MPŠ
MPŠ MP&Scaron MP&Scaron MP&Scaron Avtorji

Mednarodna
podiplomska šola
Jožefa Stefana

Jamova 39
SI-1000 Ljubljana
Slovenija

Tel: (01) 477 31 00
Faks: (01) 477 31 10
E-pošta: info@mps.si

Išči

Opis predmeta

Evolucijski algoritmi

Programi:

Informacijske in komunikacijske tehnologije, 3. stopnja

Sodelavci:

prof. dr. Bogdan Filipič

Cilji:

Cilji predmeta so (a) predstaviti osnove optimizacije in evolucijskega računanja, (b) predstaviti gradnike in mehanizme evolucijskih algoritmov in njihove značilnosti, (c) predstaviti metodologijo vrednotenja rezultatov in praktično uporabnost algoritmov, (d) podati pregled sorodnih algoritmov.

Študenti, ki bodo uspešno končali ta predmet, bodo obvladali osnove evolucijskega računanja in bodo usposobljeni za uporabo evolucijskih algoritmov v reševanju zahtevnih optimizacijskih problemov in vrednotenje njihovih rezultatov.

Vsebina:

Uvod:
preiskovanje in optimizacija, optimizacijski problemi in njihove značilnosti, deterministična in stohastična optimizacija, optimizacijski algoritmi po zgledih iz narave, evolucijsko računanje, računska inteligenca

Osnove evolucijskih algoritmov:
motivacija, terminologija, zgradba in delovanje, vrste evolucijskih algoritmov, teoretično ozadje, prednosti in slabosti

Mehanizmi in tehnike:
uglaševanje parametrov algoritmov, obravnavanje omejitev, reševanje multimodalnih, dinamičnih in večkriterijskih optimizacijskih problemov, paralelizacija, hibridizacija

Vrednotenje in uporaba:
statistična analiza rezultatov, mere kakovosti rezultatov in računske učinkovitosti, razvoj evolucijskega algoritma za izbrani optimizacijski problem, primeri uporabe v znanosti, inženirstvu in poslovnem svetu

Sorodni algoritmi:
optimizacija z roji delcev, optimizacija s kolonijami mravelj, kulturni algoritmi, memetski algoritmi, umetni imunski sistemi

Temeljna literatura in viri:

Izbrana poglavja iz naslednjih knjig:

• Th. Bäck, Ch. Foussette, and P. Krause. Contemporary Evolution Strategies. Springer, 2013. ISBN 978-3-642-40136-7
• A. E. Eiben, and J. E. Smith. Introduction to Evolutionary Computing, 2nd edition. Springer, 2015. ISBN 978-3-662-44873-1
• Th. Jansen. Analyzing Evolutionary Algorithms. Springer, 2013. ISBN 978-3-642-17338-7
• G. Rozenberg, Th. Bäck, and J. N. Kok (Eds.). Handbook of Natural Computing. Springer, 2012. ISBN 978-3-540-92909-3
• X. Yu, and M. Gen. Introduction to Evolutionary Algorithms. Springer, 2010. ISBN 978-1-84996-128-8

Izbrane reference nosilca:

• T. Tušar, and B. Filipič. “Visualization of Pareto front approximations in evolutionary multiobjective optimization: A critical review and the prosection method.” IEEE Transactions on Evolutionary Computation, vol. 19, no. 2, pp. 225-245, 2015.
• M. Mlakar, D. Petelin, T. Tušar, and B. Filipič. “GP-DEMO: Differential evolution for multiobjective optimization based on Gaussian process models.” European Journal of Operational Research, vol. 243, no. 2, pp. 347-361, 2015.
• E. Dovgan, M. Javorski, T. Tušar, M. Gams, and B. Filipič. “Discovering driving strategies with a multiobjective optimization algorithm.” Applied Soft Computing, vol. 16, no. 1, pp. 50-62, 2014.
• M. Depolli, R. Trobec, and B. Filipič. “Asynchronous master-slave parallelization of differential evolution for multiobjective optimization.” Evolutionary Computation, vol. 21, no. 2, pp. 261-291, 2013.
• P. Korošec, J. Šilc, and B. Filipič. “The differential ant-stigmergy algorithm.” Information Sciences, vol. 192, no. 1, pp. 82-97, 2012.

Načini preverjanja znanja:

Pisni ali ustni izpit (100%)

Obveznosti študentov:

Naloge, pisni ali ustni izpit

Zunanje povezave: