PředmětyPředměty(verze: 835)
Předmět, akademický rok 2018/2019
   Přihlásit přes CAS
Evoluční algoritmy I - NAIL025
Anglický název: Evolutionary Algorithms I
Zajišťuje: Katedra teoretické informatiky a matematické logiky (32-KTIML)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2015
Semestr: zimní
E-Kredity: 6
Rozsah, examinace: zimní s.:2/2 Z+Zk [hodiny/týden]
Počet míst: neomezen
Minimální obsazenost: neomezen
Stav předmětu: vyučován
Jazyk výuky: čeština, angličtina
Způsob výuky: prezenční
Garant: Mgr. Roman Neruda, CSc.
Třída: Informatika Mgr. - Teoretická informatika
Kategorizace předmětu: Informatika > Teoretická informatika
Je korekvizitou pro: NAIL086
Anotace -
Poslední úprava: Mgr. Roman Neruda, CSc. (02.05.2006)

Evoluční modely, programování, strategie, Genetické algoritmy a programování. Klasifikační systémy, adaptivní chování. Celulární automaty. Řešení kombinatorických problémů.
Cíl předmětu
Poslední úprava: Mgr. Roman Neruda, CSc. (02.05.2006)

Naučit základní techniky používané v evolučních algoritmech. Ukázat souvislosti s příbuznými oblastmi dataminingu a učení.

Podmínky zakončení předmětu -
Poslední úprava: Mgr. Roman Neruda, CSc. (02.05.2006)

Podmínkou pro zakončení předmětu je získání zápočtu a složení zkoušky. Zápočet je udělen za vypracování úkolů na cvičení. Povaha kontroly získání zápočtu vylučuje možnost jejího opakování.

Literatura
Poslední úprava: Mgr. Roman Neruda, CSc. (02.05.2006)

Mitchell, M.: Introduction to genetic algorithms. MIT Press, 1996.

Goldberg, D.: Genetic algorithms in search optimization and machine learning, Addison-Wesley, 1989.

Holland, J.: Adaptation in natural and artificial systems, MIT Press, 1992 (2nd ed).

Holland, J.: Hidden order, Addison-Wesley, 1995.

Požadavky ke zkoušce -
Poslední úprava: Mgr. Roman Neruda, CSc. (02.05.2006)

Zkouška je ústní s časem na písemnou přípravu. Požadavky odpovídají sylabu předmětu v rozsahu, který byl přednesen na přednášce. Součástí zkoušky je i návrh evolučního algoritmu aplikovaného na konkrétní problém.

Sylabus -
Poslední úprava: Mgr. Roman Neruda, CSc. (02.05.2006)

Modely evoluce - základní přístupy a pojmy. Populace, rekombinace. Ohodnocení úspěšnosti individua.

Genetické algoritmy. Zakódování řešené problému do chromozómu. Základní genetické operace, selekce, křížení, mutace.

Selekce - simulace přirozeného výběru. Účelová funkce. Dynamická vs. statická selekce, mechanismus rulety, turnaje, elitářství.

Reprezentační schemata, vlastnosti, věta o schematech. Hypotéza o stavebních blocích. Věta o implicitním paralelismu.

Pravděpodobnostní modely jednoduchého genetického algoritmu, konečná a nekonečná velikost populace.

Strojové učení a datokopectví. Evoluce expertních systémů, vnitřní reprezentace, Michiganský vs. Pittsburgský přístup.

Klasifikační systémy. Učení pravidel "if-then", makléřský algoritmus, Q-učení, produkční systémy.

 
Univerzita Karlova | Informační systém UK