Detail předmětu

Aplikované evoluční algoritmy

EVO Ak. rok 2011/2012 letní semestr 5 kreditů

Aktuální akademický rok

Multikriteriální optimalizační problémy, standardní metody a stochastické evoluční algoritmy (EA), simulované žíhání (SA). Evoluční strategie (ES) a genetické algoritmy (GA). Nástroje rychlého prototypování. Representace problémů grafovými modely. Evoluční algoritmy v inženýrských aplikacích zejména v syntéze a fyzickém návrhu číslicových obvodů, umělé inteligenci, zpracování signálů, rozvrhování činnosti multiprocesorových systémů a v komerčních aplikacích.

Garant předmětu

Schwarz Josef, doc. Ing., CSc.

Jazyk výuky

česky

Zakončení

zkouška

Rozsah

  • 26 hod. přednášky
  • 8 hod. pc laboratoře
  • 18 hod. projekty

Zajišťuje ústav

Ústav počítačových systémů (UPSY)

Získané dovednosti, znalosti a kompetence z předmětu

Schopnost formulovat řešený problém tak, aby mohl být řešen prostředky evolučního programování. Znalost metodiky pro rychlé prototypování evolučního optimalizátoru s využitím GA knihoven a existujících návrhových systémů.

Cíle předmětu

Získat přehled o moderních optimalizačních technikách a evolučních algoritmech pro řešení složitých, vesměs NP úplných problémů. Seznámit studenty s programovými nástroji pro rychlé prototypování evolučních algoritmů a naučit řešit vybrané složité úlohy z inženýrské praxe.

Požadované prerekvizitní znalosti a dovednosti

Nejsou žádné prerekvizity.

Osnova přednášek

  • Evoluční algoritmy, teoretické základy, základní rozdělení (GA, EP, GP, ES). 
  • Genetické algoritmy (GA), struktura, teorie schémat.
  • Genetické algoritmy využívající diploidy a messy-chromozómy. Specifické operátory křížení.
  • Evoluční strategie (parametry úlohy a řídící parametry).
  • Evoluční programování, Horolezecké algoritmy, Simulované žíhání.
  • Genetické programování (princip, symbolická regrese).
  • Evoluční algoritmy s pravděpodobnostními modely (EDA - estimation of distribution algorithm).
  • Varianty EDA algoritmů, UMDA, BMDA a BOA. Bayesovská síť a její konstrukce.
  • Techniky pro multikriteriální a multimodální úlohy. Selekce a obnova populace.
  • Dynamické optimalizační úlohy.
  • Nová evoluční paradigmata: imunitní systémy, SOMA.
  • Diferenční evoluce a hejnové modely.
  • Inženýrské úlohy a evoluční algoritmy.

 

Průběžná kontrola studia

Hodnocení studia je založeno na bodovacím systému. Pro úspěšné absolvování předmětu je nutno dosáhnout 50 bodů.

Kontrolovaná výuka

Půlsemestrální a finální test, projekt.

Nahoru