|
Vyučující
|
-
Šenkeřík Roman, prof. Ing. Ph.D.
-
Komínková Oplatková Zuzana, prof. Ing. Ph.D.
|
|
Obsah předmětu
|
- Přehled bioinspirovaných optimalizačních technik. - Metody adaptace parametrů a moderní algoritmické strategie. - Možnosti hybridizací bioinspirovaných optimalizačních technik. - Platformy pro více a mnoho kriteriální optimalizace. - Techniky umožňující optimalizace v prostoru vysokých dimenzí (large-scale problémy). - Metody asistované optimalizace pro výpočetně náročné reálné optimalizační modely (surrogate assisted models). - Teoretické aspekty tohoto moderního oboru, např. problematika konvergence a runtime analýzy. - Modifikace pro práci v diskrétním prostoru vhodné pro permutační, kombinatorické a podobné odvozené úlohy.
|
|
Studijní aktivity a metody výuky
|
|
Individuální práce studentů
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| Znalosti z oblastí: Matematická informatika Optimalizace Programování Umělá inteligence |
| Znalosti z oblastí: Matematická informatika Optimalizace Programování Umělá inteligence |
| Výsledky učení |
|---|
| Student umí popsat a analyzovat různé bioinspirované optimalizační metody, včetně evolučních algoritmů a hejnové inteligence. |
| Student umí popsat a analyzovat různé bioinspirované optimalizační metody, včetně evolučních algoritmů a hejnové inteligence. |
| Student rozumí principům adaptace a učících technik pro řídící parametry bioinspirovaných algoritmů. |
| Student rozumí principům adaptace a učících technik pro řídící parametry bioinspirovaných algoritmů. |
| Student má znalosti o možnostech hybridizace a aplikaci bioinspirovaných optimalizačních technik pro výzkum. |
| Student má znalosti o možnostech hybridizace a aplikaci bioinspirovaných optimalizačních technik pro výzkum. |
| Student rozumí teoretickým aspektům oboru, včetně konvergence a runtime analýzy, a metodám asistované optimalizace pro výpočetně náročné modely. |
| Student rozumí teoretickým aspektům oboru, včetně konvergence a runtime analýzy, a metodám asistované optimalizace pro výpočetně náročné modely. |
| Student má znalosti o technikách umožňujících optimalizace v prostoru vysokých dimenzí a metodách vhodných pro permutační a kombinatorické úlohy. |
| Student má znalosti o technikách umožňujících optimalizace v prostoru vysokých dimenzí a metodách vhodných pro permutační a kombinatorické úlohy. |
| Odborné dovednosti |
|---|
| Student dokáže aplikovat bioinspirované optimalizační techniky pro řešení interdisciplinárních optimalizačních problémů. |
| Student dokáže aplikovat bioinspirované optimalizační techniky pro řešení interdisciplinárních optimalizačních problémů. |
| Student umí navrhnout a implementovat hybridní optimalizační modely pro konkrétní výzkumné úkoly. |
| Student umí navrhnout a implementovat hybridní optimalizační modely pro konkrétní výzkumné úkoly. |
| Student dokáže optimalizovat parametry algoritmů pro zlepšení jejich výkonu a efektivity. |
| Student dokáže optimalizovat parametry algoritmů pro zlepšení jejich výkonu a efektivity. |
| Student má dovednosti v testování algoritmů pomocí nejmodernějších testovacích sad a platforem. |
| Student má dovednosti v testování algoritmů pomocí nejmodernějších testovacích sad a platforem. |
| Student je schopen řešit vysokodimenzionální a výpočetně náročné optimalizační úlohy pomocí bioinspirovaných metod. |
| Student je schopen řešit vysokodimenzionální a výpočetně náročné optimalizační úlohy pomocí bioinspirovaných metod. |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Individuální práce studentů |
| Individuální práce studentů |
| Hodnotící metody |
|---|
| Rešerše |
| Rešerše |
| Příprava a přednes prezentace |
| Příprava a přednes prezentace |
|
Doporučená literatura
|
-
Kacprzyk J, Pedrycz, W. Springer handbook of computational intelligence. 2015.
-
Koza, J. R. Genetic Programming. Cambridge : MIT Press, 1998. ISBN 0-262-11189-6.
-
Koza, John R. Genetic Programming : Darwinian Invention and Problem Solving. San Francisco : Morgan Kaufmann Publishers, 1999. ISBN 1558605436.
-
Mařík V. Štěpánková O., Lažanský J. Umělá inteligence IV. Academia, Praha, 2004. ISBN 80-200-1044-0.
-
O'Neill, Michael. Grammatical evolution : evolutionary automatic programming in an arbitrary language. Boston : Kluwer Academic Publishers, 2003. ISBN 1402074441.
-
Posíchal, Jiří. Evolučné algoritmy. 1. vyd. Bratislava : STU, 2000. ISBN 8022713775.
-
Simon, D. Evolutionary optimization algorithms: biologically-inspired and population-based approaches to computer intelligence.. 2013. ISBN 978-0-470-93741-9.
-
Yang X.S. Recent advances in swarm intelligence and evolutionary computation. 2015. ISBN 978-3-319-13825-1.
-
Zelinka I., Oplatková Z., Šeda M., Ošmera P., Včelař F. Evoluční výpočetní techniky, principy a aplikace. 2009. ISBN 978-80-7300-218-3.
-
Zelinka I., Snášel V., Abraham A. Handbook of optimization: from classical to modern approach. Berlin, 2013. ISBN 978-3-642-30503-0.
|