Detail projektu

Pokročilé metody nature-inspired optimalizačních algoritmů a HPC implementace pro řešení reálných aplikací

Období řešení: 01.06.2018 — 29.02.2020

Zdroje financování

Ministerstvo školství, mládeže a tělovýchovy ČR - INTER-EXCELLENCE - Podprogram INTER-COST

- částečně financující (2018-06-01 - 2020-02-29)

O projektu

Vědeckým cílem projektu je navrhnout pokročilé evoluční algoritmy (EA), které budou použitelné v současných komplexních inženýrských optimalizačních a návrhových úlohách. Dalším cílem je tyto algoritmy adaptovat pro různé cílové platformy, ať už pro výkonné GPU (Graphic Processing Unit) a superpočítače nebo naopak pro nízkopříkonové vestavěné systémy. Projekt je rozdělen do tří etap řešení, resp. do tří fází řešení - tzv. pracovních balíčků (WP1 - 3). V první fázi řešení budou navrhovány nové a hybridní evoluční algoritmy, včetně jejich formálního popisu. Ve druhé fázi budou realizovány implementace HPC (High Performance Computing) a vestavěných systémů s důrazem na definovano efektivitu (výpočetní výkon, škálovatelnost, energetickou náročnost algoritmu). V třetí fázi budou řešeny praktické aplikace, v projektu dále popsané jako případové studie. Tato závěrečná část bude dobře dokladovat efektivitu navržených řešení i praktickou užitečnost v kontextu definovaných reálných problémů. Integračním cílem projektu je významně prohloubit existující mezinárodní spolupráci, popř. navázat novou spolupráci výzkumných týmů VUT v Brně zabývajících se evolučními algoritmy s relevantními předními zahraničními pracovišti a realizovat s nimi výzkum vedoucí ke společným publikacím a novým vědeckým výsledkům. 

Popis anglicky
The scientific aim of the project is to design advanced evolutionary algorithms (EA) that are applicable in the up to date complex engineering optimizing and designing problems. Another objective is to adapt such algorithms for different user-defined platforms, e.g. for powerful GPU (Graphic Processing Unit) or, on the other hand, for low-power embedded systems. The project is divided into three solution phases called Work Packages (WP1-3). Within the first phase, new and hybrid evolutionary algorithms will be designed and evaluated. The implementations of HPC (High Performance Computing) and embedded systems will be realized in the second phase, where the pre-defined efficiency (computational performance, scalability, energy efficiency) will be emphasized. Within the third phase, the practical applications, referred to as the case studies consequently, will be elaborated. This final phase will prove the efficiency of the proposed algorithms and practical applicability w.r.t. the predefined real tasks. The integration objective of the project is to evolve the existing international co-operation and establish new collaboration of the research teams within BUT working on evolutionary algorithms with leading scientific institutions abroad. The aim is to present common publications containing new scientific results.

Klíčová slova
Nature-inspired optimalizace, evoluční algoritmy, výpočetní inteligence, klíčové základní technologie, mezinárodní spolupráce

Klíčová slova anglicky
Nature-inspired optimization, evolutionary algorithm; computational intelligence, key enabling technologies; international cooperation

Označení

LTC18053

Originální jazyk

čeština

Řešitelé

Útvary

Ústav automatizace a informatiky
- příjemce (19.10.2016 - 29.02.2020)
Ústav počítačových systémů
- spolupříjemce (19.10.2016 - 29.02.2020)

Výsledky

KŮDELA, J.; POPELA, P. Chance constrained optimal beam design: convex reformulation and probabilistic robust design. Kybernetika, 2018, vol. 54, no. 6, p. 1201-1217. ISSN: 0023-5954.
Detail

KLIMEŠ, L.; CHARVÁT, P.; OSTRÝ, M. An optimization study into thermally activated wall system with latent heat thermal energy storage. In Selected papers from the ASIM 2018 conference. IOP Conference Series: Earth and Environmental Science. IOP Publishing, 2019. p. 1-6. ISSN: 1755-1307.
Detail

