Evolučné algoritmy

Vyučujúci

Zaradený v študijných programoch

Výsledky vzdelávania

Po absolvovaní predmetu má byť študent schopný:
A. Porozumenie evolučných princípov prehľadávania stavového priestoru riešení.
B. Vedieť vyberať vhodné reprezentácie problémov, navrhovať efektívne kódovacie schémy.
C. Aplikovať príslušné genetické, hybridné, opravné a iné operátory, nastavovať parametre evolučného algoritmu.
D. Orientovať sa v IT nástrojoch a prostrediach vhodných na riešenie problémov evolučnými algoritmami.
E. Vedieť aplikovať evolučné algoritmy na riešenie praktických optimalizačných problémov.
F. Naučiť sa komunikovať a pracovať v tíme na riešení zložitých úloh.

Stručná osnova predmetu

1. Stavový priestor, prehľadávanie stavového priestoru a stratégie prehľadávania
2. Heuristické algoritmy prehľadávanie stavového priestoru a ich vzťah k optimalizačným úlohám
3. Evolučný darwinov proces a význam evolučných algoritmov
4. Genetický algoritmus, základné pojmy, reprezentácia stavového priestoru, kódovanie stavov, paralelné prehľadávanie stavového priestoru
5. Úvod do práce so softvérom MATLAB, ukážky genetických algoritmov
6. Bloky genetického algoritmu (selekcia, mutácia a kríženie) a nastavovanie parametrov
7. Genetické programovanie, typy genetických programov a ich implementácia
8. Význam genetických algoritmov pri získavaní znalostí z dát
9. Paralelné evolučné techniky, koevolučné algoritmy kooperatívne
10. Kompetetívne koevolučné algoritmy
11. Evolučné algoritmy v umelej inteligencii, v multiagentových systémoch
12. Práca v tímoch na záverečných projektoch
13. Prezentovanie a obhajoba záverečných projektov

Odporúčaná literatúra

Odporúčaná literatúra:
1. KVASNIČKA, V. -- POSPÍCHAL, J. -- TIŇO, P. Evolučné algoritmy. Bratislava : STU v Bratislave, 2000.. ISBN 80-227-1377-5
2. MACH, M. Evolučné algoritmy: Prvky a princípy. TU Košice, 2009. ISBN 978-80-8086-123-0
3. OPLATKOVÁ, Z., OŠMERA, P., ŠEDA, M., VČELAŘ, F., ZELINKA, I.: Evoluční výpočetní techniky - principy a aplikace. BEN - technická literatura, Praha, 2008, ISBN 80-7300-218-3
4. MICHALEWICZ, Z.: Genetic Algorithms + Data Structures = Evolution Programs. Berlin: Springer Verlag, 1992, ISBN 978-3-540-60676-5
5. RUSSELL, S.J., NORVIG, P.: Artificial Intelligence, A Modern Approach, Prentice Hall, A Modern Approach, Global Edition, 2021
6. NEGNEVITSKY, M.: Artificial Intelligence: A Guide to Intelligent Systems (3nd Edition), Pearson Education Limited, 2011, ISBN-13: 978-1408225745
7. XINJIE, Y., MITSUO, G.: Introduction to Evolutionary Algorithms, Springer Verlag, ISBN 978-1-84996-128-8
8. EIBEN, A.E., SMITH, J.E, Introduction to Evolutionary Computing, 2nd ed. Springer-Verlag Berlin Heidelberg, 2015, ISBN 978-3-662-44873-1
9. Norvig, P., Russell, S., Artificial Intelligence: A Modern Approach, Global Edition, 2021

Podmienky na absolvovanie predmetu

Podmienky na absolvovanie predmetu:
- záverečná skúška – písomná forma, 60% (absolvovanie skúšky znamená získanie min. 51% z hodnotenia skúšky). Skúška pozostáva z dvoch častí: overenie teoretických vedomosti (test s rôznymi typmi otázok). Teoretickou časťou sa overuje dosiahnutá úroveň výsledkov vzdelávania A,B,D. Overenie praktických zručností (práca v MATLAB), kde sa overuje úroveň výsledkov vzdelávanie C,D,E.
Cvičenia
- práca v malých tímoch: spracovanie a prezentácia seminárnej témy 20%, práca na záverečnom projekte a jeho obhajoba 20%
Spolu: 40%
Hodnotením samostatnej práce a hodnotením práce v tímoch sa rozvíjajú a hodnotia nasledovné výsledky vzdelania B, C, E, F.

Pracovné zaťaženie študenta

Pracovné zaťaženie študenta (v hodinách):
4 kreditov x 26 hodín = 104 hodín
Rozdelenie študijného zaťaženia:
Účasť na seminároch: 26 hodín
Príprava na semináre: 10 hodín
Príprava projektu: 24 hodín
Príprava na záverečnú skúšku: 44 hodín

Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu

slovenský

Dátum schválenia: 11.03.2024

Dátum poslednej zmeny: 18.05.2022

Dátum schválenia: 11.03.2024

Dátum poslednej zmeny: 18.05.2022