Optimalizace metaheuristikami v Pythonu pomocí knihovny DEAP

Abstract

Tato práce se zabývá optimalizací pomocí metaheuristik, které se používají pro komplikované inženýrské úlohy, jež nelze řešit běžnými metodami matematického programování. Nejprve jsou rozebrány vybrané metaheuristiky: simulované žíhání, optimalizace rojem částic a genetický algoritmus; a následně je provedeno srovnání na testovacích funkcích. Algoritmy jsou implementovány v programovacím jazyce Python pomocí knihovny DEAP, která je v práci také popsána. Nakonec jsou algoritmy využity na optimalizaci parametrů tepelného výměníku.{This thesis deals with optimization by means of metaheuristics, which are used for complicated engineering problems that cannot be solved by classical methods of mathematical programming. At the beginning, choosed metaheuristics are described: simulated annealing, particle swarm optimization and genetic algorithm; and then they are compared with use of test functions. These algorithms are implemented in Python programming language with use of package called DEAP, which is also described in this thesis. Algorithms are then applied for optimization of design parameters of the heat storage unit.