but.committee	doc. Ing. František Zbořil, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. David Bařina, Ph.D. (člen) Ing. Jiří Hynek, Ph.D. (člen) Ing. Lukáš Kekely, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: U implementace CGP zmiňujete využití evoluční strategie (1+lambda), kterou jste ale upravil doplněním jednoho náhodně vygenerovaného jedince. Máte toto rozhodnutí podložené experimentálními výsledky? Proč se podle vás ukázal rekurzivní výpočet CGP rychlejší než běžný postup založený na zjištění aktivních uzlů? V kapitole 7 sám zmiňujete, že jednotlivé krabicové grafy zobrazují rozdílné výsledky i pro shodná nastavení parametrů. Jak by šlo tento jev omezit? Kolik procesorového času jste řádově na své experimenty využil? Využil jste nějaké již existující knihovny pro genetické algoritmy?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Drahošová, Michaela	cs
dc.contributor.author	Doležal, Petr	cs
dc.contributor.referee	Hurta, Martin	cs
dc.date.accessioned	2022-06-21T07:56:33Z
dc.date.available	2022-06-21T07:56:33Z
dc.date.created	2022	cs
dc.description.abstract	Tato práce se zabývá porovnáváním různých variant genetického programování v úloze symbolické regrese. Na zadaných úlohách zkoumá rychlost konvergence a kvalitu nalezeného řešení. Klade si za cíl porovnat kartézské genetické programování, stromové genetické programování a jejich modifikace pomocí koevoluce. Byla použita vlastní implementace (bez využití knihoven), kde jednotlivé varianty spolu sdílí převážnou část kódu. Součástí práce je i ověření použitelnosti implementovaných přístupů při analýze reálných dat. Na základě experimentů bylo zjištěno, že všechny zkoumané přístupy jsou použitelné pro provádění symbolické regrese. Nejlepších výsledků ve zkoumaných oblastech (rychlost konvergence, kvalita nalezeného řešení) dosahovalo kartézské genetické programování s koevolucí.	cs
dc.description.abstract	This thesis deals with comparison of genetic programming variants it the task of symbolic regression. Time to converge and quality of evolved solutions are evaluated on nine chosen benchmarks. In particular, tree-based genetic programming, cartesian genetic programming and their modifications using coevolutionary algorithm are investigated. An own implementation of employed methods (without a specific library use) allows to share as much code as possible. Moreover, an analysis of implemented methods efficiency on real world data is provided. Experimental results show that all of the investigated approaches are capable of finding solutions using symbolic regression. Cartesian genetic programming enhanced with coevolution seems to be the most suitable of the investigated approaches in terms of evolved solution quality and time to converge.	en
dc.description.mark	B	cs
dc.identifier.citation	DOLEŽAL, P. Porovnání variant genetického programování v úloze symbolické regrese [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.	cs
dc.identifier.other	145206	cs
dc.identifier.uri	http://hdl.handle.net/11012/207338
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Symbolická regrese	cs
dc.subject	genetické programování	cs
dc.subject	kartézské genetické programování	cs
dc.subject	koevoluce	cs
dc.subject	Symbolic regression	en
dc.subject	genetic programming	en
dc.subject	cartesian genetic programming	en
dc.subject	coevolution.	en
dc.title	Porovnání variant genetického programování v úloze symbolické regrese	cs
dc.title.alternative	Comparison of Genetic Programming Variants in the Symbolic Regression Task	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2022-06-15	cs
dcterms.modified	2022-06-20-10:23:00	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	145206	en
sync.item.dbtype	ZP	en
sync.item.insts	2022.06.21 09:56:33	en
sync.item.modts	2022.06.21 08:18:04	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Porovnání variant genetického programování v úloze symbolické regrese

Files

Original bundle

Collections