ENERGIE KLASTRŮ VODY ZÍSKANÁ EVOLUČNÍMI ALGORITMY

Slides:



Advertisements
Podobné prezentace
Genetické algoritmy a jejich využití při hledání rovnovážných struktur
Advertisements

IX. Řešení úloh v testech Scio z obecných studijních předpokladů
Zpracování informací a znalostí Datové struktury a algoritmy pro vyhledávání informací Doc. RNDr. Jan Rauch, CSc. Katedra informačního a znalostního.
TEORIE ROZHODOVÁNÍ A TEORIE HER
OBECNÉ OPTIMALIZAČNÍ MODELY
GENETIKA MNOHOBUNĚČNÝCH ORGANISMŮ
SIMPLEXOVÝ ALGORITMUS Řešení v tabulkovém procesoru
Rozhodovací matice.
Rekonstrukce povrchu objektů z řezů Obhajoba rigorózní práce 25. června 2003 Radek Sviták
Spektra zatížení Milan Růžička 1 Dynamická pevnost a životnost
TEORIE ROZHODOVÁNÍ.
Aplikace teorie grafů Základní pojmy teorie grafů
SQL – tříhodnotová logika
Algoritmy I. Cvičení č. 10.
Vzorce na umocnění.
Základní genetické pojmy – AZ kvíz
Téma 3 ODM, analýza prutové soustavy, řešení nosníků
Genetické algoritmy [GA]
Genetické algoritmy. V průběhu výpočtu používají náhodné operace. Algoritmus není jednoznačný, může projít více cestami. Nezaručují nalezení řešení.
Automated data mining Ing. Jan Černý Czech Technical University in Prague Faculty of Information Technology.
David Kramoliš Vedoucí práce: Doc. RNDr. René Kalus, Ph.D.
Dynamické rozvozní úlohy
Násobíme . 4 = = . 4 = = . 4 = = . 2 = 9 .
Algoritmizace 9. Ročník.
Návrh a optimalizace filtru OTA-C s využitím heuristických algoritmů ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra teorie obvodů.
Odpovědi na otázky Praha 2007 Bc. Dalibor Barri ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra mikroelektroniky.
Návrh a optimalizace filtru OTA-C s využitím evolučních algoritmů Praha 2007 Bc. Dalibor Barri ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická.
Metody řazení s lineární časovou složitostí
Diplomová práce Autorka: Ing. et Ing. Zuzana Hynoušová
Číslo projektu CZ.1.07/1.500/ Číslo materiálu VY_42_INOVACE_matematika_15 Název školy Táborské soukromé gymnázium, s. r. o. Autor Bc. Ivana Kotková.
Nejmenší společný násobek
VÍCEKRITERIÁLNÍ ROZHODOVÁNÍ I.
Hardy – Weibergův zákon
Získávání informací Získání informací o reálném systému
Největší společný dělitel – teorie a procvičování
Největší společný dělitel
Lenka Fialová Martina Procházková Ondřej Soukup Martin Valenta Cyril Vojáček 1.
Statistika Vypracoval: Mgr. Lukáš Bičík
Dostupné z Metodického portálu ISSN: , financovaného z ESF a státního rozpočtu ČR. Provozováno Výzkumným ústavem pedagogickým v Praze.
Projekt PŘEDPOVĚĎ POČASÍ. Předpověď počasí na
Nejmenší společný násobek
Fakulta životního prostředí Katedra informatiky a geoinformatiky
25. října 2004Statistika (D360P03Z) 4. předn.1 Statistika (D360P03Z) akademický rok 2004/2005 doc. RNDr. Karel Zvára, CSc. KPMS MFF UK
předpověď počasí na 14. května 2009 OBLAČNOST 6.00.
1 Národní informační středisko pro podporu jakosti.
doc. RNDr. Zdeněk Botek, CSc.
IONIZAČNÍ POTENCIÁLY A FÁZOVÉ PŘECHODY KLASTRŮ ARGONU
Anotace Prezentace, která se zabývá dělitelností přirozených čísel. AutorPavel Pavlas JazykČeština Očekávaný výstup Žáci rozliší násobek a dělitel. Speciální.
8. listopadu 2004Statistika (D360P03Z) 6. předn.1 chování výběrového průměru nechť X 1, X 2,…,X n jsou nezávislé náhodné veličiny s libovolným rozdělením.
Konvergenční testy Bc. Jakub Malohlava. Simulace  Monte Carlo  výpočet souborových středních hodnot za pomocí Markovových řetězců  parallel tempering.
ANALÝZA VÝSLEDKŮ LINEÁRNÍHO OPTIMALIZAČNÍHO MODELU
Pravděpodobnost a genetická prognóza
OPTIMALIZACE KLASTRŮ EVOLUČNÍMI ALGORITMY Lucie ZÁRUBOVÁ Mgr. Karel OLEKSY
2 Ing. Jan Keprt Centrální správa uživatelů 3 Jak to bylo dosud Bylo třeba nastavení uživatelů provést zvlášť, v každém modulu samostatně. Uživatel si.
Genetické algoritmy [GA]. Historie:  1960: I. Rechenberg – první odborná práce na toto téma „Evolution strategies“  1975: John Holland – první genetický.
DĚLITELNOST PŘIROZENÝCH ČÍSEL
Tento výukový materiál vznikl v rámci Operačního programu Vzdělávání pro konkurenceschopnost 1. KŠPA Kladno, s. r. o., Holandská 2531, Kladno,
Genetické algoritmy Filip Dušek Filip Dušek 2004 – V 53 ČVUT v Praze – fakulta Stavební.
Grafický zápis algoritmů (vývojové diagramy) Test na trojúhelník (trojúhelníková nerovnost) Maximum ze tří čísel s použitím pomocné proměnné Pravoúhlý.
Nelinearity s hysterezí Přerušení platnosti relace vytváří dvě různé charakteristiky, jejichž platnost je podmíněna směrem pohybu Hystereze přepínače x.
Paralelní algoritmy ve zpracování dat Bc. Jan Hofta Výzkumný úkol:
Alternativy k evolučním optimalizačním algoritmům Porovnání genetických algoritmů a některých tradičních stochastických optimalizačních přístupů David.
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
Návrh a implementace algoritmu SLAM pro mobilní robot
Monte Carlo simulace hexameru vody Autor: Bc. Lenka Ličmanová Vedoucí práce: Mgr. Aleš Vítek Seminář KFY PŘF OU.
Inferenční statistika - úvod
Simulátory umělého života Aplikovatelné v environmentálních informačních systémech.
Induktivní statistika
1. ročník oboru Mechanik opravář motorových vozidel
Induktivní statistika
Transkript prezentace:

