Detail předmětu

Aplikované evoluční algoritmy

FIT-EVOAk. rok: 2020/2021

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.

Jazyk výuky

čeština

Počet kreditů

5

Výsledky učení předmětu

Schopnost formulovat řešený problém tak, aby mohl být řešen prostředky evolučních algoritmů. Znalost postupů analýzy a návrhu základních typů evolučních algoritmů.

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.

Učební cíle

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.

Doporučená literatura

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
Kvasnička, V., Pospíchal, J., Tiňo, P.: Evolučné algoritmy. STU Bratislava, Bratislava, 2000, ISBN 80-227-1377-5
Talbi, E.-G.: Metaheuristics: From Design to Implementation. Wiley, Hoboken, New Jersey, 2009, ISBN 978-0-470-27858-1
Luke, S.: Essentials of Metaheuristics. Lulu, 2015, ISBN 978-1-300-54962-8

Zařazení předmětu ve studijních plánech

  • Program IT-MGR-2 magisterský navazující

    obor MBS , libovolný ročník, letní semestr, volitelný
    obor MBI , libovolný ročník, letní semestr, povinně volitelný
    obor MIS , libovolný ročník, letní semestr, volitelný
    obor MIN , libovolný ročník, letní semestr, volitelný
    obor MMI , libovolný ročník, letní semestr, volitelný
    obor MMM , libovolný ročník, letní semestr, volitelný
    obor MGM , libovolný ročník, letní semestr, volitelný
    obor MPV , libovolný ročník, letní semestr, povinně volitelný
    obor MSK , libovolný ročník, letní semestr, volitelný

  • Program MITAI magisterský navazující

    specializace NBIO , libovolný ročník, letní semestr, volitelný
    specializace NISD , libovolný ročník, letní semestr, volitelný
    specializace NISY , libovolný ročník, letní semestr, volitelný
    specializace NIDE , libovolný ročník, letní semestr, volitelný
    specializace NCPS , libovolný ročník, letní semestr, volitelný
    specializace NSEC , libovolný ročník, letní semestr, volitelný
    specializace NMAT , libovolný ročník, letní semestr, volitelný
    specializace NGRI , libovolný ročník, letní semestr, volitelný
    specializace NNET , libovolný ročník, letní semestr, volitelný
    specializace NVIZ , libovolný ročník, letní semestr, volitelný
    specializace NSEN , libovolný ročník, letní semestr, volitelný
    specializace NMAL , libovolný ročník, letní semestr, volitelný
    specializace NHPC , libovolný ročník, letní semestr, volitelný
    specializace NVER , libovolný ročník, letní semestr, volitelný
    specializace NEMB , libovolný ročník, letní semestr, volitelný
    specializace NADE , libovolný ročník, letní semestr, volitelný
    specializace NSPE , libovolný ročník, letní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

  1. Úvod, principy stochastického prohledávání prostoru.
  2. Metoda Monte Carlo a její varianty.
  3. Evoluční programování a evoluční strategie.
  4. Genetické algoritmy.
  5. Genetické programování.
  6. Modely pro výpočetní development.
  7. Statistické vyhodnocování evolučních experimentů.
  8. Mravenčí algoritmy.
  9. Částicové systémy.
  10. Diferenciální evoluce.
  11. Vybrané aplikace evolučních algoritmů.
  12. Algoritmy vícekriteriální optimalizace.
  13. Pokročilé techniky vícekriteriální optimalizace.

Cvičení na počítači

12 hod., povinná

Vyučující / Lektor

Projekt

14 hod., povinná

Vyučující / Lektor

Osnova

Realizace zvoleného tématu z oblasti evolučních technik.