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 programovacího prostředí Matlab.

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

Podmínky pro úspěšné ukončení předmětu upřesňuje 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)

1. Úvod do matematické optimalizace - gradient, hessian
2. Metoda nejstrmějšího sestupu Newtonova metoda, Fibonacciho optimalizace
3. Simplexová metoda, horolezecký algoritmus, simulované žíhání (SA), řízené náhodné prohledávání (CRS)
4. DE (diferenciální evoluce), ES (evoluční strategie), soutěžní heuristiky
5. Úvod ke genetickým algoritmům (GA), GA s binárním vyjádřením hodnot
6. GA se spojitým vyjádřením hodnot, problém obchodního cestujícího (TSP) s GA
7. Genetické programování
8. Rojové algoritmy: mravenčí kolonie (AC), TSP s AC a SA, heuristické metody
9. Rojové algoritmy: rojení částic (PSO), SOMA
10. Algoritmy inspirované chováním světlušek, netopýrů, kukaček
11. Algoritmy inspirované chováním vlků, včel
12. Optimalizace v MATLABu, ověřování a porovnávání algoritmů – praktické ukázky

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)