Alternativy k evolučním optimalizačním algoritmům Porovnání genetických algoritmů a některých tradičních stochastických optimalizačních přístupů David.

Slides:



Advertisements
Podobné prezentace
VIZUALIZACE V MATLABU Štěpánka Velebová
Advertisements

OBECNÉ OPTIMALIZAČNÍ MODELY
Rekonstrukce povrchu objektů z řezů Obhajoba rigorózní práce 25. června 2003 Radek Sviták
 Vyhledání míst v programech vhodných pro optimalizaci  Sleduje se četnost volání a trvání jednotlivých částí programu JetBrains dotTrace Profiler.
Vzorová písemka Poznámka: Bonusové příklady jsou nepovinné, lze za ně ale získat body navíc. (2 body) Definujte pojem gradient. Vypočítejte gradient funkce.
Problém obchodního cestujícího a příbuzné úlohy Projekt katedry aplikované matematiky – K611 FD ČVUT.
Koncepce rozvoje a řízení vědy a výzkumu
Kalmanuv filtr pro zpracování signálů a navigaci
Algoritmy a struktury neuropočítačů ASN - P1 Prof.Ing. Jana Tučková,CSc. Katedra teorie.
Genetické algoritmy. V průběhu výpočtu používají náhodné operace. Algoritmus není jednoznačný, může projít více cestami. Nezaručují nalezení řešení.
David Kramoliš Vedoucí práce: Doc. RNDr. René Kalus, Ph.D.
Problém obchodního cestujícího a příbuzné úlohy K611 - Ústav aplikované matematiky FD ČVUT.
Využití umělých neuronových sítí k urychlení evolučních algoritmů
Odpovědi na otázky Praha 2007 Bc. Dalibor Barri ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra mikroelektroniky.
Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.
Praktické využití genetických algoritmů
VÍCEKRITERIÁLNÍ ROZHODOVÁNÍ I.
Získávání informací Získání informací o reálném systému
Řešení dynamických problémů s podmínkami Pavel Surynek Univerzita Karlova v Praze Matematicko-fyzikální fakulta.
1 PREDIKCE CASH FLOW PRO PORTFOLIO PROJEKTŮ + OPTIMALIZACE 10. setkání Odborné skupiny pro predikci a optimalizaci projektů, Téma samozřejmě volíme jako.
STANOVENÍ NEJISTOT PŘI VÝPOŠTU KONTAMINACE ZASAŽENÉHO ÚZEMÍ
Případová studie – práce ve skupinách Ing. Jan Škurek, PhDr. Michaela Kubištová Seminář PPP projekty v praxi, Uherské Hradiště 2009.
Difrakce na difrakční mřížce
Architektura databází Ing. Dagmar Vítková. Centrální architektura V této architektuře jsou data i SŘBD v centrálním počítači. Tato architektura je typická.
Laboratorní model „Kulička na ploše“ 1. Analytická identifikace modelu „Kulička na ploše“ 2. Program „Flash MX 2004“ Výhody/Nevýhody Program „kulnapl.swf“
Seminář C cvičení STL, Trolltech Ing. Jan Mikulka.
Petr Beremlijski a Marta Jarošová Projekt SPOMECH Vysoká škola báňská – Technická univerzita Ostrava září Základy matematického.
EKONOMICKO MATEMATICKÉ METODY
Systém rizikové analýzy při statickém návrhu podzemního díla Jan Pruška.
Modelování a simulace MAS_02
METODY NEKONVENČNÍHO MODELOVÁNÍ S PŘÍSTUPY UMĚLÉ INTELIGENCE
Optimalizace versus simulace 9.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Matematické metody v ekonomii (MME)
Globální minimum - obecně
Návrh a implementace algoritmu SLAM pro mobilní robot
Ekonomické modelování Analýza podnikových procesů Statistická simulace je vhodný nástroj pro analýzu stochastických podnikových procesů (výrobní, obchodní,
Technická diagnostika "dia-gnozis" - "skrze poznání" Zkoumá technické objekty za účelem posouzení jejich technického stavu, tj. schopnosti vykonávat určenou.
ZKUŠEBNICTVÍ A KONTROLA JAKOSTI 01. Experimentální zkoušení KDE? V laboratoři In-situ (na stavbách) CO? Modely konstrukčních částí Menší konstrukční části.
VŠB Technická univerzita Ostrava
Dynamika velkých deformací štíhlých konstrukcí metodami fyzikální diskretizace Petr Frantík Ú STAV STAVEBNÍ MECHANIKY F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ.
Problém obchodního cestujícího a příbuzné úlohy
Gradientní metody Metoda největšího spádu (volný extrém)
1 Mechanika s Inventorem 7. Cvičení – využití symetrie Petr SCHILLING, autor přednášky Ing. Kateřina VLČKOVÁ, obsahová korekce Tomáš MATOVIČ, publikace.
Optimalizace bez omezení (unconstraint)
Paralelní algoritmy ve zpracování dat Bc. Jan Hofta Výzkumný úkol:
Kritické aplikace v železniční dopravě K611 – Katedra Aplikované Matematiky Ing. Martin Pěnička ČVUT v Praze Fakulta dopravní Katedra Aplikované Matematiky.
Limita a spojitost v učivu na střední škole Vedoucí práce: RNDr. Jitka Laitochová, CSc.
Metodika generování a ladění modelů neuronových sítí Ing. Martin MoštěkVŠB – Technická Univerzita Ostrava.
Klastrování - III.
Zpracoval :Ing. Petr Dlask, Ph.D. Pracoviště :Katedra Ekonomiky a řízení stavebnictví ČVUT v Praze Adresa :Thákurova 7, Praha 6, Dejvice Optimalizace.
Návrh a implementace algoritmu SLAM pro mobilní robot
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně Ing. Václav Rada, CSc. Leden 2009.
Laser Simulation DSS Ing. Jana Hájková Doc. Ing. Pavel Herout, Ph.D.
Autor: Richard Paulas Vedoucí práce: Prof. Ing. Jaroslav Fořt CSc.
Elektrotechnická fakulta ČVUT KATEDRA KYBERNETIKY Vedoucí prof. Ing. Vladimír Mařík, DrSc. KATEDRA KYBERNETIKY ELEKTROTECHNICKÁ.
EMM91 Ekonomicko-matematické metody č. 9 Prof. RNDr. Jaroslav Ramík, CSc.
Simulátory umělého života Aplikovatelné v environmentálních informačních systémech.
1 Principy simulace Definice Koncepce tvorby modelů Obecné charakteristiky.
Statistické metody pro prognostiku Luboš Marek Fakulta informatiky a statistiky Vysoká škola ekonomická v Praze.
SOFTWAROVÁ PODPORA PRO VYTVÁŘENÍ FUZZY MODELŮ Knihovna fuzzy procedur Ing. Petr Želasko, VŠB-TU Ostrava.
Rychlost konvergence v IP/MPLS sítích Martin Lipinský Vedoucí práce: Ing. Jiří Ledvina, CSc.
VÍCEKRITERIÁLNÍ ROZHODOVÁNÍ I.
Monte Carlo Typy MC simulací
Obhajoba diplomové práce
CW-057 LOGISTIKA 29. PŘEDNÁŠKA Optimalizační metody Leden 2017
Ing. Milan Houška KOSA PEF ČZU v Praze
Prezentace výpočtů pomocí metody konečných prvků (MKP)
ANALÝZA A KLASIFIKACE DAT
Simulace oběhu družice kolem Země
Transkript prezentace:

