Nature Inspired Algorithms WM-I-S2-E1-AIN
Celem przedmiotu jest przekazanie wiedzy o budowie i działaniu różnych metod optymalizacji heurystycznej, w tym także tych inspirowanych mechanizmami istniejącymi w Naturze oraz praktycznych umiejętności korzystania z tych metod. Metody te znajdują suboptymalne rozwiązania problemów obliczeniowo złożonych, tzw. problemów NP-trudnych. Metody opierają się na pojedynczym rozwiązaniu (wyszukiwanie lokalne, symulowane wyżarzanie, tabu) i podejściu populacyjnym (algorytmy ewolucyjne, optymalizacja roju: roje cząstek i algorytmy mrówek). Dla każdej z metod prezentowane są i omawiane ich teoria i pseudokody. Prezentowane są również metody optymalizacji wielokryterialnej. Od studentów oczekuje się znajomości co najmniej jednego języka programowania komputerowego. W ramach zajęć laboratoryjnych studenci opracowują programy komputerowe ilustrujące kolejne zagadnienia prezentowane na wykładzie oraz sprawdzają je i ich skuteczność na klasycznych zestawach porównawczych.
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
E-Learning
Grupa przedmiotów ogólnouczenianych
Opis nakładu pracy studenta w ECTS
W cyklu 2023/24_Z: szacunkowy nakład pracy studenta - wykład:
uczestnictwo w zajęciach 30 godz.,
przygotowanie do weryfikacji 20 godz.,
konsultacje z prowadzącym 3 godz.,
razem: 53 godz. (2 ECTS).
szacunkowy nakład pracy studenta - laboratorium:
uczestnictwo w zajęciach 30 godz.,
przygotowanie do zajęć 15 godz.,
przygotowanie do weryfikacji 30 godz.,
konsultacje z prowadzącym 3 godz.,
razem: 78 godz. (3 ECTS). | W cyklu 2022/23_Z: Wykład
uczestnictwo w zajęciach: 30 godz.
przygotowanie prezentacji: 5 godz.
przygotowanie do weryfikacji: 10 godz.
konsultacje z prowadzącym: 5 godz.
RAZEM: 50 godz., co odpowiada 2 ETCS
Laboratorium
uczestnictwo w zajęciach: 30 godz.
rozwiazywanie zadań domowych: 10 godz.
przygotowanie projektu: 30 godz.
konsultacje z prowadzącym: 5 godz.
RAZEM: 75 godz., co odpowiada 3 ETCS |
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
W cyklu 2023/24_Z: | W cyklu 2022/23_Z: |
Efekty kształcenia
WYKŁAD
Student
W1-zna techniki optymalizacji bazujące na mechanizmach natury, ich teorię i zastosowania w wybranych dziedzinach (I2_W01, I2_W02, I2_W03)
LABORATORIUM
Student
U1-stosuje zaawansowane narzędzia i metody informatyczne bazujące na metodach i technikach inspirowanych naturą w wybranej dziedzinie (I2_U02, I2_U03, I2_U06)
K1-jest gotowy do systematycznej pracy w projekcie (I2_K02)
Kryteria oceniania
Dla wszystkich efektów przyjmuje się następujące kryteria oceny we wszystkich formach weryfikacji:
ocena 5: osiągnięty w pełni (bez uchwytnych niedociągnięć),
ocena 4,5: osiągnięty niemal w pełni i nie są spełnione kryteria przyznania wyższej oceny,
ocena 4: osiągnięty w znacznym stopniu i nie są spełnione kryteria przyznania wyższej oceny,
ocena 3,5: osiągnięty w znacznym stopniu – z wyraźną przewagą pozytywów – i nie są spełnione kryteria przyznania wyższej oceny,
ocena 3: osiągnięty dla większości przypadków objętych weryfikacją i nie są spełnione kryteria przyznania wyższej oceny,
ocena 2: nie został osiągnięty dla większości przypadków objętych weryfikacją.
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: