Detail předmětu
Evoluční výpočetní techniky
EVD Ak. rok 2022/2023 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. Pokročilé evoluční algoritmy využívající pravděpodobnostní modely. Paralelní evoluční algoritmy. Vícekriteriální evoluční optimalizace. Techniky rychlého prototypování evolučních algoritmů.
Okruhy otázek k SDZ:
- Kódování problému, genotyp, fenotyp, fitness funkce
- Genetické algoritmy, teorie schémat.
- Evoluční strategie.
- Genetické programování a symbolická regrese.
- Evoluční algoritmy využívající pravděpodobnostní modely pro tvorbu populace.
- Simulované žíhání.
- Vícekriteriální evoluční algoritmy (relace dominance, NSGA-II).
- Paralelní evoluční algoritmy.
- Diferenční evoluce, SOMA.
- Statistické vyhodnocení experimentů.
Garant předmětu
Jazyk výuky
Zakončení
Rozsah
- 26 hod. přednášky
Bodové hodnocení
- 100 bodů závěrečná zkouška
Zajišťuje ústav
Získané dovednosti, znalosti a kompetence z předmětu
Zvládnuté postupy při řešení složitých optimalizačních úloh pomocí evolučních algoritmů.
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
- 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.
- Doerr, B. Neumann F. (eds.): Theory of Evolutionary Computation. Springer, 2020, ISBN 978-3-030-29413-7
Osnova přednášek
- Úvod do studia evolučních algoritmů.
- Genetické algoritmy, teorie schémat.
- Statistické vyhodnocení experimentů.
- Typické optimalizační úlohy.
- Pokročilé techniky v genetických algoritmech.
- Vícekriteriální evoluční algoritmy.
- Evoluční strategie.
- Genetické programování a symbolická regrese.
- Varianty genetického programování.
- Paralelní evoluční algoritmy.
- Evoluční algoritmy s pravděpodobnostními modely.
- Diferenční evoluce, SOMA a další algoritmy.
- Aktuální trendy.
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 DIT, libovolný ročník, povinně volitelný skupina O
- Program DIT, libovolný ročník, povinně volitelný skupina O
- Program DIT-EN (anglicky), libovolný ročník, povinně volitelný skupina O
- Program DIT-EN (anglicky), libovolný ročník, povinně volitelný skupina O
- Program VTI-DR-4, obor DVI4, libovolný ročník, volitelný
- Program VTI-DR-4, obor DVI4, libovolný ročník, volitelný
- Program VTI-DR-4 (anglicky), obor DVI4, libovolný ročník, volitelný
- Program VTI-DR-4 (anglicky), obor DVI4, libovolný ročník, volitelný