AbstractsComputer Science

Tato práce se zabývá možností paralelizace Genetického Algoritmu a jeho ná-sledné evaluace pomocí testovacích účelových funkcí. První část je teoretická a shrnuje základní poznatky z oblasti Genetických Algoritmů, paralelních archi-tektur, paralelních výpočtů a optimalizace. A dále je tato část doplněna o mož-nosti paralelizace Genetického Algoritmu. V následující praktické části je rozebrán algoritmus paralelního Genetického Algoritmu, jenž je použitý při experimentu a také je diskutována struktura a účel zvoleného experimentu. Následně jsou diskutovány výsledky získané z běhu experimentu na Eridani Clusteru z pohledu zrychlení výpočtu, kvality nalezeného řešení a závislosti kvality řešení na migračním schématu.; This thesis deals with Genetic Algorithm parallelization and its evaluation. The theoretical part of the thesis describes the basics of Genetic Algorithms, parallel architectures, parallel computing and optimization, followed by the description of possibility to parallelize Genetic Algorithm. In practical part, the implementation of parallel Genetic Algorithm is discussed as well as design of experiment for the best evaluation by means of testing fitness functions. Subsequently the results obtained from the experiment on Eridani Cluster are evaluated in terms of speed up, the quality of solution and dependency on migration scheme used.