Detail předmětu

Evoluční algoritmy

FEKT-FEALAk. rok: 2010/2011

Předmět je orientován na získání znalostí o evolučních výpočetních technikách s podrobnějším zaměřením na genetické algoritmy, jejich realizaci a použití při řešení optimalizačních úloh

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. Ing. Jiří Kozumplík, CSc.

Zajišťuje ústav

Ústav biomedicínského inženýrství (UBMI)

Výsledky učení předmětu

Obecné znalosti metod evolučních výpočetních technik. Praktické znalosti o genetických algoritmech a jejich realizaci.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Způsob a kritéria hodnocení

Podmínky pro úspěšné ukončení předmětu stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Osnovy výuky

Základní pojmy z evolučních algoritmů. Princip genetických algoritmů (GA), úvod do teorie GA.
Evoluční startegie. Metoda rojení částic, samoorganizující se migrační algoritmus. Diferenciální evoluce. Úvod do genetického programování.

Učební cíle

Získání základních znalostí o principech evolučních výpočetních technik a možnostech jejich využití. Podrobnější seznámení s genetickými algoritmy.

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

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Doporučená literatura

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

Zařazení předmětu ve studijních plánech

  • Program BTBIO-F magisterský navazující

    obor F-BTB , 2 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Jiří Kozumplík, CSc.

Osnova

Úvod do optimalizace
Základní pojmy z evolučních algoritmů
Princip genetických algoritmů (GA)
Úvod do teorie GA, aneb proč GA fungují
Příklady optimalizačních úloh s GA
Zvyšování účinnosti genetických algoritmů
Paralelní GA, některé varianty GA, GA v úlohách s omezeními
Evoluční startegie (ES), adaptivní ES
Metoda rojení částic (PSO)
Samoorganizující se migrační algoritmus (SOMA)
Diferenciální evoluce
Úvod do genetického programování (GP)
Testování evolučních algoritmů

Cvičení na počítači

13 hod., povinná

Vyučující / Lektor

doc. Ing. Jiří Kozumplík, CSc.

Osnova

Funkce pro testování genetických algoritmů, Grayovo kódování
Seznámení se s funkcemi pro GA v Matlabu
Realizace genetického algoritmu - jednoduché aplikace pro hledání extrémů funkcí
Zvyšování účinnosti GA
Testování různých variant GA
Prezentace projektů