GROCHOL, D.; SEKANINA, L. Fast Reconfigurable Hash Functions for Network Flow Hashing in FPGAs. In Proceedings of the 2018 NASA/ESA Conference on Adaptive Hardware and Systems. Edinburgh: Institute of Electrical and Electronics Engineers, 2018. p. 257-263. ISBN: 978-1-5386-7753-7.
Detail

MRÁZEK, V.; VAŠÍČEK, Z.; SEKANINA, L. Design of Quality-Configurable Approximate Multipliers Suitable for Dynamic Environment. In Proceedings of the 2018 NASA/ESA Conference on Adaptive Hardware and Systems. Edinburgh: Institute of Electrical and Electronics Engineers, 2018. p. 264-271. ISBN: 978-1-5386-7753-7.
Detail

SEKANINA, L.; MRÁZEK, V.; VAŠÍČEK, Z. Design Space Exploration for Approximate Implementations of Arithmetic Data Path Primitives. In 25th IEEE International Conference on Electronics Circuits and Systems (ICECS). Bordeaux: IEEE Circuits and Systems Society, 2018. p. 377-380. ISBN: 978-1-5386-9562-3.
Detail

Škrabánek P., Yildirim S. WECIA Graph: Visualization of Classification Performance Dependency on Grayscale Conversion Setting. Mendel Journal series, 2018, vol. 24, no. 2, p. 41-48. ISSN: 1803-3814.
Detail

MÁLEK, M.; ŠOMPLÁK, R.; POPELA, P.; KŮDELA, J. Stochastic Integer Waste Management Problem Solved by a Modified Progressive Hedging Algorithm. Mendel Journal series, 2018, vol. 24, no. 2, p. 17-22. ISSN: 1803-3814.
Detail

KOCNOVÁ, J.; VAŠÍČEK, Z. Towards a Scalable EA-based Optimization of Digital Circuits. In Genetic Programming 22nd European Conference, EuroGP 2019. Cham: Springer International Publishing, 2019. p. 81-97. ISBN: 978-3-030-16669-4.
Detail

KONČAL, O.; SEKANINA, L. Cartesian Genetic Programming as an Optimizer of Programs Evolved with Geometric Semantic Genetic Programming. In Genetic Programming 22nd European Conference, EuroGP 2019. Cham: Springer International Publishing, 2019. p. 98-113. ISBN: 978-3-030-16669-4.
Detail

KŮDELA, J.; ŠOMPLÁK, R.; NEVRLÝ, V.; LIPOVSKÝ, T.; SMEJKALOVÁ, V.; DOBROVSKÝ, L. Multi-objective strategic waste transfer station planning. Journal of Cleaner Production, 2019, vol. 230, no. 1 September, p. 1294-1304. ISSN: 0959-6526.
Detail

MATOUŠEK, R.; DOBROVSKÝ, L.; KŮDELA, J. The quadratic assignment problem: metaheuristic optimization using HC12 algorithm. In GECCO '19 Proceedings of the Genetic and Evolutionary Computation Conference Companion. New York, NY, USA: ACM, 2019. p. 153-154. ISBN: 978-1-4503-6748-6.
Detail

BIDLO, M. Evolution of Cellular Automata Development Using Various Representations. In GECCO '19 Proceedings of the Genetic and Evolutionary Computation Conference Companion. Praha: Association for Computing Machinery, 2019. p. 107-108. ISBN: 978-1-4503-6748-6.
Detail

KOCNOVÁ, J.; VAŠÍČEK, Z. Impact of subcircuit selection on the efficiency of CGP-based optimization of gate-level circuits. In GECCO '19 Proceedings of the Genetic and Evolutionary Computation Conference Companion. New York: Association for Computing Machinery, 2019. p. 377-378. ISBN: 978-1-4503-6748-6.
Detail

BIDLO, M.; KORGO, J. Ant Colony Optimisation for Performing Computational Task in Cellular Automata. Mendel Journal series, 2019, vol. 25, no. 1, p. 147-156. ISSN: 1803-3814.
Detail

BIDLO, M. Comparison of Evolutionary Development of Cellular Automata Using Various Representations. Mendel Journal series, 2019, vol. 2019, no. 1, p. 95-102. ISSN: 1803-3814.
Detail

