Cilji in kompetence
Cilj tega predmeta je, da bodo študentje razumeti teoretične osnove evolucijskih algoritmov,in znali analizirati posamezne komponente evolucijskih algoritmov ter izpeljati nove variane evolucijskih algoritmov
Vsebina
• Uvod v evolucijske algoritme: delitev evolucijskih algoritmov, teorem NFL (No Free-Lunch).
• Genetski algoritmi: teorem o shemah, genetski operatorji (selekcija, križanje, mutacija).
• Genetsko programiranje: teorem o shemah za genetsko programiranje.
• Krmiljenje parametrov evolucijskega algoritma: uglaševanje parametrov, adaptivno krmiljenje parametrov, samo-adaptivno krmiljenje parametrov, meta-evolucijski algoritmi.
• Večmodalna in večkriterijska optimizacija.
• Eksploracija in eksploatacija v evolucijskem računanju.
• Algoritem ABC in TLBO.
• Ostali evolucijski algoritmi: diferencialna evolucija, optimizacija z rojem delcev, kolonije mravelj.
• Primerjava evolucijskih algoritmov.
• Primeri uporabe evolucijski algoritmov.
Metode poučevanja in učenja
• predavanja,
• laboratorijske vaje.
Predvideni študijski rezultati - znanje in razumevanje
• razložiti teoretične osnove evolucijskih algoritmov
• primerjati evolucijske algoritme med seboj
• izbrati najprimernejši evolucijski algoritem za dani problem
• načrtovati nove izpeljanke evolucijskih algoritmov
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
• Spretnosti komuniciranja: ustni zagovor laboratorijskih vaj, pisno izražanje pri pisnem izpitu.
• Uporaba informacijske tehnologije: uporaba ogrodij za evolucijske algoritme.
• Reševanje problemov: reševanje problemov s pomočjo
evolucijskih algoritmov.
Temeljni literatura in viri
• A. E. Eiben, J. E. Smith: Introduction to Evolutionary Computing, Springer-Verlag, Berlin, 2003.
• D. Simon: Evolutionary Optimization Algorithms, John Wiley & Sons, 2013.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev
Podrobnosti o izvedbi in ocenjevanju Opombe: Pisni izpit se lahko nadomesti s kolokviji v enakem deležu 50 %.
