Zadání LS 2023/2024
 | Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít ~~~~ (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním. |
| Prosíme, snažte se formulovat Vaše zadání pečlive. S ohledem na to, že jde o Vaši semestrální práci, očekáváme adekvátní úsilí vynaložené na zadání. Nezapomeňte, že hlavním výsledkem má být výzkumná zpráva, což znamená, že Váš simulační model musí generovat takové výsledky, které jsou konkrétní, měřitelné a ověřitelné. Pečlivě promyslete, jakým způsobem budete vyvíjet Váš model, odvoďte entity, které budete používat, nakreslete si diagram modelu, zvažte, co budete měřit. Teprve pokud máte o modelu dostatečně přesnou představu, vložte Vaše zadání. A samozřejmě, nezapomeňte si prosím přečíst Jak na simulace. |
| Témata na téma hazardních her, karet, vývoje cen akcií/indexů nejsou vítány. Rovněž varianty úlohy "Predator & Prey" a příkladů ze cvičení vám budou rozmluveny. |
 | Abychom se vyhnuli případnému budoucímu nedorozumnění, prosíme, ověřte si, že máte tučné schváleno někde v našem komentáři pod Vaším zadání. Pokud tam není schváleno, znamená to, že Vaše zadání dosud schváleno nebylo. |
| Criteria for evaluation of the simulation proposal The proposal must contain:
If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).
If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time. |
Contents
Simulácia evolúcie neurónovej siete, ktorej cieľom je naučiť sa hrať klasickú hru Snake
Popis
Práca bude simulovať evolúciu agentov, ktorí sa budú snažiť naučiť hrať klasickú hru Snake. Každý agent bude predstavovaný neurálnou sieťou, ktorá na základe aktuálneho stavu hry rozhodne ako ďalej pokračovať. Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov.
Prostredie
Pre simuláciu evolúcie bude potrebné simulovať viacero generácií E a v každej generácii bude populácia agentov o veľkosti N. Každý agent bude hrať samostatnú inštanciu hry Snake. Po odohraní hier agentov v danej generácii sa vypočíta fitness (skóre) najlepšieho agenta. Podľa fitness sa vyberú jedinci pre ďalšiu generáciu (podľa miery elitizmu e). Ďalej sa generácia doplní novo vytvorenými agentami (potomkami), ktorí vzniknú krížením dvoch náhodne vybratých agentov. Potomkovia budú ešte zmutovaný podľa miery mutácie m. Ďalej bude pokračovať ďalšia novo vytvorená generácia.
Agenti
Každý agent bude pozostávať z neurónovej siete. Agent bude "vidieť" do ômych smerov (hore, dole, vľavo, vpravo, vpravo-hore, vpravo-dole, vľavo-dole, vľavo-hore) od hlavy hada. Pre každý smer uvidí vzdialenosť k stene, vzdialenosť k jablku (ak ho v daný smer vidí) a vzdialenosť ku svojemu chvostu (ak ho v daný smer vidí). Čiže na vstupnej vrstve bude mať 24 neurónov (8 smerov x 3 indikátory) + 4 neuróny predstavujúce smer do ktorého ide hlava hada. Celkovo 28 neurónov. Počet skrytých vrstiev a neurónov v nich môže byť cieľom skúmania práce. Váhy väzieb medzi neurónami budú z počiatku náhodné z uniformného rozdelenia, následne budú menené mutáciami agentov. Na výstupe neurónovej siete bude smer akým sa má had ďalej uberať, čiže 4 neuróny pre Hore, Dole, Vľavo, Vpravo.
Cieľ
Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov. S evolučným algoritmom mám skúsenosti - riešil som ním 3SAT problém a preto viem že výpočty môžu zabrať značnú dobu. Preto by som určil niektoré parametre, ktoré budú pevné a niektoré, ktoré budú cieľom skúmania. Tu mám 3 možnosti, ktoré by ma zaujímali. V každom prípade bude pevný parameter N (počet jedincov v populácii) a E počet generácií. Prvá možnosť by malá pevný počet skrytých vrstiev agentov s pevným počtom neurónov v nich a menila by sa miera mutácie a miera elitizmu. Druhá možnosť je podobná prvej, no počet skrytých vrstiev a neurónov v nich by sa s mutáciami agentov mohol meniť (čo je vlastne len zťaženie možnosti 1, ale asi sa to viac podobá skutočnej evolúcii). Tretia možnosť je, že miera mutácie a elitizmus budú pevné parametre a manuálne sa bude meniť počet vrstiev a neurónov (čo teraz ako to píšem sa mi úplne nezdá - malo by to hrozne veľa možností a ani sa to tak veľmi nepodobá evolúcii). V každom prípade budem porovnávať výsledky, ktoré agenti dosiahli za E generacií (najlepšie skóre, priemerné skóre, smerodajnú odchylku).
(Môj osobný cieľ bude, aby agent dosiahol aspoň 10 bodov a pritom, aby bolo vidno, že to nebola náhoda :D )
Nástroje
Python s knižnicou numpy pre prácu s maticami váh, knižnicou matplotlib pre grafické znázornenie výsledkov populácií a knižnicou tkinter pre zobrazenie hier (zobrazenie je to najmenej podstatné a pritom to najlepšie :D).
Autor
Stem45 (talk) 10:18, 1 May 2024 (CET)
Simulace přestupu na stanici metra Můstek
Popis
Simulovat chci přestup z linky A na linku B a naopak. Jelikož se jedná o jednu z nejvytíženějších stanic metra v Praze zaměřím se na dobu, ve které je stanice nejvíce zatížená. Zkoumat se budou oba směry příjezdu. Simulace nebude uvažovat cestující kteří chtějí z metra vystoupit.
Cíl
Výsledkem simulace by mělo být nalezení optimální cesty pro přechod z linky A na linku B a naopak. Optimální cesta bude zahrnovat i výstup z vagonu, tedy bude záležet ze kterého vagonu agent vystoupí. Optimálnost cesty se bude měřit podle:
1. Uražené vzdálenosti
2. Průměrném času
Užitečnost
Tato simulace poskytne jednoduchou a přímočarou odpověď do kterého vagonu nasednout a kterou cestou se vydat chceme-li co nejrychleji přestoupit na linku B či A a stihli tak navazující spoj.
Metoda a způsob simulace
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.
Proměnné
• Příjezd metra
• Počet pasažérů
• Rychlost cestujícího
• Zvolena trasa přestupu
Náhodné proměnné
Vše až na “Příjezd metra”. Zbytek bude náhodně z intervalu získaného z dat nebo náhodným výběrem z několika možností.
Použita data pro nastavení simulace
Oficiální data od DPP o metru z roku 2015: https://data.pid.cz/pruzkumy/2015_METRO_sbornik.pdf
Bled09 (talk) 16:25, 1 May 2024 (CET)
Simulace boardingu pasažéru do letadla
Popis
Tato práce bude podrobně zkoumat proces nástupu cestujících do letadla a srovnávat účinnost různých metod, které se při tomto procesu používají. Bude se zabývat simulací samotného boardingu, abychom lépe porozuměli, jak různé strategie ovlivňují průběh nástupu a celkový čas potřebný k dokončení této fáze cesty.
Cíl
Cílem simulace je identifikovat nejefektivnější způsob nástupu cestujících s ohledem na minimalizaci celkové doby nástupu a maximalizaci spokojenosti cestujících. Simulace bude modelovat různé metody boardingu, jako je zónový boarding, skupinový boarding a nástup podle sedadel, a analyzovat jejich vliv na celkový čas nástupu a další relevantní faktory.
Užitečnost
Výsledky simulace poskytnou užitečné poznatky pro optimalizaci procesu boardingu letadla a zlepšení cestovního zážitku cestujících.
Metoda a způsob simulace
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.
Proměnné
• Metoda boardingu
• Rozložení letadla a jeho velikost
• Časový rozvrh
• Strategie priority boardingu
Náhodné proměnné
• Chování cestujících - rychlost
• Náhodné rozložení cestujících v jednotlivých zónách
• Náhodné změny v chování cestujících
• Náhodné události
Použita data pro nastavení simulace
Vzniklá studie od Jason H. Steffen: https://www.sciencedirect.com/science/article/abs/pii/S0969699708000239
Arťom Ňorba (talk) 09:16, 2 May 2024 (CET)
Simulace invazivních rostlin v Evropě
Popis
Simulace invazivních rostlin v Evropě se zaměří na modelování šíření a dopadů invazivních rostlin původem v Evropě na místní ekosystémy. Cílem je porozumět, jak se tyto rostliny šíří, jaký mají vliv na biodiverzitu a jakým způsobem je možné omezit jejich šíření. Invazivní rostliny se rychle šíří, a zamezují výskyt a prosperitu domácích rostlin.
Cíl
Cílem simulace je zkoumat chování invazivních rostlin v evropě a určit míru důležitosti - váhu - jednotlivých faktorů ovlivňující jejich šíření.
Užitečnost
Simulace na základě vyzkoumaných faktorů umožní utvářet podklady pro efektivní rozhodování v rámci managementu ochrany životního prostředí a zemědělství.
Metoda a způsob simulace
Simulace bude vytvořena jako agentní model, kde budou agenti rostliny - domácí či invazivní. Nástroj pro simulaci bude NetLogo.
Proměnné
• Druh rostliny (invazivní / domácí)
• Rychlost šíření
• Kapacita konkurence s domácími druhy rostlin
Náhodné proměnné
• Přírodní podmínky (srážky, teplota)
• Výskyt domácích druhů
• Události (požár, zemědělství, sucho)
Použitá data pro nastavení simulace
• Mnohé studie indikující chování invazivních rostlin
Kovs04 (talk) 23:47, 2 May 2024 (CET)
Simulace plastového znečištění oceánů
Popis
Simulace se zaměřuje na aktuální problém znečištění oceánů plastem. Oceány se neustále znečišťují, ale je i vynaložené úsilí toto znečištění mitigovat. Tato simulace reflektuje oba aspekty problematiky. Simulace ukáže vzájemnou interakci lodí co oceány znečišťují, případně pozemního působení na oceány v rámci znečištění, a úsilí tyto oceány čistit pomocí čistících robotů-lodí.
Cíl
Cílem simulace je zkoumat faktory ovlivňující šíření plastového znečištění v oceánech, identifikovat oblasti s vysokým rizikem znečištění a navrhnout efektivní opatření pro jeho omezení.
Užitečnost
Výsledky této simulace mohou bý užitečné jak pro laiky, kterým přehledně vizualizuje akutní problematiku z hlediska znečištění oceánů, tak pro experty, kteří na základě výsledků mohou sledovat trendy znečištění na základě zkoumaných faktorů - zda je možné nalézt řešení, které vyústí v rychlejší odbyt plastu v oceánech, než jeho přísun. Též je vhodné identifikovat faktory, které nejvíce přispívají znečištění.
Metoda a způsob simulace
Simulace bude modelována jakožto agentní simulace pomocí nástroje NetLogo. Mezi agenty lze řadit lodě (produkující plasty / uklízející plasty) a samotné plastové částice. (Autor uvažuje i o přidání pevninského faktoru - lidí).
Proměnné
• Množství vypouštěného plastu
• Rychlost oceánských proudů
• Geografická lokalizace vypouštění plastu
Náhodné proměnné
• Události (katastrofy, dobrovolnické akce pro sběr plastu)
• Počasí (povětrnostní podmínky)
• Lidská činnost (změna legislativy, spotřeba plastových výrobků)
Použitá data pro nastavení simulace
• https://powerknot.com/2023/02/20/how-ships-are-fueling-the-global-plastic-pollution-crisis/
• https://www.earthdata.nasa.gov/learn/articles/ocean-plastic
• https://www.geographyrealm.com/how-ocean-currents-move-pollution-around-the-world/