KŮDELA, J.; ŠOMPLÁK, R.; NEVRLÝ, V. Strategic Multi-Stage Planning of Waste Processing Infrastructure. Chemical Engineering Transactions, 2019, vol. 76, no. 1, p. 1261-1266. ISSN: 2283-9216.
Detail

KLIMEŠ, L.; KOZUBÍK, L.; CHARVÁT, P. Computational design optimization of PCM-based attenuator of fluid temperature fluctuations. In Proceedings of ASME IMECE 2019. ASME, 2019. p. 1-8. ISBN: 978-0-7918-5945-2.
Detail

BADÁŇ, F.; SEKANINA, L. Optimizing Convolutional Neural Networks for Embedded Systems By Means of Neuroevolution. In Theory and Practice of Natural Computing. LNCS 11934. Cham: Springer International Publishing, 2019. p. 109-121. ISBN: 978-3-030-34499-3.
Detail

ANSARI, M.; MRÁZEK, V.; COCKBURN, B.; SEKANINA, L.; VAŠÍČEK, Z.; HAN, J. Improving the Accuracy and Hardware Efficiency of Neural Networks Using Approximate Multipliers. IEEE Trans. on VLSI Systems., 2020, vol. 28, no. 2, p. 317-328. ISSN: 1063-8210.
Detail

MATOUŠEK, R.; HŮLKA, T. Stabilization of Higher Periodic Orbits of the Chaotic Logistic and Henon Maps using Meta-evolutionary Approaches. In 2019 IEEE Congress on Evolutionary Computation, CEC 2019 - Proceedings. NEW YORK: IEEE, 2019. p. 1758-1765. ISBN: 978-1-7281-2153-6.
Detail

MATOUŠEK, R.; HŮLKA, T.; DOBROVSKÝ, L.; KŮDELA, J. Sum Epsilon-Tube Error Fitness Function Design for GP Symbolic Regression: Preliminary Study. In 2019 International Conference on Control, Artificial Intelligence, Robotics & Optimization (ICCAIRO). IEEE, 2020. p. 78-83. ISBN: 978-1-7281-3572-4.
Detail

KŮDELA, J. Minimum-Volume Covering Ellipsoids: Improving the Efficiency of the Wolfe-Atwood Algorithm for Large-Scale Instances by Pooling and Batching. Mendel Journal series, 2019, vol. 25, no. 2, p. 19-26. ISSN: 1803-3814.
Detail

KŮDELA, J.; POPELA, P. Pool & Discard Algorithm for Chance Constrained Optimization Problems. IEEE Access, 2020, vol. 8, no. 1, p. 79397-79407. ISSN: 2169-3536.
Detail

HŮLKA, T.; MATOUŠEK, R.; DOBROVSKÝ, L.; DOSOUDILOVÁ, M.; NOLLE, L. Optimization of Snake-like Robot Locomotion Using GA: Serpenoid Design. Mendel Journal series, 2020, vol. 26 (2020), no. 1, p. 1-6. ISSN: 1803-3814.
Detail

KLIMEŠ, L.; KESLER, R.; CHARVÁT, P. Metaheuristic design optimization of the air-pcm thermal storage unit for solar air systems. Chemical Engineering Transactions, 2020, vol. 81, no. 1, p. 205-210. ISSN: 2283-9216.
Detail

ŠKRABÁNEK, P.; MARTÍNKOVÁ, N. Algorithm 1017: fuzzyreg: An R Package for Fitting Fuzzy Regression Models. ACM TRANSACTIONS ON MATHEMATICAL SOFTWARE, 2021, vol. 47, no. 3, p. 1-18. ISSN: 0098-3500.
Detail

ŠKRABÁNEK, P.; MARTÍNKOVÁ, N. Tuning of grayscale computer vision systems. DISPLAYS, 2022, no. 74, p. 102286-102286. ISSN: 0141-9382.
Detail

ŠKRABÁNEK, P.; MARTÍNKOVÁ, N.: TGV; TGV methodology MATLAB implementation. https://www.sciencedirect.com/science/article/pii/S0141938222001044#mmc1. URL: https://www.sciencedirect.com/science/article/pii/S0141938222001044#mmc1. (software)
Detail

Odkaz