Detail předmětu

Aplikované evoluční algoritmy

EVO Ak. rok 2005/2006 letní semestr 5 kreditů

Teoretické základy a praxe evolučních výpočetních technik. Využití genetických algoritmů, evoluční strategie, evolučního programování a genetického programování 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. Klasifikátory a nová pradigmata evolučních algoritmů. 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

26 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 studenty s paradigmaty evolučních algoritmů zahrnující genetické algoritmy (GA), evoluční strategii (ES) a genetické programování (GP). Naučit studenty řešit složité vesměs NP úplné optimalizační 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.

Osnova přednášek

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

Průběžná kontrola studia

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

Zápočet není ustanoven.

Kontrolovaná výuka

Kontrolovanou výukou je projekt