Rozměr: px
Začít zobrazení ze stránky:

Download ""

Transkript

1 OBSAH 1 Pøedmluva 19 2 Evoluèní algoritmy: nástin Centrální dogma evoluèních výpoèetních technik Chcete vìdìt víc? Historická fakta trochu jinak Pár zajímavých faktù Chcete vìdìt víc? Úvod do problematiky optimalizaèních algoritmù Optimalizaèní a heuristické algoritmy Souèasný stav Nástin principù èinnosti vybraných algoritmù No Free Lunch Teorém Perspektivy a alternativy Chcete vìdìt víc? Vše nelze spoèítat Prohledávaný prostor a jeho složitost Fyzikální limity výpoèetních technologií Chcete vìdìt víc? Optimalizace a úèelová funkce Vybrané pojmy z optimalizace A Obsah, pøedmluva a seznam symbolù 3

2 6.2 Úèelová funkce Geometrie úèelové funkce Tvorba úèelové funkce Chcete vìdìt víc? Víceúèelová optimalizace a Paretova množina Paretova množina Ukázkové pøíklady Nastavitelné víceúèelové optimalizaèní problémy Chcete vìdìt víc? Vybrané základní pojmy z evoluèních algoritmù Oblasti použitelnosti evoluèních algoritmù Spoleèné rysy Populace Jedinci, jejich struktura a reprezentace Grayùv kód Chcete vìdìt víc? Omezení a ošetøení krizových stavù Formulace problému Omezení kladená na argumenty úèelové funkce Penalizace funkcí Práce s celoèíselnými a diskrétními hodnotami Chcete vìdìt víc? Evoluce a složitost Èasová složitost algoritmù Aritmetika èasových složitostí Zelinka, Oplatková, Šeda, Ošmera, Vèelaø: Evoluèní výpoèetní techniky A

3 10.2 Datové struktury a složitost algoritmù Prüferovo èíslo Binární halda Voroného diagram a Delaunayho triangulace Exaktní metody Dynamické programování Metoda vìtví a mezí Backtracking (prohledávání s návratem) P a NP tøídy problémù Pøíklady NP-úplných problémù Aproximativní a heuristické metody Pøíklady aproximativních algoritmù Chcete vìdìt víc? Vybrané optimalizaèní a evoluèní techniky Prohledávání do šíøky (breadth first search) Prohledávání do hloubky (depth-first search) Best-first search Greedy algoritmus Metoda lokálního hledání Slepý algoritmus Horolezecký algoritmus Simulované žíhání Verze simulovaného žíhání Tabu Search Genetické algoritmy Terminologie GA Vhodnost Výbìr rodièù Poøadová selekce (Rank selection) Elitismus Reprodukce Køížení Mutace Parametry køížení a mutace Kódování Schémata A Obsah, pøedmluva a seznam symbolù 5

4 Verze genetických algoritmù Hybridní genetický algoritmus Messy genetický algoritmus Paralelní genetické algoritmy Farmáøský model Migraèní model Difusní model Pøíklady použití PGA Vliv poètu migrantù v každé epoše Vliv rùzného poètu generací mezi jednotlivými migracemi Vliv strategie výbìru migrantù Vliv poètu podpopulací Souhrnné shrnutí vlastností PGA Adaptace složitých systémù Biologické koøeny evoluèních algoritmù Samoorganizace a adaptace složitých systémù Varianty genetických algoritmù Paralelní evoluce s hierarchickým uspoøádáním Nárùst uspoøádanosti systémù Evoluèní strategie Dvouèlenné ES: (1 + 1) ES Víceèlenné ES: (µ + l) ES a (µ, l) ES Rekombinaèní ES: (µ/r + l) ES Adaptivní ES Rojení èástic (Particle swarm) Princip Algoritmus Nastavitelné parametry PSO Další verze PSO algoritmu Rozptýlené hledání (Scatter Search) Optimalizace mravenèí kolonií (Ant Colony Optimization) Umìlý imunitní systém (Artificial Imunne System) Rozpoznávání vzorcù Hypermutace Negativní výbìr SOMA: SamoOrganizující se Migraèní Algoritmus Parametry a terminologie Populace Mutace Køížení Princip algoritmu SOMA Strategie SOMA algoritmu Zelinka, Oplatková, Šeda, Ošmera, Vèelaø: Evoluèní výpoèetní techniky A

5 Závislost SOMA na øídicích a ukonèovacích parametrech Zaøazení algoritmu SOMA SOMA a jiné optimalizaèní algoritmy Diferenciální evoluce Historie Parametry a terminologie Populace Mutace Køížení Princip èinnosti diferenciální evoluce Varianty diferenciální evoluce Závislost diferenciální evoluce na øídicích parametrech Stagnace Chcete vìdìt víc? EVT a evoluce symbolických struktur Základní pojmy Evoluèní hardware Thompsonùv experiment Evoluce v extrémním prostøedí Adaptivní hardware Akcelerátory evoluèního návrhu v FPGA Evoluce kvantových chování Evoluce antény v rámci Space Technology 5 Project (ST5), NASA Genetické programování Gramatická evoluce Paralelní gramatická evoluce Použitá gramatika Implementace funkce s aritou n Generování závorek ve funkcích Paralelní gramatická evoluce Gramatická evoluce Zpracování gramatiky Pøekládání genotypu na fenotyp Køížení Mutace Populaèní model Samièí populace Samèí populace A Obsah, pøedmluva a seznam symbolù 7

6 Master populace Úèelová funkce (fitness) Analytické programování Analytické programování princip Data a zobrazení Køížení, mutace a další evoluèní operace Posílené hledání Bezpeènostní procedury Podobnosti a rozdíly s existujícími metodami Vybrané øešené problémy Chcete vìdìt víc? Testovací funkce Galerie testovacích funkcí První de Jongova funkce (1st De Jong) Druhá de Jongova funkce Rosenbrockovo sedlo (Rosenbrock s saddle) Tøetí de Jongova funkce (3rd De Jong) Ètvrtá de Jongova funkce (4th De Jong) Rastriginova funkce (Rastrigin s function) Schwefelova funkce (Schwefel s function) Griewangkova funkce (Griewangk s function) Sinová obálková sinusoidální funkce (sine envelope sine wave function) Roztažená sinusoidální V funkce (stretched V sine wave function) Ackleyho funkce I (Ackley s function I) Ackleyho funkce II (Ackley s function II) Plato vajec (egg holder) Ranova funkce (Rana s function) Patologická funkce (pathological function) Michalewiczova funkce (Michalewicz s function) Mastersova funkce (Masters s cosine wave function) Problém dìlení èaje Shekelova funkce (Shekel s foxhole) Pseudo-Dirakova funkce Fraktální funkce Permutaèní testovací problémy Chcete vìdìt víc? Zelinka, Oplatková, Šeda, Ošmera, Vèelaø: Evoluèní výpoèetní techniky A

