Detail předmětu

Aplikované evoluční algoritmy

ÚSI-2IDAAAk. rok: 2018/2019

Předmět je zaměřen na moderní optimalizační techniky a využití evolučních algoritmů pro řešení teoretických i praktických úloh z inženýrské praxe. Kromě zvládnutí jednotlivých evolučních algoritmů je důraz také kladen na zvládnutí klasických programových nástrojů a technik rychlého prototypování při vývoji cílového kódu aplikací.

Výsledky učení předmětu

Studenti získají speciální a odborné znalosti a dovednosti pro řešení složitých, vesměs NP úplných problémů. Součástí dovedností studentů je schopnost reprezentovat řešený problém pro zvolenou evoluční techniku, vhodně specifikovat řídící parametry optimalizačního procesu a zvolit efektivní programové nástroje pro implementaci řešených problémů.

Prerekvizity

Schopnost programovat ve vyšším programovacím jazyce (C, Java a pod.)

Doporučená nebo povinná literatura

Kvasnička V., Pospíchal J.,Tiňo P.: Evolutionary algorithms. Publisher STU Bratislava, 2000, pp. 215, ISBN 80-227-1377-5.
Back, J.: Evolutionary algorithms, theory and practice, New York, 1996, ISBN:0-19-509971-0.

Plánované vzdělávací činnosti a výukové metody

Výuka se realizuje formou přednášek, které mají charakter výkladu základních principů, metodologie dané disciplíny, problémů a jejich vzorových řešení.

Způsob a kritéria hodnocení

Studenti absolvují čtyři dvouhodinová počítačová cvičení v nichž řeší vybrané typy optimalizačních úloh. Na konci semestru odevzdají projekt řešící teoretické nebo praktické optimalizační úlohy. Znalost teoretických a praktických principů evolučních algoritmů je testována v rámci půlsemestrální zkoušky a zkoušky finální.

Jazyk výuky

čeština

Osnovy výuky

1. Evoluční algoritmy, teoretické základy, základní rozdělení (GA, EP, GP, ES).
2. Genetické algoritmy (GA), struktura, teorie schémat.
3. Genetické algoritmy využívající diploidy a messy-chromozómy. Specifické operátory křížení.
4. Evoluční strategie (parametry úlohy a řídící parametry).
5. Evoluční programování, Horolezecké algoritmy, Simulované žíhání.
6. Genetické programování (princip, symbolická regrese).
7. Evoluční algoritmy s pravděpodobnostními modely (EDA - estimation of distribution algorithm).
8. Varianty EDA algoritmů, UMDA, BMDA a BOA. Bayesovská síť a její konstrukce.
9. Techniky pro řešení multikriteriálních a multimodálních úloh. Selekce a obnova populace.
10. Dynamické optimalizační úlohy.
11. Nová evoluční paradigmata: imunitní systémy, SOMA.
12. Diferenční evoluce a hejnové modely.
13. Inženýrské úlohy a evoluční algoritmy.

Cíl

Studijním cílem předmětu je získání znalostí a dovedností při řešení složitých optimalizačních úloh včetně zvládnutí programových nástrojů pro rychlé prototypování evolučních algoritmů.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Není specifikováno.

Zařazení předmětu ve studijních plánech

  • Program MRzI magisterský navazující

    obor RIS , 2. ročník, letní semestr, 5 kreditů, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor