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.
Jazyk výuky
čeština
Počet kreditů
5
Garant předmětu
Zajišťuje ústav
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.)
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.
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.
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.
Učební cíle
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.
Základní literatura
Kvasnička V., Pospíchal J.,Tiňo P.: Evolutionary algorithms. Publisher STU Bratislava, 2000, pp. 215, ISBN 80-227-1377-5.
Doporučená literatura
Back, J.: Evolutionary algorithms, theory and practice, New York, 1996, ISBN:0-19-509971-0.
Typ (způsob) výuky
Odpovědnost: Ing. Marek Strakoš