Alternativy k evolučním optimalizačním algoritmům Porovnání genetických algoritmů a některých tradičních stochastických optimalizačních přístupů David Štefka Vedoucí práce: Ing. RNDr. Martin Holeňa, CSc.

Druhy optimalizačních problémů Modelová optimalizace - matematický model → analytická funkce - mnoho volání účelové funkce - snadný výpočet gradientu (analyticky/numericky) Technická optimalizace - účelová fce: fyzikální měření, simulace… - dlouhá doba vyhodnocení účelové fce, finančně náročné V této práci se zabýváme technickou optimalizací

Rozdělení optimalizace Deterministické algoritmy Stochastické algoritmy Jen funkční hodnota Technická Modelová Využití derivacíModelová

Deterministické algoritmy Většinou používají derivace →lokální Pro technickou optimalizaci nejsou vhodné Např. metoda největšího spádu, sdružených gradientů,…

Stochastické algoritmy Náhodné rozhodování během výpočtu Některé hledají globální extrém Zástupci: stochastický horolezecký algoritmus nebo simulované žíhání Nejpoužívanější – genetické algoritmy

Účel této práce Porovnat tradiční stochastické algoritmy s algoritmy genetickými: Čistě náhodné prohledávání (PRS) Stochastický horolezecký algoritmus (LOCAL) Simulované žíhání (SA) Genetický algoritmus (GA)

Implementace a testování Implementace v prostředí MATLAB Testování na analytických funkcích Testování na funkcích aproximovaných pomocí neuronových sítí (data z praxe) Využití paralelismu úlohy (několik vyhodnocení účelové funkce současně - sdružené volání účelové funkce)

Neuronové sítě MLP1MLP2 MLP3RBF1

Výsledky testování Nejvhodnější je SA (globální a univerzální) Pro velmi malý počet volání účelové funkce může být lepší LOCAL nebo GA PRS je v praxi nepoužitelné

Dotazy