Implementace a vizualizace algoritmu EDA

Abstract

Tato bakalářská práce se zabývá návrhem, implementací a vizualizací algoritmů estimace distribuce (Estimation of Distribution Algorithms, EDA), které představují jeden z přístupů k evoluční optima lizaci. EDA využívají modelováním pravděpodobnostního rozdělení nad množinou kvalitních řešení. Cílem práce je navrhnout obecný základ pro tyto algoritmy, který umožní snadné rozšiřování o další varianty, a zároveň vytvořit nástroje pro vizualizaci jejich chování během procesu optimalizace. V rámci řešení byla nejprve vytvořena obecná kostra EDA algoritmu, ze které vycházejí tři konkrétní implementace: algoritmus založený na Bayesových sítích (BOA), algoritmus využívající Gaussovu a Studentovu kopulovou funkci a hybridní přístup mezi EMNA a CMA-ES. Pro každou z těchto variant byl implementován samostatný modul, který vychází z jednotného rozhraní, což zajišťuje přehlednost a možnost budoucího rozšiřování. Navržený systém byl otestován na sadě standardizovaných benchmarkových funkcí z balíku CEC 2014, které slouží k hodnocení schopnosti algoritmů řešit komplexní optimalizační úlohy. Výsledky testování poskytují zpětnou vazbu o účinnosti přístupu a využití implementace. Vizualizační výstupy pak napomáhají k hlubšímu porozumění dynamice a vývoji řešení v průběhu optimalizace.

This bachelor’s thesis focuses on the design, implementation, and visualization of Estimation of Distribution Algorithms (EDA), which represent a specific approach to evolutionary optimization. EDA operate by modeling a probability distribution over a set of high-quality solutions. The goal of this work is to design a general framework for such algorithms that allows easy extension with additional variants, and to develop tools for visualizing their behavior during the optimization process. As part of the solution, a generic EDA framework was first developed, from which three specific implementations were derived: an algorithm based on Bayesian networks (BOA), an algorithm using Gaussian and Student’s copula functions, and a hybrid approach combining EMNA and CMA-ES. Each variant was implemented as a standalone module following a unified interface, ensuring clarity and future extensibility. The proposed system was tested on a set of standardized benchmark functions from the CEC 2014 suite, which serve to evaluate the ability of algorithms to solve complex optimization problems. The test results provide feedback on the effectiveness of the approach and the usefulness of the implementation. The visualization outputs contribute to a deeper understanding of the dynamics and progression of solutions during the optimization process.