Least squares method using genetic algorithm

Tato diplomová práce se zabývá návrhem a implementací genetického algoritmu pro aproximaci nelineárních matematických funkcí použitím metody nejmenších čtverců. Jedním z cílů této práce je teoreticky popsat základy genetických algoritmů. Druhým cílem je vytvoření programu, který by byl potenciálně využíván vědeckými ústavy na aproximaci empiricky naměřených dat. Textová část práce se kromě teoretického popisu problematiky zabývá hlavně návrhem genetického algoritmu a celé aplikace řešící daný problém. Specifikem zadání je nutnost aproximace hodnot různými matematickými funkcemi na více intervalech a následná spojitost těchto funkcí. Takovou funkciona-litu nenabízí žádný dostupný software.

This thesis describes the design and implementation of genetic algorithm for approximation of non-linear mathematical functions using the least squares method. One objective of this work is to theoretically describe the basics of genetic algorithms. The second objective is to create a program that would be potentially used to approximate empirically measured data by the scientific institutions. Besides the theoretical description of the given subject, the text part of the work mainly deals with the design of the genetic algorithm and the whole application solving the given problem. Specific part of the assignment is that the developed application has to support approximation of points by various mathematical non-linear functions in several different intervals, and then it has to insure, that resulting functions are continuous throughout all the intervals. Described functionality is not offered by any available software.