460-4086 – Biologicky inspirované algoritmy (BIA)

Cílem předmětu je seznámení jeho posluchačů s moderními výpočetními metodami odvozenými z evolučních a biologických procesů. Absolvent se seznámí s významnými optimalizačními problémy, které se naučí řešit pomocí biologicky inspirovaných algoritmů. V rámci předmětu budou zmíněny i metody matematické. Student by tedy po absolvování předmětu měl být schopen posoudit, jaká metoda je pro konkrétní problém vhodná. Absolvent bude umět rozlišovat mezi lokální a globální optimalizací, seznámí se s víceúčelovou optimalizací a optimalizací kombinatorickou. V rámci předmětu bude zmíněna optimalizace s vysokým počtem proměnných. Absolvent předmětu dokáže: - definovat optimalizační problém, - definovat evoluční/rojový algoritmus a algoritmus lokálního prohledávání, - orientovat se v biologicky inspirovaných algoritmech, - orientovat se v optimalizačních problémech, - řešit optimalizační problém vhodným biologicky inspirovaným algorimem, případně zvolit matematickou metodu, - identifikovat problémově závislé proměnné, následně je správně nastavit pro konkrétní problém, - navrhnout postup pro urychlení optimalizačního procesu

Předmět je orientován na biologicky inspirované algoritmy používané pro optimalizaci. V rámci předmětu bude student seznámen s výhodami a nevýhodami těchto metod ve srovnání s metodami matematickými. Naučí se rozlišovat mezi evolučními, rojovými a lokálními algoritmy. A aplikovat tyto algoritmy na vybrané optimalizační problémy. Předmět klade důraz jak na různorodost optimalizačních problémů, tak na různorodost biologicky inspirovaných optimalizačních technik, které jsou pro řešení těchto problémů vhodné. Teoretické znalosti nabyté v rámci přednášek pak student využívá pro plnění praktických úloh na cvičení. Cvičení tedy úzce korespondují s přednáškami. Cílem předmětu je seznámení jeho posluchačů s moderními výpočetními metodami odvozenými z evolučních a biologických procesů. Absolvent se seznámí s významnými optimalizačními problémy, které se naučí řešit pomocí biologicky inspirovaných algoritmů. V rámci předmětu budou krátce zmíněny i metody matematické. Student by tedy po absolvování předmětu měl být schopen posoudit, jaká metoda je pro konkrétní problém vhodnější. Absolvent bude umět rozlišovat mezi lokální a globální optimalizací, seznámí se s víceúčelovou optimalizací a optimalizací kombinatorickou. V rámci předmětu bude zmíněna optimalizace s vysokým počtem proměnných. Absolvent předmětu dokáže: - definovat optimalizační problém, - definovat evoluční/rojový algoritmus a algoritmus lokálního prohledávání, - orientovat se v biologicky inspirovaných algoritmech, - orientovat se v optimalizačních problémech, - řešit optimalizační problém vhodným biologicky inspirovaným algorimem, případně zvolit matematickou metodu, - identifikovat problémově závislé proměnné, následně je správně nastavit pro konkrétní problém, - navrhnout postup pro urychlení optimalizačního procesu.

[1] Scardua, L. A. (2021). Applied evolutionary algorithms for engineers using python. CRC Press. [2] Moriarity, Sean. "Genetic Algorithms in Elixir: Solve Problems Using Evolution." (2021): 1-230. [3] Kochenderfer, M. J., & Wheeler, T. A. (2019). Algorithms for optimization. Mit Press. [4] Abualigah, L. (Ed.). (2024). Metaheuristic Optimization Algorithms: optimizers, analysis, and applications. Elsevier.

[1] Zelinka I., Oplatková Z., Šeda M., Ošmera P., Včelař F., Evoluční výpočetní techniky, principy a aplikace, BEN, 2008, Praha [2] Kvasnička V., Pospíchal J., Tiňo P., Evolučné algoritmy, STU Bralislava, ISBN 80-227-1377-5, 2000 3. Zelinka I., Včelař F., Čandík M., Fraktální geometrie – principy a aplikace, BEN, 2006, 160 p., ISBN 80-7300-191-8 [3] Back, T., Fogel, B., Michalewicz, Z.: Handbook of Evolutionary Computation, Institute of Physics, London [4] Davis L. 1996, Handbook of Genetic Algorithms, International Thomson Computer Press, ISBN 1850328250