7 14 Ukázkové studie Testování evoluèních algoritmù Problémy rozvrhování výroby Problém rozvrhování proudové výroby Problém rozvrhování zakázkové výroby Reprezentace založená na úlohách Reprezentace založená na operacích Reprezentace disjunktivním grafem Metoda CPM Problém pokrytí Problém batohu Steinerovy problémy Plánování trasy robotu Silnièní mapy Evoluce a rozvrhování proudové výroby Proudová výroba a definice úèelové funkce Použité algoritmy a testovací problémy Test FSS I Test FSS II Závìr Øízení deterministického chaosu Popis problému Úèelová funkce Optimalizaèní algoritmus Experimentální výsledky logistická rovnice Øízení chaosu logistická rovnice, stabilizace p 1 UPO Øízení chaosu logistická rovnice, stabilizace p 2 UPO Øízení chaosu logistická rovnice, stabilizace p 4 UPO Srovnání s klasickou øídicí technikou OGY Experimentální výsledky Henonova mapa Øízení chaosu Henonova mapa, stabilizace p 1 UPO Øízení chaosu Henonova mapa, stabilizace p 2 UPO Øízení chaosu Henonova mapa, stabilizace p 4 UPO Srovnání s klasickou øídicí technikou OGY Závìr Øízení plazmového reaktoru Plazma øízená radiovou frekvencí Langmuirova sonda Aktivní kompenzace v RF plazmatu Hardwarové vybavení a zapojení A Obsah, pøedmluva a seznam symbolù 9

8 Nastavení experimentu Návrh experimentu a øídicích parametrù Závìr Aerodynamická optimalizace geometrie køídla Optimalizovaný model køídla Výsledky optimalizace SportStar VUT-100 Cobra Závìr Optimalizace umístìní smìrovacích stanic v bezdrátových sítích Optimalizovaný model Vliv pøenosových uzlù Umístìní routovacích uzlù pøírùstkovou metodou Umístìní smìrovacích uzlù za použití algoritmu SOMA Závìr Aproximace funkcí Sextic a Quintic problém Problém 3Sine a 4Sine Závìr Syntéza øídicích pøíkazù robotu Definice problému Øešení Použité evoluèní algoritmy Závìr Evoluèní syntéza deterministického chaosu Souèasný stav a motivace Nejjednodušší model deterministického chaosu logistická rovnice Výbìr základního chaotického systému Úèelová funkce Experimentální výsledky Závìr Syntéza logických funkcí a elektronických obvodù Syntéza boolovské paritní funkce Úèelová funkce Použité algoritmy Výsledky Návrh elektronických obvodù Použité algoritmy a úèelová funkce Svìtelná signalizace Tepelná regulace Øízení vlakových výhybek Zelinka, Oplatková, Šeda, Ošmera, Vèelaø: Evoluèní výpoèetní techniky A

9 Závìr Syntéza neuronových sítí Vybraný algoritmus, jeho nastavení a úèelová funkce Øešení lineálnì separabilního problému Syntetizované sítì pro lineárnì separabilní problém Øešení problému XOR Syntetizované sítì pro nelineárnì separabilní problém Stromová struktura Závìr Syntéza evoluèních algoritmù metaevoluce První pokusy Množina obecných funkcí Úèelová funkce Výsledky prvních pokusù Vícedimenzionální problémy s více operátory Úèelová funkce Závìr Vybrané pøíklady P a NP problémù Chcete vìdìt víc? Závìr 511 Použitá literatura Rejstøík Kontakty na prodejny technické literatury Pár slov o nakladatelství A Obsah, pøedmluva a seznam symbolù 11

Obsah. Zelinka: UI v problémech globální optimalizace BEN technická literatura 3

Obsah. Zelinka: UI v problémech globální optimalizace BEN technická literatura 3 UMÌLÁ INTELIGENCE V PROBLÉMECH GLOBÁLNÍ OPTIMALIZACE Ivan Zelinka Praha 2002 Tato publikace vznikla za podpory grantù MŠM 26500014, GAÈR 102/00/0526 a GAÈR 102/02/0204 Kniha seznamuje ètenáøe se dvìma

Více

Biologicky inspirované výpočty: evoluční algoritmy

Biologicky inspirované výpočty: evoluční algoritmy Biologicky inspirované výpočty: evoluční algoritmy Testovací funkce Po této prezentaci by jste měli znát vybrané testovací funkce, které jsou používány pro otestování robustnosti evolučních algoritmů.

Více

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky Biologicky inspirované výpočty Schématické rozdělení problematiky a výuky 1 Biologicky inspirované výpočty - struktura problematiky Evoluční systémy: evoluční algoritmy, evoluční hardware, víceúčelová

Více

Heuristiky UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY. Vypracovala:

Heuristiky UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY. Vypracovala: UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Heuristiky Vedoucí bakalářské práce: Mgr. Jaroslav Marek, Ph.D. Rok odevzdání:

Více

Genetické algoritmy. Vysoká škola ekonomická Praha. Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/

Genetické algoritmy. Vysoká škola ekonomická Praha. Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/ Genetické algoritmy Jiří Vomlel Laboratoř inteligentních systémů Vysoká škola ekonomická Praha Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/ Motivace z Darwinovy teorie evoluce Přírodní

Více

Gramatická evoluce a softwarový projekt AGE

Gramatická evoluce a softwarový projekt AGE Gramatická evoluce a softwarový projekt AGE Adam Nohejl Matematicko-fyzikální fakulta Univerzita Karlova v Praze http://nohejl.name/ 4. 4. 2010 Poznámka: Prezentace založené na variantách těchto slajdů

Více

UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Miroslav POKORNÝ Praha 1996, BEN Miroslav Pokorný UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Bez pøedchozího písemného svolení nakladatelství nesmí být kterákoli èást

Více

1. Úvod do genetických algoritmů (GA)

1. Úvod do genetických algoritmů (GA) Obsah 1. Úvod do genetických algoritmů (GA)... 2 1.1 Základní informace... 2 1.2 Výstupy z učení... 2 1.3 Základní pomy genetických algoritmů... 2 1.3.1 Úvod... 2 1.3.2 Základní pomy... 2 1.3.3 Operátor

Více

Genetické algoritmy a jejich praktické využití

Genetické algoritmy a jejich praktické využití Genetické algoritmy a jejich praktické využití Pavel Šturc PB016 Úvod do umělé inteligence 21.12.2012 Osnova Vznik a účel GA Princip fungování GA Praktické využití Budoucnost GA Vznik a účel GA Darwinova

Více

Přírodou inspirované metody umělé inteligence

Přírodou inspirované metody umělé inteligence Přírodou inspirované metody umělé inteligence Roman Neruda Ústav informatiky AVČR roman@cs.cas.cz Nové Hrady, červenec 2012 Od Darwina a Mendela... ... k inteligentním agentům. Umělá inteligence 2 přístupy

Více

Rojová optimalizace v Matlabu

Rojová optimalizace v Matlabu Rektorysova soutěž, 2009 1 Rojová optimalizace v Matlabu Miloslav ČAPEK 1 1 Katedra elektromagnetického pole, České vysoké učení technické v Praze, Fakulta elektrotechniky, Technická 2, 166 27 Praha, Česká

Více

Obsah. KAPITOLA 1 Dříve než začneme 19 Kdysi dávno aneb střípky z historie algoritmických strojů 20 1801 21 1833 21 1890 22 třicátá léta 22

Obsah. KAPITOLA 1 Dříve než začneme 19 Kdysi dávno aneb střípky z historie algoritmických strojů 20 1801 21 1833 21 1890 22 třicátá léta 22 Předmluva 11 Čím se tato kniha liší od jiných příruček? 11 Proč C++? 12 Jak číst tuto knihu? 12 Čím se budeme zabývat? 13 Kapitola 1: Dříve než začneme 13 Kapitola 2: Rekurze 13 Kapitola 3: Analýza složitosti

Více

PŘEDNÁŠKA 03 OPTIMALIZAČNÍ METODY Optimization methods

PŘEDNÁŠKA 03 OPTIMALIZAČNÍ METODY Optimization methods CW057 Logistika (R) PŘEDNÁŠKA 03 Optimization methods Ing. Václav Venkrbec skupina obecných modelů slouží k nalezení nejlepšího řešení problémů a modelovaných reálií přináší řešení: prvky konečné / nekonečné

Více

Metaheuristiky s populacemi

Metaheuristiky s populacemi Metaheuristiky s populacemi 8. března 2018 1 Společné vlastnosti 2 Evoluční algoritmy 3 Optimalizace mravenčí kolonie Zdroj: El-Ghazali Talbi, Metaheuristics: From Design to Implementation. Wiley, 2009.

Více

Úvod do mobilní robotiky AIL028

Úvod do mobilní robotiky AIL028 zbynek.winkler at mff.cuni.cz, md at robotika.cz http://robotika.cz/guide/umor05/cs 5. prosince 2005 1 Mapa světa Exaktní plánování 2 3 Plánování s otáčením (náznak řešení) Mapa světa - příklad Obsah Mapa

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ VUT V BRNĚ ÚSTAV AUTOMATIZACE A MĚŘICÍ TECHNIKY FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION

Více

Paralelní gramatická evoluce pro optimalizaci elektronických obvodů

Paralelní gramatická evoluce pro optimalizaci elektronických obvodů Paralelní gramatická evoluce pro optimalizaci elektronických obvodů Pavel Ošmera Ústav automatizace a informatiky, fakulta strojního inženýrství Technická 2, 616 69 Brno E-mail: osmera@fme.vutbr.cz Abstrakt

Více

Genetické programování

Genetické programování Genetické programování Vyvinuto v USA v 90. letech J. Kozou Typické problémy: Predikce, klasifikace, aproximace, tvorba programů Vlastnosti Soupeří s neuronovými sítěmi apod. Potřebuje značně velké populace

Více

SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR

SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR EVOLUČNÍ NÁVRH A OPTIMALIZACE APLIKAČNĚ SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR Miloš Minařík DVI4, 2. ročník, prezenční studium Školitel: Lukáš Sekanina Fakulta informačních technologií, Vysoké učení

Více

Optimalizační algoritmy inspirované chováním mravenců

Optimalizační algoritmy inspirované chováním mravenců Optimalizační algoritmy inspirované chováním mravenců Biologická analogie ACO metaheuristic Ant system a jeho modifikace Specifikace problémů Aplikace Motivace NP-hard problémy časová náročnost nalezení

Více

NPRG030 Programování I 3/2 Z --- NPRG031 Programování II --- 2/2 Z, Zk

NPRG030 Programování I 3/2 Z --- NPRG031 Programování II --- 2/2 Z, Zk NPRG030 Programování I 3/2 Z --- NPRG031 Programování II --- 2/2 Z, Zk Pavel Töpfer Katedra softwaru a výuky informatiky MFF UK MFF Malostranské nám., 4. patro, pracovna 404 pavel.topfer@mff.cuni.cz http://ksvi.mff.cuni.cz/~topfer

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÝCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER SYSTEMS SOUBĚŽNÉ UČENÍ V

Více

A0M33EOA: Evoluční optimalizační algoritmy

A0M33EOA: Evoluční optimalizační algoritmy A0M33EOA: Evoluční optimalizační algoritmy Zkouškový test Pátek 8. února 2011 Vaše jméno: Známka, kterou byste si z předmětu sami dali, a její zdůvodnění: Otázka: 1 2 3 4 5 6 7 8 Celkem Body: 1 3 2 1 4

Více

Evoluční algoritmy. Podmínka zastavení počet iterací kvalita nejlepšího jedince v populaci změna kvality nejlepšího jedince mezi iteracemi

Evoluční algoritmy. Podmínka zastavení počet iterací kvalita nejlepšího jedince v populaci změna kvality nejlepšího jedince mezi iteracemi Evoluční algoritmy Použítí evoluční principů, založených na metodách optimalizace funkcí a umělé inteligenci, pro hledání řešení nějaké úlohy. Populace množina jedinců, potenciálních řešení Fitness function

Více

Navrženy v 60. letech jako experimentální optimalizační metoda. Velice rychlá s dobrou podporou teorie

