Úloha obchodního cestujícího
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Cílem této bakalářské práce je navrhnout prostředí testující problém obchodního cestujícího a porovnat efektivitu jednotlivých přístupů k řešení. V první části jsou diskutovány možnosti genetických algoritmů v závislosti na nastavení křížení, mutací a velikosti populace. V druhé části jsou na stejný problém použity dva druhy neuronových sítí. Za zástupce samoučící varianty byla zvolena Kohonenova neuronová síť. Hopfieldova neuronová síť reprezentuje metodu minimalizace energetické funkce s pevným nastavením koeficientů. U obou neuronových sítí byly popsány možné výhody a nevýhody aplikace. V závěru byly všechny zjištěné poznatky interpretovány ve společném kontextu.
The aim of this bachelor's thesis is to design a testing environment for the traveling salesman problem and compare the effectiveness of different approaches to the solution. The first part discussed the possibility of genetic algorithms, depending on the setting of a crossover, mutations and population size. In the second part, there is the same problem using two types of neural networks. The representative of the self-learning net was chosen Kohonen neural network. Hopfield neural network represents a method of minimizing the energy function with fixed coefficients. At both neural networks, there were described possible advantages and disadvantages. In the end, all the findings were interpreted in a global context.
The aim of this bachelor's thesis is to design a testing environment for the traveling salesman problem and compare the effectiveness of different approaches to the solution. The first part discussed the possibility of genetic algorithms, depending on the setting of a crossover, mutations and population size. In the second part, there is the same problem using two types of neural networks. The representative of the self-learning net was chosen Kohonen neural network. Hopfield neural network represents a method of minimizing the energy function with fixed coefficients. At both neural networks, there were described possible advantages and disadvantages. In the end, all the findings were interpreted in a global context.
Description
Keywords
úplný graf, Hamiltonovská kružnice, problém obchodního cestujícího, NP-úplný problém, Darwinova evoluční teorie, genetický drift, genetické algoritmy, mutace, křížení, fitness funkce, neuronové sítě, Kohonenova neuronová síť, Hopfieldova neuronová síť, Lyapunova funkce, entire graph, Hamiltonian cycle, travelling salesman problem, NP-complete problem, Darwin evolution theory, genetic drift, genetic algorithms, mutation, crossover, fitness function, neural network, Kohonen neural network, Hopfield neural network, Lyapunov function
Citation
KOLÁŘ, A. Úloha obchodního cestujícího [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2011.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. František Zbořil, CSc. (předseda)
doc. Ing. Vladimír Drábek, CSc. (místopředseda)
doc. Ing. Radek Burget, Ph.D. (člen)
Ing. Radek Kočí, Ph.D. (člen)
Dr. Ing. Petr Peringer (člen)
Date of acceptance
2011-06-15
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " A ". Otázky u obhajoby:
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení