ČVUT DSpace
  • Search DSpace
  • Čeština
  • Login
  • Čeština
  • Čeština
View Item 
  •   ČVUT DSpace
  • Czech Technical University in Prague
  • Faculty of Electrical Engineering
  • Department of Cybernetics
  • Bachelor Theses - 13133
  • View Item
  • Czech Technical University in Prague
  • Faculty of Electrical Engineering
  • Department of Cybernetics
  • Bachelor Theses - 13133
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Prediktory fitness v genetickém programování

Fitness Predictors in Genetic Programming

Type of document
bakalářská práce
bachelor thesis
Author
Jan Mayer
Supervisor
Pošík Petr
Opponent
Kubalík Jiří
Field of study
Informatika a počítačové vědy
Study program
Otevřená informatika
Institutions assigning rank
katedra kybernetiky



Rights
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://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská 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://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item record
Abstract
Počítačové programy v genetickém programování je třeba ohodnotit na velkém množství testů, aby mohla být změřena jejich kvalita. Tento proces může být urychlen, pokud jsou k ohodnocení použity pouze malé podmnožiny testovacího datasetu zvané fitness prediktory. Používané metody konstruují fitness prediktory pomocí koevoluce fitness prediktorů a počítačových programů. V této práci jsme navrhli metodu konstruující prediktory bez použití koevoluce. Porovnali jsme navrhnutou metodu a používané metody na šesti problémech symbolické regrese. Na dvou jednoduchých problémech urychlila navrhnutá metoda evoluci zdaleka nejvíce ze všech porovnávaných metod, ale na zbytku problémů byly její výsledky znatelně horší než výsledky prediktorů vytvořených koevolucí.
 
In genetic programming, computer programs have to be evaluated on many test cases in order to measure their performance. To accelerate this process, smaller subsets of the training dataset called fitness predictors can be used. The known methods construct the fitness predictors using coevolution of fitness predictors and computer programs. In this thesis, we proposed a method of fitness predictor construction, which does not rely on coevolution. We compared the known and proposed methods using six symbolic regression problems. On two simple problems, the proposed method accelerated the evolution the most from all compared methods, but on the rest of the problems, it performed noticeably worse than the coevolved predictors.
 
URI
http://hdl.handle.net/10467/87839
View/Open
PLNY_TEXT (1.408Mb)
PRILOHA (11.36Mb)
POSUDEK (238.5Kb)
POSUDEK (213.4Kb)
Collections
  • Bakalářské práce - 13133 [622]

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV
 

 

Useful links

CTU in PragueCentral library of CTUAbout CTU Digital LibraryResourcesStudy and library skillsResearch support

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

Login

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV