Detail předmětu

Aplikované evoluční algoritmy

FIT-EVOAk. rok: 2025/2026

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

Garant předmětu

doc. Ing. Michal Bidlo, Ph.D.

Zajišťuje ústav

Ústav počítačových systémů (UPSY)

Vstupní znalosti

Znalost programování na bakalářské úrovni + jazyk Python.

Pravidla hodnocení a ukončení předmětu

Hodnocená počítačová cvičení, individuální projekt. V případě doložené překážky ve studiu stanoví garant náhradní termín pro splnění hodnocené části předmětu.

Účast na počítačových cvičení, vypracování projektu, závěrečná zkouška.

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.

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

Základní literatura

Bäck, T.: Evolutionary Algorithms in Theory and Practice. Oxford University Press, Oxford, 1996, ISBN 978-0195099713
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
Jansen, T.: Analyzing Evolutionary Algorithms. Springer-Verlag, Berlin Heidelberg, 2013, ISBN 978-3-642-17338-7

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
Luke, S.: Essentials of Metaheuristics. Lulu, 2015, ISBN 978-1-300-54962-8
Talbi, E.-G.: Metaheuristics: From Design to Implementation. Wiley, Hoboken, New Jersey, 2009, ISBN 978-0-470-27858-1

Zařazení předmětu ve studijních plánech

  • Program MITAI magisterský navazující

    specializace NSEC , 0 ročník, letní semestr, volitelný
    specializace NNET , 0 ročník, letní semestr, volitelný
    specializace NMAL , 0 ročník, letní semestr, volitelný
    specializace NCPS , 0 ročník, letní semestr, volitelný
    specializace NHPC , 0 ročník, letní semestr, volitelný
    specializace NVER , 0 ročník, letní semestr, volitelný
    specializace NIDE , 0 ročník, letní semestr, volitelný
    specializace NISY , 0 ročník, letní semestr, volitelný
    specializace NEMB do 2023/24 , 0 ročník, letní semestr, volitelný
    specializace NSPE , 0 ročník, letní semestr, volitelný
    specializace NEMB , 0 ročník, letní semestr, volitelný
    specializace NBIO , 0 ročník, letní semestr, volitelný
    specializace NSEN , 0 ročník, letní semestr, volitelný
    specializace NVIZ , 0 ročník, letní semestr, volitelný
    specializace NGRI , 0 ročník, letní semestr, volitelný
    specializace NADE , 0 ročník, letní semestr, volitelný
    specializace NISD , 0 ročník, letní semestr, volitelný
    specializace NMAT , 0 ročník, letní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Michal Bidlo, Ph.D.
Ing. Jakub Husa, Ph.D.

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. Statistické vyhodnocování evolučních experimentů.
  7. Mravenčí algoritmy.
  8. Částicové systémy.
  9. Diferenciální evoluce.
  10. Vybrané aplikace evolučních algoritmů.
  11. Development v evolučních algoritmech.
  12. Algoritmy vícekriteriální optimalizace.
  13. Pokročilé techniky vícekriteriální optimalizace.

Cvičení na počítači

12 hod., povinná

Vyučující / Lektor

Ing. Jakub Husa, Ph.D.
Ing. Martin Hurta, Ph.D.

Osnova

  1. Základní koncepty evolučního počítání, typické problémy, řešení technické úlohy pomocí varianty Metropolisova algoritmu.
  2. Evoluční algoritmy v inženýrské praxi, optimalizace elektronických obvodů pomocí genetického algoritmu.
  3. Evoluční návrh pomocí genetického programování.
  4. Detekce hran v obraze s využitím mravenčích algoritmů.
  5. Optimalizace neuronových sítí pomocí diferenciální evoluce.
  6. Řešení vybrané úlohy z oblasti statistické fyziky.

Projekt

14 hod., povinná

Vyučující / Lektor

Ing. Jakub Husa, Ph.D.
doc. Ing. Michal Bidlo, Ph.D.

Osnova

Realizace zvoleného tématu z oblasti evolučních technik.