Bakalářské práce
Návrh vybavení interiéru pomocí metod umělé inteligence
Autor
Eliška Svobodová
Rok
2021
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
prof. RNDr. Tomáš Skopal, Ph.D.
Katedra
Anotace
Tato práce přispívá k výzkumu automatizovaného interiérového designu návrhem a implementací nového systému. Proces designu je rozdělen na plánování funkčních zón pomocí simulovaného žíháni a na aranžování nábytku genetickým algoritmem. Výsledky obou algoritmů jsou dotaženy gradientním sestupem. Systém dokáže splnit požadavky od uživatele na tvar místnosti, její funkce a použitý nábytek. Experimenty ukazují schopnost systému navrhnout interiér různě tvarovaných místností s různým výběrem kusů nábytku.
Evaluace frameworku SEAGE
Autor
David Omrai
Rok
2021
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Mgr. Petr Šimánek
Katedra
Anotace
Tato práce je zaměřena na zhodnocení optimalizačního frameworku SEAGE z pohledu aktuálního stavu výzkumu v oblasti hyper-heuristik, a to s využitím nové metriky, která algoritmy ohodnocuje objektivně dle kvality jejich řešení instancí optimalizačních problémů.
Porovnání je provedeno na jednom systému mezi již implementovanými heuristikami ve frameworku SEAGE a hyper-heuristikami vytvořenými pro mezinárodní výzvu CHeSC2011.
Na začátku práce popisujeme naši motivaci, cíle a dále také rešerši aktuálního stavu výzkumu v této oblasti, díky které jsme objevili framework HyFlex společně s hyper-heuristikami účastníků výzvy CHeSC2011.
Během implementace jsme narazili na řadu problémů, které nás odradili od využití již vytvořeného evaluátoru a metriky ve frameworku HyFlex. Jejich nevýhody v práci blíže rozebíráme a představujeme metriku i evaluátor nový, který zmíněné problémy řeší a zároveň přináší určitou formu vylepšení. Pro představení snadnosti tvorby hyper-heuristik v prostředí SEAGE jsme vytvořili takovou, která jednoduše využívá vylepšení objektivního ohodnocení řešení heuristik.
K otestování nově představené metriky nejdříve v experimentech přepočítáváme výsledky mezinárodní výzvy CHeSC2011 a zkoumáme chování algoritmů z obou frameworků. Zajímavým výstupem z provedených pozorování je kvalita řešení samotných stavebních bloků hyper-heuristik ve frameworku SEAGE, tedy metaheuristik, nad jednotlivými instancemi domény problému SAT.
V závěru práce shrnujeme veškeré získané znalosti a na základě výsledků experimentů zhodnocujeme framework SEAGE z pohledu aktuálního stavu výzkumu
Algoritmy pro automatickou tvorbu cen v sektoru ubytovacích služeb
Autor
Michal Bacigál
Rok
2021
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Mgr. Eva Pernecká, Ph.D.
Katedra
Anotace
Táto bakalárska práca stavia na súčasných prácach, ktoré sa zaoberajú tvorbou hotelových simulátorov pomocou simulačnej optimalizácie a metód Monte Carlo. Literárna rešerš je zameraná na doterajšie využitie matematických metód a umelej inteligencie na riešenie problémov výnosového manažmentu. Na základe analýzy silných a slabých stránok existujúcich riešení prezentujeme odporúčania, ako súčasné riešenie vylepšiť. V práci prezentujeme nový spôsob modelovania pravdepodobnosti prijatia, na základe ktorého si každý zákazník dynamicky vyberá "cenové bariéry" (ceny s 0 % a 100 % pravdepodobnosťou prijatia), na rozdiel od súčasného riešenia, v ktorom majú zákazníci fixný pohľad na cenu. Ďalej diskutujeme možnosti širšieho využitia cenových multiplikátorov a ich aplikáciu v úprave akceptačnej krivky. Naše experimenty ukázali, že sa navrhnutý model chová realisticky a je schopný dosiahnutia lepších výsledkov prostredníctvom optimalizácie. V testoch sme namerali zvýšenie výnosov troch simulovaných hotelov s kapacitou 10, 25 a 75 izieb o 3.43, 8.04 a 20.29 %. Toto porozovanie naznačnuje vhodnosť modelu ako alternatívu k existujúcemu riešeniu pre účely ďalšieho výskumu.
