PředmětyPředměty(verze: 901)
Předmět, akademický rok 2021/2022
  
Evoluční algoritmy II - NAIX086
Anglický název: Evolutionary Algorithms II
Zajišťuje: Studijní oddělení (32-STUD)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2019
Semestr: letní
E-Kredity: 6
Rozsah, examinace: letní s.:2/2 Z+Zk [hodiny/týden]
Počet míst: neomezen
Minimální obsazenost: neomezen
Virtuální mobilita / počet míst: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Je zajišťováno předmětem: NAIL086
Garant: Mgr. Roman Neruda, CSc.
Třída: Informatika Mgr. - Teoretická informatika
Kategorizace předmětu: Informatika > Teoretická informatika
Prerekvizity : {NXXX038, NXXX039, NXXX040, NXXX067, NXXX069}
Korekvizity : NAIL025, NAIX025
Neslučitelnost : NAIL086
Záměnnost : NAIL086
Je neslučitelnost pro: NAIL086
Je záměnnost pro: NAIL086
Anotace -
Poslední úprava: T_KSI (19.04.2006)
Evoluční modely, programování, strategie, Genetické algoritmy a programování. Klasifikační systémy, adaptivní chování. Celulární automaty. Řešení kombinatorických problémů.
Cíl předmětu -
Poslední úprava: T_KTI (26.05.2008)

Naučit vybrané pokročilé části z teorie evolučních algoritmů a jejich aplikace.

Podmínky zakončení předmětu -
Poslední úprava: RNDr. Jan Hric (07.06.2019)

Ústní zkouška

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

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

Michalewicz, Z: Genetic algorithms + data structures = evolutionary programs. Springer Verlag, 1994.

Koza, J.: Genetic programming (I,II,III) MIT Press, 1992, 1994, 1996.

Chambers, L. (ed.): Practical handbook of genetic algorithms, CRC Press, 1995.

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

Evoluční programování. Alternativní reprezentace problému. Evoluce konečných automatů. "Meta-evoluce" - adaptace evolučních pravidel.

Evoluční strategie, kooperace individuí, (1+1) ES, (m+1) ES, rychlost konvergence.

Genetické programování. Evoluce počítačových programů. Vnitřní stromová reprezentace, genetické operátory.

Otevřená evoluce, adaptivní chování, animati, artificial life. Emergence, simulace stádního chování, simulace prostředí a interakcí (Tierra, Avida, Framsticks, ...).

EA a numerická optimalizace. Binární vs. float reprezentace, multiúčelová optimalizace, zahrnutí explicitních podmínek a omezení.

EA a kombinatorické problémy. Řešení NP-úplných úloh, problém obchodního cestujícího, problém batohu.

Genetické učení neuronových sítí. Vnitřní reprezentace, evoluce topologií. Evoluční učení vah, hybridní přístupy. Funkční ekvivalence sítí. Evoluce v procesu učení sítě.

 
Univerzita Karlova | Informační systém UK