Detail předmětu

Evoluční výpočetní techniky

EVD Ak. rok 2020/2021 letní semestr

Evoluční výpočetní techniky v kontextu umělé inteligence a optimalizačních úloh. Jedno- a více-kriteriální optimalizace, relace dominance a Paretova fronta. Principy genetických algoritmů, evoluční strategie, genetického programování a dalších evolučních heuristik. Statistické vyhodnocení experimentů, teoretická analýza evolučních algoritmů. Pokročilé evoluční algoritmy využívající pravděpodobnostní modely.  Paralelní evoluční algoritmy. Vícekriteriální evoluční optimalizace. Techniky rychlého prototypování evolučních algoritmů.

Okruhy otázek k SDZ:

  1. Kódování problému, genotyp, fenotyp, fitness funkce
  2. Genetické algoritmy, teorie schémat.
  3. Evoluční strategie.
  4. Genetické programování a symbolická regrese.
  5. Evoluční algoritmy využívající pravděpodobnostní modely pro tvorbu populace.
  6. Simulované žíhání.
  7. Vícekriteriální evoluční algoritmy (relace dominance, NSGA-II). 
  8. Paralelní evoluční algoritmy.
  9. Diferenční evoluce, SOMA.
  10. Statistické vyhodnocení experimentů.

Garant předmětu

Jazyk výuky

český

Zakončení

zkouška (ústní)

Rozsah

26 hod. přednášky

Bodové hodnocení

100 zkouška

Zajišťuje ústav

Přednášející

Získané dovednosti, znalosti a kompetence z předmětu

Zvládnuté postupy při řešení složitých optimalizačních úloh pomocí evolučních algoritmů.

Dovednosti, znalosti a kompetence obecné

Hlubší pochopení problému optimalizace a jeho řešení v počítačovém inženýrství.

Cíle předmětu

Seznámit studenty s moderními evolučními algoritmy pro řešení složitých optimalizačních a návrhových problémů.

Literatura studijní

  • Kvasnička V., Pospíchal J., Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, str. 215, ISBN 80-227-1377-5.

Literatura referenční

  • Eiben, A.E., Smith, J.E.: Introduction to Evolutionary Computing. 2nd ed. Springer, 2015, ISBN 978-3-662-44873-1.
  • Brabazon, A., O'Neill, M., McGarraghy, S.: Natural Computing Algorithms. Springer, 2015, ISBN 978-3-662-43630-1.
  • Bentley, P.: Evolutionary Design by Computers. Morgan Kaufmann, 1999, ISBN 978-1558606050.
  • Doerr, B. Neumann F. (eds.): Theory of Evolutionary Computation. Springer, 2020, ISBN 978-3-030-29413-7

Osnova přednášek

  1. Úvod do studia evolučních algoritmů.
  2. Genetické algoritmy, teorie schémat.
  3. Statistické vyhodnocení experimentů.
  4. Typické optimalizační úlohy.
  5. Pokročilé techniky v genetických algoritmech.
  6. Teoretická analýza evolučních algoritmů.
  7. Vícekriteriální evoluční algoritmy.
  8. Evoluční strategie.
  9. Genetické programování a symbolická regrese.
  10. Paralelní evoluční algoritmy.
  11. Evoluční algoritmy s pravděpodobnostními modely.
  12. Simulované žíhání, diferenční evoluce, SOMA a další algoritmy.
  13. Aktuální trendy.

Osnova ostatní - projekty, práce

  • Studenti vypracují projekt související s tematikou předmětu. 

Průběžná kontrola studia

Odevzdání projektu v zadaném termínu, zkouška.

Kontrolovaná výuka

V průběhu studia je třeba odevzdat vypracovaný projekt a složit zkoušku. Výuka probíhá formou přednášek nebo řízeného samostudia; zmeškanou výuku je třeba nahradit samostudiem.

Zařazení předmětu ve studijních plánech

  • Program VTI-DR-4, obor DVI4, libovolný ročník, volitelný
Nahoru