Image for
Naslovnica

Optimizacijski algoritmi temeljeni na evolucijskom računanju

  • Predavanje 15
  • Vježbe 30
  • Samostalni rad 105
Ukupno 150

Naziv predmeta

Optimizacijski algoritmi temeljeni na evolucijskom računanju

Oznaka predmeta

21-02-544

Semestar

3

ECTS

5

Nastavnici i suradnici

Sadržaj i cilj

Ovaj modul upoznaje studente s područjem optimizacije, P i NP složenosti, te pruža uvid u algoritme nadahnute evolucijom (geni, evolucijske strategije), ponašanjem životinja (kolonija mrava, roj, pčele) i drugim biološkim ili evolucijskim sustavima (imunološki sustav, sklad).

Ovaj je modul namijenjen studentima koji žele povezati stvarne probleme (problemi usmjeravanja, problemi raspoređivanja itd.) s evolucijskim i soft računarskim rješenjima.

Ovaj modul potiče studente na primjenu teorije u pratkične situacije, posebno kod NP-teških ili potpunih problema koji se uče u ostatku programa. Štoviše, ovaj modul priprema studente za poslove gdje je optimizacija srž poslovnog modela i gdje bi student trebao znati prepoznati vrstu problema te najprikladnije algoritamsko rješenje. Vještine stečene na ovom modulu značajno će doprinijeti razvoju studenta kao profesionalca u odgovarajućim područjima.

Studenti će naučiti:
• O različitim pristupima rješavanja problema optimizacije.
• O različitim evolucijskim računalnim algoritmima.
• Kako stvoriti softversko rješenje koje koristi evolucijske algoritme računanja.
• Kako analizirati rješenja problema optimizacije pomoću statističkih metoda.

Modul se predaje na programskim jezicima Java i Python. Provjera znanja modula temelji se na rješavanju niza manjih praktičnih zadataka u definiranom programskom jeziku i alatu za razvoj softvera te na papiru.

Literatura

Obvezna literatura:
1. Affenzeller, M. et al (2009) Genetic Algorithms and Genetic Programming: Modern Concepts and Practical Applications. London: Chapman and Hall.
2. Dorigo, M. and Stutzle, T. (2004) Ant Colony Optimization. Cambridge: A Bradford Book.

Preporučena literatura:
1. Price, K., Storn, R.M. and Lampinen, J.A. (2014) Differential Evolution: A Practical Approach to Global Optimization. New York City: Springer.
2. Deb, K. (2009) Multi-Objective Optimization Using Evolutionary Algorithms. Hoboken: Wiley.

Minimalni ishodi učenja

  • Objasniti različite pristupe rješavanju problema optimizacije.
  • Implementirati softversko rješenje s algoritmima evolucijskog računanja.
  • Primijeniti algoritme evolucijskog računanja na jednokriterijske probleme optimizacije.
  • Analizirati i usporediti rješenja optimizacijskog problema pomoću statističkih metoda.

Željeni ishodi učenja

  • Primijeniti različite operatore izbora i analizirati utjecaj parametara algoritma u pretraživanju rješenja.
  • Objasniti različite evolucijske operatore i utjecaj parametara u evolucijskom algoritmu.
  • Povećati učinkovitost algoritma s dodatnim evolucijskim operatorima i/ili ubrzati evolucijski proces.
  • Modelirati i analizirati evolucijski proces kako bi se dobila statističku značajnost.
Preuzmi vodič za studente
Podijeli: Facebook Twitter