ENERGIE KLASTRŮ VODY ZÍSKANÁ EVOLUČNÍMI ALGORITMY Bc. Lucie Zárubová Vedoucí práce: Mgr. Karel Oleksy, doc. RNDr. René Kalus, Ph.D.

Získané hodnoty energií pro klastry vody OBSAH Cíle práce Úvod Známé výsledky Nové testy Získané hodnoty energií pro klastry vody Závěr a výhledy

Získat vhodné nastavení parametrů výpočetního programu CÍLE PRÁCE Získat vhodné nastavení parametrů výpočetního programu Získat energie klastrů vody s 2-15, 20 molekulami pro interakční model TIP4P, které se budou lišit od energií z Cambridge Cluster Database pouze o malé hodnoty

ÚVOD EVOLUČNÍ ALGORITMY Používající pro řešení úloh postupy napodobující evoluční procesy známé z biologie (dědičnost, mutace, přirozený výběr, křížení) Například tzv. genetický algoritmus GENETICKÉ ALGORITMY Hledá řešení složitých problémů neřešitelných exaktními algoritmy pomocí aplikací principů evoluční biologie Jedinec většinou reprezentován binárními čísly (řetězcem nul a jedniček), ale i jinak (např. stromem, maticí….) V praxi využívány k řešení různých optimalizačních úloh

VÝPOČETNÍ PROGRAM V našem výpočetním programu lze provést několik změn nastavení. Lze nastavit počet optimalizací a počet generací v jedné optimalizaci nastavit různé pravděpodobnosti různých evolučních operátorů nastavit různý typ interakčního modelu v klastru vody (TIP3P, TIP4P, TIP5P) nastavit různý počet molekul v klastru

ZNÁMÉ VÝSLEDKY Z prvních testů již víme, že: Všechny části programu nejsou paralelizovatelné → počet optimalizací, které získáme, se bude blížit k určité konečné hodnotě – přibližně k 8000, i když program spustíme na více než 8 procesorech - test paralelizace Pro menší molekulární klastry vody nachází program stabilní konfigurace, pro větší klastry (n>9) třeba provést další testy

