Přírodní algoritmy učení a optimalisace - NPFL132
Anglický název: Natural computing for learning and optimisation
Zajišťuje: Ústav formální a aplikované lingvistiky (32-UFAL)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2021
Semestr: zimní
E-Kredity: 4
Rozsah, examinace: zimní s.:2/1, Zk [HT]
Počet míst: neomezen
Minimální obsazenost: neomezen
Virtuální mobilita / počet míst: ne
Stav předmětu: vyučován
Jazyk výuky: čeština, angličtina
Způsob výuky: prezenční
Další informace: https://ufal.mff.cuni.cz/courses/npfl107
Poznámka: předmět je možno zapsat mimo plán
Garant: Mgr. Nino Peterek, Ph.D.
Neslučitelnost : NPFL107
Záměnnost : NPFL107
Je neslučitelnost pro: NPFL107
Je záměnnost pro: NPFL107
Výsledky anket   Termíny zkoušek   Rozvrh ZS   Nástěnka   
Anotace -
Poslední úprava: RNDr. Jiří Mírovský, Ph.D. (24.05.2021)
Přednáška je úvodem do některých algoritmů inspirovaných přírodou. Tématy budou samoorganisace v přirozených a umělých systémech, algoritmy inteligentních rojů, organisace sociálního hmyzu. Organismy umí spolupracovat k dosažení určitého cíle, tyto metody je možné využít i v obecných optimalisačních a učících úlohách. Cílem přednášky je představit skupinu těchto algoritmů, prozkoumat jejich komponenty a chování.
Podmínky zakončení předmětu -
Poslední úprava: RNDr. Jiří Mírovský, Ph.D. (24.05.2021)

Předvedení vlastní implementace dvou algoritmů přírodního učení.

Literatura -
Poslední úprava: RNDr. Jiří Mírovský, Ph.D. (24.05.2021)
  • D. Corne, A. Reynolds, E. Bonabeau (2010). Swarm Intelligence, in Handbook of Natural Computing (G. Rozenberg, T. Back, J.N. Kok, eds.), vol. II: Broader Perspective. Springer

  • D. W. Corne, K. Deb, J. Knowles, X. Yao (2010). Selected Applications of Natural Computing, (G. Rozenberg, T. Back, J.N. Kok, eds.), vol. II: Broader Perspective. Springer

  • Blum, C. and Li, X. , Swarm Intelligence in Optimization, in Blum, C. and Merkle, D. (eds.), Swarm Intelligence - Introduction and Applications, Springer, 2008: 43-85, 2008

  • M. Dorigo, M. Birattari, and T. Stützle (2006). Ant Colony Optimization: Artificial Ants as a Computational Intelligence Technique, IEEE Computational Intelligence Magazine, November:28-39.

  • X.S. Yang and S. Deb (2010). Engineering Optimisation by Cuckoo Search, International Journal of Mathematical Modelling and Numerical Numerical Optimisation, 1(4):330-343.

  • C.-R. Wang, C.-L. Zhou, and J.-W. Ma (2005). An Improved Artificial Fish-Swarm Algorithm and Its Application in Feed-forward Neural Networks, Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, vol. 5:2890-2894

  • Omidvar, M., Li, X., and Yao, X. , Smart Use of Computational Resource Based on Contribution for Cooperative Co-evolutionary Algorithms, in Proceedings of Genetic and Evolutionary Computation Conference (GECCO'11), ACM Press: 1115-1122, 2011

Požadavky ke zkoušce -
Poslední úprava: RNDr. Jiří Mírovský, Ph.D. (24.05.2021)

Zkouška spočívá v předvedení vlastní implementace dvou algoritmů přírodního učení.

Sylabus -
Poslední úprava: RNDr. Jiří Mírovský, Ph.D. (24.05.2021)
  • Samoorganisace

Samoorganisace v přírodě, fyzice, chemii, biologii, matematice,

informatice, lingvistice, lidské společnosti.

  • Algoritmy inteligentních rojů

Optimalisace v mravenčí kolonii, algoritmus hledání potravy bakterií,

optimalisace roje, algoritmy včelí kolonie, kukaččího hledání, světlušek.

  • Teorie a aplikace algoritmů rojů

Multikriteriální optimalisace, trajektorie částic, multimodální

optimalisace, optimalisace v dynamickém prostředí, ko-evoluční PSO,

současné trendy a příbuzná témata.