Název:

Aplikované evoluční algoritmy

Zkratka:EVO
Ak.rok:2017/2018
Semestr:letní
Studijní plán:
ProgramOborRočníkPovinnost
IT-MGR-2MBI-povinně volitelný - skupina I
IT-MGR-2MBS-volitelný
IT-MGR-2MGM-volitelný
IT-MGR-2MIN-volitelný
IT-MGR-2MIS-volitelný
IT-MGR-2MMI-volitelný
IT-MGR-2MMM-volitelný
IT-MGR-2MPV-povinně volitelný - skupina B
IT-MGR-2MSK-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:26001218
 zkouškatestycvičenílaboratořeostatní
Body:60001822
Garant:Bidlo Michal, Ing., Ph.D., UPSY
Přednášející:Bidlo Michal, Ing., Ph.D., UPSY
Cvičící:Hyrš Martin, Ing., UPSY
Fakulta:Fakulta informačních technologií VUT v Brně
Pracoviště:Ústav počítačových systémů FIT VUT v Brně
Nahrazuje:
Aplikované evoluční algoritmy (EVA), UPSY
Rozvrh:
DenVýukaTýdenMístnostOdDoPSKSk-odSk-do
StpřednáškavýukyD020712:0013:501MITxxxx
StpřednáškavýukyD020712:0013:502MITxxxx
 
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.
Anotace:
  Přehled principů stochastického prohledávání stavového prostoru - metody Monte Carlo, evoluční algoritmy. Podrobné seznámení s vybranými technikami: Metropolisův algoritmus, simulované žíhání, úlohy statistické fyziky. Přehled principů základních variant evolučních algoritmů (EA): evoluční programování (EP), evoluční strategie (ES), genetické algoritmy (GA), genetické programování (GP), diferenciální evoluce (DE). Pokročilé evoluční techniky: EA s pravděpodobnostními modely, multikriteriální optimalizace, paralelní a distribuované EA. Metody optimalizace založené na společenstvích: částicové roje, mravenčí kolonie. Aplikace EA v inženýrských úlohách a umělé inteligenci.
Získané dovednosti, znalosti a kompetence:
  Schopnost formulovat řešený problém tak, aby mohl být řešen prostředky evolučních algoritmů. Znalost postupů analýzy a návrhu základních typů evolučních algoritmů.
Osnova přednášek:
 
  1. Úvod, základní pojmy, principy randomizovaného prohledávání prostoru.
  2. Základní evoluční algoritmy (evoluční programování, evoluční strategie).
  3. Genetické algoritmy (princip, řídicí parametry, genetické operátory).
  4. Genetické programování (princip, symbolická regrese).
  5. Případové studie (návrh řadicích sítí, evoluce celulárních automatů).
  6. Optimalizace v reálné doméně, diferenciální evoluce.
  7. Algoritmy založené na společenstvích (částicové roje, mravenčí kolonie).
  8. Evoluční algoritmy s pravděpodobnostními modely.
  9. Evoluční vývin a gramatická evoluce.
  10. Techniky multikriteriální optimalizace.
  11. Paralelní evoluční techniky.
  12. Koevoluční algoritmy.
  13. Přehled ostatních přírodou inspirovaných paradigmat.
Osnova laboratorních cvičení:
 
  • Základní koncepty evolučního počítání, typické problémy, řešení technické úlohy pomocí varianty Metropolisova algoritmu.
  • Evoluční algoritmy v inženýrské praxi, optimalizace elektronických obvodů pomocí genetického algoritmu.
  • Evoluční návrh pomocí genetického programování.
  • Diferenciální evoluce, algoritmy s pravděpodobnostními modely.
  • Optimalizace pomocí algoritmů založených na společenstvích.
  • Řešení vybrané úlohy z oblasti statistické mechaniky.
Osnova ostatní - projekty, práce:
 Zpracování tématu dle vlastní volby formou:
  • implementace aplikace z oblasti evolučních výpočtů nebo
  • studia vybraného odborného článku, prezentace hlavních myšlenek.
Po dohodě lze projekty, řešené současně v jiných kurzech (např. BIN), uznat též pro kurz EVO, pokud tématicky zapadají do oblasti evolučních technik.
Literatura referenční:
 
  • 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
  • Talbi, E.-G.: Metaheuristics: From Design to Implementation. Wiley, Hoboken, New Jersey, 2009, ISBN 978-0-470-27858-1
  • Bäck, T.: Evolutionary Algorithms in Theory and Practice. Oxford University Press, Oxford, 1996, ISBN 978-0195099713
Literatura studijní:
 
  • Luke, S.: Essentials of Metaheuristics. Lulu, 2015, ISBN 978-1-300-54962-8
  • Jansen, T.: Analyzing Evolutionary Algorithms. Springer-Verlag, Berlin Heidelberg, 2013, ISBN 978-3-642-17338-7
  • Kvasnička, V., Pospíchal, J., Tiňo, P.: Evolučné algoritmy. Vydavatelství STU Bratislava, Bratislava, 2000, ISBN 80-227-1377-5
  • Oplatková, Z., Ošmera, P., Šeda, M., Včelař, F., Zelinka, I.: Evoluční výpočetní techniky - principy a aplikace. BEN - technická literatura, Praha, 2008, ISBN 80-7300-218-3
Průběžná kontrola studia:
  Hodnocená počítačová cvičení, individuální projekt.
Podmínky zápočtu:
  Zápočet není ustanoven.