Detail předmětu

Aplikované evoluční algoritmy

FIT-EVOAk. rok: 2017/2018

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.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. Ing. Michal Bidlo, Ph.D.

Zajišťuje ústav

Ústav počítačových systémů (UPSY)

Výsledky učení předmětu

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.

Prerekvizity

Nejsou žádné prerekvizity.

Způsob a kritéria hodnocení

Hodnocení studia je založeno na bodovacím systému. Pro úspěšné absolvování předmětu je nutno dosáhnout 50 bodů.

Osnovy výuky

    Osnova přednášek:
    • Evoluční algoritmy, teoretické základy, základní rozdělení (GA, EP, GP, ES). 
    • Genetické algoritmy (GA), struktura, teorie schémat.
    • Genetické algoritmy využívající diploidy a messy-chromozómy. Specifické operátory křížení.
    • Evoluční strategie (parametry úlohy a řídící parametry).
    • Evoluční programování, Horolezecké algoritmy, Simulované žíhání.
    • Genetické programování (princip, symbolická regrese).
    • Evoluční algoritmy s pravděpodobnostními modely (EDA - estimation of distribution algorithm).
    • Varianty EDA algoritmů, UMDA, BMDA a BOA. Bayesovská síť a její konstrukce.
    • Techniky pro multikriteriální a multimodální úlohy. Selekce a obnova populace.
    • Dynamické optimalizační úlohy.
    • Nová evoluční paradigmata: imunitní systémy, SOMA.
    • Diferenční evoluce a hejnové modely.
    • Inženýrské úlohy a evoluční algoritmy.

    Osnova laboratorních cvičení:
    • Návrh jednoduchého optimalizátoru se systémem GADesign.
    • Využiti GA knihoven typu GAlib.
    • Genetické  programování v Javě.
    • Ilustrace činnosti programu BMDA.

    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.


Učební cíle

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.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Půlsemestrální a finální test, projekt.

Zařazení předmětu ve studijních plánech

  • Program IT-MGR-2 magisterský navazující

    obor MMI , 0 ročník, letní semestr, volitelný
    obor MBI , 0 ročník, letní semestr, povinně volitelný
    obor MSK , 0 ročník, letní semestr, volitelný
    obor MMM , 0 ročník, letní semestr, volitelný
    obor MBS , 0 ročník, letní semestr, volitelný
    obor MIS , 0 ročník, letní semestr, volitelný
    obor MIN , 0 ročník, letní semestr, volitelný
    obor MGM , 0 ročník, letní semestr, volitelný
    obor MPV , 0 ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Michal Bidlo, Ph.D.

Osnova

  • Evoluční algoritmy, teoretické základy, základní rozdělení (GA, EP, GP, ES). 
  • Genetické algoritmy (GA), struktura, teorie schémat.
  • Genetické algoritmy využívající diploidy a messy-chromozómy. Specifické operátory křížení.
  • Evoluční strategie (parametry úlohy a řídící parametry).
  • Evoluční programování, Horolezecké algoritmy, Simulované žíhání.
  • Genetické programování (princip, symbolická regrese).
  • Evoluční algoritmy s pravděpodobnostními modely (EDA - estimation of distribution algorithm).
  • Varianty EDA algoritmů, UMDA, BMDA a BOA. Bayesovská síť a její konstrukce.
  • Techniky pro multikriteriální a multimodální úlohy. Selekce a obnova populace.
  • Dynamické optimalizační úlohy.
  • Nová evoluční paradigmata: imunitní systémy, SOMA.
  • Diferenční evoluce a hejnové modely.
  • Inženýrské úlohy a evoluční algoritmy.

Cvičení na počítači

8 hod., nepovinná

Vyučující / Lektor

doc. Ing. Michal Bidlo, Ph.D.

Projekt

18 hod., nepovinná

Vyučující / Lektor

doc. Ing. Michal Bidlo, Ph.D.