Řešení optimalizačních úloh inspirované živými organismy

Abstract

S řešením optimalizačních problémů se setkáváme v každodenním životě, kdy se snažíme zadané úkony provést nejlepším možným způsobem. Ant Colony Optimization je algoritmus inspirovaný chováním mravenců při hledání potravy. Ant Colony Optimization se úspěšně používá na optimalizační úlohy, na které by nebylo možné klasické optimalizační metody použít. Genetický algoritmus je inspirován přenosem genetické informace při křížení. Stejně jako ACO algoritmus se používá pro řešení optimalizačních úloh. Výsledkem mé diplomové práce je vytvořený simulátor pro řešení zvolených optimalizačních úloh pomocí ACO algoritmu a GA a porovnání dosažených výsledků na implementovaných úlohách.

We meet with solving of optimization problems every day, when we try to do our tasks in the best way. An Ant Colony Optimization is an algorithm inspired by behavior of ants seeking a source of food. The Ant Colony Optimization is successfuly using on optimization tasks, on which is not possible to use a classical optimization methods. A Genetic Algorithm is inspired by transmision of a genetic information during crossover. The Genetic Algorithm is used for solving optimization tasks like the ACO algorithm. The result of my master's thesis is created simulator for solving choosen optimization tasks by the ACO algorithm and the Genetic Algorithm and a comparison of gained results on implemented tasks.