Navrženy v 60. letech jako experimentální optimalizační metoda. Velice rychlá s dobrou podporou teorie Evoluční strategie Navrženy v 60. letech jako experimentální optimalizační metoda Založena na reálných číslech Velice rychlá s dobrou podporou teorie Jako první zavedla self-adaptation (úpravu sebe sama)

Více

ANALYTICKÉ PROGRAMOVÁNÍ

ANALYTICKÉ PROGRAMOVÁNÍ ZVYŠOVÁNÍODBORNÝCH KOMPETENCÍAKADEMICKÝCH PRACOVNÍKŮ OSTRAVSKÉUNIVERZITY V OSTRAVĚ A SLEZSKÉ UNIVERZITY V OPAVĚ ANALYTICKÉ PROGRAMOVÁNÍ Eva Volná Zuzana Komínková Oplatková Roman Šenkeřík OBSAH PRESENTACE

Více

Fakulta informačních technologií. Zbyšek Gajda

Fakulta informačních technologií. Zbyšek Gajda Vysoké učení technické v Brně Fakulta informačních technologií ROČNÍKOVÝ PROJEKT Zbyšek Gajda květen 2004 Abstrakt Předkládaná práce se zabývá evolučním uměním. K tomu jsou využity techniky genetického

Více

Genetické algoritmy. Informační a komunikační technologie ve zdravotnictví

Genetické algoritmy. Informační a komunikační technologie ve zdravotnictví Genetické algoritmy Informační a komunikační technologie ve zdravotnictví Přehled přednášky Úvod Historie Základní pojmy Principy genetických algoritmů Možnosti použití Související metody AI Příklad problém

Více

Evoluční algoritmy I - poznámky

Evoluční algoritmy I - poznámky Evoluční algoritmy I - poznámky Martin Všetička Knihy Goldberg: Generic algorithms, 89 John Holland - Adaptation in natural and artifical algorithms, 75 a 91. Holland položil základy genetickým algoritmům,

Více

Cluster Analysis based on Bio-Inspired Algorithms

Cluster Analysis based on Bio-Inspired Algorithms VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Bio-inspirované výpočty a shluková analýza Cluster Analysis based on Bio-Inspired Algorithms 2013 Bc. Michal Rečka

Více

Emergence chování robotických agentů: neuroevoluce

Emergence chování robotických agentů: neuroevoluce Emergence chování robotických agentů: neuroevoluce Petra Vidnerová, Stanislav Slušný, Roman Neruda Ústav Informatiky, AV ČR Kognice a umělý život VIII Praha 28. 5. 2008 Evoluční robotika: EA & neuronové

Více

Umělá inteligence aneb co už není sci -fi

Umělá inteligence aneb co už není sci -fi Umělá inteligence aneb co už není sci -fi doc. Ing. Zuzana Komínková Oplatková, Ph.D. oplatkova@fai.utb.cz Umělá inteligence člověk se snažil vždy vyrobit nějaký stroj nebo systém, který by mu usnadnil

Více

PODŘÍZNUTÍ PŘI BROUŠENÍ TVAROVÝCH DRÁŽEK

PODŘÍZNUTÍ PŘI BROUŠENÍ TVAROVÝCH DRÁŽEK Transfer inovácií 5/009 009 PODŘÍZNUTÍ PŘI BROUŠENÍ TVAROVÝCH DRÁŽEK Prof. Ing. Karel Jandečka, CSc. Katedra technologie obrábění, FST, ZČU v Plzni, Univerzitní 8, 306 4, Plzeň, ČR e-mail: jandecka@kto.zcu.cz

Více

Základy umělé inteligence 4. Evoluční výpočetní techniky Jiří Kubaĺık Katedra kybernetiky, ČVUT-FEL http://cw.felk.cvut.cz/doku.php/courses/y33zui/start ppřírodní motivace EVT :: Stochastické optimalizacní

Více

Evoluční výpočetní techniky (EVT)

Evoluční výpočetní techniky (EVT) Evoluční výpočetní techniky (EVT) - Nacházejí svoji inspiraci v přírodních vývojových procesech - Stejně jako přírodní jevy mají silnou náhodnou složku, která nezanedbatelným způsobem ovlivňuje jejich

Více

Analytické programování v C#

Analytické programování v C# Analytické programování v C# Analytic programming in C# Bc Eva Kaspříková Diplomová práce 2008 UTB ve Zlíně, Fakulta aplikované informatiky, 2008 4 ABSTRAKT Analytické programování je metoda, která generuje

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV AUTOMATIZACE A MĚŘICÍ TECHNIKY FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION

Více

Ant Colony Optimization

Ant Colony Optimization Ant Colony Optimization I am lost! Where is the line?! A Bug s Life, Walt Disney, 1998 ACO je metaheuristika, shrnující poznatky ze studia společenstev různých druhů mravenců. Heuristické algoritmy postavené

Více

Základní škola Moravský Beroun, okres Olomouc

Základní škola Moravský Beroun, okres Olomouc Charakteristika vyučovacího předmětu matematika Vyučovací předmět má časovou dotaci čtyři hodiny týdně v prvním ročníku, pět hodin týdně ve druhém až pátém ročníku, pět hodin týdně v šestém ročníku a čtyři

Více

Umělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak

Umělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Umělá inteligence I Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Na úvod Agent s reflexy pouze převádí současný vjem na jednu akci. Agent s cílem umí plánovat několik akcí

Více

VYHLEDÁNÍ NEJDELŠÍHO SHODNÉHO PREFIXU V FPGA

VYHLEDÁNÍ NEJDELŠÍHO SHODNÉHO PREFIXU V FPGA VYHLEDÁNÍ NEJDELŠÍHO SHODNÉHO PREFIXU V FPGA Jiří Tobola Výpočetní technika a informatika, 2. ročník, prezenční studium Školitel: Vladimír Drábek Fakulta informačních technologií, Vysoké učení technické

Více

Univerzita Karlova v Praze. Matematicko-fyzikální fakulta. Katedra softwarového inženýrství (Matematicko-fyzikální fakulta UK)

Univerzita Karlova v Praze. Matematicko-fyzikální fakulta. Katedra softwarového inženýrství (Matematicko-fyzikální fakulta UK) Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Martin Dörfler Využití umělých neuronových sítí k řízení genetických algoritmů Katedra softwarového inženýrství (Matematicko-fyzikální

