Rojení částic jako vícekriteriální optimalizační metoda

Abstract

Tato práce se zabývá problematikou multikriteriální optimalizace složitých matematických funkcí a netradičními přístupy při hledání jejich extrémů. Hlavní pozornost je věnována algoritmu PSO (Particle Swarn Optimalization), jehož implementace je také součástí práce. Algoritmus je upraven tak, aby automaticky vytvářel Paretovu množinu (nedominantních) řešení. Jeho výkonnost je pak porovnána na několika úlohách s genetickým algoritmem NSGA-II.This bachelor work deals with the difficulties of multi-objective optimization of certain hard mathematical functions and non-traditional approaches for discovering their extremes. Main attention is given to the PSO (Particle Swarm Optimization) algorithm, implementation of which is also part of the bachelor work. The algorithm is modified in a such way, that it automatically builds Pareto-Optimal Set of the solutions. It's performance is compared with NSGA-II genetic algorithm on several test tasks.