Heuristické algoritmy pro optimalizaci

Abstract

Diplomová práce se věnuje genetickým algoritmům a zkoumání jejich vlastností. Zvláštní důraz je kladen na posouzení vlivu mutace a velikosti populace. V druhé části práce jsou genetické algoritmy aplikovány na problematiky inverzních úloh vedení tepla. K jejich řešení bylo vyzkoušeno více různých přístupů a způsobů kódování. Vlastnosti genetických algoritmů pro tyto úlohy byly zlepšeny dvěma zcela novými genetickými operátory – manipulace a seřazení. Zjištěné teoretické poznatky byly odzkoušeny na reálné inverzní úloze vedení tepla. V rámci práce byla vytvořena knihovna pro snadnou implementaci GA pro řešení obecných optimalizačních úloh v jazyce C++.This diploma thesis deals with genetic algorithms and their properties. Particular emphasis is placed on finding the influence of mutation and population size. Genetic algorithms are applied on inverse heat conduction problems (IHCP) in the second part of the thesis. Several different approaches and coding methods were tested. Properties of genetic algorithms were improved by definition of two new genetic operators – manipulation and sorting. Reported theoretical findings were tested on the real data of inverse heat conduction problem. The library for easy implementation of GA for solving general optimization problems in C ++ was created and is described in the last chapter.