Urychlení evolučních algoritmů pomocí gaussovských procesů
Accelerating evolutionary algorithms by means of Gaussian processes
Type of document
diplomová prácemaster thesis
Author
Kudinov Andrej
Supervisor
Holeňa Martin
Opponent
Žegklitz Jan
Field of study
Webové a softwarové inženýrstvíStudy program
InformatikaInstitutions assigning rank
katedra softwarového inženýrstvíDefended
2015-06-11Rights
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
Show full item recordAbstract
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.
Collections
- Diplomové práce - 18102 [1005]