Algoritmus Metropolis
Cvičení 1 proběhne ve 2. týdnu semestru.
Informace pro studenty předmětu EVO v kalendářním roce 2023
Předtermín závěrečné zkoušky proběhne v úterý 2.5. v učebně G202 od 8:00 (tj. namísto poslední přednášky). Žádám všechny zájemce o VČASNÝ příchod a o registraci na tento termín v IS VUT.
Materiály k přednáškám naleznete v IS VUT, sekce Učební texty. Budou zde průběžně doplňovány.
Přednášky se konají každý týden v úterý od 8:00 v učebně G202 (nebude-li uvedeno jinak).
Celkem proběhne šest bodovaných cvičení. Za každé cvičení je možné získat až 3 body. Cvičení jsou plně v kompetenci Ing. Martina Hurty, s případnými dotazy se obracejte na něho. Podrobnosti k jednotlivým úlohám budou zveřejněny pod následujícími odkazy:
Cvičení 1 proběhne ve 2. týdnu semestru.
Cvičení 2 proběhne v 4. týdnu semestru.
Cvičení 3 proběhne v 6. týdnu semestru.
Cvičení 4 proběhne v 8. týdnu semestru.
Cvičení 5 proběhne v 10. týdnu semestru.
Cvičení 6 proběhne v 12. týdnu semestru.
Projekty v EVO má na starost Ing. Jakub Husa, pokud není u konkrétního tématu uvedeno jinak. Každý student si zaregistruje zvolenou variantu projektu z nabídky témat ve STUDISu. Za projekt je možné získat až 22 bodů, které budou rozděleny na dvě dílčí aktivity takto (konečné hodnocení pak bude jejich součtem zadaným k aktivitě Projekt):
Požaduje se vypracování stručného pojednání o řešení (MAX 2 strany pdf A4 bez titulního listu, obsahu a podobných vymožeností, v záhlaví první strany uveďte jméno autora, číslo a název tématu). Stručně popište, čím se budete zabývat, uveďte zvolené implementační prostředí (včetně případné existující implementace EA a podpůrných knihoven s odkazy na github apod.), naznačte způsob řešení (možno i formou hypotéz) a prezentujte dílčí výsledky (pokud již máte). V případě nejasností neváhejte využít konzultací. Pojednání odevzdejte jako jediný pdf soubor nejpozději do konce 8. týdne semestru (tj. do 2.4.2023) přes STUDIS.
Smyslem projektu není vlastní implementace již existujících algoritmů, které jsou mnohdy součástí různých knihoven, ale hlavně podrobnější a praktičtěji zaměřené studium vybraných technik, návrh, realizace a vyhodnocení vlastní sady experimentů. Snažte se tedy využívat dostupných prostředků - příklady představené v rámci cvičení či přednášek, dobře zavedené algoritmy a knihovny dostupné z literatury, githubu apod. (v případě nejistoty se poraďte s vyučujícím).