Paralelní evoluční algoritmus EDA využívající teorii kopulí
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
P
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Ve své disertační práci se zabývám návrhem, implementací a~testováním pokročilého paralelního algoritmu EDA ( Estimation of Distribution Algorithm ) využívajícího teorii kopulí pro tvorbu pravděpodobnostního modelu. Nová populace se vytváří v~procesu vzorkování sdružené distribuční funkce, která modeluje aktuální rozložení subpopulace slibných jedinců. Použití kopulí umožňuje zefektivnit proces učení a~vzorkování pravděpodobnostního modelu. Lze jej separovat na vzájemně nezávislá marginální rozdělení a~kopuli, která reprezentuje korelace mezi proměnnými řešeného problému. Tato koncepce iniciovala použití paralelní ostrovní struktury, v~níž bylo použito místo migrace jedinců migrace pravděpodobnostních modelů příslušejících jednotlivým ostrovním subpopulacím. Statistické testy použité při komparaci navrženého algoritmu ( mCEDA = migrating Copula - based Estimation of Distribution Algorithm ) a~algoritmů jiných autorů potvrdily efektivnost navržené koncepce.
In my thesis I~ deal with the design, implementation and testing of the advanced parallel Estimation of Distribution Algorithm (EDA) utilizing copula theory to create a~ probabilistic model. A~new population is created by the process of sampling the joint distribution function, which models the current distribution of the subpopulation of promising individuals . The usage of copulas increases the efficiency of the learning process and sampling the probabilistic model. It can be separated into mutually independent marginal distributions and the copula , which represents the correlations between the variables of the solved problem. This concept initiated the usage of the parallel island architecture , in which the migration of probabilistic models belonging to individual islands ' subpopulations was used instead of the migration of individuals . The statistical tests used in the comparison of the proposed algorithm ( mCEDA = migrating Copula - based Estimation of Distribution Algorithm ) and the algorithms of other authors confirmed the effectiveness of the proposed concept .
In my thesis I~ deal with the design, implementation and testing of the advanced parallel Estimation of Distribution Algorithm (EDA) utilizing copula theory to create a~ probabilistic model. A~new population is created by the process of sampling the joint distribution function, which models the current distribution of the subpopulation of promising individuals . The usage of copulas increases the efficiency of the learning process and sampling the probabilistic model. It can be separated into mutually independent marginal distributions and the copula , which represents the correlations between the variables of the solved problem. This concept initiated the usage of the parallel island architecture , in which the migration of probabilistic models belonging to individual islands ' subpopulations was used instead of the migration of individuals . The statistical tests used in the comparison of the proposed algorithm ( mCEDA = migrating Copula - based Estimation of Distribution Algorithm ) and the algorithms of other authors confirmed the effectiveness of the proposed concept .
Description
Keywords
Algoritmy EDA, optimalizace, teorie kopulí, vzorkování vícerozměrných kopulí, paralelismus, ostrovní model, migrace pravděpodobnostních modelů, EDA, Estimation of Distribution Algorithms, Optimization, Copula Theory, Multivariate Copula Sampling, Parallelisation, Parallel EDA, Island- based Model, Migration of Probabilistic models
Citation
HYRŠ, M. Paralelní evoluční algoritmus EDA využívající teorii kopulí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. .
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Výpočetní technika a informatika
Comittee
prof. Ing. Martin Drahanský, Ph.D. (předseda)
doc. Ing. Radomil Matoušek, Ph.D. (člen)
doc. Dr. Ing. Tomáš Brandejský (člen)
doc. Ing. Roman Šenkeřík, Ph.D. (člen)
doc. RNDr. Petr Bujok, Ph.D. (člen)
Date of acceptance
Defence
Student přednesl cíle a výsledky, kterých v rámci řešení disertační práce dosáhl. V rozpravě student odpověděl na otázky komise a oponentů a hostů. Komise se v závěru jednomyslně usnesla, že student splnil podmínky pro udělení akademického titulu doktor.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení