Seznam

Téma:Rychlé učení v Bayesovském optimalizačním algoritmu
Vedoucí:Ing. Petr Pošík Ph.D.
Vypsáno jako:Diplomová práce,Bakalářská práce,Individuální projekt,Dobrovolná odborná práce
Popis:Algoritmy ECGA (extended compact genetic algorithm) a BOA (Bayesian optimization algorithm) jsou populační optimalizační algoritmy. Jsou považovány za nejúčinnější metody pro řešení složitých black-box optimalizačních problémů s binární reprezentací. Každou generaci si vytvářejí model struktury závislostí mezi jednotlivými komponentami řešení. Tvorba modelu je ale časově náročná operace. Pro ECGA byl nedávno navržen jednoduchý princip umožňující urychlit učení modelu, aniž by to mělo významný vliv na účinnost optimalizačního algoritmu jako celku. Cílem tohoto projektu je implementovat podobný princip i při učení modelu v algoritmu BOA a ověřit, zda taková změna neovlivní účinnost algoritmu.
Pokyny:1) Seznamte se s principy algoritmů ECGA a BOA.
2) Prostudujte metodu použitou ke zrychlení učení v algoritmu ECGA.
3) Modifikujte způsob učení algoritmu BOA obdobným způsobem.
4) Na sadě referenčních optimalizačních úloh porovnejte původní i upravený algoritmus BOA s ohledem na počet ohodnocení potřebný k nalezení řešení a s ohledem na rychlost běhu algoritmu samotného.
Literatura:[1] Duque, Thyago S.P.C.; Goldberg, David E.; Sastry, Kumara: Enhancing the Efficiency of the ECGA. PPSN 2008, Dortmund. [2] Pelikan, M. Hierarchical Bayesian Optimization Algorithm
Realizace:Modifikovaná implementace algoritmu BOA, výsledky experimentů, závěrečná zpráva.
Vypsáno dne:24.10.2011