Repository navigation
Expand file tree
/
Copy pathoptimalizace-vrp.html
More file actions
70 lines (58 loc) · 2.98 KB
/
Copy pathoptimalizace-vrp.html
File metadata and controls
70 lines (58 loc) · 2.98 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
<!DOCTYPE html>
<html lang="cs">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Optimalizace a Neuronové sítě | AIC Smart Mobility</title>
<link rel="preconnect" href="https://fonts.googleapis.com">
<link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
<link href="https://fonts.googleapis.com/css2?family=Inter:wght@300;400;600;800&display=swap" rel="stylesheet">
<link rel="stylesheet" href="style.css">
</head>
<body>
<div class="background-effects">
<div class="glow glow-1"></div>
<div class="glow glow-2"></div>
</div>
<nav class="navbar glassmorphism">
<div class="container nav-content">
<a href="index.html" class="logo">
<img src="assets/Symbol_AIC_Holo.svg" alt="AIC Logo" class="logo-img">
AIC Smart Mobility</a>
<ul class="nav-links">
<li><a href="index.html#projekty">Naše Projekty</a></li>
<li><a href="index.html#temata">Závěrečné Práce</a></li>
<li><a href="index.html#kontakty">Kontakty</a></li>
</ul>
</div>
</nav>
<a href="index.html" class="back-btn">← Zpět na hlavní stránku</a>
<header class="hero-detail" style="background-image: url('assets/nn_vga.png');">
<div class="container">
<h1>Optimalizace a Neuronové sítě</h1>
<p>Použití moderních architektur neuronových sítí pro řešení komplexních logistických problémů.</p>
</div>
</header>
<main class="container project-content">
<div class="glassmorphism">
<h2>O projektu</h2>
<p>Tento projekt se zaměřuje na nasazení a trénink pokročilých neuronových sítí (např. NN VGA) pro řešení problémů spojených s mobilitou a logistikou. Klíčovou oblastí je tzv. **Vehicle Routing Problem (VRP)**, což je matematický problém hledání optimálních tras pro flotilu vozidel obsluhujících zákazníky.</p>
<h2>Využití AI</h2>
<p>Tradiční algoritmy pro VRP bývají výpočetně náročné. Naším cílem je vyvinout a otestovat modely hlubokého učení (Deep Learning), které dokáží:</p>
<ul>
<li>Navrhovat kvalitní řešení v reálném čase.</li>
<li>Učit se z historických dat o dopravě a poptávce.</li>
<li>Adaptovat se na dynamické změny v městském prostředí.</li>
</ul>
<h2>Aplikace</h2>
<p>Výsledky výzkumu mají přímé uplatnění v doručovacích službách, sdílené mobilitě a optimalizaci zásobovacích řetězců ve městech budoucnosti.</p>
</div>
</main>
<footer class="glassmorphism">
<div class="container">
<p>© 2026 Artificial Intelligence Center, FEL, ČVUT</p>
</div>
</footer>
<script src="script.js"></script>
</body>
</html>