|
Vyučující
|
-
Brandejský Tomáš, doc. Ing. Dr.
|
|
Obsah předmětu
|
Cílem předmětu je seznámení studentů se základními idejemi evolučních technik. Dále se mohou studenti soustředit buď více na optimalizační techniky a jim odpovídající genetické algoritmy a evoluční strategie, simulované žíhání a další, nebo na problémy vytváření struktur a symbolické regrese a tedy především na genetické programování, gramatickou evoluci a další přístupy. V rámci studia mají studenti možnost si algoritmy prakticky vyzkoušet. V předmětu jsou rovněž vysvětlovány základní poznatky informační dynamiky GA, ES a GPA, aby studenti mohli tyto algoritmy efektivně aplikovat. Hlavní témata předmětu: 1.Základní typy a struktury evolučních algoritmů, otázka reprezentace genů, evolučních operátorů. V případě algoritmů genetického programování je dále vysvětlován vliv různých reprezentací genů, volba množiny funkcí a její vliv na efektivitu řešení, specifické aplikačně definované funkce a operace např. Pro řešení problémů popsaných obecnými grafy, hierarchické a hybridní algoritmy a jejich vhodnost pro určité typy úloh. 2.Třídy úloh řešených pomocí evolučních technik, aplikace v optimalizaci nelineárních systémů, symbolické regrese, konstruktivních úloh, programování, objevování pravidel hry apod. 3.Informační dynamika evolučních algoritmů, problém globálního optima, fitness funkce. 4.Paralelní implementace úloh a vhodnost jednotlivých tříd paralelního HW, jako jsou multicore a nany core procesory, GPGPU, clustery, gridy.
|
|
Studijní aktivity a metody výuky
|
|
Monologická (výklad, přednáška, instruktáž), Metody samostatných akcí, Laborování
|
|
Výstupy z učení
|
Cílem předmětu je seznámení studentů se základními idejemi evolučních technik.
|
|
Předpoklady
|
nespecifikováno
|
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Písemná zkouška, Posouzení zadané práce
Student absolvuje minimálně 3 konzultace během semestru s vyučujícím předmětu týkající se teoretické náplně předmětu. Student absolvuje minimálně 1 konzultaci týkající se zadané praktické práce. V rámci praktické práce student implementuje vhodný algoritmus pro řešení zadaného problému a demonstruje jeho funkci a vhodnost. Vhodným algoritmem může být některý z genetických algoritmů, evolučních strategií pro optimalizační úlohy, nebo algoritmy genetického programování, hierarchické a hybridní algoritmy či gramatické evoluce pro konstruktivní úlohy, případně další evoluční techniky volené i s ohledem na budoucí doktorskou práci.
|
|
Doporučená literatura
|
-
Golberg, D.E. Genetic algorithms in search, optimization, and machine learning. 1989.
-
Hynek, Josef. Genetické algoritmy a genetické programování. Praha: Grada, 2008. ISBN 978-80-247-2695-3.
-
Koza, John R. Genetic programming III : Darwinian invention and problem solving. San Francisco: Morgan Kaufmann, 1999. ISBN 1-55860-543-6.
-
Poli, R.; Langdon, W.B. A field guide to genetic programming. available at http://www.gp-field-guide.org.uk. ISBN 978-1-4092-0073-4.
|