Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
Webová stránka:
https://cw.fel.cvut.cz/wiki/courses/A0M33EOA
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.
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.
Osnovy 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 |
Osnovy 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 |
Literatura:
- 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/
Požadavky:
Základní povědomí o optimalizaci a optimalizačních metodách.
Více o předmětu na:
https://cw.fel.cvut.cz/wiki/courses/a0m33eoa/start
Klíčová slova:
Evoluční algoritmy, genetické programování, evoluční strategie, optimalizace.
Předmět je zahrnut do těchto studijních plánů:
Plán |
Obor |
Role |
Dop. semestr |
Stránka vytvořena 30.12.2024 07:50:35, semestry: Z/2025-6, Z,L/2024-5, připomínky k informační náplni zasílejte správci studijních plánů |
Návrh a realizace: I. Halaška (K336), J. Novák (K336) |