Detail předmětu
Aplikované evoluční algoritmy
FIT-EVOAk. rok: 2019/2020
Přehled principů stochastického prohledávání stavového prostoru: metody
Monte Carlo (MC), evoluční algoritmy (EA). Seznámení s vybranými
technikami MC: Metropolisův algoritmus, simulované žíhání, aplikace v
oblastech optimalizace a simulace. Přehled principů základních variant
EA: evoluční programování (EP), evoluční strategie (ES), genetické
algoritmy (GA), genetické programování (GP). Přehled statistických metod
pro hodnocení evolučních experimentů. Pokročilé techniky a aplikace EA:
numerická optimalizace, diferenciální evoluce (DE), EA založené na
chování společenstev: mravenčí algoritmy, částicové systémy. Algoritmy
vícekriteriální optimalizace. Aplikace EA v oblasti inženýrského návrhu a
umělé inteligence.
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Schopnost formulovat řešený problém tak, aby mohl být řešen prostředky
evolučních algoritmů. Znalost postupů analýzy a návrhu základních typů
evolučních algoritmů.
Doporučená nebo povinná literatura
Luke, S.: Essentials of Metaheuristics. Lulu, 2015, ISBN 978-1-300-54962-8
Kvasnička, V., Pospíchal, J., Tiňo, P.: Evolučné algoritmy. Vydavatelství STU Bratislava, Bratislava, 2000, ISBN 80-227-1377-5
Oplatková, Z., Ošmera, P., Šeda, M., Včelař, F., Zelinka, I.: Evoluční výpočetní techniky - principy a aplikace. BEN - technická literatura, Praha, 2008, ISBN 80-7300-218-3
Brabazon, A., O'Neill, M., McGarraghy, S.: Natural Computing Algorithms. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-43630-1
Eiben, A.E., Smith, J.E.: Introduction to Evolutionary Computing, 2nd ed. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-44873-1
Jansen, T.: Analyzing Evolutionary Algorithms. Springer-Verlag, Berlin Heidelberg, 2013, ISBN 978-3-642-17338-7
Talbi, E.-G.: Metaheuristics: From Design to Implementation. Wiley, Hoboken, New Jersey, 2009, ISBN 978-0-470-27858-1
Bäck, T.: Evolutionary Algorithms in Theory and Practice. Oxford University Press, Oxford, 1996, ISBN 978-0195099713
Způsob a kritéria hodnocení
Hodnocená počítačová cvičení, individuální projekt. V případě doložené
překážky ve studiu stanoví garant náhradní termín pro splnění hodnocené
části předmětu.
Podmínky zápočtu:
Zápočet není ustanoven.
Jazyk výuky
čeština
Cíl
Získat přehled o moderních optimalizačních technikách a evolučních
algoritmech pro řešení složitých, vesměs NP úplných problémů. Naučit se
řešit vybrané složité úlohy z inženýrské praxe pomocí evolučních
technik.
Zařazení předmětu ve studijních plánech
- Program IT-MGR-2 magisterský navazující
obor MBS , libovolný ročník, letní semestr, 5 kreditů, volitelný
obor MBI , libovolný ročník, letní semestr, 5 kreditů, povinně volitelný
obor MIS , libovolný ročník, letní semestr, 5 kreditů, volitelný
obor MIN , libovolný ročník, letní semestr, 5 kreditů, volitelný
obor MMI , libovolný ročník, letní semestr, 5 kreditů, volitelný
obor MMM , libovolný ročník, letní semestr, 5 kreditů, volitelný
obor MGM , libovolný ročník, letní semestr, 5 kreditů, volitelný
obor MPV , libovolný ročník, letní semestr, 5 kreditů, povinně volitelný
obor MSK , libovolný ročník, letní semestr, 5 kreditů, volitelný - Program MITAI magisterský navazující
specializace NBIO , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NISD , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NISY , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NIDE , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NCPS , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NSEC , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NMAT , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NGRI , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NNET , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NVIZ , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NSEN , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NMAL , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NHPC , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NVER , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NEMB , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NADE , libovolný ročník, letní semestr, 5 kreditů, volitelný
specializace NSPE , libovolný ročník, letní semestr, 5 kreditů, volitelný
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Vyučující / Lektor
Osnova
- Úvod, principy stochastického prohledávání prostoru.
- Metoda Monte Carlo a její varianty.
- Evoluční programování a evoluční strategie.
- Genetické algoritmy.
- Genetické programování.
- Modely pro výpočetní development.
- Statistické vyhodnocování evolučních experimentů.
- Mravenčí algoritmy.
- Částicové systémy.
- Diferenciální evoluce.
- Vybrané aplikace evolučních algoritmů.
- Algoritmy vícekriteriální optimalizace.
- Pokročilé techniky vícekriteriální optimalizace.
Projekt
14 hod., povinná
Vyučující / Lektor
Osnova
Realizace zvoleného tématu z oblasti evolučních technik.