Detail předmětu

Aplikované evoluční algoritmy

EVA Ak. rok 2004/2005 letní semestr 6 kreditů

Aktuální akademický rok

Teoretické a praktické základy evolučních výpočetních technik. Využití genetických algoritmů, evoluční strategie, evolučního programování, genetického programování a klasifikátorů pro řešení multimodálních a multikriteriálních optimalizačních úloh. Techniky rychlého prototypování genetických algoritmů. Pokročilé evoluční algoritmy (EDA) založené na odhadu rozložení slibných řešení. Kooperace evolučních algoritmů, fuzzy logiky a neuronových sítí. Evoluční algoritmy v inženýrských aplikacích, umělé inteligenci, znalostních systémech, návrhu VLSI obvodů a rozvrhování činnosti multiprocesorových systémů.

Garant předmětu

Schwarz Josef, doc. Ing., CSc.

Jazyk výuky

česky

Zakončení

zkouška

Rozsah

  • 39 hod. přednášky
  • 12 hod. pc laboratoře
  • 14 hod. projekty

Zajišťuje ústav

Ústav počítačových systémů (UPSY)

Získané dovednosti, znalosti a kompetence z předmětu

  • Schopnost analýzy problému a stanovení jeho složitosti. Schopnost výběru vhodné evoluční techniky a stanovení adekvátního zakódování řešení pro zadanou optimalizační úlohu.
  • Znalost postupu při výběru vhodných genetických operátorů a řídicích parametrů evolučního procesu zahrnující stanovení velikosti populace řešení, četnosti křížení a mutace. Schopnost návrhu a odladění evolučního algoritmu pro řešení dané optimalizační úlohy na platformě jazyka C++.

Cíle předmětu

Seznámit se s paradigmaty evolučních algoritmů zahrnující genetické algoritmy (GA), evoluční strategii (ES) a genetické programování (GP). Naučit se řešit složité vesměs NP úplné optimalizační úlohy problémy na bázi klasických evolučních algoritmů a pokročilých evolučních algoritmů (EDA) založených na odhadu rozložení slibných řešení. Seznámit studenty s programovými nástroji pro rychlé prototypování evolučních algoritmů  pro řešení inženýrských úloh a úloh z oblasti umělé inteligence.

Požadované prerekvizitní znalosti a dovednosti

Základní znalosti z teorie algoritmů a jejich složitosti. Základní pojmy z teorie grafů, umělé inteligence a teorie pravděpodobnosti.

Literatura studijní

  • Kvasnička V., Pospíchal J., Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, str. 215, ISBN 80-227-1377-5
  • Kvasnička V., a kol.: Úvod do teorie neuronových sítí, Iris 1997, ISBN 80-88778-30-1.

Literatura referenční

  • Eiben, A. E., Smith, E.: Introduction to Evolutionary Computing (Natural Computing Series). Springer Verlag, November, 2003, pp. 299, ISBN 3540401849.
  • Dasgupta, D., Michalewicz, Z.: Evolutionary algorithms in engineering applications. Springer Verlag, Berlin, 1997, ISBN 3-540-62021-4.
  • Back, J: Evolutionary algorithms, theory and practice, New York, 1996.
  • Kvasnička, V., Pospíchal, J.,Tiňo, P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, str. 215, ISBN 80-227-1377-5.
  • stránky EVONET

Osnova přednášek

  1. Evoluční algoritmy, základní rozdělení. Optimalizační úlohy.
  2. Genetické algoritmy (GA), teorie schémat.
  3. Pokročilé genetické algoritmy, diploidy, messy-chromozómy.
  4. Kombinatorické úlohy. Evoluční strategie.
  5. Evoluční programování. Genetické programování.
  6. Simulované žíhání. Horolezecké algoritmy. Metoda zakázaného prohledávání.
  7. Evoluční algoritmy s pravděpodobnostními modely (EDA algoritmy).
  8. Varianty EDA algoritmů - UMDA, BMDA, BOA.
  9. Multimodální a multikriteriální úlohy.
  10. Dynamické optimalizační úlohy. Imunitní systémy.
  11. Hybrigní genetické algoritmy. Techniky rychlého prototypování. 
  12. Kooperace genetických algoritmů, fuzzy logiky a neuronových sítí. Klasifikátory.
  13. Typické úlohy v inženýrské praxi.

 

Průběžná kontrola studia

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

<!--StartFragment --> Zápočet není ustanoven.

Kontrolovaná výuka

Výuka není kontrolována.

Nahoru