Aplikace mravenčích algoritmů v rozsáhlých úlohách TSP
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
V súčasnej dobe je v rade aplikácií kladený dôraz na nájdenie optimálneho riešenia určitého problému. Pre niektoré úlohy je však typické, že sa ich náročnosť stupňuje exponenciálne v závislosti na veľkosti inštancie. Typickým príkladom takéhoto problému je obchodný cestujúci (angl. Traveling Salesman Problem - TSP). Jednou triedou metód, ktoré sa ukázali byť v riešení TSP veľmi nápomocné, sú mravčie algoritmy. Narazili však na svoj limit - vysoký počet miest v inštancii, kedy sa už stali kvôli časovej a pamäťovej náročnosti takmer nepoužiteľné. Cieľom tejto práce je modifikovať mravčí algoritmus a vytvoriť tak systém schopný rýchlo a efektívne riešiť rozsiahle úlohy TSP bez výraznej straty na kvalite nájdeného riešenia. Optimalizácie budú zamerané na redukciu priestorovej zložitosti a celkovému zníženiu výpočtového času.
Currently, many applications place emphasis on finding the optimal solution to a particular problem. However, it is typical for some tasks that their complexity increases exponentially depending on the size of the instance. A typical example of such a problem is the Traveling Salesman Problem (TSP). One class of methods that have proven to be very helpful in solving TSPs are ant algorithms. Nonetheless, they reached their limit - a high number of cities in the instance and became almost unusable due to time and memory requirements. This bachelor thesis aims to modify the ant algorithm and create a system capable of quickly and efficiently solve large-scale TSPs without significant loss in the quality of the solution found. Optimization will focus on reducing memory complexity and total execution time.
Currently, many applications place emphasis on finding the optimal solution to a particular problem. However, it is typical for some tasks that their complexity increases exponentially depending on the size of the instance. A typical example of such a problem is the Traveling Salesman Problem (TSP). One class of methods that have proven to be very helpful in solving TSPs are ant algorithms. Nonetheless, they reached their limit - a high number of cities in the instance and became almost unusable due to time and memory requirements. This bachelor thesis aims to modify the ant algorithm and create a system capable of quickly and efficiently solve large-scale TSPs without significant loss in the quality of the solution found. Optimization will focus on reducing memory complexity and total execution time.
Description
Citation
RAMOSOVÁ, P. Aplikace mravenčích algoritmů v rozsáhlých úlohách TSP [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Informační technologie
Comittee
doc. Ing. Jan Kořenek, Ph.D. (předseda)
prof. Ing. Martin Drahanský, Ph.D. (místopředseda)
Ing. František Grézl, Ph.D. (člen)
Ing. Martin Hrubý, Ph.D. (člen)
Ing. Libor Polčák, Ph.D. (člen)
Date of acceptance
2020-07-08
Defence
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Můžete nějak kvantifikovat přínos jednotlivých technik (principiální úpravy algoritmu, paralelizace, vektorizace) na rychlost optimalizace? Na jakém systému byly řešeny jednotlivé úlohu? Úloha 5 byla měřena na Barboře, ty ostatní? Předpokládejme, že časová složitost MMAS roste lineárně s počtem mravenců. Proč tomu tak dle tabulky 5.6 není? Devatenáctinásobný nárůst počtu mravenců vede pouze na čtyřnásobné prodloužení výpočetního času. Bylo by možné převést celý výpočet do datového typu float namísto double? Prováděla jste nějaké důkladnější profilování aplikace, či měření výkonnosti dílčích částí? V makefile jsem objevil parametr -mmic, který implikuje kompilaci pro akcelerátor Intel XeonPhi. Použila jste tuto kartu ve své práci? Jaké je porovnání konvenčního řešení s implementovaným algoritmem? Jaký byl hlavní cíl využití vektorových instrukcí? Jakým způsobem byly měřeny délky iterací? Jakým způsobem defininujete přesnost dosahovaného řešení?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení