460-6017/02 – BIO inspirované výpočty (BIOIV)
| Garantující katedra | Katedra informatiky | Kredity | 10 |
| Garant předmětu | prof. RNDr. Václav Snášel, CSc. | Garant verze předmětu | prof. RNDr. Václav Snášel, CSc. |
| Úroveň studia | postgraduální | Povinnost | povinně volitelný typu B |
| Ročník | | Semestr | zimní + letní |
| | Jazyk výuky | angličtina |
| Rok zavedení | 2015/2016 | Rok zrušení | |
| Určeno pro fakulty | FEI | Určeno pro typy studia | doktorské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cíle předmětu: BIO inspirované výpočty
Vyučovací metody
Individuální konzultace
Anotace
Obsah předmětu je následující. 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. Základní pojmy: jedinec, populace,fitness, účelová funkce, reprezentace jedinců. Účelové funkce, principy konstrukce, testovací funkce, výpočetní složitost a teoretické limity algoritmů, P a NP problémy. Permutační testovací problémy. Víceúčelová optimalizace, Paretova množina, konstrukce účelové funkce pro víceúčelovou optimalizaci, příklady. Vybrané stochastické algoritmy: metoda lokálního hledání, slepý algoritmus, horolezecký algoritmus, simulované žíhání. Vybrané stochastické algoritmy s evolučními prvky: simulované žíhání s elitismem, tabu search. Rojení částic (Particle swarm), rozptýlené hledání (Scatter Search), optimalizace mravenčí kolonií (Ant Colony Optimization). Samo organizující se Migrační Algoritmus, princip činnosti a použité strategie algoritmu: ATO, ATR, ATA a ATAA. SOMA a permutační testovací problémy. Diferenciální evoluce.
Povinná literatura:
Maurice Clerc. Particle Swarm Optimization, Wiley-ISTE, 2006.
Marco Dorigo, Thomas Stutzle. Ant Colony Optimization, The MIT Press, 2004.
Andries P. Engelbrecht, Fundamentals of Computational Swarm Intelligence, Wiley, 2006.
Doporučená literatura:
Kenneth Price, Rainer M. Storn, Jouni A. Lampinen. Differential Evolution: A Practical Approach to Global Optimization, Springer, 2005.
Christine Solnon. Ant Colony Optimization and Constraint Programming, Wiley-ISTE, 2010.
Yang Xiao, Fei Hu. Bio-inspired Computing and Communication Networks, CRC, 2010.
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Student vypracuje článek z vybraného pokročilého tématu. Tento článek odprezentuje v rámci kurzu.
Ústní zkouška.
E-learning
Další požadavky na studenta
Další požadavky na studenta nejsou.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
Obsah předmětu je následující. 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. Základní pojmy: jedinec, populace,fitness, účelová funkce, reprezentace jedinců. Účelové funkce, principy konstrukce, testovací funkce, výpočetní složitost a teoretické limity algoritmů, P a NP problémy. Permutační testovací problémy. Víceúčelová optimalizace, Paretova množina, konstrukce účelové funkce pro víceúčelovou optimalizaci, příklady. Vybrané stochastické algoritmy: metoda lokálního hledání, slepý algoritmus, horolezecký algoritmus, simulované žíhání. Vybrané stochastické algoritmy s evolučními prvky: simulované žíhání s elitismem, tabu search. Rojení částic (Particle swarm), rozptýlené hledání (Scatter Search), optimalizace mravenčí kolonií (Ant Colony Optimization). Samo organizující se Migrační Algoritmus, princip činnosti a použité strategie algoritmu: ATO, ATR, ATA a ATAA. SOMA a permutační testovací problémy. Diferenciální evoluce.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích