prof. RNDr. Ing. Miloš Šeda, Ph.D.
E-mail:   seda@fme.vutbr.cz  Osobní stránka:   http://www.uai.fme.vutbr.cz/~mseda/ Pracoviště:   Ústav automatizace a informatiky odbor aplikované informatiky Zařazení:   Profesor Místnost:   A1/0640

Aktuálně garantované předměty:

• Automatizace (6AA)
• Automatizace (6AA-A)
• Automatizace (6AA-A)
• Grafové algoritmy (9GRA)
• Teorie automatického řízení II (VA2)

Vybrané publikace:

• ŠEDA, M.; ŠEDA, P.:
  Minimised Weighted Covering of Service Networks,
  Proceedings of the 17th International Carpathian Control Conference ICCC 2016, pp.645-650, ISBN 978-1-4673-8605-0, (2016), Technical University Košice
  článek ve sborníku ve WoS nebo Scopus
  akce: 17th INTERNATIONAL CARPATHIAN CONTROL CONFERENCE, ICCC´2016, Tatranská Lomnica, 29.05.2016-01.06.2016
• ŠEDA, M.; ŠEDA, P.:
  A Minimisation of Network Covering Services in a Threshold Distance,
  Recent Advances in Soft Computing, pp.159-169, ISBN 978-3-319-19823-1, (2015), Springer
  kapitola v knize
• ŠEDA, M.:
  Computational Geometry and Heuristic Approaches for Location Problems,
  K. Chan, J. Yeh (eds.): Proceedings of the International Conference of Electrical, Automation and Mechanical Engineering EAME 2015, pp.545-549, ISBN 9789462520714, (2015), Atlantis Press
  článek ve sborníku ve WoS nebo Scopus
  akce: International Conference of Electrical, Automation and Mechanical Engineering EAME 2015, Phuket, Thailand, 26.07.2015-27.07.2015
• 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
• OŠMERA, P.; ŠEDA, M.; WEISSER, R.:
  Evolutionary Optimization of Controllers,
  Zelinka, I., Snášel, V., Abraham, A. (eds.): Handbook of Optimization. From Classical to Modern Approach., pp.869-887, ISBN 978-3-642-30503-0, (2012), Springer-Verlag
  kapitola v knize
• ŠEDA, M.:
  Graph and Geometric Algorithms and Efficient Data Structures,
  Zelinka, I., Snášel, V., Abraham, A. (eds.): Handbook of Optimization. From Classical to Modern Approach., pp.73-95, ISBN 978-3-642-30503-0, (2012), Springer-Verlag
  kapitola v knize
• MAUDER, T.; ŠANDERA, Č.; ŠTĚTINA, J.; ŠEDA, M.:
  Optimization of Quality of Continuously Cast Steel Slabs by Using Firefly Algorithm, Inštitut za kovinske materiale tehnologije
  článek v časopise ve Web of Science, Jimp
• ŠEDA, M.; OŠMERA, P.:
  Systems with Queueing and Their Simulation,
  World Academy of Science, Engineering and Technology, Vol.2011, (2011), No.73, pp.713-719, ISSN 1307-6892, WASET
  článek v časopise - ostatní, Jost

Seznam publikací na portálu VUT

Anotace nejvýznamnějších prací:

• ŠEDA, M.; OŠMERA, P.:
  Systems with Queueing and Their Simulation,
  World Academy of Science, Engineering and Technology, Vol.2011, (2011), No.73, pp.713-719, ISSN 1307-6892, WASET
  článek v časopise - ostatní, Jost
  V teorii hromadné obsluhy se předpokládá, že příchody požadavku zákazník do systému odpovídají Poissonově rozdělení a doba obsluhy má exponenciální rozdělení. Za těchto předpokladů lze chování systému hromadné obsluhy popsat pomocí Markovových řetězců a je možné odvodit vlastnosti systému. V příspěvku jsou prezentovány teoretické přístupy pro několik typů systému a je také ukázáno, jak charakteristiky určit v situaci, kdy tyto předpoklady nejsou splněny.
• ZELINKA, I.; OPLATKOVÁ, Z.; ŠEDA, M.; OŠMERA, P.; VČELAŘ, F.:
  Evoluční výpočetní techniky. Principy a aplikace.,
  ISBN 978-80-7300-218-3, (2008), BEN - technická literatura
  kniha odborná
  Kniha se zabývá "klasickými" i moderními evolučními algoritmy, jako jsou například genetické algoritmy, diferenciální evoluce, simulované žíhání, swarm intelligence apod. Obsahuje část teoretickou a praktickou. V teoretické části se čtenář seznámí s matematickými principy jednotlivých algoritmů, v praktické části s programovou realizací jednotlivých algoritmů a jejich aplikováním v různých oblastech výzkumu a průmyslu. V knize jsou rovněž probírány pokročilejší evoluční techniky, jako je např. genetické programování či gramatická evoluce. Jednotlivé příklady realizace algoritmů jsou rovněž on-line dostupné na internetových stránkách, kde si může čtenář provádět vlastní simulace a výpočty bez znalosti specifického programovacího jazyka.
• ŠEDA, M.:
  From Exact Methods to Heuristics,
  Vědecké spisy Vysokého učení technického v Brně Edice Habilitační a inaugurační spisy, Vol.2008, (2008), No.276, pp.1-40, ISSN 1213-418X, VUTIUM
  článek v časopise - ostatní, Jost
  V této práci jsou popsány typické problémy rozvrhování výrobních procesů, návrhu logických obvodů, síťové optimalizace a robotiky. Zaměřili jsme se na problémy kombinatorické povahy, resp. takové problémy, které lze na problémy kombinatorické optimalizace převést. Bylo ukázáno, že pro malé instance lze použít deterministické metody, jako jsou metoda větví a mezí. Ve speciálním případě lze využít i přístup založený na dynamickém programování. Na druhé straně vzhledem k NP-úplnosti metoda větví a mezí a dynamické programování nejsou efektivní na řešení těchto problémů, jestliže mají velký počet vstupních parametrů, protože při použití metody větví a mezí exponenciálně roste čas výpočtu a u dynamického programování nároky na operační paměť pro statická pole. Ověřili jsme, že komerční softwarové nástroje, jako je GAMS, na velkých instancích těchto problémů rovněž selhávají. V těchto případech jsme volili heuristické techniky, zejména stochastické heuristiky (metaheuristiky), které definují obecný rámec výpočtu a uživatel musí najít vhodné problémově specifické nastavení parametrů a ověřit je na testovacích úlohách. Ukázalo se, že účinným nástrojem je v mnoha případech genetický algoritmus. Zajišťuje dobré výsledky v rozumném čase pro stovky vstupů a desítky omezení. Závěrem jsme ukázali, že použití stochastických heuristik nemusí být jediným způsobem řešení NP-úplných problémů a navrhli jsme přístupy založené na geometrických datových strukturách, jako jsou Delaunayho triangulace a Voroného diagramy. Tyto struktury byly použity v úlohách síťové optimalizace a robotiky spočívající v hledání minimálního Steinerova stromu v euklidovské rovině, resp. pro plánování dráhy pohybujícího se objektu (robotu) ve scéně s překážkami. Zmíněné přístupy zajišťují nalezení dobrých aproximací optimálního řešení a přitom nevyžadují tak rozsáhlá ladění parametrů jako stochastické heuristiky a navíc počítají v polynomiálním čase. To znamená, že jsou rovněž použitelné při výpočtech v reálném čase. Použití zobecněných Voroného diagramů dává účinný nástroj pro plánování pohybu robotu a generuje "hladké" trajektorie ve scéně s pohyblivými překážkami.
• ŠEDA, M.:
  Mathematical Models of Flow Shop and Job Shop Scheduling Problems,
  International Journal of Applied Mathematics and Computer Science, Vol.4, (2007), No.4, pp.241-246, ISSN 1307-6906
  článek v časopise - ostatní, Jost
  V příspěvku jsou navrženy matematické modely permutačního rozvrhování proudové výroby a zakázkové výroby. Pro první problém je odvozen model smíšeného celočíselného programování. Protože jde o NP-úplný problém, lze tento model využít pouze pro menší instance problému, kde lze najít optimální řešení. Pro velké instance je navržen jiný model, který je vhodný pro řešení problému pomocí stochastických heuristických metod. Pro problém rozvrhování zakázkové výroby je odvozen matematický model a jsou uvedena hlavní reprezentační schémata.
• ŠEDA, M.:
  Heuristic Set-Covering-Based Postprocessing for Improving the Quine-McCluskey Method,
  International Journal of Computational Intelligence, Vol.4, (2007), No.2, pp.139-143, ISSN 1304-2386
  článek v časopise - ostatní, Jost
  Hledání minimálních logických funkcí má významné aplikace v návrhu logických obvodů. Tato úloha se řeší mnoha různými metodami, ty ale často nejsou vhodné pro implementaci v počítači. Stručně shrneme známou Quine-McCluskeyho metodu, která dává jednoznačný postup výpočtu, a tedy ji lze snadno implementovat, avšak dokonce i pro jednoduché příklady negarantuje nalezení optimálního řešení. Protože Petráčkovo rozšíření Quine-McCluskeyho metody není obecně použitelné pro nalezení minima logických funcí s větším počtem hodnot, soustředíme se na interpretaci výsledku Quine-McCluskeyho metody a ukážeme, že představuje problém pokrytí, který však bohužel patří mezi NP-lěžké kombinatorické problémy. Proto musí být řešen heuristickými nebo aproximativními metodami. Navrhujeme přístup založený na genetických algoritmech ukážeme vhodné nastavení jeho parametrů.