V dalším testu jsme hledali optimální nastavení pravděpodobností použití různých evolučních operátorů: Při použití genotypové mutace je nejlepším nastavením pravděpodobnost 0,1 Při použití fenotypové mutace je nejvhodnější nastavení programu pravděpodobnost 0,01 Při použití křížení pomocí řezu rovinou je nejvhodnější co největší pravděpodobnost mutace (tj. 1,0) Pro křížení jednotlivých proměnných je nejlepším nastavením nenulová pravděpodobnost mutace Při použití křížení na úrovni molekul nehraje nastavení pravděpodobnosti roli

Při hledání optimálního nastavení pravděpodobností různých evolučních operátorů jsme měnili hodnotu pravděpodobnosti pouze u jednoho operátoru, hodnoty pravděpodobností u ostatních operátorů byly nastaveny na určité hodnotě → Nedosáhli bychom jiného optimálního nastavení, kdybychom měnili pravděpodobnosti u více evolučních operátorů současně???

NOVÉ TESTY TEST INTERAKCE EVOLUČNÍCH OPERÁTORŮ Hledali jsme, zda se nastavení evolučních operátorů mezi sebou neovlivňuje Provedli jsme 3 skupiny testů: Hodnoty pravděpodobností 3 evolučních operátorů byly nastaveny optimálně, nastavení pravděpodobnosti u zbylého evolučního operátoru jsme měnili Pravděpodobnosti u dvou evolučních operátorů byly nastaveny optimálně a nastavení pravděpodobností u zbylých dvou operátorů jsme měnili

U třetího testu byla nastavena optimálně hodnota pravděpodobnosti jen u jednoho operátoru, hodnoty pravděpodobností u ostatních operátorů byly měněny → z testů vyplynulo, že operátory mezi sebou neinteragují, můžeme tedy v nastavení programu použít optimální hodnoty získané v předchozím testu

TEST HLEDÁNÍ OPTIMÁLNÍHO NASTAVENÍ POČTU CHROMOZOMŮ Prováděn pro klastry s 13, 14, 15 a 20 molekulami vody – energie těchto klastrů se od energie z CCD lišila o větší hodnoty Snaha nalézt nastavení s minimální odchylkou od energií klastrů z CCD Optimální nastavení: (H2O)13  12 chromozomů stejně jako pro klastr s 15 a 20 molekulami, pouze pro klastr (H2O)14  48 chromozomů

TEST HLEDÁNÍ OPTIMÁLNÍHO NASTAVENÍ POČTU GENERACÍ A OPTIMALIZACÍ Hledali jsme optimální nastavení počtu generací během 1 optimalizace a zároveň celkového počtu optimalizací Pro vybrané velikosti klastrů vody s 13, 14, 15 a 20 molekulami Vycházeli jsme z původního nastavení programu, v němž součin počtu optimalizací a počtu generací dával dohromady tisíc Zkoušeli jsme pouze různé kombinace nastavení počtu generací a zároveň celkového počtu optimalizací Použili jsme optimální nastavení zjištěné předchozími testy

Optimální nastavení: (H2O)13  50 optimalizací, během každé optimalizace 20 generací, případně  25 optimalizací, v každé optimalizaci 40 generací stejně jako pro klastr se 14 a 15 molekulami, pouze pro klastr (H2O)20  17 optimalizací, během každé optimalizace 60 generací

ZJIŠTĚNÉ HODNOTY ENERGIÍ PRO KLASTRY VODY Počet molekul vody v klastru Naše energie [eV] Energie z CCD 2 0,2704 3 0,7254 4 1,2083 1,2084 5 1,5764 1,5765 6 2,0497 2,0499 7 2,5242 2,5245 8 3,1662 3,1665 9 3,5695 3,5698 10 4,0523 4,0527 11 4,4581 4,4721

Počet molekul vody v klastru Naše energie [eV] Energie z CCD 12 5,0618 5,1086 13 5,5234 5,5239 14 6,0418 6,0423 15 6,5121 6,5126 20 8,9984 9,0479

SHRNUTÍ a výhledy Získali jsme optimální nastavení výpočetního programu pro klastry vody s 2-15 a 20 molekulami – pro interakční model TIP4P Další práce: Zjistit hodnoty energií pro klastry s 16-19 molekulami vody Zjistit hodnoty energií pro klastry vody s interakčním modelem TIP5P, jiné modely vyvinuté na Kfy OU Zjistit hodnoty energií pro klastry vody s příměsí

DĚKUJI ZA POZORNOST