Detail předmětu

Evoluční výpočetní techniky

FIT-EVDAk. rok: 2022/2023

Evoluční výpočetní techniky v kontextu umělé inteligence a optimalizačních úloh. Jedno- a více-kriteriální optimalizace, relace dominance a Paretova fronta. Principy genetických algoritmů, evoluční strategie, genetického programování a dalších evolučních heuristik. Statistické vyhodnocení experimentů. Pokročilé evoluční algoritmy využívající pravděpodobnostní modely.  Paralelní evoluční algoritmy. Vícekriteriální evoluční optimalizace. Techniky rychlého prototypování evolučních algoritmů.

Okruhy otázek k SDZ:

  1. Kódování problému, genotyp, fenotyp, fitness funkce
  2. Genetické algoritmy, teorie schémat.
  3. Evoluční strategie.
  4. Genetické programování a symbolická regrese.
  5. Evoluční algoritmy využívající pravděpodobnostní modely pro tvorbu populace.
  6. Simulované žíhání.
  7. Vícekriteriální evoluční algoritmy (relace dominance, NSGA-II). 
  8. Paralelní evoluční algoritmy.
  9. Diferenční evoluce, SOMA.
  10. Statistické vyhodnocení experimentů.

Jazyk výuky

čeština

Výsledky učení předmětu

Zvládnuté postupy při řešení složitých optimalizačních úloh pomocí evolučních algoritmů.
Hlubší pochopení problému optimalizace a jeho řešení v počítačovém inženýrství.

Způsob a kritéria hodnocení

Odevzdání projektu v zadaném termínu, zkouška.

Učební cíle

Seznámit studenty s moderními evolučními algoritmy pro řešení složitých optimalizačních a návrhových problémů.

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

V průběhu studia je třeba odevzdat vypracovaný projekt a složit zkoušku. Výuka probíhá formou přednášek nebo řízeného samostudia; zmeškanou výuku je třeba nahradit samostudiem.

Doporučená literatura

Brabazon, A., O'Neill, M., McGarraghy, S.: Natural Computing Algorithms. Springer, 2015, ISBN 978-3-662-43630-1.
Doerr, B. Neumann F. (eds.): Theory of Evolutionary Computation. Springer, 2020, ISBN 978-3-030-29413-7
Eiben, A.E., Smith, J.E.: Introduction to Evolutionary Computing. 2nd ed. Springer, 2015, ISBN 978-3-662-44873-1.

Zařazení předmětu ve studijních plánech

  • Program DIT doktorský 0 ročník, letní semestr, povinně volitelný
  • Program DIT doktorský 0 ročník, letní semestr, povinně volitelný
  • Program DIT-EN doktorský 0 ročník, letní semestr, povinně volitelný
  • Program DIT-EN doktorský 0 ročník, letní semestr, povinně volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , 0 ročník, letní semestr, volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , 0 ročník, letní semestr, volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , 0 ročník, letní semestr, volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , 0 ročník, letní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

  1. Úvod do studia evolučních algoritmů.
  2. Genetické algoritmy, teorie schémat.
  3. Statistické vyhodnocení experimentů.
  4. Typické optimalizační úlohy.
  5. Pokročilé techniky v genetických algoritmech.
  6. Vícekriteriální evoluční algoritmy.
  7. Evoluční strategie.
  8. Genetické programování a symbolická regrese.
  9. Varianty genetického programování.
  10. Paralelní evoluční algoritmy.
  11. Evoluční algoritmy s pravděpodobnostními modely.
  12. Diferenční evoluce, SOMA a další algoritmy.
  13. Aktuální trendy.

Konzultace v kombinovaném studiu

26 hod., nepovinná

Vyučující / Lektor