DOLEŽAL, P. Řízení parametrů kartézského genetického programování [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2025.
Student ve své práci splnil zadání a navrhl metodu pro automatické řízení parametrů kartézského genetického programování (CGP). Navrženou metodu následně implementoval a experimentálně ověřil na úloze symbolické regrese. Dosažené výsledky následně porovnal se základním referenčním přístupem. S ohledem na nadprůměrnou aktivitu studenta během celé doby řešení práce a velmi včasné vypracování všech částí navrhuji celkové hodnocení stupněm A – výborně .
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Cílem práce bylo prostudovat problematiku kartézského genetického programování (CGP) a metody pro automatické řízení jeho parametrů. Na základě získaných poznatků bylo úkolem navrhnout a implementovat vlastní metodu pro automatické řízení parametrů CGP, kterou bylo následně třeba experimentálně ověřit a porovnat s referenčním přístupem. Zadání této práce hodnotím jako středně obtížné. | ||
| Práce s literaturou | Student aktivně vyhledával relevantní zdroje, které vhodně využil. | ||
| Aktivita během řešení, konzultace, komunikace | Student pracoval velmi aktivně a samostatně v průběhu celého řešení práce. Sám navrhoval konkrétní způsoby řešení a konzultací se účastnil pravidelně a vždy dobře připraven. | ||
| Aktivita při dokončování | Student na tématu práce pracoval průběžně. Text byl opakovaně konzultován, a to včetně finální verze, která byla hotová s téměř měsíčním předstihem. Mé připomínky byly vždy řádně zapracovány. | ||
| Publikační činnost, ocenění | Publikační činnost není známa. |
Průměrně složité zadání bylo dobře zpracováno, experimentální vyhodnocení je bohaté. I když navrhované adaptivní operátory nepřinášejí významné zlepšení CGP oproti běžným přístupům, považuji odvedenou práci za užitečnou. Celkovou úroveň mírně snižují některé nepřesnosti v technické zprávě. Celkově hodnotím práci stupněm B - velmi dobře.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Jedná se o průměrně obtížné zadání, které rozšiřuje problematiku přednášenou v předmětech EVO a BIN. | ||
| Rozsah splnění požadavků zadání | Cílem diplomové práce bylo navrhnout a experimentálně ověřit různé adaptivní mechanismy (dynamická selekce, velikost mřížky, mutace) řízení parametrů kartézského genetického programování (CGP). Diplomant vytvořil vlastní implementaci CGP, do které tyto mechanismy zabudoval. Porovnal jejich dopad na kvalitu výsledku pro čtyři syntetické problémy symbolické regrese (definované relativně jednoduchými výrazy). Výsledky jsou pečlivě statisticky zpracovány, nicméně vždy v agregované podobě pro všechny testovací funkce. Není z experimentů zřejmé, pro jaký typ úlohy je konkrétní navrhovaný adaptivní mechanismus užitečný či škodlivý. Na základě získaných výsledků diplomant dále navrhl nový operátor adaptivní mutace (Alg. 5), který mj. ověřil na 120 úlohách z databáze PMLB. Navržený adaptivní operátor sice nevedl k statisticky významně lepším výsledkům, než kterých dosahuje pevně stanovená míra mutace, ale odpadla nutnost manuálního hledání nastavení pravděpodobnosti mutace. Zadání bylo splněno. | ||
| Rozsah technické zprávy | |||
| Prezentační úroveň technické zprávy | 85 | Technická zpráva je napsána srozumitelně a má očekávanou strukturu. Následující části by však mohly být prezentovány lépe: V Alg. 1 i 2 chybí výpočet fitness. str. 17: Diplomant uvádí, že "V případě, že se fitness rodiče shoduje s fitness některého z potomků, vždy se vybere potomek namísto rodiče." Zde chybí informace, že to platí, pouze pokud žádný z potomků nemá lepší fitness než rodič. Není zřejmé, proč jsou parametry adaptivního řízení selekce uvedeny v Alg. 3 jako "magické" konstanty a jak byly zvoleny. U metody pracující se samo-adaptivním řízením parametrů mřížky není zřejmé, zda zachovává fenotyp v případě, že jsou odebírány uzly. U tohoto typu operací bych uvítal pseudokód ilustrující konkrétní algoritmus. Uvítal bych vysvětlení, proč byly použity právě ty čtyři zvolené testovací funkce a ne jiné. Různé modifikace CGP dosahují na těchto funkcích velmi podobných výsledků, což indikuje, že představují velmi podobný typ problému. | |
| Formální úprava technické zprávy | 90 | Jazykové i typografické zpracování práce je na solidní úrovni. Nicméně červeně vyvedený obr. 3.5 s velkým fontem písma nepůsobí dobře. | |
| Práce s literaturou | 90 | Odkazy na literaturu jsou relevantní. Systematické uvádění odkazu na literaturu za tečkou na konci věty je však nestandardní. | |
| Realizační výstup | 85 | Implementace je v jazyce Python, zdrojové texty jsou dobře strukturované a komentované. Vytvořené softwarové nástroje byly použity pro experimentální evaluaci CGP, která je pečlivě zpracována. Nicméně postrádám naměřená data, ze kterých byly vytvořeny grafy do technické zprávy. Dále chybí seznam 120 testovacích úloh z databáze PMLB. | |
| Využitelnost výsledků | Navzdory spíše pesimistickým závěrům diplomové práce by navržené metody a prezentované výsledky mohly posloužit jako základ větší studie o adaptaci genetických operátorů v CGP. |
eVSKP id 162987