Fakulta informačních technologií VUT v Brně

Detail předmětu

Evoluční výpočetní techniky

EVD Ak. rok 2003/2004 letní semestr

Evoluční výpočetní techniky v kontextu umělé inteligence a optimalizačních úloh s NP složitostí. Paradigmata genetických algoritmů, evoluční strategie, genetického programování a dalších evolučních heuristik. Teorie a praxe standardních evolučních výpočetních technik. Pokročilé evoluční algoritmy využívající grafické pravděpodobnostní modely (EDA-estimation of distribution algorithms). Kooperace evolučních algoritmů a fuzzy logiky. Paralelní evoluční algoritmy. Přehled typických aplikací evolučních algoritmů v multikriteriálních optimalizačních úlohách, umělé inteligenci, znalostních systémech a návrhu číslicových obvodů. Techniky rychlého prototypování evolučních algoritmů.

Garant předmětu

Jazyk výuky

česky

Zakončení

zkouška (kombinovaná)

Rozsah

39 hod. přednášky, 4 hod. pc laboratoře

Bodové hodnocení

100 zkouška

Zajišťuje ústav

Přednášející

Cvičící

Získané dovednosti, znalosti a kompetence z předmětu

Zvládnuté postupy při řešení složitých optimalizačních úloh.

Cíle předmětu

Seznámit studenty s moderními evolučními algoritmy pro řešení složitých, vesměs NP úplných problémů.

Literatura studijní

  • Fogel D., B.: Evolutionary computation: Toward a new philosophy of machine intelligence. IEEE Press, New York, 2000, ISBN 0-7803-5379-X.

Literatura referenční

  • Back, J: Evolutionary algorithms, theory and practice, New York, 1996.
  • Goldberg, D., E.: The Design of Innovation: Lessons from and for Competent Genetic Algorithms. Boston, MA: Kluwer Academic Publishers, 2002. ISBN: 1402070985.
  • Kvasnička V., Pospíchal J., Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, str. 215, ISBN 80-227-1377-5.

Osnova přednášek

  • Evoluční algoritmy, teoretické základy, základní rozdělení.
  • Genetické algoritmy (GA), teorie schémat.
  • Genetické algoritmy využívající diploidy a messy-chromozómy.
  • Typické kombinatorické optimalizační úlohy.
  • Evoluční programování. Evoluční strategie.
  • Genetické programování.
  • Genetické algoritmy s pravděpodobnostními modely(EDA - estimation of distribution algorithm).
  • Varianty EDA algoritmů, UMDA, BMDA a BOA.
  • Simulované žíhání.
  • Pokročilé techniky pro multikriteriální a multimodální úlohy. Selekce a obnova populace.
  • Techniky rychlého prototypování. Kooperace genetických algoritmů a fuzzy logiky.
  • Typické úlohy v inženýrské praxi.
  • Nová evoluční paradigmata: imunitní systémy, mravenčí kolonie, diferenční evoluce.

Osnova ostatní - projekty, práce

  • Individuální projekty.

Kontrolovaná výuka

Zpracování projektu.
Nahoru