Vyprogramoval si druhé místo

Stříbrný Martin Paar z Vysokého učení technického v Brně si své druhé místo vyseděl u počítače. Vyhrál s originálním programem, který se snaží snížit náklady na provoz elektrických sítí.

O co ve vaší práci vlastně šlo? O genetiku nebo elektřinu?
Dá se říct, že jsem naprogramoval evoluci. Ale ne, že bych do programu vložil obojživelníka a vyšel z toho člověk. Do programu se vkládá schéma elektrické sítě, její parametry tj. topologie sítě a odběry proudu v jednotlivých bodech sítě atd. A to, co se vyvíjí, je rozložení kondenzátorů v síti. Proud má dvě složky: činnou a jalovou a můj program se snaží snížit tuto jalovou složku, tím že do různých bodů sítě připojuje kondenzátory. Jedná se o klasickou kompenzaci provedenou komplexně pro celou síť, tak aby se snížily náklady na provoz této sítě. Ale možností jaký kondenzátor a kam ho připojit je příliš mnoho na to, aby se daly vyzkoušet všechny a najít to nejlepší řešení.

Dejte nám nějaký příklad…
Pro malou třicetiuzlovou síť s výběrem devíti druhů kondenzátorů je počet možných řešení 1030. Při takovém počtu možností už klasické metody začínají selhávat, proto se na řešení těchto problémů užívají nekonvenční metody jako právě genetické algoritmy. Jejich základním principem je evoluce, tedy staré dobré pravidlo, že přežijí jen ti, kteří jsou nejlépe přizpůsobeni okolním podmínkám. Dále se předpokládá, že pokud se dvě nejlepší řešení zkříží, tak vznikne ještě lepší řešení. Samozřejmě, že to neplatí vždy, ale to nevadí, protože na rozdíl od reálného života je životnost řešení určena kvalitou a ne průměrným věkem. Pokud bychom používali pouze křížení, tak nám hrozí ztráta rozmanitosti, proto příroda i program používají také náhodnou mutaci. Ta provede to, že náhodně změní jeden prvek řešení, například změní jeden kondenzátor za jiný s jinou hodnotou.

A jak celý program pracuje?
Nejdříve si program náhodně vytvoří první generaci řešení, pro představu asi 100 řešení, z těch křížením a mutací nejlepších řešení vytvoří další generaci. Vybírání potomků nejlepších řešení z předchozí generace by mělo zapříčinit, že druhá generace bude kvalitnější. Kdyby se tito potomci příliš nevyvedli, tak pro jistotu se zkopíruje do další generace i nejlepší řešení z té předchozí, tím se zajistí, že se neztratí původní kvalitní řešení. Další generace opět vzniknou křížením a mutací. Program končí, když dosáhne stanoveného počtu generací.

K čemu jste vlastně došel?
Že je to použitelná metoda na řešení těchto problémů. Na nalezení kvalitního řešení programu stačilo otestovat pouze půl milionu řešení. Zdá se to moc? Je to dost málo vůči možným 1030 . Také jsem zjistil, že tyto algoritmy jsou dost robustní – odolné vůči chování uživatele. I když jsem zkoušel, řekněme dost experimentální nastavení, tak přesto program dával použitelné výsledky.

Mají závěry ve vaší diplomce praktické uplatnění?
Nejde jen o teorii? Jen o teorii určitě nejde. Hlavním cílem diplomky bylo vytvořit program a ten praktické uplatnění má. Byl vytvořen univerzálně, takže může řešit i jiné optimalizační úlohy z oblasti elektrických sítí. Některé závěry, které jsem udělal v oblasti použití genetických algoritmů, se ukázaly jako pravdivé i pro jiné nekonvenční optimalizační metody.

Kolik hodin denně strávíte u počítače?
Denně strávím u počítače hodně času, minimálně pět hodin, průměrně osm až devět. Za celý život to dělá čistého času asi rok až dva.

VÍTĚZOVÉ
1. místo – Miloslav Fialka, ČVUT Praha téma: Optimalizace dodávky elektrické energie v ČR z hlediska vlivu na životní prostředí
2. místo – Martin Paar, VUT Brno téma: Využití genetických algoritmů při řešení elektrických sítí