Detail předmětu

Aplikované evoluční algoritmy

FIT-EVOAk. rok: 2024/2025

Přehled principů stochastického prohledávání stavového prostoru: metody Monte Carlo (MC), evoluční algoritmy (EA). Seznámení s vybranými technikami MC: Metropolisův algoritmus, simulované žíhání, aplikace v oblastech optimalizace a simulace. Přehled principů základních variant EA: evoluční programování (EP), evoluční strategie (ES), genetické algoritmy (GA), genetické programování (GP). Přehled statistických metod pro hodnocení evolučních experimentů. Pokročilé techniky a aplikace EA: numerická optimalizace, diferenciální evoluce (DE), EA založené na chování společenstev: mravenčí algoritmy, částicové systémy. Algoritmy vícekriteriální optimalizace. Aplikace EA v oblasti inženýrského návrhu a umělé inteligence.

Jazyk výuky

čeština

Počet kreditů

Garant předmětu

doc. Ing. Michal Bidlo, Ph.D.

Zajišťuje ústav

Ústav počítačových systémů (UPSY)

Vstupní znalosti

Základní dovednosti algoritmizace, znalost datových struktur, jazyk Python.

Pravidla hodnocení a ukončení předmětu

Hodnocená počítačová cvičení, individuální projekt. V případě doložené překážky ve studiu stanoví garant náhradní termín pro splnění hodnocené části předmětu.

Účast na počítačových cvičení, vypracování projektu, závěrečná zkouška.

Učební cíle

Získat přehled o moderních optimalizačních technikách a evolučních algoritmech pro řešení složitých, vesměs NP úplných problémů. Naučit se řešit vybrané složité úlohy z inženýrské praxe pomocí evolučních technik.

Schopnost formulovat řešený problém tak, aby mohl být řešen prostředky evolučních algoritmů. Znalost postupů analýzy a návrhu základních typů evolučních algoritmů.

Základní literatura

Bäck, T.: Evolutionary Algorithms in Theory and Practice. Oxford University Press, Oxford, 1996, ISBN 978-0195099713
Brabazon, A., O'Neill, M., McGarraghy, S.: Natural Computing Algorithms. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-43630-1
Eiben, A.E., Smith, J.E.: Introduction to Evolutionary Computing, 2nd ed. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-44873-1
Jansen, T.: Analyzing Evolutionary Algorithms. Springer-Verlag, Berlin Heidelberg, 2013, ISBN 978-3-642-17338-7

Doporučená literatura

Brabazon, A., O'Neill, M., McGarraghy, S.: Natural Computing Algorithms. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-43630-1
Eiben, A.E., Smith, J.E.: Introduction to Evolutionary Computing, 2nd ed. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-44873-1
Kvasnička, V., Pospíchal, J., Tiňo, P.: Evolučné algoritmy. STU Bratislava, Bratislava, 2000, ISBN 80-227-1377-5
Luke, S.: Essentials of Metaheuristics. Lulu, 2015, ISBN 978-1-300-54962-8
Talbi, E.-G.: Metaheuristics: From Design to Implementation. Wiley, Hoboken, New Jersey, 2009, ISBN 978-0-470-27858-1

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program MITAI magisterský navazující

    specializace NGRI , 0 ročník, letní semestr, volitelný
    specializace NADE , 0 ročník, letní semestr, volitelný
    specializace NISD , 0 ročník, letní semestr, volitelný
    specializace NMAT , 0 ročník, letní semestr, volitelný
    specializace NSEC , 0 ročník, letní semestr, volitelný
    specializace NISY do 2020/21 , 0 ročník, letní semestr, volitelný
    specializace NNET , 0 ročník, letní semestr, volitelný
    specializace NMAL , 0 ročník, letní semestr, volitelný
    specializace NCPS , 0 ročník, letní semestr, volitelný
    specializace NHPC , 0 ročník, letní semestr, volitelný
    specializace NVER , 0 ročník, letní semestr, volitelný
    specializace NIDE , 0 ročník, letní semestr, volitelný
    specializace NISY , 0 ročník, letní semestr, volitelný
    specializace NEMB do 2023/24 , 0 ročník, letní semestr, volitelný
    specializace NSPE , 0 ročník, letní semestr, volitelný
    specializace NEMB , 0 ročník, letní semestr, volitelný
    specializace NBIO , 0 ročník, letní semestr, volitelný
    specializace NSEN , 0 ročník, letní semestr, volitelný
    specializace NVIZ , 0 ročník, letní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Jakub Husa, Ph.D.
doc. Ing. Michal Bidlo, Ph.D.

Osnova

  1. Úvod, principy stochastického prohledávání prostoru.
  2. Metoda Monte Carlo a její varianty.
  3. Evoluční programování a evoluční strategie.
  4. Genetické algoritmy.
  5. Genetické programování.
  6. Diferenciální evoluce.
  7. Statistické vyhodnocování evolučních experimentů.
  8. Mravenčí algoritmy.
  9. Částicové systémy.
  10. Modely pro výpočetní development.
  11. Vybrané aplikace evolučních algoritmů.
  12. Algoritmy vícekriteriální optimalizace.
  13. Pokročilé techniky vícekriteriální optimalizace.

Cvičení na počítači

12 hod., nepovinná

Vyučující / Lektor

Ing. Martin Hurta
Ing. Jakub Husa, Ph.D.

Osnova

  1. Základní koncepty evolučního počítání, typické problémy, řešení technické úlohy pomocí varianty Metropolisova algoritmu.
  2. Evoluční algoritmy v inženýrské praxi, optimalizace elektronických obvodů pomocí genetického algoritmu.
  3. Evoluční návrh pomocí genetického programování.
  4. Detekce hran v obraze s využitím mravenčích algoritmů.
  5. Optimalizace neuronových sítí pomocí diferenciální evoluce.
  6. Řešení vybrané úlohy z oblasti statistické fyziky.

Projekt

14 hod., nepovinná

Vyučující / Lektor

Ing. Jakub Husa, Ph.D.
doc. Ing. Michal Bidlo, Ph.D.
Ing. David Sedlák

Osnova

Realizace zvoleného tématu z oblasti evolučních technik.

Elearning

eLearning: aktuální otevřený kurz