Evolučné algoritmy
- Kredity: 4
- Ukončenie: Skúška
- Rozsah: 0P + 2C
- Semester: letný
- Fakulta hospodárskej informatiky
Vyučujúci
Zaradený v študijných programoch
Výsledky vzdelávania
Výstupy vzdelávania po absolvovaní predmetu
Znalosti (vedomosti)
A. Porozumieť evolučným princípom prehľadávania stavového priestoru riešení a ich významu pri riešení optimalizačných úloh.
B. Poznať princípy reprezentácie problémov a kódovania stavov v evolučných algoritmoch.
Zručnosti
B. Vyberať vhodné reprezentácie problémov a navrhovať efektívne kódovacie schémy pre evolučné algoritmy.
C. Aplikovať genetické, hybridné, opravné a ďalšie operátory evolučných algoritmov a nastavovať ich parametre.
D. Orientovať sa v IT nástrojoch a softvérových prostrediach určených na riešenie problémov pomocou evolučných algoritmov.
E. Aplikovať evolučné algoritmy pri riešení praktických optimalizačných problémov.
Kompetentnosti
F. Spolupracovať v tíme pri riešení zložitých úloh, efektívne komunikovať a niesť zodpovednosť za spoločné výsledky práce.
E. Samostatne a zodpovedne využívať evolučné algoritmy pri riešení komplexných optimalizačných úloh v aplikačnej praxi.
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
Sylabus predmetu
1. Úvodná časť sa venuje pojmu stavového priestoru a metódam jeho prehľadávania. Rozoberajú sa základné stratégie prehľadávania a ich vlastnosti z hľadiska úplnosti a efektívnosti. 2. Predmet sa zameriava na heuristické algoritmy prehľadávania stavového priestoru. Zdôrazňuje sa ich vzťah k optimalizačným úlohám a zvyšovaniu efektívnosti riešenia. 3. Rozoberá sa evolučný darwinov proces ako inšpirácia pre výpočtové algoritmy. Vysvetľuje sa význam evolučných algoritmov pri riešení zložitých optimalizačných problémov. 4. Obsahom je genetický algoritmus a jeho základné pojmy. Pozornosť sa venuje reprezentácii stavového priestoru, kódovaniu stavov a paralelnému prehľadávaniu riešení. 5. Predmet poskytuje úvod do práce so softvérovým prostredím MATLAB. Prezentujú sa ukážky implementácie genetických algoritmov a ich praktické použitie. 6. Rozoberajú sa základné bloky genetického algoritmu, najmä selekcia, mutácia a kríženie. Zdôrazňuje sa význam nastavovania parametrov pre správanie algoritmu. 7. Predmet sa venuje genetickému programovaniu a jeho hlavným typom. Rozoberajú sa princípy implementácie genetického programovania a oblasti jeho využitia. 8. Pozornosť sa venuje významu genetických algoritmov pri získavaní znalostí z dát. Zdôrazňuje sa ich úloha pri objavovaní vzorov a optimalizácii modelov. 9. Rozoberajú sa paralelné evolučné techniky so zameraním na kooperatívne koevolučné algoritmy. Vysvetľujú sa princípy spolupráce populácií pri riešení úloh. 10. Predmet sa venuje kompetitívnym koevolučným algoritmom. Zdôrazňujú sa rozdiely oproti kooperatívnym prístupom a ich vplyv na evolučnú dynamiku. 11. Obsahom je využitie evolučných algoritmov v umelej inteligencii a multiagentových systémoch. Pozornosť sa venuje adaptácii, učeniu a kolektívnemu správaniu. 12. Predmet zahŕňa tímovú prácu na záverečných projektoch. Zdôrazňuje sa spolupráca, formulácia problému a aplikácia evolučných techník v praxi. 13. Záverečná časť sa zameriava na prezentovanie a obhajobu záverečných projektov. Hodnotí sa kvalita riešenia, interpretácia výsledkov a odborná argumentácia.
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: 04.03.2025
Dátum poslednej zmeny: 04.01.2026
Dátum schválenia: 04.03.2025
Dátum poslednej zmeny: 04.01.2026