Aplikované evoluční algoritmy

• 26 hod. přednášky
• 12 hod. pc laboratoře
• 14 hod. projekty

• 60 bodů závěrečná zkouška (písemná část)
• 18 bodů laboratoře
• 22 bodů projekty

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

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.

Přírodou inspirované algoritmy představují mocné nástroje pro řešení řady složitých optimalizačních problémů, pro které nejsou známy efektivní inženýrské postupy. Také bylo již mnohokrát prokázáno, že evoluční algoritmy jsou v některých oblastech schopny poskytnout inovativní řešení, která jsou nedosažitelná existujícími metodami. Proto je žádoucí nabídnout předmět poskytující znalosti a dovednosti o evolučních algoritmech a jejich aplikacích coby část kompetencí budoucím inženýrům v oblasti informačních technologií.

• 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
• Talbi, E.-G.: Metaheuristics: From Design to Implementation. Wiley, Hoboken, New Jersey, 2009, ISBN 978-0-470-27858-1
• Luke, S.: Essentials of Metaheuristics. Lulu, 2015, ISBN 978-1-300-54962-8

• 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

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. Modely pro výpočetní development.
7. Statistické vyhodnocování evolučních experimentů.
8. Mravenčí algoritmy.
9. Částicové systémy.
10. Diferenciální evoluce.
11. Vybrané aplikace evolučních algoritmů.
12. Algoritmy vícekriteriální optimalizace.
13. Pokročilé techniky vícekriteriální optimalizace.

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.

Realizace zvoleného tématu z oblasti evolučních technik.

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.

Zápočet není ustanoven.

Vizte kontakty na osobní www stránce a konzultační hodiny s možností rezervace termínů.