doc. Ing. Jan Roupec, Ph.D.
E-mail:   roupec@fme.vutbr.cz  Osobní stránka:   http://www.zam.fme.vutbr.cz/~jroupec/ Pracoviště:   Děkanát Oddělení ICT Zařazení:   Technický pracovník Místnost:   A4/702

Aktuálně garantované předměty:

• Automatizace energetických systémů (VAS)
• Automatizace energetických systémů (VAS-K)
• Heuristika v logistických problémech (SHE-A)
• Jazyky C a C++ (VCJ-A)
• Počítačové sítě a IoT (VPN-K)

Vybrané publikace:

• POPELA, P.; HRABEC, D.; KŮDELA, J.; ŠOMPLÁK, R.; PAVLAS, M.; ROUPEC, J.; NOVOTNÝ, J.:
  Waste processing facility location problem by stochastic programming: Models and solutions,
  Advances in Intelligent Systems and Computing, pp.167-179, ISBN 9783319978871, (2018), Springer Nature
  článek ve sborníku ve WoS nebo Scopus
  akce: MENDEL 2017: 23rd International Conference on Soft Computing, Brno, 20.06.2017-22.06.2017
• HRABEC, D.; POPELA, P.; ROUPEC, J.:
  WS Network Design Problem with Nonlinear Pricing Solved by Hybrid Algorithm,
  Parallel Problem Solving from Nature – PPSN XIV, pp.655-664, ISBN 978-3-319-45823-6, (2016), Springer International Publishing
  článek ve sborníku ve WoS nebo Scopus
  akce: 14th International Conference on Parallel Problem Solving from Nature, Edinburg, 17.09.2016-21.09.2016
• HRABEC, D.; POPELA, P.; ROUPEC, J.; JINDRA, P.; NOVOTNÝ, J.:
  Hybrid Algorithm for Wait-and-See Transportation Network Design Problem with Linear Pricing,
  21st International Conference of Soft Computing, MENDEL 2015, pp.183-188, ISBN 978-3-319-19823-1, (2015), VUT
  článek v časopise ve Scopus, Jsc
  akce: 21st International Conference on Soft Computing — MENDEL 2015, Brno University of Technology, 23.06.2015-25.06.2015
• HRABEC, D.; POPELA, P.; ROUPEC, J.; MAZAL, J.; STODOLA, P.:
  Two-Stage Stochastic Programming for Transportation Network Design Problem,
  Mendel 2015: Recent Advances in Soft Computing, pp.17-25, ISBN 978-3-319-19824-8, (2015)
  článek ve sborníku ve WoS nebo Scopus
  akce: 21st International Conference on Soft Computing — MENDEL 2015, Brno University of Technology, 23.06.2015-25.06.2015
• POPELA, P.; NOVOTNÝ, J.; ROUPEC, J.; HRABEC, D.; OLSTAD, A.:
  Two-Stage Stochastic Programming for Engineering Problems,
  Engineering Mechanics, Vol.21, (2014), No.5, pp.335-353, ISSN 1802-1484
  článek v časopise - ostatní, Jost
• HRABEC, D.; POPELA, P.; ROUPEC, J.; JINDRA, P.; HAUGEN, K.; NOVOTNÝ, J.; OLSTAD, A.:
  Hybrid Algorithm for Wait-and-see Network Design Problem,
  20th International Conference of Soft Computing, MENDEL 2014, pp.97-104, ISBN 978-80-214-4984-8, (2014)
  článek v časopise ve Scopus, Jsc
  akce: 20th International Conference on Soft Computing, MENDEL 2014, Brno University of Technology, 25.06.2014-27.06.2014
• ŠEDA, M.; ROUPEC, J.; ŠEDOVÁ, J.:
  Transportation Problem and Related Tasks with Application in Agriculture,
  International Journal of Applied Mathematics and Informatics, Vol.8, (2014), No.1, pp.26-33, ISSN 2074-1278
  článek v časopise - ostatní, Jost
• ROUPEC, J.; POPELA, P.; HRABEC, D.; NOVOTNÝ, J.; HAUGEN, K.; OLSTAD, A.:
  Hybrid Algorithm for Network Design Problem with Uncertain Demands,
  Lecture Notes in Engineering and Computer Science WCECS 2013, pp.554-559, ISBN 978-988-19252-3-7, (2013)
  článek ve sborníku ve WoS nebo Scopus
  akce: World Congress on Engineering and Computer Science 2013, San Francisco, 23.10.2013-25.10.2013

Seznam publikací na portálu VUT

Anotace nejvýznamnějších prací:

