Moderní metody vývoje a modifikace evolučních technik

Abstract

Hlavním cílem této práce je ukázat, že je možné vylepšit výkonnost evolucních výpocetních technik pro spojitou optimalizaci s jednou výstupní velicinou využitím ruzných metod modifikace. Je ukázáno, že s využitím relativne jednoduchým modifikací je možné zlepšit výkonnost algoritmu Rojení cástic (Particle Swarm Optimization - PSO) jak pro umelé testovací funkce, tak pro reálné problémy. Nejdríve je vysvetlena duležitost optimalizace a základní principy evolucní optimalizace. Dále jsou predstaveny moderní trendy v návrhu modifikací evolucních výpocetních technik spolu s oblastmi využití. Vysvetleno je též zamerení práce na algoritmus Rojení cástic. Dále jsou v práci popsány základy tzv. ?Swarm Intelligence? ci inteligence hejna a významní zástupci této trídy evolucních technik. Algoritmus Rojení cástic použitý v této práci je popsán detailne. Popsány jsou také využité testovací funkce. Jelikož se významná cást tohoto výzkumu zabývá užitím generátoru pseudonáhodných císel založených na chaotických systémech, je teoretická cást uzavrena detailním popisem užitých chaotických systému vcetne rovnic a grafu. V experimentální cásti jsou prezentovány výsledky dlouhodobého výzkumu. Nejdríve je detailne popsán algoritmus PSO využívající chaos. Zpusob implementace chaotických sekvencí jako generátoru pseudo-náhodných císel je vysvetlen a výkonnost a chování PSO algoritmu s temito generátory je detailne prozkoumána. Dále je prezentován ladící experiment. První cást je uzavrena ukázkovou aplikací chaosem obohaceného PSO algoritmu na modelový prípad návrhu PID regulátoru. V další sekci je prezentován tzv. multi-chaotický prístup pro PSO. Jedná se o velmi slibnou metodu vyvinutou behem tohoto výzkumu. V tomto je prístupu je v rámci jednoho behu algoritmu využito více chaotických generátoru pseudonáhodných císel. Tímto zpusobem je možné vylepšit výkonnost algoritmu a upravit chování roje požadovaným zpusobem. Je uvedeno i využití tohoto prístupu pro jinou evolucní výpocetní techniku ? algoritmus Diferenciální evoluce. Behem výzkumu chaotického PSO byla detailne studována vnitrní dynamika algoritmu PSO. Jako reakce na získané poznatky bylo navrženo a otestováno nekolik modifikací algoritmu PSO. Jako první je popsána tzv. ?Multiple-choice? strategie pro PSO. V tomto návrhu je vytvoren heterogenní roj a jednotlivé role jsou rozdeleny náhodne. Jako druhý príklad úspešné modifikace PSO algoritmu je uveden nove navržený tzv. shromaždovací (Gathering) algoritmus. V tomto algoritmu je využit tzv. lavinový efekt ci efekt snehové koule ke zduraznení slibných regionu pomocí shromáždení množství cástic. Tímto prístupem je možné vyhnout se problémum typickým pro algoritmus využívající pevný bod pro atrakci cástic. Výkonnost všech popsaných algoritmu byla testována na typicky využívaných testovacích funkcích a výsledky jsou srovnány s obycejným PSO ci zástupci nejnovejších algoritmu Výsledky výzkumu byly prubežne publikovány a presentovány na mezinárodních konferencích a byly velmi dobre prijaty. Výsledky získané behem tohoto výzkumu umožnuji tvrdit, že výkonnost evolucních výpocetních metod muže být vylepšena využitím ruzných moderních metod, jako jsou napríklad chaotické sekvence ci modifikace vnitrních principu algoritmu.