Wykład przedstawia ewolucyjne metody rozwiązywania problemow optymalizacji.
Prezentuje zarowno algorytmy klasyczne (GA, ES, GP, EP) jak i wspołczesne (np.
PBIL, CGA, ECGA). Omawiane są zagadnienia dyskretne, ciągłe i kombinatoryczne.
Duży nacisk jest położony na praktyczne zastosowania algorytmow ewolucyjnych.
Wykład opiera się na wybranych fragmentach podanej literatury, na licznych
publikacjach naukowych, na materiałach z podobnych wykładow prowadzonych na
innych uniwersytetach na świecie oraz wiedzy uzyskanej przez prowadzącego
m.in. podczas wspołpracy z D. E. Goldbergiem.
Podczas wykładu studenci nie tylko poznają najnowsze algorytmy ewolucyjne, ale
rownież metody ich wyboru, konstrukcji i adaptacji do konkretnych problemow
praktycznych i teoretycznych. Nauczą się implementacji poznanych algorytmow
przy wykorzystaniu dostępnych pakietow oprogramowania.
Na wykładzie omowione zostaną rownież wspołczesne zastosowania algorytmow
ewolucyjnych m.in. do analizy obrazow, w tym zdjęć satelitarnych i obrazow
medycznych, do analizy danych ekonomicznych i finansowych, do konstrukcji
systemow kontroli lotow.
Więcej informacji można znaleźć na stronie prowadzącego.
**Program:**
1. Zagadnienie optymalizacji (pojęcia wstępne, przykłady problemow, klasyczne modele testowe).
2. Osobnik, populacja, ewolucja (terminologia algorytmow ewolucyjnych, opis struktur danych, schemat algorytmu ewolucyjnego).
3. Interpretacja zagadnienia optymalizacji. Reprezentacja danych dla zagadnień dyskretnych, ciągłych i kombinatorycznych. Reprezentacja ciągow binarnych, reprezentacja liczb całkowitych i rzeczywistych, reprezentacja zbiorow, reprezentacja kombinacji i permutacji.
4. Klasyczne rodzaje algorytmow ewolucyjnych. Algorytmy genetyczne. Strategie ewolucyjne. Programowanie genetyczne. Programowanie ewolucyjne.
5. Operatory ewolucyjne. Klasyczne operatory ewolucyjne (reprodukcja, rekombinacja, mutacja, selekcja). Metody analizy problemu w celu wyboru, konstrukcji i adaptacji operatorow ewolucyjnych. Projektowanie operatorow ewolucyjnych przeznaczonych do rozwiązywania konkretnego problemu.
6. Techniki optymalizacji algorytmow ewolucyjnych (populacja początkowa, zbieżność populacji, kryterium zakończenia). Metody doboru parametrow algorytmu.
7. Tendencje w rozwoju algorytmow ewolucyjnych. Nowoczesne algorytmy ewolucyjne (PBIL, CGA, ECGA). Algorytmy hybrydowe. Rownoległe algorytmy ewolucyjne.
8. Wybrane zastosowania algorytmow ewolucyjnych.
**Wymagania:** Algorytmy i struktury danych Matematyka dyskretna Mile widziana
znajomość metod optymalizacji
środa 14.00 - 15.00, czwartek 13.00 - 14.00, piątek 12.00 - 14.00, możliwe też inne terminy, konsultacje online (domyślnie) lub offline (po ustaleniu emailem), proszę o wcześniejszy kontakt emailem lub zarezerwowanie terminu przez kalendarz Google