DUDOVÁ, A. Pokročilé metody globální optimalizace [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2013.
Studentka Aneta Dudová vypracovala bakalářskou práci na téma Pokročilé metody globální optimalizace. V teoretickém úvodu práce je formulován problém obchodního cestujícího jako typická úloha pro globální optimalizaci. V další kapitole jsou popsány metody pro řešení tohoto problému - teorie grafů, heuristické algoritmy a evoluční algoritmy. V tomto popisu se studentka dopouští řady zjednodušení a nepřesných formulací, které patrně vznikly nevhodným překladem z anglicky psané literatury. V praktické části studentka implementovala základní heuristické metody a genetický algoritmus pro řešení problému obchodního cestujícího. Testování algoritmů bylo prováděno na třech datových souborech s rozdílnou výpočetní náročností. Srovnání jednotlivých metod je prezentováno formou tabulek. Z časových důvodů studentka nestihla vypracovat bod 5 ze zadání - grafické rozhraní a částečně bod 4 - implementaci metody mravenčí kolonie. Po formální stránce je práce na průměrné úrovni. Práce obsahuje celou řadu překlepů a nevhodných formulací, které svědčí o tvorbě práce v časové tísni. Také kvalita některých obrázků je nízká. Na práci kladně hodnotím provedené testování nastavení jednotlivých parametrů algoritmů a výsledné srovnání metod na základě průměrné uražené vzdálenosti. Závěry studentka stanovuje správně. Kromě doporučené literatury studenka vyhledala dostatek kvalitních zdrojů. U některých položek uvedených v seznamu literatury však chybí odkazy v textu a některé kapitoly naopak nemají uvedenou adekvátní citaci. Práci doporučuji k obhajobě a pro uvedené nedostatky ji hodnotím známkou uspokojivě (D - 65 bodů).
Práce je orientována na pokročilé metody optimalizace se zaměřením na řešení problému obchodního cestujícího. Začíná úvodem do problému obchodního cestujícího (TSP), pokračuje metodami řešení a úvodem do teorie grafů. Z metod popisuje 3 základní principy heuristických metod, dále uvádí genetické algoritmy (GA) včetně permutačního kódování vhodného právě pro řešení TSP a kompilační část končí stručným popisem optimalizace pomocí mravenčí kolonie (ACO), které je také vhodná pro řešení TSP. Tato část práce je přehledná a vcelku zdařilá, autorka tím splnila první dva body zadání. Realizační část začíná na str.31 (kap.3). Algoritmy testovala na 3 souborech (10 bodů v kruhu, matice vzdáleností 35 měst v ČR a 60 náhodně generovaných bodů). Z heuristických algoritmů pro řešení TSP autorka realizovala a testovala dva. Nejvíce rozpracovala algoritmy GA, kde realizovala dvě varianty selekce, tři varianty křížení a dvě varianty mutace. Testy prováděla pro různé kombinace uvedených variant a také pro různé pravděpodobnosti křížení a mutací i pro různé počty jedinců v populaci. U GA autorka odvedla velmi dobrou práci. U algoritmu ACO z časových důvodů nestihla vlastní realizaci a k testování použila převzatý program. Algoritmy ACO mívají možnost volby několika parametrů, nastavené hodnoty parametrů autorka bohužel neuvedla a možnosti volby různých hodnot parametrů při testování nevyužila. Kromě dvou strohých poznámek (na str.20 a 33) v práci postrádám jasný popis podmínek ukončení běhu programu. V závěrečné části porovnala na testovacích datech u jednotlivých metod a jejich variant úspěšnosti nalezení globálního extrému i časové nároky. Realizační část autorka splnila s uvedenými výhradami. Na druhé straně beru v úvahu, že se s problematikou optimalizace v bakalářském studijním programu studiu nesetkala. Autorka čerpala z 31 publikací, některé odkazy však nejsou v pořádku, např. u položky 7 chybí vydavatel, u položek 29 až 31 je zbytečně uvedeno, že jde o vědecký článek, ale chybí informace, kde byl publikován. Úpravu textu, logickou návaznost i obsah kapitol hodnotím jako slušné.
eVSKP id 65374