čeština

Absolvent předmětu je schopen:
Realizovat jednoduché analytické optimalizační metody (metodu nejstrmějšího sestupu a Newtonovu metodu)
Realizovat simplexovou metodu pro hledání globálního extrému
Vysvětlit podstatu stochastických optimalizačních metod s populacemi
Vysvětlit podstatu binárních a spojitých genetických algoritmů a jejich základních operací

Jsou požadovány znalosti na úrovni bakalářského studia, předpokládáme znalosti ze základů numerické matematiky. V laboratorní výuce se předpokládá znalost programového prostředí Matlab.

Metody vyučování zahrnují přednášky a cvičení na počítači. Předmět využívá e-learning. Student odevzdává jeden samostatný projekt.

Podmínky pro úspěšné ukončení předmětu stanoví každoročně aktualizovaná vyhláška garanta předmětu.
- až 30 bodů za řešení zadaných úkolů v laboratorním cvičení (pro postup ke zkoušce je nutný zisk minimálně 15 bodů)
- až 70 bodů za písemnou zkoušku (z písemné zkoušky je nutné získat minimálně 35 bodů)
- 30 points can be obtained for activity in the laboratory exercises, consisting in solving tasks (for the procedure for the examination must be obtained at least 15 points)
- 70 points can be obtained for the written exam (the written examination is necessary to obtain at least 35 points)

1. Optimalizace vycházející z matematické analýzy, podmínky optimality, gradient, hessián
2. Metoda nejstrmějšího sestupu, Newtonova metoda
3. Stochastické algoritmy pro hledání globálního minima, simplexová metoda
4. Evoluční algoritmy s populacemi. Binární genetické algoritmy.
5. Spojité genetické algoritmy.
6. Řízené náhodné prohledávání, evoluční strategie, rojení částic
7. Diferenciální evoluce, SOMA, mravenčí kolonie
8. Soutěžící heuristiky
9. Testovací funkce pro ověřování optimalizačních algoritmů
10. Jednoduché metody: horolezecký algoritmus, zakázané prohledávání, simulované žíhání
11. Experimentální porovnávání evolučních algoritmů
12. Úvod do genetického programování

Získání znalostí o deterministických a stochastických metodách optimalizace. Seznámení se s evolučními algoritmy s populacemi pro hledání globálních extrémů vícerozměrných funkcí. Seznámení se s úvodem do genetického programování.

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu (viz Rozvrhové jednotky).
V zásadě:
- povinné počítačové cvičení (zmeškaná laboratorní cvičení musí být řádně omluvená a lze je nahradit po domluvě s vyučujícím)
- nepovinná přednáška

Tvrdík, J.: Evoluční algoritmy. Skripta, Přírodovědecká fakulta Ostravské univerzity, 2004 (CS)

Hynek, J.: Genetické algoritmy a genetické programování. Grada Publishing, 2008 (CS)