Fakulta informačních technologií VUT v Brně

Detail předmětu

Aplikované evoluční algoritmy

EVA Ak. rok 2005/2006 letní semestr 5 kreditů

Aktuální akademický rok

Teoretické a praktické základy evolučního programování. Evoluční algoritmy využívající genetické algoritmy, evoluční strategie, evoluční programování, genetické programování a klasifikátory jako pravděpodobnostní genetické prohledávací algoritmy. Techniky rychlého prototypování genetických algoritmů. Pokročilé evoluční algoritmy (EDA) založené na odhadu rozložení slibných řešení. Kooperace evolučních algoritmů a fuzzy logiky. Evoluční algoritmy v inženýrských aplikacích zejména v umělé inteligenci, znalostních systémech, návrhu VLSI obvodů a rozvrhování činnosti multiprocesorových systémů.

Garant předmětu

Jazyk výuky

česky

Zakončení

zkouška (písemná)

Rozsah

26 hod. přednášky, 12 hod. pc laboratoře, 14 hod. projekty

Bodové hodnocení

50 zkouška, 20 půlsemestrální test, 30 projekty

Zajišťuje ústav

Přednášející

Získané dovednosti, znalosti a kompetence z předmětu

Schopnost formulovat řešený problém tak, aby mohl být řešen prostředky evolučního programování. Znalost metodiky pro rychlé prototypování evolučního optimalizátoru s využitím GA knihoven a existujících návrhových systémů.

Cíle předmětu

Přehled moderních optimalizačních technik a evolučních algoritmů pro řešení složitých, vesměs NP úplných problémů. Seznámit studenty s programovými nástroji pro rychlé prototypování evolučních algoritmů a naučit řešit vybrané složité úlohy z inženýrské praxe.

Prerekvizity

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

  • 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.

Osnova laboratorních cvičení

  • Úvod - EA.
  • Návrhový systém GADesign - úvod.
  • Návrh optimalizátoru se systémem GADesign.
  • Strukura a využití knihovny GALIB.
  • Genetické programování.
  • Prezentace návrhového systému DEBOA.

Osnova ostatní - projekty, práce

  • Implementace programu pro řešení zadaného optimalizačního problému na bázi evolučních algoritmů.

Průběžná kontrola studia

  • Půlsemestrální písemná zkouška - 20 bodů.
  • Individuální projekt - 30 bodů.
  • Závěrečná písemná zkouška - 50 bodů.
  • Hranice pro úspěšnou zkoušku podle pravidel ECTS - 50 bodů.

Kontrolovaná výuka

Kontrolovanou výukou je projekt

Podmínky zápočtu

Zápočet není ustanoven.
Nahoru