Evoluční optimalizační algoritmy
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
A0M33EOA | Z,ZK | 6 | 2+2c | česky |
- Přednášející:
- Petr Pošík, Jiří Kubalík (gar.)
- Cvičící:
- Petr Pošík, Jiří Kubalík (gar.)
- Předmět zajišťuje:
- katedra kybernetiky
- Anotace:
-
Cílem předmětu je seznámit studenty s evolučními algoritmy, což jsou optimalizační techniky využívající analogií s přírodní evolucí.
Předmět prohlubuje některá témata přednášená v předmětu Biologicky inspirované algoritmy směrem k praktickému nasazení a zaměřuje se na nová témata, především na překážky, na které narážíme v aplikacích evolučních algoritmů a na metody, kterými se řeší.
Na přednáškách budou představeny různé varianty evolučních algoritmů a budou ukázány vhodné oblasti pro jejich nasazení. Na cvičeních si studenti vyzkouší implementaci evolučního algoritmu pro řešení složitých optimalizačních problémů.
- Požadavky:
-
Základy evolučních algoritmů.
Více o předmětu na:
- Osnova přednášek:
-
1. Standardní evoluční algoritmy. Vztah klasických opt. technik a EA. Memetické algoritmy.
2. No Free Lunch. Hodnocení výkonosti a porovnání EA.
3. Práce s omezeními. Speciální reprezentace, penalizace a dekodéry, opravné algoritmy, multikriteriální přístup.
4. Parametry EA. Ladění, adaptace.
5. Statistická závislost mezi komponentami řešení. Perturbační metody. Optimalizace učením modelu.
6. Algoritmy EDA. Optimalizace odhadem modelu rozdělení pravděpodobnosti.
7. Evoluční strategie s adaptací kovarianční matice (CMA-ES).
8. Paralelní evoluční algoritmy.
9. Genetické programování (GP). Reprezentace,
inicializace, operátory, typované GP, ADF.
10. Gramatická evoluce. Gene expression programming.
11. Lineární GP. Grafové GP.
12. Problémy v GP. „Bloat“, udržení diverzity.
13. Koevoluce.
14. Rezerva
- Osnova cvičení:
-
1. Realizace jednoduchého genetického algoritmu (SGA). Ukázky vlivu jednotlivých parametrů SGA na jeho výpočet.
2. Rozbor témat na semestrální úlohu. Zadání úloh.
3. Řešení semestrální úlohy I - implementace lokálního optimalizačního algoritmu.
4. Odevzdání semestrální úlohy I.
5. Řešení semestrální úlohy II - implementace jednoduchého EA.
6. Řešení semestrální úlohy II - implementace jednoduchého EA.
7. Odevzdání semestrální úlohy II.
8. Řešení semestrální úlohy III - implementace specializovaného EA.
9. Úspěšné aplikace evolučních algoritmů.
10. Řešení semestrální úlohy III - implementace specializovaného EA.
11. Odevzdání semestrální úlohy III. Prezentace referátů.
12. Prezentace referátů.
13. Prezentace referátů.
14. Rezerva
- Cíle studia:
-
Cílem předmětu je detailně seznámit studenty s několika variantami evolučních optimalizačních algoritmů a ukázat vhodné oblasti pro jejich praktické nasazení. Důraz je kladen na identifikaci překážek, na které narážíme v aplikacích evolučních algoritmů, a na metody, kterými se řeší.
- Studijní materiály:
-
- Luke, S.: Essentials of Metaheuristics, 2009
http://cs.gmu.edu/~sean/book/metaheuristics/
- Poli, R., Langdon, W., McPhee, N.F.: A Field Guide to Genetic Programming, 2008
- Poznámka:
-
Rozsah výuky v kombinované formě studia: 14p+6c
- Rozvrh na zimní semestr 2011/2012:
-
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po Út St Čt Pá - Rozvrh na letní semestr 2011/2012:
- Rozvrh není připraven
- Předmět je součástí následujících studijních plánů: