Detail předmětu

Aplikované evoluční algoritmy

EVO Ak. rok 2023/2024 letní semestr 5 kreditů

Aktuální akademický rok

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.

Garant předmětu

Koordinátor předmětu

Jazyk výuky

česky

Zakončení

zkouška (písemná)

Rozsah

  • 26 hod. přednášky
  • 12 hod. pc laboratoře
  • 14 hod. projekty

Bodové hodnocení

  • 60 bodů závěrečná zkouška (20 bodů písemná část, 40 bodů ústní část)
  • 18 bodů laboratoře
  • 22 bodů projekty

Zajišťuje ústav

Přednášející

Cvičící

Cíle předmětu

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.

Proč je předmět vyučován

Přírodou inspirované algoritmy představují mocné nástroje pro řešení řady složitých optimalizačních problémů, pro které nejsou známy efektivní inženýrské postupy. Také bylo již mnohokrát prokázáno, že evoluční algoritmy jsou v některých oblastech schopny poskytnout inovativní řešení, která jsou nedosažitelná existujícími metodami. Proto je žádoucí nabídnout předmět poskytující znalosti a dovednosti o evolučních algoritmech a jejich aplikacích coby část kompetencí budoucím inženýrům v oblasti informačních technologií.

Literatura studijní

  • 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

Literatura referenční

  • 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

Osnova přednášek

  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. Diferenciální evoluce.
  7. Mravenčí algoritmy.
  8. Statistické vyhodnocování evolučních experimentů.
  9. Částicové systémy.
  10. Modely pro výpočetní development.
  11. Algoritmy vícekriteriální optimalizace.
  12. Pokročilé techniky vícekriteriální optimalizace.
  13. Vybrané aplikace evolučních algoritmů.

Osnova počítačových cvičení

  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.

Osnova ostatní - projekty, práce

Realizace zvoleného tématu z oblasti evolučních technik.

Průběžná kontrola studia

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 - kombinovaná.

Podmínky zápočtu

Zápočet není ustanoven.

Způsob kontaktu s vyučujícím

Zařazení předmětu ve studijních plánech

Nahoru