vyberte vhodné testovací funkce, na kterých budete demonstrovat chování algoritmu Particle Swarm
4. Srovnejte chování Particle Swarm s jinými evolučními algoritmy (Samoorganizující se migrační algoritmus - SOMA, Diferenciální evoluce - DE)
Seznam doporučené literatury
1. Dorigo M., Ant Colony Optimization and Swarm Intelligence, Springer, 2006, ISBN 3540226729
2. Eberhart R., Kennedy J., Swarm Intelligence (The Morgan Kaufmann Series in Artificial Intelligence), Morgan Kaufmann, 2001, ISBN 1558605959
3. Zelinka I., Umělá inteligence v problémech globální optimalizace, BEN, 2002, 190 p. ISBN 80-7300-069-5
4. Wolfram S., The Mathematica Book 5, Wolfram Media, 2003, ISBN 1-57955-022-3
Seznam doporučené literatury
1. Dorigo M., Ant Colony Optimization and Swarm Intelligence, Springer, 2006, ISBN 3540226729
2. Eberhart R., Kennedy J., Swarm Intelligence (The Morgan Kaufmann Series in Artificial Intelligence), Morgan Kaufmann, 2001, ISBN 1558605959
3. Zelinka I., Umělá inteligence v problémech globální optimalizace, BEN, 2002, 190 p. ISBN 80-7300-069-5
4. Wolfram S., The Mathematica Book 5, Wolfram Media, 2003, ISBN 1-57955-022-3
Přílohy volně vložené
1 CD-ROM
Přílohy vázané v práci
-
Převzato z knihovny
Ano
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Obhajoba byla plynulá. Součástí obhajoby nebyla praktická ukázka. Po prezentaci následovala diskuse, při níž byly položeny následující dotazy:
1. Podle čeho byste volila vhodný algoritmus k optimalizaci multimodálních funkcí? (Dr. Matoušek)
2. U kterých skupin těchto metod lze odvodit analytický vzorec, jaká je maximální chyba u řešení? (doc. Klapka)
3. Slyšela jste pojem freelunch teorem? (doc. Ošmera)
Student na všechny otázky pružně reagoval a všechny zodpověděl.