Modelování vývoje kurzu bitcoinu a zlata vůči dolaru a hledání souvislostí vývoje těchto kurzů s vybranými událostmi
Autor
Alim Shapiev
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
prof. RNDr. Pavel Surynek, Ph.D.
Katedra
Anotace
Tato práce je zaměřena na vývoj rozhodovacích stromů pro predikci cen bitcoinu a zlata na burze, které využívají fundamentální a technickou analýzu trhu.
Detekce webových stránek s extremistickým obsahem
Autor
Markéta Minářová
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. RNDr. Ing. Marcel Jiřina, Ph.D.
Katedra
Anotace
Tato bakalářská práce se zabývá detekcí extremismu v online prostředí, konkrétně detekcí neonacistických a saláfistických webových stránek. Cílem je vytvořit hybridní znalostní systém, který bude pomocí metody Support Vector Machines a klasifikačních pravidel znalostního systému klasifikovat dané stránky. Řešení tohoto problému staví na základě důkladné rešerše již existujících řešení detekce extremistických textů, obrázků a videí a následně jejich analýzy s pomocí odborné literatury.
V rámci této práce byl vytvořen dataset extremistických a neextremistických webových stránek pomocí existujících textových dokumentů a obrázků.
Metoda SVM byla použita pro klasifikaci textu a její výstup byl použit jako vstup do znalostního systému. Ten byl vytvořen pomocí shellu PyKe a celý program byl naprogramován v jazyce Python.
Jednotlivé SVM modely dávaly velmi dobré výsledky s klasifikační přesností okolo 99 \%. Celková klasifikační přesnost systému byla 80 \%.
Modelování a predikce vývoje cen akcií pomocí neuronových sítí
Autor
Martin Šír
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. Ing. Kamil Dedecius, Ph.D.
Katedra
Anotace
Akciové trhy jsou náchylné na různé vlivy a proto je jejich predikce velmi náročná. Existuje mnoho přístupů, jak předpovídat vývoj cen akcií, nicméně žádný není univerzální. Tato práce se zabývá přístupem zvaným machine learning. Do tohoto přístupu se dají zařadit modely CNN, LSTM, GRU, jejich obousměrné varianty a následné kombinace modelů. Dále jsou jednotlivé modely použity pro jednodenní a vícedenní predikci. V práci je upozorněno na nepoužitelnost jednodenní predikce, která je opakovaně použita za účelem predikce několika dní dopředu. Pro predikci byla vybrána data SXR8.DE, které kopírují index S&P 500. Následně jsou modely na těchto datech vyhodnoceny a na základě jejich přesnosti je vybrán model, který má největší úspěšnost za cílem maximalizovat profit z obchodování s akciemi.
Rozpoznávání extremistických textů
Autor
Pavlína Pokorová
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. RNDr. Ing. Marcel Jiřina, Ph.D.
Katedra
Anotace
Tato práce je zaměřena na rozpoznávání extremistických textů s využitím modelů supervizovaného strojového učení. Cílem je vytvoření klasifikačního systému schopného detekovat vybrané druhy extremistických textů. V rámci této práce byly vytvořeny tři různé datasety českých textů, přičemž extremistický dataset obsahuje zejména neonacistické a nacistické texty. Navržený klasifikační systém vytváří predikce na základě váženého hlasování několika dílčích klasifikátorů. Tyto klasifikátory byly vytvořeny pomocí implementovaného trénovacího programu. Vhodné kombinace metod pro tvorbu klasifikátorů byly vybrány na základě provedených experimentů. Při těchto experimentech byla odhadována úspěšnost klasifikace textu v závislosti na použitých metodách pro předzpracování textu a extrakci příznaků. Pro klasifikaci textu byly využity dva různé klasifikační modely, SVM a Random forest. Přesnost výsledného klasifikačního systému je odhadována na 85 \%.