Více

Ant Colony Optimization v prostředí Mathematica

Ant Colony Optimization v prostředí Mathematica Ant Colony Optimization v prostředí Mathematica Ant Colony Optimization in Mathematica Environment Bc. Martina Vaculíková Diplomová práce 28 UTB ve Zlíně, Fakulta aplikované informatiky, 28 4 ABSTRAKT

Více

Rozhodování. s více účastníky. Miroslav. school@utia

Rozhodování. s více účastníky. Miroslav. school@utia Rozhodování s více účastníky Miroslav Kárný school@utia utia.cas.cz, http://www.utia utia.cas.cz/as Rozhodování Účastník znalosti neúpln plné cíle násobné omezení rozsahů složitostn itostní strategie akce

Více

AKCELERACE EVOLUCE PRAVIDEL CELULÁRNÍCH AUTOMATŮ NA GPU

AKCELERACE EVOLUCE PRAVIDEL CELULÁRNÍCH AUTOMATŮ NA GPU AKCELERACE EVOLUCE PRAVIDEL CELULÁRNÍCH AUTOMATŮ NA GPU Luděk Žaloudek Výpočetní technika a informatika, 2. ročník, prezenční studium Školitel: Lukáš Sekanina Fakulta informačních technologií, Vysoké učení

Více

Řešení problému vážené splnitelnosti booleovské formule pokročilou iterativní metodou

Řešení problému vážené splnitelnosti booleovské formule pokročilou iterativní metodou Řešení problému vážené splnitelnosti booleovské formule pokročilou iterativní metodou 1 SPECIFIKACE ÚLOHY Cílem této úlohy bylo použít vybranou pokročilou iterativní metodou pro řešení problému vážené

Více

EVOLUČNÍ ALGORITMY A NEURONOVÉ SÍTĚ

EVOLUČNÍ ALGORITMY A NEURONOVÉ SÍTĚ EVOLUČNÍ ALGORITMY A NEURONOVÉ SÍTĚ URČENO PRO VZDĚLÁVÁNÍ V AKREDITOVANÝCH STUDIJNÍCH PROGRAMECH EVA VOLNÁ ČÍSLO OPERAČNÍHO PROGRAMU: CZ.1.7 NÁZEV OPERAČNÍHO PROGRAMU: VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST

Více

Dalibor Biolek Øešíme elektronické obvody pøíruèka pro naprosté zaèáteèníky aneb kniha o jejich analýze Praha 2004 Dalibor Biolek ØEŠÍME ELEKTRONICKÉ OBVODY aneb kniha o jejich analýze Bez pøedchozího

Více

5.5 Evoluční algoritmy

5.5 Evoluční algoritmy 5.5 Evoluční algoritmy Jinou skupinou metod strojového učení, které vycházejí z biologických principů, jsou evoluční algoritmy. Zdrojem inspirace se tentokrát stal mechanismus evoluce, chápaný jako Darwinův

Více

Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma

Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění Jan Klíma Obsah Motivace & cíle práce Evoluční algoritmy Náhradní modelování Stromové regresní metody Implementace a výsledky

Více

(n, m) (n, p) (p, m) (n, m)

(n, m) (n, p) (p, m) (n, m) 48 Vícerozměrná kalibrace Podobně jako jednorozměrná kalibrace i vícerozměrná kalibrace se používá především v analytické chemii Bude vysvětlena na příkladu spektroskopie: cílem je popis závislosti mezi

Více

ÚPRAVA METODY FLEXIBILNÍHO SIMPLEXU PRO ŘEŠENÍ PROBLÉMŮ GLOBÁLNÍ OPTIMALIZACE Miroslav Provazník

ÚPRAVA METODY FLEXIBILNÍHO SIMPLEXU PRO ŘEŠENÍ PROBLÉMŮ GLOBÁLNÍ OPTIMALIZACE Miroslav Provazník UNIVERZITA PARDUBICE Fakulta elektrotechniky a informatiky ÚPRAVA METODY FLEXIBILNÍHO SIMPLEXU PRO ŘEŠENÍ PROBLÉMŮ GLOBÁLNÍ OPTIMALIZACE Miroslav Provazník Bakalářská práce 2016 Prohlášení Prohlašuji:

Více

ALGORITMY A DATOVÉ STRUKTURY

ALGORITMY A DATOVÉ STRUKTURY Název tématického celku: Cíl: ALGORITMY A DATOVÉ STRUKTURY Metodický list č. 1 Časová složitost algoritmů Základním cílem tohoto tematického celku je vysvětlení potřebných pojmů a definic nutných k popisu

Více

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice FORMULACE, VÝBĚR A IMPLEMENTACE STRATEGIE Vysoká škola technická a ekonomická v Českých Budějovicích Institute of Technology And Business In České Budějovice Tento učební materiál vznikl v rámci projektu

Více

VLIV PARAMETRU Λ NA CHOD ALGORITMU PENALIZAČNÍHO LOKÁLNÍHO PROHLEDÁVÁNÍ

VLIV PARAMETRU Λ NA CHOD ALGORITMU PENALIZAČNÍHO LOKÁLNÍHO PROHLEDÁVÁNÍ VLIV PARAMETRU Λ NA CHOD ALGORITMU PENALIZAČNÍHO LOKÁLNÍHO PROHLEDÁVÁNÍ Jan Panuš Univerzita Pardubice, Fakulta ekonomicko-správní, Ústav systémového inženýrství a informatiky Abstract: The combinatorial

Více

Algoritmus. Cílem kapitoly je seznámit žáky se základy algoritmu, s jeho tvorbou a způsoby zápisu.

Algoritmus. Cílem kapitoly je seznámit žáky se základy algoritmu, s jeho tvorbou a způsoby zápisu. Algoritmus Cílem kapitoly je seznámit žáky se základy algoritmu, s jeho tvorbou a způsoby zápisu. Klíčové pojmy: Algoritmus, vlastnosti algoritmu, vývojový diagram Algoritmus Algoritmus je postup, pomocí

Více

Semestrální práce z předmětu KMA/MM. Voroneho diagramy

Semestrální práce z předmětu KMA/MM. Voroneho diagramy Semestrální práce z předmětu KMA/MM Voroneho diagramy Jméno a příjmení: Lenka Skalová Osobní číslo: A08N0185P Studijní obor: Finanční informatika a statistika Datum: 22. 1. 2010 Obsah Obsah... 2 1 Historie...

