Optimalizace nastavení náhradních modelů pomocí analýzy tvaru funkcí

Mikuláš Dvořák

Optimization of surrogate model settings using landscape analysis

Type of document

diplomová práce
master thesis

Author

Mikuláš Dvořák

Supervisor

Pitra Zbyněk

Opponent

Kordík Pavel

Field of study

Znalostní inženýrství

Study program

Informatika

Institutions assigning rank

katedra aplikované matematiky

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

Tato práce se zaměřuje na výběr vhodného nastavení náhradních modelů v algoritmu DTS-CMA-ES pomocí fitness landscape analysis. Porovnává několik přístupů pro doporučování náhradních modelů pomocí různých statistických modelů. Mezi porovnané techniky patří klasifikace, klasifikace do více tříd a regrese. Pro každou techniku je použito několik modelů a jejich správnost klasifikace je porovnána pomocí přesnosti, senzitivity, specificity a F1 skóre.

This thesis focuses on selecting the most suitable settings of surrogate models in DTS-CMA-ES algorithm using a fitness landscape analysis. Thesis compares different approaches for recommending the most suitable surrogate models with a variety of statistical models. Compared approaches are derived from classification, multi-label classification, and regression methods. For each method, few different statistical models are trained and their classification correctness is assessed with accuracy, sensitivity, specificity, and F1 score.