Název:

Aplikované evoluční algoritmy

Zkratka:EVO
Ak.rok:2007/2008
Semestr:letní
Studijní plán:
ProgramObor/
specializace
RočníkPovinnost
IT-MGR-2MGM.-volitelný
IT-MGR-2MIN.-volitelný
IT-MGR-2MIS.-volitelný
IT-MGR-2MPS1.volitelný
Vyučovací jazyk:čeština
Informace veřejné:http://www.fit.vutbr.cz/study/courses/EVO/public/
Kredity:5 kreditů
Ukončení:zkouška (písemná)
Výuka:
hod./sempřednáškasem./cvič.lab. cvič.poč. cvič.jiná
Rozsah:2600818
 zkouškatestycvičenílaboratořeostatní
Body:50200030
Garant:Schwarz Josef, doc. Ing., CSc. (UPSY)
Přednášející:Schwarz Josef, doc. Ing., CSc. (UPSY)
Cvičící:Jaroš Jiří, doc. Ing., Ph.D. (UPSY)
Kobliha Miloš, 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:
 
  • Multikriteriální optimalizační problémy.
  • Standardní metody a stochastické evoluční algoritmy (EA).
  • Simulované žíhání (SA).
  • Evoluční strategie (ES).
  • Genetické algoritmy (GA).
  • Nástroje rychlého prototypování - GADesign, GAlib.
  • Representace problémů grafovými modely.
  • Optimalizace syntézy číslicových obvodů.
  • Optimalizace dekompozice a alokace obvodů.
  • Samovyvíjející se obvody.
  • Optimalizace číslicové filtrace a komprese dat.
  • Plánování v multiprocesorových systémech.
  • Využití EA v komerční oblasti.
Osnova laboratorních cvičení:
 
  • Presentace multikriteriální optimalizace.
  • Presentace návrhového systému GADesign.
  • Návrh jednoduchého optimalizátoru se systémem GADesign.
  • Využiti GA knihoven typu GAlib.
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.
 

Vaše IPv4 adresa: 54.226.102.115