Více

Masarykova univerzita. Fakulta informatiky. Evoluce pohybu

Masarykova univerzita. Fakulta informatiky. Evoluce pohybu Masarykova univerzita Fakulta informatiky Evoluce pohybu IV109 Tomáš Kotula, 265 287 Brno, 2009 Úvod Pohyb je jedním ze základních projevů života. Zdá se tedy logické, že stejně jako ostatní vlastnosti

Více

bfs, dfs, fronta, zásobník, prioritní fronta, halda

bfs, dfs, fronta, zásobník, prioritní fronta, halda bfs, dfs, fronta, zásobník, prioritní fronta, halda Petr Ryšavý 20. září 2016 Katedra počítačů, FEL, ČVUT prohledávání grafů Proč prohledávání grafů Zkontrolovat, zda je sít spojitá. Hledání nejkratší

Více

Zadání. Oscannované zadání práce je v souboru./pdf/zadani.pdf

Zadání. Oscannované zadání práce je v souboru./pdf/zadani.pdf Zadání Oscannované zadání práce je v souboru./pdf/zadani.pdf i ii ƒeské vysoké u ení technické v Praze Fakulta elektrotechnická Katedra po íta Bakalá ská práce Optimaliza ní algoritmus CMA-ES Antonín ulc

Více

aneb jiný úhel pohledu na prvák

aneb jiný úhel pohledu na prvák Účelná matematika aneb jiný úhel pohledu na prvák Jan Hejtmánek FEL, ČVUT v Praze 24. června 2015 Jan Hejtmánek (FEL, ČVUT v Praze) Technokrati 2015 24. června 2015 1 / 18 Outline 1 Motivace 2 Proč tolik

Více

Seminář z matematiky. jednoletý volitelný předmět

Seminář z matematiky. jednoletý volitelný předmět Název předmětu: Zařazení v učebním plánu: Seminář z matematiky O8A, C4A, jednoletý volitelný předmět Cíle předmětu Obsah předmětu je koncipován pro přípravu studentů k úspěšnému zvládnutí profilové (školní)

Více

2. RBF neuronové sítě

2. RBF neuronové sítě 2. RBF neuronové sítě Kapitola pojednává o neuronových sítích typu RBF. V kapitole je popsána základní struktura tohoto typu neuronové sítě. Poté následuje definice a charakteristika jednotlivých radiálně

Více

Stochastické algoritmy pro globální optimalizaci

Stochastické algoritmy pro globální optimalizaci Stochastické algoritmy pro globální optimalizaci Josef Tvrdík ČÍSLO OPERAČNÍHO PROGRAMU: CZ.1.07 NÁZEV OPERAČNÍHO PROGRAMU: OP VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST PRIORITNÍ OSA: 2 ČÍSLO OBLASTI PODPORY:

Více

CONTROLLING. Metodický list č. 1. Název tematického celku: FUNKCE CONTROLLINGU A ZÁKLADNÍ VZTAHY VE FINANČNÍM PLÁNU

CONTROLLING. Metodický list č. 1. Název tematického celku: FUNKCE CONTROLLINGU A ZÁKLADNÍ VZTAHY VE FINANČNÍM PLÁNU Metodický list č. 1 FUNKCE U A ZÁKLADNÍ VZTAHY VE FINANČNÍM PLÁNU Funkce a koncepce controllingu Controlling jako podsystém řízení cíle a funkce controllingu Aktuální koncepce managementu v období změn

Více

Úvod do mobilní robotiky AIL028

Úvod do mobilní robotiky AIL028 md at robotika.cz, zbynek.winkler at mff.cuni.cz http://robotika.cz/guide/umor07/cs 27. listopadu 2007 1 Mapa světa Exaktní plánování 2 3 Plánování s otáčením Mapa světa - příklad Obsah Mapa světa Exaktní

Více

Seminář z umělé inteligence. Otakar Trunda

Seminář z umělé inteligence. Otakar Trunda Seminář z umělé inteligence Otakar Trunda Plánování Vstup: Satisficing task: počáteční stav, cílové stavy, přípustné akce Optimization task: počáteční stav, cílové stavy, přípustné akce, ceny akcí Výstup:

Více

Algoritmy pro spojitou optimalizaci

Algoritmy pro spojitou optimalizaci Algoritmy pro spojitou optimalizaci Vladimír Bičík Katedra počítačů Fakulta elektrotechnická České vysoké učení technické v Praze 10.6.2010 Vladimír Bičík (ČVUT Praha) Algoritmy pro spojitou optimalizaci

Více

Základní škola Fr. Kupky, ul. Fr. Kupky 350, 518 01 Dobruška 5.2 MATEMATIKA A JEJÍ APLIKACE - 5.2.1 MATEMATIKA A JEJÍ APLIKACE Matematika 9.

Základní škola Fr. Kupky, ul. Fr. Kupky 350, 518 01 Dobruška 5.2 MATEMATIKA A JEJÍ APLIKACE - 5.2.1 MATEMATIKA A JEJÍ APLIKACE Matematika 9. 5.2 MATEMATIKA A JEJÍ APLIKACE 5.2.1 MATEMATIKA A JEJÍ APLIKACE Matematika 9. ročník RVP ZV Obsah RVP ZV Kód RVP ZV Očekávané výstupy ŠVP Školní očekávané výstupy ŠVP Učivo M9101 provádí početní operace

Více

Algoritmy pro optimalizaci sítí GAME. Miroslav Janošík

Algoritmy pro optimalizaci sítí GAME. Miroslav Janošík České vysoké učení technické v Praze Fakulta elektrotechnická ČVUT FEL katedra počítačů Bakalářská práce Algoritmy pro optimalizaci sítí GAME Miroslav Janošík Vedoucí práce: Ing. Pavel Kordík Studijní

Více

KEA 2008/2009-9. TŘÍDY

KEA 2008/2009-9. TŘÍDY Škola: Název: Obec: ACOT ZŠ a MŠ, č.112 Přerov nad Labem ACOT ZŠ a MŠ, č.112 Přerov nad Labem KEA 28/29-9. TŘÍDY ČESKÝ JAZYK Výsledky Vaší školy v českém jazyce jsou velmi podprůměrné. Vaše škola patří

Více

NAVIGACE MOBILNÍHO ROBOTU POMOCÍ FUZZY LOGIKY MOBILE ROBOT NAVIGATION BY MEANS OF FUZZY LOGIC

NAVIGACE MOBILNÍHO ROBOTU POMOCÍ FUZZY LOGIKY MOBILE ROBOT NAVIGATION BY MEANS OF FUZZY LOGIC VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV AUTOMATIZACE A INFORMATIKY FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF AUTOMATION AND COMPUTER SCIENCE

