Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024

Evoluční optimalizační algoritmy

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
A0M33EOA Z,ZK 6 2P+2C česky
Garant předmětu:
Petr Pošík
Přednášející:
Petr Pošík
Cvičící:
Petr Pošík
Předmět zajišťuje:
katedra kybernetiky
Anotace:

Evoluční algoritmy jsou stochastické optimalizační techniky využívající analogií s přírodní evolucí. Cílem předmětu je seznámit studenty s touto třídou algoritmů, s problémy, na něž mohou narazit při jejich aplikaci, a s metodami jejich řešení. 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 složitějších optimalizačních problémů.

Požadavky:

Základní povědomí o optimalizaci a optimalizačních metodách.

Více o předmětu na:

https://cw.fel.cvut.cz/wiki/courses/a0m33eoa/start

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

http://www.gp-field-guide.org.uk/

Poznámka:
Další informace:
https://cw.fel.cvut.cz/wiki/courses/A0M33EOA
Rozvrh na zimní semestr 2023/2024:
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
místnost KN:E-128
Pošík P.
16:15–17:45
(přednášková par. 1)
Karlovo nám.
Cvičebna K3
místnost KN:E-230
Pošík P.
18:00–19:30
(přednášková par. 1
paralelka 101)

Karlovo nám.
Laboratoř PC
Út
St
Čt

Rozvrh na letní semestr 2023/2024:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 16. 3. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet12589004.html