460-4053/01 – Biologicky inspirované výpočty (BIV)
Garantující katedra | Katedra informatiky | Kredity | 4 |
Garant předmětu | prof. Ing. Ivan Zelinka, Ph.D. | Garant verze předmětu | prof. Ing. Ivan Zelinka, Ph.D. |
Úroveň studia | pregraduální nebo graduální | Povinnost | volitelný odborný |
Ročník | 2 | Semestr | zimní |
| | Jazyk výuky | čeština |
Rok zavedení | 2010/2011 | Rok zrušení | 2015/2016 |
Určeno pro fakulty | FEI | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cílem předmětu je seznámení jeho posluchačů s moderními výpočetními metodami odvozených z evolučních a biologických procesů (evoluční algoritmy, buněčné automaty apod.). Absolvent získá přehled o moderních výpočetních postupech založených na principech, odpozorovaných z biologických dějů a dynamik. Po úspěšném absolvování kurzu bude absolvent schopen aplikovat metody probírané v kurzu na reálné problémy.
Vyučovací metody
Přednášky
Anotace
V rámci předmětu se bude probírat širší spektrum evolučních výpočetních technik. Budou zmíněny jak historicky klasické techniky, tak moderní algoritmy. Dále budou probírány na úvodní úrovni buněčné automaty, umělý život, neuronové sítě, evoluční hardware, DNA computing, apod. Velký důraz bude kladen na praktickou stránku věci - schopnost aplikovat většinu probíraných metod na praktické příklady. Student by měl mít po absolvování kurzu ucelené znalosti z výše zmíněných oblastí, včetně možnosti jeich použití. Součástí předmětu jsou laboratorní cvičení, v nichž si studenti budou procvičovat jak naprogramování vybraných algoritmů, tak jejich aplikování na řešení praktických problémů.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Kontrola je založena na vypracovávání protokolů předmětu, pomocí kterých student prokazuje nejen pochopení informací z přednášek, ale i schopnost jejich implementace v daném programovém prostředí. K získání zápočtu je nutno odevzdat cvičícímu všechny požadované protokoly a mít alespoň 80% fyzické účasti na laboratořích. Zápočet je podmínkou NUTNOU k připuštění ke zkoušce.
U studentů kombinovaného studia jsou laboratoře nahrazeny vypracováním zadaných protokolů.
E-learning
Další požadavky na studenta
Je požadována schopnost tvořit programy v některém z programovacích jazyků vyučovaných na VŠB.
Další požadavky na studenta nejsou kladeny.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
Přednášky:
1.Evoluční algoritmy 1. Současný stav na poli softcomputingu, fuzzy logika, neuronové
sítě, evoluční výpočetní techniky (EVT). Klasifikace evolučních výpočetních technik,
historická fakta, současné trendy na poli EVT. Centrální dogma EVT podle Darwina a
Mendela.
2. Evoluční algoritmy 2. No Free Lunch teorém. Výpočetní složitost a fyzikální limity
algoritmů. Víceúčelová optimalizace a Paretova množina.
3. Evoluční algoritmy 3. Omezení kladená na účelovou funkci a parametry jedince.
Penalizace a její dopad na geometrii účelové funkce. Práce s reálnými, celočíselnými a
diskrétními hodnotami parametrů jedince. Genetické algoritmy. Terminologie GA. Princip
činnosti, Hybridná GA, messy GA, paralelní GA, migrační a difůzní model.
4. Evoluční algoritmy 4. Evoluční strategie. Dvoučlenné ES: (1+1)-ES. Vícečlenné ES: (μ
+λ)-ES a (μ, λ)-ES. Vícečlenné ES: (μ+λ)-ES a (μ, λ)-ES. Adaptivní ES. Rojení částic
(Particle swarm). Rozptýlené hledání (Scatter Search). Optimalizace mravenčí kolonií (Ant
Colony Optimization).
5.Evoluční algoritmy 5. SOMA : SamoOrganizující se Migrační Algoritmus, princip činnosti
a použité strategie algoritmu: ATO, ATR, ATA a ATAA. Diferenciální evoluce, princip
činnosti a použité verze: DE/best/1/exp, DE/rand/1/exp, DE/rand-to-best/1/exp, DE/best/2/
exp, DE/rand/2/exp, DE/best/1/bin, DE/rand/1/bin, DE/rand-to-best/1/bin, DE/best/2/bin,
DE/rand/2/bin. SOMA, DE a permutační testovací problémy.
6. Evoluční algoritmy 6. Techniky genetického programování: genetické programování,
gramatická evoluce. Alternativy: analytické programování, Probabilistic Incremental
Program Evolution – PIPE, Gene Expression Programming, Multiexpression Programming
a další.
7. Evoluční hardware (EH). Inspirace v biologii. Výpočetní zařízení. Rekonfigurovatelná
zařízení. Evoluční návrh a číslicové obvody. EH a buňečné automaty. Polymorfní
elektronika.
8. Buněčné automaty (BA) a komplexní systémy. Úvod do problematiky, Formalismus BA,
dynamika a klasifikace buněčných automatů podle Wolframa, Conwayova hra života,
modelování pomocí BA.
9. Umělý život. Základní definice a existující systémy a modely. Tierra, biomorfové, Sbeat,
Sbart, Eden, Galapagos,... Sebereprodukující se automaty podle Turinga a von
Neumanna. Langtonova smyčka, počítačové viry a umělý život. Umělý život a hrana
chaosu (podle Kaufmanna)
10. Neuronové sítě (NS). Historie a základní princip NS. Trénovací množina a její použití
NS. Základní typy sítí a jejich aplikace na různé typy problémů.
11. Fraktální geometrie. Historie, definice fraktálu, základní typy algoritmů generujících
fraktály. Fraktální dimenze, interpolace a komprese. Vývojové systémy a umělý život. Lsystémy,
želví grafika, parametrické L-systémy, L-systémy z pohledu fraktální geometrie.
12. Imunologické systémy (IS). Princip IS, limity IS, algoritmy realizující IS, imunotronika.
13. Swarm inteligence (SI). Základní pojmy a definice, reprezentativní algoritmy SI -
particle swarm, scatter search, ant colony optimization, swarm robotic, umělá evoluce
komplexních systémů.
14. DNA computing. DNA computing jako součást bioinformatiky, DNA a binární
reprezentace podle Adlemanna. Watson-Crickův automat. Matematické modelování
operací nad DNA.
Cvičení (na PC učebnách):
V cvičeních bude kladen důraz na praktickou aplikaci probíraných technik a řešení vybraných vzorových problémů.
- tvorba základního jednotného frameworku pro biologicky inspirované algoritmy na principech GUI, 1 týden
- tvorba modulu pro generování populace a fitness funkci, 1 týden
- tvorba modulu pro techniky výběru rodičů (vhodných kadidátů) ke tvorbě potomků (lepších řešení), 1 týden
- tvorba modulu pro křížení, 1 týden
- tvorba modulů evolučních algoritmů, 4 týdnů
- tvorba modulů symbolické regrese, 4 týden
- tvorba modulu s jednoduchým buněčným automatem, 1 týden
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky