Fakulta informačních technologií VUT v Brně

Detail předmětu

Aplikované evoluční algoritmy

EVO Ak. rok 2017/2018 letní semestr 5 kreditů

Aktuální akademický rok

Přehled principů stochastického prohledávání stavového prostoru - metody Monte Carlo, evoluční algoritmy. Podrobné seznámení s vybranými technikami: Metropolisův algoritmus, simulované žíhání, úlohy statistické fyziky. Přehled principů základních variant evolučních algoritmů (EA): evoluční programování (EP), evoluční strategie (ES), genetické algoritmy (GA), genetické programování (GP), diferenciální evoluce (DE). Pokročilé evoluční techniky: EA s pravděpodobnostními modely, multikriteriální optimalizace, paralelní a distribuované EA. Metody optimalizace založené na společenstvích: částicové roje, mravenčí kolonie. Aplikace EA v inženýrských úlohách a umělé inteligenci.

Garant předmětu

Bidlo Michal, Ing., Ph.D. (UPSY FIT VUT)

Jazyk výuky

česky

Zakončení

zkouška (písemná)

Rozsah

26 hod. přednášky, 12 hod. pc laboratoře, 14 hod. projekty

Bodové hodnocení

60 zkouška, 18 laboratoře, 22 projekty

Zajišťuje ústav

Přednášející

Bidlo Michal, Ing., Ph.D. (UPSY FIT VUT)

Cvičící

Šimek Václav, Ing. (UPSY FIT VUT)

Získané dovednosti, znalosti a kompetence z předmětu

Schopnost formulovat řešený problém tak, aby mohl být řešen prostředky evolučních algoritmů. Znalost postupů analýzy a návrhu základních typů evolučních algoritmů.

Cíle předmětu

Získat přehled o moderních optimalizačních technikách a evolučních algoritmech pro řešení složitých, vesměs NP úplných problémů. Naučit se řešit vybrané složité úlohy z inženýrské praxe pomocí evolučních technik.

Literatura studijní

  • Luke, S.: Essentials of Metaheuristics. Lulu, 2015, ISBN 978-1-300-54962-8
  • Jansen, T.: Analyzing Evolutionary Algorithms. Springer-Verlag, Berlin Heidelberg, 2013, ISBN 978-3-642-17338-7
  • Kvasnička, V., Pospíchal, J., Tiňo, P.: Evolučné algoritmy. Vydavatelství STU Bratislava, Bratislava, 2000, ISBN 80-227-1377-5
  • Oplatková, Z., Ošmera, P., Šeda, M., Včelař, F., Zelinka, I.: Evoluční výpočetní techniky - principy a aplikace. BEN - technická literatura, Praha, 2008, ISBN 80-7300-218-3

Literatura referenční

  • Brabazon, A., O'Neill, M., McGarraghy, S.: Natural Computing Algorithms. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-43630-1
  • Eiben, A.E., Smith, J.E.: Introduction to Evolutionary Computing, 2nd ed. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-44873-1
  • Jansen, T.: Analyzing Evolutionary Algorithms. Springer-Verlag, Berlin Heidelberg, 2013, ISBN 978-3-642-17338-7
  • Talbi, E.-G.: Metaheuristics: From Design to Implementation. Wiley, Hoboken, New Jersey, 2009, ISBN 978-0-470-27858-1
  • Bäck, T.: Evolutionary Algorithms in Theory and Practice. Oxford University Press, Oxford, 1996, ISBN 978-0195099713

Osnova přednášek

  1. Úvod, základní pojmy, principy stochastického prohledávání prostoru.
  2. Metoda Monte Carlo a její varianty (Metropolisův algoritmus, simulované žíhání).
  3. Základní evoluční techniky (evoluční programování, evoluční strategie).
  4. Genetické algoritmy (řídicí parametry, genetické operátory).
  5. Genetické programování a symbolická regrese.
  6. Případová studie z oblasti návrhu algoritmů a elektronických obvodů.
  7. Diferenciální evoluce (optimalizace v reálné doméně, aplikace z inženýrské praxe).
  8. Evoluční algoritmy s pravděpodobnostními modely.
  9. Algoritmy vícekriteriální optimalizace (základní techniky, aplikace z inženýrské praxe).
  10. Pokročilé techniky vícekriteriální optimalizace.
  11. Paralelní evoluční techniky a koevoluční algoritmy.
  12. Evoluční vývin a gramatická evoluce (základní modely, aplikace v umělé inteligenci).
  13. Algoritmy založené na společenstvích (částicové systémy, mravenčí algoritmy).

Osnova laboratorních cvičení

  • Základní koncepty evolučního počítání, typické problémy, řešení technické úlohy pomocí varianty Metropolisova algoritmu.
  • Evoluční algoritmy v inženýrské praxi, optimalizace elektronických obvodů pomocí genetického algoritmu.
  • Evoluční návrh pomocí genetického programování.
  • Diferenciální evoluce, algoritmy s pravděpodobnostními modely.
  • Optimalizace pomocí algoritmů založených na společenstvích.
  • Řešení vybrané úlohy z oblasti statistické mechaniky.

Osnova ostatní - projekty, práce

Zpracování úlohy dle vlastní volby z nabídky témat pro aktuální ak. rok.

Po dohodě lze projekty, řešené současně v jiných předmětech (např. BIN), uznat též pro předmět EVO, pokud tématicky zapadají do oblasti evolučních technik a řešení splňuje podmínky požadované k projektům v EVO.

Průběžná kontrola studia

6 počítačových cvičení (každé za max. 3 body), projekt s průběžnou a závěrečnou obhajobou (celkem max. za 22 bodů). V případě doložené překážky ve studiu bude vypsán zvláštní termín, kde bude možné zameškanou výuku nahradit.

Podmínky zápočtu

Zápočet není ustanoven.

Zařazení předmětu ve studijních plánech

Nahoru