Název:

Evoluční výpočetní techniky

Zkratka:EVD
Ak.rok:2012/2013
Semestr:letní
Studijní plán:
ProgramOborRočníkPovinnost
VTI-DR-4DVI4-volitelný
Vyučovací jazyk:čeština
Informace pro zapsané:http://www.fit.vutbr.cz/study/courses/EVD/private/
Ukončení:zkouška (ústní)
Výuka:
hod./sempřednáškasem./cvičenílab. cvičenípoč. cvičeníjiná
Rozsah:390000
 zkouškatestycvičenílaboratořeostatní
Body:5100049
Garant:Schwarz Josef, doc. Ing., CSc., UPSY
Přednášející:Schwarz Josef, doc. Ing., CSc., 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).  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:
  1. Evoluční algoritmy, teoretické základy, základní rozdělení
  2. Genetické algoritmy (GA), struktura, teorie schémat.
  3. Pokročilé GA.
  4. Typické kombinatorické optimalizační úlohy (TSP, dekompozice hypergrafu, úloha batohu)
  5. Evoluční strategie (parametry úlohy a řídící parametry).
  6. Genetické programování (princip, symbolická regrese).
  7. Evoluční algoritmy s pravděpodobnostními modely (EDA - estimation of distribution algorithm).
  8. Varianty EDA algoritmů, UMDA, BMDA a BOA. Bayesovská síť a její konstrukce.
  9. Simulované žíhání (Metropolisův algoritmus, teplotní fáze).
  10. Evoluční techniky pro multikriteriální a multimodální úlohy. 
  11. Techniky rychlého prototypování. Struktura vývojových systémů a GA knihovní moduly.
  12. Nová evoluční paradigmata: imunitní systémy, diferenční evoluce, SOMA.
  13. Typické inženýrské úlohy.
Osnova ostatní - projekty, práce:
  1. Obhajoba projektu, programového díla využívajícího některou variantu evolučních algoritmů
Literatura referenční:
  1. Back, J: Evolutionary algorithms, theory and practice, New York, 1996.
  2. Goldberg, D., E.: The Design of Innovation: Lessons from and for Competent Genetic Algorithms. Boston, MA: Kluwer Academic Publishers, 2002. ISBN: 1402070985.
  3. Kvasnička V., Pospíchal J., Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, str. 215, ISBN 80-227-1377-5.
Literatura studijní:
  1. Fogel D., B.: Evolutionary computation: Toward a new philosophy of machine intelligence. IEEE Press, New York, 2000, ISBN 0-7803-5379-X.
Kontrolovaná výuka:
Obhajoba projektu, programového díla využívajícího některou variantu evolučních algoritmů nebo zpracování vybraného tématu