Nature-Inspired Algorithms WM-I-AIN
1. Wprowadzenie: motywacje, problemy optymalizacji funkcji i optymalizacji
kombinatorycznej. Algorytmy dokładne, aproksymacyjne,metaheurystyki.
2. Klasyczny algorytm genetyczny (AG): kodowanie i operatory genetyczne.
Zastosowanie AG do optymalizacji funkcji.
3. Współpraca i wspołzawodnictwo w Dylemacie Więźnia: gra 2-osobowa i n-
osobowa. Zastosowanie AG do ewolucji strategii gry.
4. Automaty komórkowe (AK) i automaty uczące się (AU).
5. Strategie ewolucyjne, algorytmy mrówkowe.
6. Teorie ewolucji: Lamarcka, Darwina, Baldwina, teoria punktowych
równowag. Gatunki, nisze, koewolucja.
7. Kolokwium 1 (max. ocena: 30p./100p.). Zastosowania AK i AU: w
kryptografii, klasyfikacji danych, rekonstrukcji obrazów.
8. AG – dlaczego one działają. Twierdzenie o schematach, twierdzenie „no
free lunch”. Inne modele teoretyczne.
9. Algorytmy zachłanne, symulowane wyżarzanie, metoda tabu search.
Wybrane zastosowania.
10. Warianty sekwencyjnych AG, równoległe AG. Zastosowania AG do
optymalizacji kombinatorycznej.
11. Programowanie ewolucyjne, programowanie genetyczne, uczące się
systemy klasyfikujące.
12. Algorytmy koewolucyjne: koewolucyjny algorytm Paredisa, algorytmy
CCGA oraz LCGA.
13. Sztuczne systemy immunologiczne. Zastosowanie do detekcji anomalii i
intruzów w sieciach komputerowych.
14. Algorytm roju cząsteczek i GEO, hyperheurystyki, optymalizacja
wielokryterialna.
15. Prezentacje przez grupy studenckie artykułów poświęconych algorytmom
inspirowanym naturą (max. ocena: 10p./100p.).
E-Learning
Grupa przedmiotów ogólnouczenianych
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
- zna i rozumie teoretyczne podstawy informatyki oraz biologiczne paradygmaty
będące inspiracją algorytmów inspirowanych naturą,
- zna i rozumie modele matematyczne opisu zjawisk, w tym zjawisk o charakterze
probabilistycznym będących podstawą algorytmów inspirowanych naturą,
- zna i rozumie podstawowe algorytmy inspirowane naturą,
- zna i rozumie metody obliczeniowe wykorzystujące algorytmy inspirowane naturą
służące do rozwiązywania współczesnych problemów nauki i technologii.
Szacunkowy nakład pracy
- uczestnictwo w zajęciach: 30
- przygotowanie do zajęć: 12
- przygotowanie do weryfikacji: 12
- konsultacje z prowadzącym: 1
Kryteria oceniania
Dla wszystkich efektów przyjmuje się następujące kryteria oceny we wszystkich formach weryfikacji:
- osiągnięty w pełni (bez uchwytnych niedociągnięć): 5
- osiągnięty niemal w pełni i nie są spełnione kryteria przyznania wyższej
oceny: 4,5
- osiągnięty w znacznym stopniu i nie są spełnione kryteria przyznania wyższej
oceny: 4
- osiągnięty w znacznym stopniu – z wyraźną przewagą pozytywów – i nie są
spełnione kryteria przyznania wyższej oceny: 3,5
- osiągnięty dla większości przypadków objętych weryfikacją i nie są spełnione
kryteria przyznania wyższej oceny: 3
- nie został osiągnięty dla większości przypadków objętych weryfikacją: 2
Ocena końcowa x jest wyznaczana na podstawie wartości
st(w)= 5, jeśli 4,5 < w; st(w)= 4,5, jeśli 4,25 < w <= 4,5; st(w)= 4, jeśli 3,75 < w <= 4,25; st(w)= 3,5, jeśli 3,25 < w <= 3,75; st(w)= 3, jeśli 2,75 < w <= 3,25; st(w)= 2, jeśli w <= 2,75
oraz na bazie podanej niżej reguły:
- jeśli każda z ocen końcowych za zajęcia powiązane jest pozytywna i ich średnia wynosi y, to x wyznacza się ze wzoru x=st(z), gdzie z jest średnią ważoną ocen z przeprowadzonych weryfikacji, w których wagi ocen z egzaminów wynoszą 2, a wagi ocen z innych form weryfikacji są równe 1
Literatura
Literatura podstawowa
1 Z. Michalewicz, Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT1996.
2 El-Ghazali Talbi, Metaheuristics: From Design to Implementation, Wiley 2009.
Literatura uzupełniająca
1 Materiały z konferencji GECCO, CEC, PPSN, ACRI
2 D.Corne, M.Dorigo, F.Glover, New Ideas in Optimization, McGraw Hill, 1999.
3 L.Nunes de Castro, F.J. von Zuben, Recent Developments in Biologically Inspired Computing, Idea Group, 2005.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: