Nature-Inspired Algorithms WM-MA-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 oraz 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

matematyka

E-Learning

W cyklu 2023/24_Z:

E-Learning

W cyklu 2022/23_Z:

E-Learning (pełny kurs)

Grupa przedmiotów ogólnouczenianych

nie dotyczy

Opis nakładu pracy studenta w ECTS

szacunkowy nakład pracy studenta - wykład: uczestnictwo w zajęciach 30 godz przygotowanie do zajęć 27 godz przygotowanie do weryfikacji 25 godz konsultacje z prowadzącym 3 godz Razem: 85 godz (3 ECTS) szacunkowy nakład pracy studenta - laboratorium: uczestnictwo w zajęciach 30 godz przygotowanie do zajęć 40 godz przygotowanie do weryfikacji 12 godz konsultacje z prowadzącym 3 godz Razem: 85 godz (3 ECTS)

Poziom przedmiotu

średnio-zaawansowany

Symbol/Symbole kierunkowe efektów uczenia się

WYKŁADY: MA2_W04, MA2_W05, MA2_W06, MA2_W07, MA2_W16 LABORATORIUM: MA2_U13, MA2_U14, MA2_U15, MA2_U21, MA2_U24; MA2_K02, MA2_K08

Typ przedmiotu

fakultatywny dowolnego wyboru

Wymagania wstępne

wymagana podstawowa wiedza z zakresu rachunku prawdopodobieństwa oraz umiejętność programowania w dowolnym języku.

Koordynatorzy przedmiotu

W cyklu 2023/24_Z:

Krzysztof Trojanowski

W cyklu 2022/23_Z:

Franciszek Seredyński

Efekty kształcenia

WYKŁAD
Student
W1-zna techniki optymalizacji bazujące na mechanizmach natury, ich teorię i zastosowania w wybranych dziedzinach (MA2_W04, MA2_W05, MA2_W06, MA2_W07, MA2_W16)

LABORATORIUM
Student
U1-stosuje zaawansowane narzędzia i metody informatyczne bazujące na metodach i technikach inspirowanych naturą w wybranej dziedzinie (MA2_U13, MA2_U14, MA2_U15, MA2_U21, MA2_U24)
K1-jest gotowy do systematycznej pracy w projekcie (MA2_K02, MA2_K08)

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:

Matematyka - studia II stopnia stacjonarne

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu WM-MA-AIN w USOSweb