KOKSA, M. Optimalizace nemocničních kapacit pomocí evolučních algoritmů [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2023.

Posudek vedoucího

Kůdela, Jakub

Předložená diplomová práce se zabývá implementací evolučních algoritmů pro problém optimalizace nemocničních kapacit, který byl vybrán jako soutěžní úloha v "GECCO 2021 Industrial Challange". V první části práce autor popisuje základní optimalizační metody a zejména se pak zaměřuje na populační metaheuristiky. V další části pak najdeme rešerši "state-of-the-art" evolučních metod, která byla založena na výsledcích soutěží pro numerickou optimalizaci, jež byly konány v posledních letech na konferencích CEC. V poslední části práce autor popisuje problém plánování zdrojů v nemocnici a implementační detaily. Na tomto problému pak porovnal vhodnost vybraných algoritmů a zhodnotil výsledky. Po jazykové a formální stránce je práce na velmi dobré úrovni, s jen občasnými překlepy, nepřesnostmi, či  heterogenním zápisem (např. použití desetinné čárky i tečky). Co by bylo určitě vhodnější je použítí obrázků v lepším rozlišení. Zhodnocení výsledků, především pak zajímavý fakt, že standardní algoritmus PSO "porazil state-of-the-art metody", by  si zasloužilo hlubší rozbor. Oceňuji samostatnost studenta při nastudování dané tématiky, zprovoznění jednotlivých složek problému a implementaci algoritmů. Cíle práce se podařilo naplnit v plném rozsahu a celkově tak hodnotím práci jako velmi dobrou / B a doporučuji k obhajobě.

Posudek oponenta

Roupec, Jan

Předložená diplomová práce s názvem Optimalizace nemocničních kapacit pomocí evolučních algoritmů má 75 číslovaných stran; dále byl odevzdán soubor příloh obsahující použitý simulační model (převzatý) a zdrojové texty optimalizačních programů vypracované autorem v rámci řešení DP. Téma práce je vysoce aktuální hned ze dvou důvodů – jednak je věnován heuristickým optimalizačním algoritmům, a dále je aplikačně zaměřen na reálnou problematiku, která byla krutou realitou nedávného období. V první části práce (kapitoly 2, 3 a 4) autor stručně představuje Optimalizaci jako vědní disciplínu a podává přehled vybraných optimalizačních metod. S ohledem na cíl práce je zvýšená pozornost věnována stochastickým metodám. V kapitole 5 je potom přidán přehled vhodných algoritmů pro výpočet nemocničních zdrojů. Text těchto rešeršních kapitol je dostatečně podrobný, výběr metod je dle mého názoru až zbytečně široký, neboť je zřejmé, že některé při řešení daného problému využití nenaleznou. Další část (kapitola 6) je věnována popisu simulačního modelu Babsim-Hospital, který byl v následující experimentální části využíván pro výpočet kriteriální funkce pomocí vybraných evolučních algoritmů. Kapitoly 7 a 8 potom popisují vlastní experimenty a jejich výsledky. Navzdory vysoce aktuálnímu tématu, rozsahu i neoddiskutovatelně velké odvedené práci autora budí u mne práce po faktické stránce některé pochybnosti. Název slibuje optimalizaci nemocničních kapacit, zde bych si tedy představoval, že výsledkem bude síť nemocnic, počty oddělení, počty lůžek, přístrojů (např. ventilátorů), lékařů atd., a kriteriální funkce bude nějaká agregace počtu zemřelých a nákladů na systém. V závěru ovšem o výsledcích tohoto typy není jediná zmínka. Namísto toho je zde nepochybně zajímavé porovnání výsledků a částečně i efektivity vybraných algoritmů, z popisu experimentů i výsledků se navíc domnívám, že v rozporu s názvem práce se jednalo o optimalizaci parametrů převzatého simulačního modelu. Jinak bych nedokázal akceptovat, že např. pravděpodobnost úmrtí pacienta není hodnotou, která je minimalizována, ale vstupní (!) nezávisle proměnnou, jejíž optimální hodnota je hledána. To snad… O tvaru a způsobu konstrukce kriteriální funkce je obsažena pouze zmínka (str. 57) v tom smyslu, že byla vytvořena v rámci soutěže GECCO, protože zde není uveden odkaz na zdroj, domýšlím se, že se jedná o pramen [4]. U porovnávaných algoritmů nejsou popsané implementace, pro některé byla použita přímo jejich realizace v knihovnách Matlabu, u některých informace chybí. Z tohoto pohledu jsou výsledky porovnání algoritmů ne zcela průkazné. Práce je na první pohled úhledná, ovšem obsahuje některé formální chyby. Čitelnost rovnic je snížena nerespektováním běžných typografických zvyklostí pro sazbu matematických výrazů – např. vektory by měly být tučným neskloněným písmem. Navíc je používána nejednotná symbolika a občas popis významu symbolů v rovnici nekoresponduje s rovnicí samotnou (např. str. 17). V práci se rovněž vyskytují některé neobratné či nezvyklé formulace (např. str. 18: „Samotný proces optimalizace je několik kroků opakujících se dokola, dokud…“) a nepřesnosti (např. str. 18: "znegovat" není totéž jako změnit znaménko), sporadicky se vyskytují i pravopisné chyby. Některá v práci obsaženáí tvrzení nejsou doložena zdroji a/nebo jsou nepřesná - např. tvrzená "Ačkoliv metody reprodukce jsou založeny z biologie na využití právě dvou rodičů pro předání vlastností novému jedinci, určité studie prokázaly, že využití informací z více než dvou rodičůvedlo ke kvalitnějším výsledkům následující generace." na str. 29 by si zdroj zasloužilo, ve stejném odstavci se opět bez uvedení zdroje uvádí, že "...Obecně se tímto postupem zvýší průměrná hodnota fitness celé populace, protože k tvorbě nových jedinců jsou použiti ti nejlepší, ...", což už je vyložená nepravda. Celkově konstatuji, že autor odvedl vcelku slušný kus práce. Navzdory matoucímu názvu a uvedeným drobným nedostatkům hodnotím práci pozitivně a doporučuji ji k obhajobě.

eVSKP id 149577