Úloha obchodního cestujícího

Abstract

Cílem této bakalářské práce je navrhnout prostředí testující problém obchodního cestujícího a porovnat efektivitu jednotlivých přístupů k řešení. V první části jsou diskutovány možnosti genetických algoritmů v závislosti na nastavení křížení, mutací a velikosti populace. V druhé části jsou na stejný problém použity dva druhy neuronových sítí. Za zástupce samoučící varianty byla zvolena Kohonenova neuronová síť. Hopfieldova neuronová síť reprezentuje metodu minimalizace energetické funkce s pevným nastavením koeficientů. U obou neuronových sítí byly popsány možné výhody a nevýhody aplikace. V závěru byly všechny zjištěné poznatky interpretovány ve společném kontextu.

The aim of this bachelor's thesis is to design a testing environment for the traveling salesman problem and compare the effectiveness of different approaches to the solution. The first part discussed the possibility of genetic algorithms, depending on the setting of a crossover, mutations and population size. In the second part, there is the same problem using two types of neural networks. The representative of the self-learning net was chosen Kohonen neural network. Hopfield neural network represents a method of minimizing the energy function with fixed coefficients. At both neural networks, there were described possible advantages and disadvantages. In the end, all the findings were interpreted in a global context.