Problém předčasné konvergence u Gaussovského EDA
Premature Convergence Problem of Gaussian EDA
dc.contributor.advisor | Pošík Petr | |
dc.contributor.author | Vojtěch Tollar | |
dc.date.accessioned | 2020-09-04T13:52:27Z | |
dc.date.available | 2020-09-04T13:52:27Z | |
dc.date.issued | 2020-08-27 | |
dc.identifier | KOS-857605034405 | |
dc.identifier.uri | http://hdl.handle.net/10467/89984 | |
dc.description.abstract | Gaussovský estimation-of-distribution algoritmus (Gaussovský EDA) je populační optimalizační algoritmus, který pro generování nové populace používá odhadnuté normální rozdělení. Trpí však problémem předčasné konvergence, kdy příliš rychle klesá diverzita populace. V této práci jsem prezentoval možné metody řešení tohoto problému. Metody byly testovány na lineární a elipsoidní účelové funkci, čímž bylo zjištěno, které metody problém předčasné konvergence skutečně řeší. Následně jsem porovnal účinnost metod k řešení účelových funkcí pomocí nástroje ,,Comparing Continuous Optimizers`` (COCO). Také byly vyzkoušeny i slibné kombinace metod. Bylo objeveno, že některé z těchto kombinací dokáží na vybraných příkladech konkurovat i v praxi úspěšnému algoritmu CMA-ES. | cze |
dc.description.abstract | Gaussian estimation-of-distribution algorithm (Gaussian EDA) is a population-based optimalization algorithm, which uses estimated normal distribution for sampling a new population. However, it suffers from the premature convergence problem, which means a too rapid decline in population diversity. In this thesis, I have presented possible solutions to this problem. These methods were tested on a linear and an ellipsoid objective function, discovering which methods truly solve the problem. Subsequently, I have compared the efficiency of the methonds in solving objective functions with a benchmarking tool "Comparing Continuous Optimizers" (COCO). Also tested were promising combinations of methods. It was discovered, that some of these combinations were in selected cases able to compete with CMA-ES, a successful algorithm in practice. | eng |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.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 | eng |
dc.rights | 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 | cze |
dc.subject | Gaussovské EDA | cze |
dc.subject | estimation of distribution | cze |
dc.subject | předčasná konvergence | cze |
dc.subject | evoluční algoritmy | cze |
dc.subject | evoluční strategie | cze |
dc.subject | Gaussian EDA | eng |
dc.subject | estimation of distribution | eng |
dc.subject | premature convergence | eng |
dc.subject | evolutionary algorithms | eng |
dc.subject | evolution strategies | eng |
dc.title | Problém předčasné konvergence u Gaussovského EDA | cze |
dc.title | Premature Convergence Problem of Gaussian EDA | eng |
dc.type | bakalářská práce | cze |
dc.type | bachelor thesis | eng |
dc.contributor.referee | Kubalík Jiří | |
theses.degree.discipline | Informatika a počítačové vědy | cze |
theses.degree.grantor | katedra kybernetiky | cze |
theses.degree.programme | Otevřená informatika | cze |
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
-
Bakalářské práce - 13133 [778]