• ROUPEC, J.; POPELA, P.:
  The Nested Genetic Agorithms for Distributed Optimization Problems,
  Proceedings of The World Congress on Engineering and Computer Science 2011, pp.480-484, ISBN 978-988-18210-9-6, (2011)
  článek ve sborníku ve WoS nebo Scopus
  akce: World Congress on Engineering and Computer Science, San Francisco, 19.10.2011-21.10.2011
  V první části jsou shrnuty základní principy distribuované modelování v oblasti optimalizace a je předložen úvod do formálního rámce založeného na konceptu distribuovaného optimalizačního programu. Tento rámec je obecný a může být využit pro různé druhy rozhodovacích problémů. Koncept DOP (distribuované optimalizační programy) je představen jako souhrn syntaktických entit obsahující vybrané optimalizační prvky a pravidla jejich kompozice. Mohou popisovat základní i pokročilé matematické programování (např. dynamické, stochastické, vícestupňové a hierarchického), a také modely teorie her. Z těchto stavebních prvků lze vytvářet složitější modely následně je upravovat dle syntaktických pravidel. Ačkoliv je tento popis navržen hlavně pro manipulaci s programovými strukturami, může být definována i sémantika pro vybrané DOP. Další výzvou je hledat řešení v množinách přípustných řešení jednotlivých optimalizačních prvků DOP. K tomuto účelu byly použity genetické algoritmy, které si zde mohou různými způsoby vyměňovat informace o řešeních hledaných v různých populacích různých prvků. Základní inspirace pochází z dekompozičních technik používaných pro manipulace se scénáři ve vícestupňovém programování; v našem případě používáme pojem "vhnízděné genetické algoritmy". Jsou uvedeny výsledky výpočtů a popis implementace pro specifické min-max problémy, které byly vybrány pro ověření v článku uvedených myšlenek.
• ROUPEC, J.:
  Advanced Genetic Algorithms for Engineering Design Problems,
  Engineering Mechanics, Vol.17, (2011), No.5/6, pp.407-417, ISSN 1802-1484
  článek v časopise - ostatní, Jost
  Analogie přírodní evoluce a návrhu technických objektů začala před více než 50 lety. Genetický algoritmus je pokládán za stochastickou heuristickou (nebo metaheuristickou) optimalizační metodu. Nejlepší využití genetických algoritmů lze nalézt v oblasti řešení vícerozměrných optimalizačních úloh, jejichž analutické řešení není známé (nebo je extrémně složité) a není ani známa odpovídající efektivní numerická metoda. Genetické algoritmy jsou inspirovány adaptivními evolučními mechanismy živých organismů, ale nekopírují přesně přírodní procesy.Článek popisuje hlavní pojmy, principy a originální implementační detaily genetických algoritmů. Hlavním smyslem článku je pomoci čtenářům navrhnouit a použít vhodný typ genetického algoritmu v oblasti návrhu technických objektů.
• ŠANDERA, Č.; POPELA, P.; ROUPEC, J.:
  The Worst Case Analysis by Heuristic Algorithms,
  Mendel 2009, pp.109-114, ISBN 978-80-214-3884-2, (2009)
  článek ve sborníku ve WoS nebo Scopus
  akce: MENDEL 2009 - 15th International Conference on Soft Computing, Brno University of Technology, 24.06.2009-26.06.2009
  Článek je zaměřen na nalezení extrémních množin scénářů v úlohách stochastického programování. Navržen k tomu byl speciální genetický algoritmus.
• ROUPEC, J.; POPELA, P.:
  Genetic Algorithms for Scenario Generation in Stochastic Programming: Motivation and General Framework,
  Lecture Notes in Electrical Engineering, book series: Advances in Computational Algorithms and Data Analysis, Vol. 14 Ao, S.L., Rieger, B., Chen, S.S. (Eds.)., pp.527-536, ISBN 978-1-4020-8918-3, (2008), Springer
  kapitola v knize
  Modely stochastického programování se osvědčily pro různé aplikační problémy. Algoritmy pro uvedené modely vyžadují řešení rozsáhlých úloh lineárního a nelineárního programování, protože deterministické přepisy původních úloh stochastického programování jsou založeny na empirických a výběrových diskrétních rozděleních pravděpodobnosti tzv. množinách scénářů. Množiny scénářů jsou často rozsáhlé, ale přepsané programy musí být řešeny. Proto jsou žádány vhodné generátory pro množiny scénářů. Používají se proto redukované množiny scénářů získané z původní množiny. Byly odvozeny intervaly spolehlivosti pro optimální hodnotu účelové funkce a úspěšně jsou používány. Ukazuje se také jako důležité zabývat se technikami cíleného nejen náhodného generování množin scénářů a zkoumat extrémní případy těchto množin. Klasické deterministické maxmin a minmin přístupy jsou významně limitovány velikostí množin scénářů. Text uvádí obecný rámec pro generování a modifikace vhodných množin scénářů pomocí genetických algoritmů. Jsou uvedeny příklady hledání absolutních dolních a horních mezí pomocí GA a další zlepšení jsou diskutována. Navržený algoritmus je implementován v C++ a v GAMSu a testován na reálných aplikačních datech.
• POPELA, P., ROUPEC, J., OŠMERA, P., MATOUŠEK, R.:
  The Formal Stochastic Framework for Comparison of Genetic Algorithms,
  The 2002 IEEE World Congress on Computational Intelligence, pp.576-581, ISBN 0-7803-7281-6, (2002), IEEE
  článek ve sborníku ve WoS nebo Scopus
  akce: The 2002 IEEE World Congress on Computational Intelligence, Honolulu, Hawaii, 12.05.2002-17.05.2002
  Cílem článku je diskutovat srovnání GA. Iterace jsou chápány jako realizace náhodných prvků a jsou zavedeny v obecném formálním tvaru. Tento přístup pak umožňuje použití statistických metod pro jejich srovnání.