Více

Implementace algoritmu matching pursuit pomocí genetických algoritmů

Implementace algoritmu matching pursuit pomocí genetických algoritmů Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky Bakalářská práce Implementace algoritmu matching pursuit pomocí genetických algoritmů Plzeň, 2012 Vít Bábel

Více

Swarm Intelligence. Moderní metody optimalizace 1

Swarm Intelligence.   Moderní metody optimalizace 1 Swarm Intelligence http://pixdaus.com/single.php?id=168307 Moderní metody optimalizace 1 Swarm Intelligence Inteligence hejna algoritmy inspirované chováním skupin ptáků, hmyzu, ryb apod. Particle Swarm

Více

Evolučníalgoritmy. Dále rozšiřována, zde uvedeme notaci a algoritmy vznikléna katedře mechaniky, Fakulty stavební ČVUT. Moderní metody optimalizace 1

Evolučníalgoritmy. Dále rozšiřována, zde uvedeme notaci a algoritmy vznikléna katedře mechaniky, Fakulty stavební ČVUT. Moderní metody optimalizace 1 Evolučníalgoritmy Kategorie vytvořená v 90. letech, aby se sjednotily jednotlivémetody, kterévyužívaly evoluční principy, tzn. Genetickéalgoritmy, Evolučnístrategie a Evoluční programování (v těchto přednáškách

Více

Provozní bezpečnost - Problematika vzniku, monitoringu a eliminace prašné frakce, stanovení prostředí a zón s nebezpečím výbuchu

Provozní bezpečnost - Problematika vzniku, monitoringu a eliminace prašné frakce, stanovení prostředí a zón s nebezpečím výbuchu Provozní bezpečnost - Problematika vzniku, monitoringu a eliminace prašné frakce, stanovení prostředí a zón s nebezpečím výbuchu Ing. Martin Kulich, Ph.D., VVUÚ, a.s., Ostrava Radvanice Jaromír Matějů,

Více

ÚVOD DO BSC - základy metody vyvážených ukazatelů. Ing. Petra Plevová

ÚVOD DO BSC - základy metody vyvážených ukazatelů. Ing. Petra Plevová ÚVOD DO BSC - základy metody vyvážených ukazatelů Ing. Petra Plevová Kvalita Norma ČSN EN ISO 9000:2001 Jakost (resp. synonymum kvalita) je stupeň splnění požadavků souborem typických znaků. Požadavkem

Více

Ing. Martin Šindelář. Téma disertační práce: SLEDOVÁNÍ TECHNICKÉHO STAVU ZÁVĚSU KOLA VOZIDLA. Školitel: Doc. Ing. Ivan Mazůrek CSc.

Ing. Martin Šindelář. Téma disertační práce: SLEDOVÁNÍ TECHNICKÉHO STAVU ZÁVĚSU KOLA VOZIDLA. Školitel: Doc. Ing. Ivan Mazůrek CSc. Ing. Martin Šindelář Téma disertační práce: SLEDOVÁNÍ TECHNICKÉHO STAVU ZÁVĚSU KOLA VOZIDLA Školitel: Doc. Ing. Ivan Mazůrek CSc. Téma disertační práce SLEDOVÁNÍ TECHNICKÉHO STAVU ZÁVĚSU KOLA VOZIDLA Funkce

Více

VUT Brno Fakulta informačních technologií Simulační nástroje a techniky (SNT) 2014/2015 Vehicle routing problem Ant colony

VUT Brno Fakulta informačních technologií Simulační nástroje a techniky (SNT) 2014/2015 Vehicle routing problem Ant colony VUT Brno Fakulta informačních technologií Simulační nástroje a techniky (SNT) 2014/2015 Vehicle routing problem Ant colony František Němec (xnemec61) xnemec61@stud.fit.vutbr.cz 19. července 2015 1 Úvod

Více

Evoluční algoritmy a umělý život

Evoluční algoritmy a umělý život Evoluční algoritmy a umělý život Roman Neruda Ústav informatiky AVČR roman@cs.cas.cz Olomouc, červen 2012 Od Darwina a Mendela... ... k inteligentním agentům. Umělý život Odkazy: Steven Levy: Artificial

Více

Vzdělávací oblast Matematika a její aplikace. Charakteristika vyučovacího předmětu 2. stupeň. Obsahové, časové a organizační vymezení

Vzdělávací oblast Matematika a její aplikace. Charakteristika vyučovacího předmětu 2. stupeň. Obsahové, časové a organizační vymezení Vzdělávací oblast Matematika a její aplikace Charakteristika vyučovacího předmětu 2. stupeň Obsahové, časové a organizační vymezení Matematika a její aplikace se vyučuje v předmětu matematika v 6. až 9.

Více

Distribuovaný algoritmus diferenciální evoluce v platformě. A Platform Independent Distributed DE Algorithm

Distribuovaný algoritmus diferenciální evoluce v platformě. A Platform Independent Distributed DE Algorithm VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Distribuovaný algoritmus diferenciální evoluce v platformě nezávislém jazyce A Platform Independent Distributed

Více

Laserový skenovací systém LORS vývoj a testování přesnosti

Laserový skenovací systém LORS vývoj a testování přesnosti Laserový skenovací systém LORS vývoj a testování přesnosti Ing. Bronislav Koska Ing. Martin Štroner, Ph.D. Doc. Ing. Jiří Pospíšil, CSc. ČVUT Fakulta stavební Praha Článek popisuje laserový skenovací systém

Více

Aproximace objemových změn těles z lehkých betonů v raném stádiu tuhnutí a tvrdnutí

Aproximace objemových změn těles z lehkých betonů v raném stádiu tuhnutí a tvrdnutí Structural and Physical Aspects of Civil Engineering, 2010 Aproximace objemových změn těles z lehkých betonů v raném stádiu tuhnutí a tvrdnutí Petr Frantík 1, Barbara Kucharczyková 2, Zbyněk Keršner 1

Více

Neinformované metody prohledávání stavového prostoru. Gerstner Laboratory Agent Technology Group, Czech Technical University in Prague

Neinformované metody prohledávání stavového prostoru. Gerstner Laboratory Agent Technology Group, Czech Technical University in Prague Neinformované metody prohledávání stavového prostoru Michal Pěchouček Gerstner Laboratory Agent Technology Group, Czech Technical University in Prague http://labe.felk.cvut.cz/~ tkrajnik/kui2/data/k333/1.pdf

