KESLER, R. Optimalizace metaheuristikami v Pythonu pomocí knihovny DEAP [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2019.

Posudky

Posudek vedoucího

Klimeš, Lubomír

Student se ve své práci zabýval optimalizací pomocí metaheuristických algoritmů. Cílem práce bylo nastudovat a seznámit se s knihovnou DEAP, která obsahuje předchystané nástroje pro řešení optimalizačních úloh metaheuristikami, a provést testování a porovnání vybraných algoritmů. Student všechny cíle práce splnil a nad jejich rámec demonstroval použití knihovny pro řešení optimálního návrhu výměníku tepla. Oceňuji zejména, že práce byla do značné míry tvůrční a zahrnovala objektově orientované programování. Student se dokázal seznámit s moderním programovacím jazykem Python a s knihovnou DEAP. Na několika testovacích úlohách ověřil a porovnal chování různých metaheuristických algoritmů. Následně obdržel od vedoucího své práce numerický model přenosu tepla pro tepelný výměník, který byl naprogramován v Matlabu. Student tento model přetransformoval do Pythonu a vhodně jej propojil s knihovnou DEAP. Vzniklý black-box optimalizační model následně použil pro optimální návrh tepelného výměníku. Získané výsledky optimalizace budou dále využity na Energetickém ústavu FSI. Student pracoval na své závěrečné práci samostatně a pečlivě, postup práce pravidelně konzultoval se svým vedoucím. Všechny cíle práce byly splněny, práce obsahuje všechny náležitosti na ni kladené. Práci tímto doporučuji k obhajobě a navrhuji její hodnocení A/výborně.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita B
Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry A
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis A
Práce s literaturou včetně citací A
Samostatnost studenta při zpracování tématu A
Navrhovaná známka
A

Posudek oponenta

Charvát, Pavel

René Kesler se měl v rámci své diplomové práce seznámit s programovacím jazykem Python a knihovnou DEAP (Distributed Evolutionary Algorithms in Python). Následně měl na testovacích úlohách provést srovnání několika metaheuristických algoritmů z hlediska jejich efektivity a dosažení optimálního řešení. V úvodní části práce jsou stručně představeny uvažované metaheuristiky (simulované žíhání, optimalizace rojem částic a genetický algoritmus) a jejich implementace v DEAP. Porovnání algoritmů bylo provedeno na testovacích funkcích (Rosenbrockova funkce a Eggholder funkce). V případě Rosenbrockovy funkce bylo nejlepšího výsledku dosaženo použitím algoritmu simulovaného žíhání, ovšem při nejvyšší časové náročnosti. V případě Eggholder funkce se ukázala jako nejlepší optimalizace rojem částic a to jak z hlediska času, tak z hlediska nalezení globálního minima. Víceméně nad rámec zavadání provedl diplomant optimalizaci výměníku vzduch-PCM pro ukládání tepla. V tomto případě byly řešeny dvě optimalizační úlohy; nalezení uspořádání výměníku pro dosažení největšího množství uloženého tepla a maximalizace uloženého tepla při minimalizaci ceny výměníku. V obou úlohách byla použita optimalizace rojem částic a optimalizace použitím genetického algoritmu. Použití metaheuristiky bylo v tomto případě vhodné, protože výpočet hodnot účelových funkcí vyžadoval numerickou simulaci. Diplomová práce je na velmi dobré grafické a jazykové úrovni. Zadání diplomové práce bylo splněno a práci doporučuji k obhajobě.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita B
Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry B
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis A
Práce s literaturou včetně citací A
Navrhovaná známka
A

Otázky

eVSKP id 116864