Název:

Evoluční výpočetní techniky

Zkratka:EVD
Ak.rok:2003/2004
Semestr:letní
Vyučovací jazyk:čeština
Informace pro zapsané:http://www.fit.vutbr.cz/study/courses/EVD/private/
Ukončení:zkouška (kombinovaná)
Výuka:
hod./sempřednáškasem./cvič.lab. cvič.poč. cvič.jiná
Rozsah:390040
 zkouškatestycvičenílaboratořeostatní
Body:1000000
Garant:Schwarz Josef, doc. Ing., CSc. (UPSY)
Přednášející:Schwarz Josef, doc. Ing., CSc. (UPSY)
Cvičící:Sekanina Lukáš, prof. Ing., Ph.D. (UPSY)
Fakulta:Fakulta informačních technologií VUT v Brně
Pracoviště:Ústav počítačových systémů FIT VUT v Brně
 
Cíle předmětu:
  Seznámit studenty s moderními evolučními algoritmy pro řešení složitých, vesměs NP úplných problémů.
Anotace:
  Evoluční výpočetní techniky v kontextu umělé inteligence a optimalizačních úloh s NP složitostí. Paradigmata genetických algoritmů, evoluční strategie, genetického programování a dalších evolučních heuristik. Teorie a praxe standardních evolučních výpočetních technik. Pokročilé evoluční algoritmy využívající grafické pravděpodobnostní modely (EDA-estimation of distribution algorithms). Kooperace evolučních algoritmů a fuzzy logiky. Paralelní evoluční algoritmy. Přehled typických aplikací evolučních algoritmů v multikriteriálních optimalizačních úlohách, umělé inteligenci, znalostních systémech a návrhu číslicových obvodů. Techniky rychlého prototypování evolučních algoritmů.
Získané dovednosti, znalosti a kompetence:
  Zvládnuté postupy při řešení složitých optimalizačních úloh.
Osnova přednášek:
 
  • Evoluční algoritmy, teoretické základy, základní rozdělení.
  • Genetické algoritmy (GA), teorie schémat.
  • Genetické algoritmy využívající diploidy a messy-chromozómy.
  • Typické kombinatorické optimalizační úlohy.
  • Evoluční programování. Evoluční strategie.
  • Genetické programování.
  • Genetické algoritmy s pravděpodobnostními modely(EDA - estimation of distribution algorithm).
  • Varianty EDA algoritmů, UMDA, BMDA a BOA.
  • Simulované žíhání.
  • Pokročilé techniky pro multikriteriální a multimodální úlohy. Selekce a obnova populace.
  • Techniky rychlého prototypování. Kooperace genetických algoritmů a fuzzy logiky.
  • Typické úlohy v inženýrské praxi.
  • Nová evoluční paradigmata: imunitní systémy, mravenčí kolonie, diferenční evoluce.
Osnova ostatní - projekty, práce:
 
  • Individuální projekty.
Literatura referenční:
 
  • Back, J: Evolutionary algorithms, theory and practice, New York, 1996.
  • Goldberg, D., E.: The Design of Innovation: Lessons from and for Competent Genetic Algorithms. Boston, MA: Kluwer Academic Publishers, 2002. ISBN: 1402070985.
  • Kvasnička V., Pospíchal J., Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, str. 215, ISBN 80-227-1377-5.
Literatura studijní:
 
  • Fogel D., B.: Evolutionary computation: Toward a new philosophy of machine intelligence. IEEE Press, New York, 2000, ISBN 0-7803-5379-X.
Kontrolovaná výuka:
  Zpracování projektu.
 

Vaše IPv4 adresa: 18.208.211.150
Přepnout na https

DNSSEC [dnssec]