Více

Dodatek č. 3 ke školnímu vzdělávacímu programu. Strojírenství. (platné znění k 1. 9. 2009)

Dodatek č. 3 ke školnímu vzdělávacímu programu. Strojírenství. (platné znění k 1. 9. 2009) Střední průmyslová škola Jihlava tř. Legionářů 1572/3, Jihlava Dodatek č. 3 ke školnímu vzdělávacímu programu Strojírenství (platné znění k 1. 9. 09) Tento dodatek nabývá platnosti dne 1. 9. 13 (počínaje

Více

FAKULTA INFORMAČNÍCH TECHNOLOGIÍ

FAKULTA INFORMAČNÍCH TECHNOLOGIÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV INTELIGENTNÍCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INTELLIGENT SYSTEMS ŘEŠENÍ OPTIMALIZAČNÍCH

Více

bfs, dfs, fronta, zásobník, prioritní fronta, halda

bfs, dfs, fronta, zásobník, prioritní fronta, halda bfs, dfs, fronta, zásobník, prioritní fronta, halda Petr Ryšavý 19. září 2017 Katedra počítačů, FEL, ČVUT prohledávání grafů Proč prohledávání grafů Zkontrolovat, zda je sít spojitá. Hledání nejkratší

Více

Jak se matematika poučila v biologii

Jak se matematika poučila v biologii Jak se matematika poučila v biologii René Kalus IT4Innovations, VŠB TUO Role matematiky v (nejen) přírodních vědách Matematika inspirující a sloužící jazyk pro komunikaci s přírodou V 4 3 r 3 Matematika

Více

STAVEBNÍ POVOLENÍ. - místo ve stavebním řádu - náležitosti žádosti o SP - přílohy - o dokumentaci staveb

STAVEBNÍ POVOLENÍ. - místo ve stavebním řádu - náležitosti žádosti o SP - přílohy - o dokumentaci staveb STAVEBNÍ POVOLENÍ STAVEBNÍ POVOLENÍ - místo ve stavebním řádu - náležitosti žádosti o SP - přílohy - o dokumentaci staveb STAVEBNÍ POVOLENÍ - V gesci ministerstva pro místní rozvoj - Adresováno místně

Více

Nová koncepční a konstrukční řešení pro zobrazení s PMS

Nová koncepční a konstrukční řešení pro zobrazení s PMS Nová koncepční a konstrukční řešení pro zobrazení s PMS P. Bouchal (FSI VUT Brno) a Z. Bouchal (KO PřF UP Olomouc) PB 4 Zobrazování s podporou technologie PMS Garant: R. Chmelík Program PB4: Metody a systémy

Více

FAKULTA INFORMAČNÍCH TECHNOLOGIÍ

FAKULTA INFORMAČNÍCH TECHNOLOGIÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÝCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER SYSTEMS GENEROVÁNÍ MATEMATICKÝCH

Více

GENETICKÉ UČENÍ NEURONOVÝCH SÍTÍ GENETIC LEARNING OF NEURAL NETWORKS. Roman Biskup, Anna Čermáková

GENETICKÉ UČENÍ NEURONOVÝCH SÍTÍ GENETIC LEARNING OF NEURAL NETWORKS. Roman Biskup, Anna Čermáková GENETICKÉ UČENÍ NEURONOVÝCH SÍTÍ GENETIC LEARNING OF NEURAL NETWORKS Roman Bisup, Anna Čermáová Anotace: Příspěve se zabývá prezentací principů učení jednoho onrétního typu neuronových sítí. Cílem práce

Více

5.3. Matematika a její aplikace

5.3. Matematika a její aplikace 5.3. Matematika a její aplikace Vzdělávací oblast je realizována v předmětu Matematika. 5.3.1. Charakteristika vzdělávací oblasti Vzdělávací oblast Matematika a její aplikace je v základním vzdělávání

Více

Úloha ve stavovém prostoru SP je <s 0, C>, kde s 0 je počáteční stav C je množina požadovaných cílových stavů

Úloha ve stavovém prostoru SP je <s 0, C>, kde s 0 je počáteční stav C je množina požadovaných cílových stavů Stavový prostor a jeho prohledávání SP = formalismus k obecnějšímu uchopení a vymezení problému, který spočívá v nalezení posloupnosti akcí vedoucích od počátečního stavu úlohy (zadání) k požadovanému

Více

PLÁNOVÁNÍ CESTY MOBILNÍHO ROBOTU POMOCÍ MRAVENČÍCH ALGORITMŮ MOBILE ROBOT PATH PLANNING BY MEANS OF ANT ALGORITHMS

PLÁNOVÁNÍ CESTY MOBILNÍHO ROBOTU POMOCÍ MRAVENČÍCH ALGORITMŮ MOBILE ROBOT PATH PLANNING BY MEANS OF ANT ALGORITHMS VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV AUTOMATIZACE A INFORMATIKY FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF AUTOMATION AND COMPUTER SCIENCE

Více

Michal Wiglasz* 1. Úvod

Michal Wiglasz* 1. Úvod http:excel.fit.vutbr.cz Souběžné učení v koevolučních algoritmech Michal Wiglasz* Abstrakt Kartézské genetické programování (CGP) se využívá zejména pro automatizovaný návrh číslicových obvodů, ale ukázalo

Více

Genetické mapování. v přírodních populacích i v laboratoři

Genetické mapování. v přírodních populacích i v laboratoři Genetické mapování v přírodních populacích i v laboratoři Funkční genetika Cílem je propojit konkrétní mutace/geny s fenotypem Vzniklý v laboratoři pomocí mutageneze či vyskytující se v přírodě. Forward

Více

OPTIMALIZACE. (přehled metod)

OPTIMALIZACE. (přehled metod) OPTIMALIZACE (přehled metod) Typy optimalizačních úloh Optimalizace bez omezení Nederivační metody Derivační metody Optimalizace s omezeními Lineární programování Nelineární programování Globální optimalizace

Více

Syntéza neuronových sítí

Syntéza neuronových sítí Syntéza neuronových sítí Neural network synthesis Bc. Marek Malinka Diplomová práce 011 UTB ve Zlíně, Fakulta aplikované informatiky, 011 4 ABSTRAKT Cílem diplomové práce je vypracování literární rešerše

Více