Program tutor pro výuku vybrané oblasti z oboru umělé inteligence
Autor
Viktória Benková
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. RNDr. Ing. Marcel Jiřina, Ph.D.
Katedra
Anotace
Táto práca sa zameriava na vytvorenie inteligentného adaptívneho systému typu "tutor", ktorý bude precvičovať vybranú oblasť umelej inteligencie - rozhodovacie stromy. Desktopová aplikácia je postavená na prvotnom preskúmaní existujúcich adaptívnych výukových systémoch, technológií na budovanie expertných systémov a následnom využití jednej z existujúcej technológie. Využitá technológia je CLIPS JNI - jazyk Clips a jeho integrácia s jazykom Java a Swing pre implementáciu GUI. Báza znalostí je vytvorená za pomoci experta (vedúci práce), na ktorej základe sú vytvorené pravidlá pre fungovanie expertného systému. Výsledný systém je diagnostický, ktorý generuje sled otázok na základe užívateľových odpovedí, kde na záver vyhodnotí užívateľove znalosti a zobrazí, v čom užívateľ pochybil. Užívateľ si vie zvoliť úroveň a oblasť, pričom úroveň sa mu mení v závoslasti od správne/nesprávne zodpovedaných otázok. Práca môže slúžiť ako podklad pre ďalšie skúmanie tejto oblasti, ale taktiež môže byť rozšírená o vyučovanie ďalších oblastí umelej inteligencie či iných predmetov, a tým pomôcť k zefektívneniu výuky.
Application of Machine Learning in Real Estate
Autor
Jakub Nádraský
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Mgr. Vojtěch Rybář
Katedra
Anotace
Tématem této práce je použití metod strojového učení pro automatické ohodnocení výše nájmu realitního objektu. Ohodnocení je založené na datech z českých serverů pro inzerci realit. Datová sada obsahující technické parametry jednotlivých realitních objektů je sestavena, vizualizována a použita pro trénování několika modelů strojového učení, které byly poté porovnány.
Dále se práce zabývá použitím obrazových dat pro vylepšení predikce výše nájmu realitních objektů. Byla prozkoumána možnost extrakce popisných příznaků z obrazových dat. Byly zavedeny metodiky pro manuální extrakci a několik příznaků, například úroveň přirozeného osvětlení v realitním objektu, bylo experimentálně extrahováno. Datová sada obsahující popisné příznaky extrahované z obrazových dat byla sestavena, vizualizována a použita pro trénování modelů strojového učení. Bylo naměřeno, že prezence příznaků extrahovaných z obrazových dat snížila chybu predikce výše nájmu použitých modelů strojového učení o zhruba 10 až 20 %.
Algoritmy CASA a jejich užití v separaci monofonní hudby z audio scény
Autor
Nikita Mortuzaiev
Rok
2022
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Ing. Monika Borkovcová, Ph.D.
Katedra
Anotace
Velkou výzvou pro moderní systémy strojového slyšení je problém oddělení zdrojů. Jeden z přístupů k jeho řešení spočívá ve studiích počítačové analýzy sluchové scény (CASA), ve kterých jsou výpočetní modely inspirovány mechanismy sluchového ústrojí člověka a široce známým "cocktail party" efektem. Tato práce by měla být úvodem do oblasti CASA. V první části zkoumá teorii za sluchovým modelováním a zpracováním zvuku a odkazuje se na fyziku zvuku, biologii lidského ucha, psychologii sluchového vnímání a digitální zpracování signálu. Ve druhé části jsou tyto znalosti prakticky použity k implementaci jednoduchého CASA systému pro oddělení monofonní hudby od šumu. Tento systém je pak rozsáhle popsán a experimentálně vyhodnocen na sadě klavírních nahrávek.
Umělá inteligence v návrhu interiéru domácnosti: neuronové sítě pro výběr kombinací vzorů a doplňků
Autor
Viktoriia Sukha
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Ing. Petr Kasalický
Katedra
Anotace
Tato bakalářská práce se zaměřuje na využití neuronových sítí při navrhování vybraných prvků interiéru domu. Hlavním cílem práce je extrahovat vlastnosti jako barva, styl a materiál a na základě těchto vlastností vytvářet kombinace vzorů a doplňků pomocí grafových neuronových sítí. Metodika této práce zahrnuje použití VGG pro extrakci rysů, YOLOv7 pro detekci objektů a GCN pro predikci kompatibility mezi prvky interiéru.
Kooperace robotických agentů při sbírání předmětů v bludišti - demonstračních příklady
Autor
Marek Bína
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
prof. RNDr. Pavel Surynek, Ph.D.
Katedra
Anotace
Tato práce se zabývá problémem kooperace agentů při hledání a sběru předmětů v neznámém prostředí na mřížkovém grafu. Nejdříve se v práci popíšou současně používané
způsoby řešení problému prohledávání a způsoby rozhodování agentů.
Následně se navrhne série typových příkladů a model, který umožní jejich implementaci v simulovaném prostředí. V práci se provedou experimenty pro kombinace zvolených
chování a modulů pro agenta ve vytvořených scénářích. Na základě výsledků se určí vlivy
zvolených typů agentů.
Classification of Fake News in the Media/Social media Ecosystem
Autor
Jan Flajžík
Rok
2024
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
prof. RNDr. Pavel Surynek, Ph.D.
Katedra
Anotace
Rychlý vývoj v oblasti online technologií umožňuje lidem sdílet informace rychleji než kdykoli před tím. To s sebou nese riziko šíření manipulativních zpráv, které mohou negativně ovlivnit společnost. Tato bakalářská práce se zabývá klasifikací fake news v online prostoru z pohledu zpracování přirozeného jazyka (NLP). V rámci této práce byly vytvořeny dva nové datasety za použítí online databází fake news, přičemž jeden obsahuje shrnutí fake news článků v angličtině a druhý je tvořen především řetězovými emaily v češtině. Tyto datasety byly doplněny o dva již existující datasety a všechny byly použity k provedení expermerimentů s mnoha různými metodami předzpracování textu. Ke klasifikaci byly využity dva modely strojového učení, Naivní Bayes a náhodný les a dvě architektury neuronové sítě, konvoluční neurovová síť (CNN) a LSTM. Nejvyšších výsledků na již existujícím datasetu dosáhla CNN architektura s klasifikační přesnosti 97 %, zatímco nejvyšších výsledků na nově vytvořeném dosáhla LSTM architektura s přesností 95 %.
Simulace umělého života
Autor
David Pešák
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. Ing. Kamil Dedecius, Ph.D.
Katedra
Anotace
Tato bakalářská práce se zabývá simulací umělého života. Model simulace je založen na principu multi-agentího systému, tedy každý agent (organismus) v simulaci je simulován nezávisle na ostatních, nicméně agenti stále mohou interagovat mezi sebou. Vývoj agentů se řídí evolučními, přesněji řečeno genetickými, algoritmy s využitím principu umělého genomu určující vlastnosti a chování agenta. Prostředí, ve kterém agenti, popř. populace agentů, žijí, je interagovatelné a časově proměnné, kladoucí větší nároky na schopnost adaptace. Celý program lze jednoduše upravovat velkou škálou parametrů, rozšiřovat o akce, které agenti smí provést, a přidávat nebo upravovat biomy, které ztvárňují prostředí. Účelem této práce je vytvořit program schopný takovéto simulace a vytvořit tak platformu pro budoucí rozvoj tohoto programu, tedy program musí být lehce rozšiřitelný a nezávislý na implementačních modulech.
