Název:

Aplikované evoluční algoritmy

Zkratka:EVO
Ak.rok:2009/2010
Semestr:letní
Studijní plán:
ProgramOborRočníkPovinnost
IT-MGR-2MBI1.povinně volitelný - skupina I
IT-MGR-2MBS-volitelný
IT-MGR-2MGM-volitelný
IT-MGR-2MGM.-volitelný
IT-MGR-2MIN-volitelný
IT-MGR-2MIN.-volitelný
IT-MGR-2MIS-volitelný
IT-MGR-2MIS.-volitelný
IT-MGR-2MMI-volitelný
IT-MGR-2MMM-volitelný
IT-MGR-2MPS1.volitelný
IT-MGR-2MPV2.povinně volitelný - skupina B
IT-MGR-2MSK-volitelný
IT-MGR-2EITE2.volitelný
Vyučovací jazyk:čeština
Informace veřejné:http://www.fit.vutbr.cz/study/courses/EVO/public/
Kredity:5 kreditů
Ukončení:zkouška (písemná)
Výuka:
hod./sempřednáškasem./cvičenílab. cvičenípoč. cvičeníjiná
Rozsah:2600818
 zkouškatestycvičenílaboratořeostatní
Body:50180824
Garant:Schwarz Josef, doc. Ing., CSc., UPSY
Přednášející:Schwarz Josef, doc. Ing., CSc., UPSY
Cvičící:Jaroš Jiří, Ing., Ph.D., UPSY
Pospíchal Petr, Ing., UPSY
Fakulta:Fakulta informačních technologií VUT v Brně
Pracoviště:Ústav počítačových systémů FIT VUT v Brně
Nahrazuje:
Aplikované evoluční algoritmy (EVA), UPSY
 
Cíle předmětu:
  Získat přehled o moderních optimalizačních technikách a evolučních algoritmech pro řešení složitých, vesměs NP úplných problémů. Seznámit studenty s programovými nástroji pro rychlé prototypování evolučních algoritmů a naučit řešit vybrané složité úlohy z inženýrské praxe.
Anotace:
  Multikriteriální optimalizační problémy, standardní metody a stochastické evoluční algoritmy (EA), simulované žíhání (SA). Evoluční strategie (ES) a genetické algoritmy (GA). Nástroje rychlého prototypování. Representace problémů grafovými modely. Evoluční algoritmy v inženýrských aplikacích zejména v syntéze a fyzickém návrhu číslicových obvodů, umělé inteligenci, zpracování signálů, rozvrhování činnosti multiprocesorových systémů a v komerčních aplikacích.
Získané dovednosti, znalosti a kompetence:
  Schopnost formulovat řešený problém tak, aby mohl být řešen prostředky evolučního programování. Znalost metodiky pro rychlé prototypování evolučního optimalizátoru s využitím GA knihoven a existujících návrhových systémů.
Osnova přednášek:
 
  • Evoluční algoritmy, teoretické základy, základní rozdělení (GA, EP, GP, ES). 
  • Genetické algoritmy (GA), struktura, teorie schémat.
  • Genetické algoritmy využívající diploidy a messy-chromozómy. Specifické operátory křížení.
  • Evoluční strategie (parametry úlohy a řídící parametry).
  • Evoluční programování, Horolezecké algoritmy, Simulované žíhání.
  • Genetické programování (princip, symbolická regrese).
  • Evoluční algoritmy s pravděpodobnostními modely (EDA - estimation of distribution algorithm).
  • Varianty EDA algoritmů, UMDA, BMDA a BOA. Bayesovská síť a její konstrukce.
  • Techniky pro multikriteriální a multimodální úlohy. Selekce a obnova populace.
  • Dynamické optimalizační úlohy.
  • Nová evoluční paradigmata: imunitní systémy, SOMA.
  • Diferenční evoluce a hejnové modely.
  • Inženýrské úlohy a evoluční algoritmy.

 

Osnova laboratorních cvičení:
 
  • Návrh jednoduchého optimalizátoru se systémem GADesign.
  • Využiti GA knihoven typu GAlib.
  • Genetické  programování v Javě.
  • Ilustrace činnosti programu BMDA
Osnova ostatní - projekty, práce:
 
  • Program pro optimalizaci zadaného problému na bázi evolučních algoritmů.
Literatura referenční:
 
  • Dasgupta D., Michalewicz Z.: Evolutionary algorithms in engineering applications. Springer Verlag, Berlin, 1997, ISBN 3-540-62021-4.
  • Back, J: Evolutionary algorithms, theory and practice, New York, 1996.
  • Kvasnička V., Pospíchal J.,Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, str. 215, ISBN 80-227-1377-5.
Literatura studijní:
 
  • Kvasnička V., Pospíchal J., Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, str. 215, ISBN 80-227-1377-5
  • Kvasnička V., a kol.: Úvod do teorie neuronových sítí, Iris 1997, ISBN 80-88778-30-1.
Průběžná kontrola studia:
  Půlsemestrální a finální test, projekt.