Detail předmětu
Aplikované evoluční algoritmy
EVO Ak. rok 2006/2007 letní semestr 5 kreditů
Teoretické základy a praxe evolučních výpočetních technik. Využití genetických algoritmů, evoluční strategie, evolučního programování a genetického programování pro řešení multimodálních a multikriteriálních optimalizačních úloh. Techniky rychlého prototypování genetických algoritmů. Pokročilé evoluční algoritmy (EDA) založené na odhadu rozložení slibných řešení. Kooperace evolučních algoritmů, fuzzy logiky a neuronových sítí. Klasifikátory a nová pradigmata evolučních algoritmů. Evoluční algoritmy v inženýrských aplikacích, umělé inteligenci, znalostních systémech, návrhu VLSI obvodů a rozvrhování činnosti multiprocesorových systémů.
Garant předmětu
Jazyk výuky
Zakončení
Rozsah
- 26 hod. přednášky
- 12 hod. pc laboratoře
- 14 hod. projekty
Zajišťuje ústav
Získané dovednosti, znalosti a kompetence z předmětu
- Schopnost analýzy problému a stanovení jeho složitosti. Schopnost výběru vhodné evoluční techniky a stanovení adekvátního zakódování řešení pro zadanou optimalizační úlohu.
- Znalost postupu při výběru vhodných genetických operátorů a řídicích parametrů evolučního procesu zahrnující stanovení velikosti populace řešení, četnosti křížení a mutace. Schopnost návrhu a odladění evolučního algoritmu pro řešení dané optimalizační úlohy na platformě jazyka C++.
Cíle předmětu
Seznámit studenty s paradigmaty evolučních algoritmů zahrnující genetické algoritmy (GA), evoluční strategii (ES) a genetické programování (GP). Naučit studenty řešit složité vesměs NP úplné optimalizační problémy na bázi klasických evolučních algoritmů a pokročilých evolučních algoritmů (EDA) založených na odhadu rozložení slibných řešení. Seznámit studenty s programovými nástroji pro rychlé prototypování evolučních algoritmů pro řešení inženýrských úloh a úloh z oblasti umělé inteligence.
Požadované prerekvizitní znalosti a dovednosti
Základní znalosti z teorie algoritmů a jejich složitosti. Základní pojmy z teorie grafů, umělé inteligence a teorie pravděpodobnosti.
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.
Průběžná kontrola studia
Hodnocení studia je založeno na bodovacím systému. Pro úspěšné absolvování předmětu je nutno dosáhnout 50 bodů.
Zápočet není ustanoven.
Kontrolovaná výuka
Kontrolovanou výukou je projekt