Vizualizace procesu řešení vybraných optimalizačních problémů pomocí genetických algoritmů
Autor
Radek Horáček
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Ing. Jiří Novák, Ph.D.
Katedra
Anotace
Tato práce se zabývá tvorbou interaktivního nástroje pro vizualizaci řešení optimalizačních úloh
pomocí genetických algoritmů. Teoretická část obsahuje popis problematiky evolučních algoritmů
a zaměřuje se především na popis genetických algoritmů. Součástí teoretické části je i výčet typických optimalizačních úloh řešených pomocí genetických algoritmů. Praktická část se zabývá
popisem všech důležitých částí vývoje softwarového díla. Práce obsahuje výčet existujících řešení
i analýzu vhodných technologií a knihoven pro tvorbu daného interaktivního nástroje. Součástí
textu je také analytická dokumentace vyvíjené aplikace. V dalších kapitolách je popsána implementace aplikace, ke které byl využit framework Blazor fungující na technologii WebAssembly.
Nástroj umožňuje vizualizaci tří typických optimalizačních úloh a kromě toho také generování
2D bitmapové grafiky. V závěru práce jsou popsány metody testování a dokumentace, které byly
v projektu využity. Výsledkem práce je funkční webová interaktivní aplikace.
Řešení optimalizačního problému Cutting Stock Problem s využtím genetického algoritmu
Autor
Filip Špidla
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Dr. techn. Ing. Jan Legerský
Katedra
Anotace
Cutting Stock Problem je běžný optimalizační problém ve výrobě a logistice, kde cílem je efektivně uspořádat předměty nebo tvary ve větším kontejneru tak, aby se minimalizoval odpad, nebo maximalizovalo využití. Tato práce si klade za cíl prozkoumat současná existující řešení Cutting Stock Problému a poskytnout potenciální řešení Cutting Stock Problému pro nepravidelné(konkávní) tvary pomocí genetického algoritmu. Výsledky tohoto výzkumu mají potenciál přispět k efektivnějším a udržitelnějším výrobním procesům v různých průmyslových odvětvích, jako je výroba oděvů nebo výroba automobilů. Při tom se snažím poskytnout posouzení praktičnosti genetických algoritmů pro řešení těchto problémů pro společnost, pro kterou v současné době pracuji.
Generování validních šachových pozic s využitím metod AI
Autor
Lukáš Tomáš Petrželka
Rok
2024
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
doc. Dr. rer. nat. Ing. Jan Valdman
Katedra
Anotace
Tato práce se zaměřuje na výzkum generování šachových pozic, které splňují zadané omezení, a to s využitím neuronových sítí ve spojení s procházením stromu hry. Je provedena analýza zvoleného omezení, která mimo jiné testuje, zda existují nějaké třídy omezení s podobnými vlastnostmi. Pro generování šachových pozic splňující omezení byl navržen algoritmus, který využívá Negamax algoritmus, modifikovaný pro účely této práce. Dohromady jsou provedeny dva experimenty, kde první experiment testuje tento algoritmus pro méně kombinací zvoleného omezení. Druhý experiment rozšiřuje algoritmus na více kombinací a testuje, zda hloubka rekurze při procházení stromu hry má vliv na splnění omezení.
Aplikace neuronových sítí v šachové hře
Autor
Jakub Zeman
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Ing. Jan Glaser
Katedra
Anotace
Tato práce se zaměřuje na využití neuronových sítí v šachovém enginu. Neuronové sítě jsou trénovány jak pomocí supervizovaného, tak pomocí posilovaného učení. Pro supervizovanou část práce byl navržen algoritmus automatického generování dat ze šachového enginu Stockfish. Tato část také obsahuje analýzu vztahu mezi MiniMax algoritmem a výstupem dopředného průchodu neuronovou sítí, dále vztah mezi hloubkou generovaných dat a použitím vhodného typu architektury ResNet. Navrhuje metriku komplexity šachovnice a odhaluje limity konvolučních neuronových sítí najít a využít informaci skrytou v herním stromě. V druhé části práce obsahuje srovnání více přístupů k posilovanému učení šachového enginu, navrhuje novou metodu k tréninku, která dosahuje lepších výsledků než standartní metoda ve dvou praktických experimentech.
Analýza dat z prodeje lístků a následná tvorba nové metodiky pro sběr a analýzu dat
Autor
Šimon Marinov
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Mgr. Dalibor Šidlo
Katedra
Anotace
Tato práce se zabývá daty o prodeji lístků na akce s cílem zlepšit metodology shchromaždovaných dat a návrhem modelů pro dynamickou cenu. Přehled literatury zkoumá různé přístupy, zatímco analýza dat identifikuje klíčové poznatky a překážky v existující datesetu poskytnutým komerčním partnerem.
V práci se navrhuje strategie shromažďování dat, která zahrnuje různé zdroje dat, spolu se syntetickým modelem generování dat k testování navržené metodiky. Ačkoli nebylo dosaženo zlepšení, identifikovali se oblasti které mohou vést k zdokonalaní.
Navržené dynamické cenové modely prokázaly dobrou výkonnost v období nízké poptávky, což naznačuje jejich potenciální využití pro slevy a optimalizaci cenové strategie. Tento výzkum přispívá k oblasti prodeje lístků na akce tím, že zkoumá různé přístupy, identifikuje výzvy a pokláda základ pro budoucí pokroky v účinných a efektivních cenových strategiích v této oblasti.
Diplomové práce
Konstrukce hyper-heuristik pro řešení nedeterministických polynomiálních problémů v SEAGE
Autor
David Omrai
Rok
2024
Typ
Diplomová práce
Vedoucí
Ing. Mgr. Ladislava Smítková Janků, Ph.D.
Oponenti
Ing. Jan Matyáš Křišťan
Katedra
Anotace
Hlavním cílem této diplomové práce je navázat na výsledky mé bakalářské práce, ve které jsem vytvořil metodu pro srozumitelnější ohodnocení a srovnání řešení optimalizačních algoritmů, včetně hyper-heuristik a metaheuristik. Vyhodnocené řešení je reprezentováno sjednocenou numerickou hodnotou, která ukazuje, jak blízko nebo daleko je od optimálního řešení. Toto jsem realizoval ve frameworku SEAGE i HyFlex s využitím nově navržené metriky nazvané Unit metrika.
V rámci této práce jsem rozšířil použitelnost frameworku SEAGE na celkem čtyři domény problémů, naimplementoval nové způsoby přístupu k databázi SEAGE pro manipulaci s daty z předchozích experimentů, vylepšil metaheuristiky a představil novou vizualizaci kvality řešení experimentů pro jejich srozumitelnější porovnání.
S tímto rozšířeným prostředím jsem v rámci frameworku SEAGE naimplementoval novou hyper-heuristiku a přeimplementoval trojici nejlepších hyper-heuristik z výzvy CHeSC2011, které byly původně implementovány ve frameworku HyFlex. Pro sledování výkonu mé nově implementované hyper-heuristiky a rozhodnutí o hypotéze této práce, týkající se rozlišnosti výkonu hyper-heuristik využívajících metaheuristiky (v SEAGE) místo heuristik (v HyFlex), jsem navrhl několik experimentů. Tyto experimenty ukázaly, že ve většině domén optimalizačních problémů dosahuje využití jednoduchých heuristik mírně lepších řešení než použití metaheuristik. Dále experimenty ukázaly, že má hyper-heuristika je srovnatelná s hyper-heuristikami z výzvy CHeSC2011.