Urychlení evolučních algoritmů pomocí gaussovských procesů
Accelerating evolutionary algorithms by means of Gaussian processes
Typ dokumentu
diplomová prácemaster thesis
Autor
Kudinov Andrej
Vedoucí práce
Holeňa Martin
Oponent práce
Žegklitz Jan
Studijní obor
Webové a softwarové inženýrstvíStudijní program
InformatikaInstituce přidělující hodnost
katedra softwarového inženýrstvíObhájeno
2015-06-11Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdfVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf
Metadata
Zobrazit celý záznamAbstrakt
Tato práce zkoumá výkon gaussovských procesů (GP) v souvislosti s metodou zvanou Covariance Matrix Adaptation Evolution Strategy (CMA-ES), state-of-the-art v oblasti evoluční optimalizace. Pro měření výkonu byly použity nichingové funkce ze soutěže CEC 2013, které jsou charakteristické vysokým počtem lokálních optim. Práce popisuje integraci CMA-ES a GP jako náhradního modelu a srovnává její výkon s metodou Model Guided Sampling Optimization. This thesis investigates the performance of Gaussian processes (GP) in the context of Covariance Matrix Adaptation Evolution Strategy (CMA-ES), the state-of-the-art evolutionary optimization method for black-box continuous optimization, using niching functions from the CEC 2013 competition, which are characterized by a high number of local optima. It describes the integration of CMA-ES and GP surrogate model and compares its performance to Model Guided Sampling Optimization.
Kolekce
- Diplomové práce - 18102 [1006]