Adaptivní algoritmus PSO s hodnocením výkonnosti částic

Hep, František

Adaptivní algoritmus PSO s hodnocením výkonnosti částic

DSpace Repository

Language: English čeština

Adaptivní algoritmus PSO s hodnocením výkonnosti částic

dc.contributor.advisor	Pluháček, Michal
dc.contributor.author	Hep, František
dc.date.accessioned	2024-05-17T05:26:56Z
dc.date.available	2024-05-17T05:26:56Z
dc.date.issued	2023-11-05
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/54658
dc.description.abstract	V této diplomové práci se věnujeme rojovému metaheuristickému algoritmu PSO, který je využíván k řešení složitých optimalizačních problémů. Navrhujeme metody měření výkonnosti částic a různými způsoby upravujeme chování nevýkonných částic za účelem zvýšení efektivity algoritmu. Varianty algoritmu testujeme na testovací sadě CEC 2017 ve všech dimenzích, které tato sada podporuje. Nejefektivnější z vytvořených variant porovnáváme se zástupci moderních algoritmů. Výsledky provedených měření ukazují, že některé vytvořené varianty dosahují lepších výsledků než standardní verze algoritmu. Zlepšení je nejvýraznější v deseti dimenzích a postupně se se zvyšováním dimenzionality snižuje. Ve srovnání s nejlepšími zástupci moderních metod jsou však vytvořené varianty stále pozadu.
dc.format	77
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	PSO	cs
dc.subject	optimalizace rojem částic	cs
dc.subject	měření výkonnosti částic	cs
dc.subject	adaptivní úpravy algoritmu PSO	cs
dc.subject	PSO	en
dc.subject	particle swarm optimization	en
dc.subject	measuring particle performance	en
dc.subject	adaptive adjustments of PSO algorithm	en
dc.title	Adaptivní algoritmus PSO s hodnocením výkonnosti částic
dc.title.alternative	Adaptive PSO Algorithm with Particle Performance Evaluation
dc.type	diplomová práce	cs
dc.contributor.referee	Kůdela, Jakub
dc.description.abstract-translated	In this thesis, we study the swarm metaheuristic algorithm PSO, which is used to solve complex optimization problems. We propose methods to measure the performance of particles and modify the behavior of non-performing particles in various ways to improve the efficiency of the algorithm. We test variants of the algorithm on the CEC 2017 test suite in all dimensions supported by this suite. We compare the most efficient of the generated variants with representatives of modern algorithms. The results of the measurements show that some of the created variants achieve better results than the standard version of the algorithm. The improvement is most significant in ten dimensions and gradually decreases with increasing dimensionality. However, compared to the best representatives of modern methods, the created variants are still lagging behind.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Softwarové inženýrství	cs
dc.thesis.degree-discipline	Software Engineering	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Informační technologie	cs
dc.thesis.degree-program	Information Technologies	en
dc.identifier.stag	66638
dc.date.submitted	2024-05-13