Detail předmětu

Metody a algoritmy pro simulaci a optimalizaci systémů

FSI-9MASAk. rok: 2020/2021

Klasifikace prvků a systémů. Metody numerické simulace. Modelování pomocí formálních systémů, konečných automatů a Petriho sítí. Simulační systémy spojité, diskrétní, kombinované a objektově orientované. Metody umělé inteligence v simulaci a optimalizaci. Použití neuronových sítí a evolučních algoritmů pro klasifikaci a predikci.

Výsledky učení předmětu

Schopnost používat metody a prostředky počítačové simulace.

Prerekvizity

Základy matematiky včetně diferenciálního a integrálního počtu funkcí jedné a více proměnných a řešení systému diferenciálních rovnic, základy fyziky, mechaniky, elektrotechniky a automatického řízení, zvládnutí základních programovacích technik.

Doporučená nebo povinná literatura

Fishwick, P.: Simulation Model Design and Execution, Building Digital Worlds, Prentice-Hall, 1995
Ross, S.: Simulation, 3rd edition, Academic Press, 2002
Mandic, Danilo P.: Recurrent neural networks for prediction, learning algorithms, architectures and stability, Wiley, Chichester 2001
Zeigler, B., Praehofer, H., Kim, T.: Theory of Modelling and Simulation, 2nd edition, Academic Press, 2000
Norgaard, M.: Neural Networks for Modelling and Control of Dynamic Systems, Springer, 2000
O´Neill, M., Ryan, C.: Grammatical Evolution: Evolutionary automatic programming in an arbitrary language. Kluwer Academic publishers, 2003
Goldberg, D. E.: Genetic Algorithms in Search, Optimization and Machine Learning. Addisson-Wesley Professional,1989

Plánované vzdělávací činnosti a výukové metody

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny.

Způsob a kritéria hodnocení

Písemná a ústní zkouška z obsahové náplně kursu.

Jazyk výuky

čeština, angličtina

Cíl

Osvojení metod a vybraných prostředků počítačové simulace.

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

Výuka je kontrolována zpracováním projektů.

Zařazení předmětu ve studijních plánech

  • Program D-KPI-P doktorský, 1. ročník, letní semestr, 0 kreditů, doporučený

Typ (způsob) výuky

 

Přednáška

20 hod., nepovinná

Vyučující / Lektor

Osnova

1. Úvod do metod počítačové simulace a optimalizace.
2. Klasifikace prvků a systémů.
3. Metody mumerické simulace.
4. Modelování pomocí formálních systémů.
5. Modelování pomocí konečných automatů a Petriho sítí.
6. Spojité, diskrétní, kombinované a objektově orientované simulační systémy.
7. Metody umělé inteligence v modelování a simulaci.
8. Metody umělé inteligence v optimalizaci a identifikaci.
9. Použití neuronových sítí pro klasifikaci a predikci.
10. Použití evolučních algoritmů pro klasifikaci a predikci.