Předmět Stochast. algoritmy v glob. optimalizaci (KMA / QSAGO)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu KMA / QSAGO - Stochast. algoritmy v glob. optimalizaci, Přírodovědecká fakulta, Ostravská univerzita v Ostravě (OU).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
Materiál | Typ | Datum | Počet stažení |
---|
Další informace
Obsah
1. Základní pojmy z oblasti optimalizace (lokální a globální optima, kriteriální funkce. omezení). Taxonomie optimalizačních problémů2. Základní stochastické optimalizační algoritmy: slepý algoritmus, horolezecký algoritmus, metoda zakázaného hledání. Principy těchto algoritmů, jejich popis a implementace.3. Algoritmus simulovaného žíhání, algoritmus řízeného výběru a jeho modifikace. Principy těchto algoritmů, jejich popis a implementace.4. Charakteristika evolučních algoritmů, jejich biologická podstata. Základní evoluční operátory (selekce, křížení, mutace, inverze).5. Genetické algoritmy I. Základní pojmy genetického algoritmu (populace, chromozomy a jejich fitness). Realizace genetických operátorů. Popis algoritmu a jeho implementace.6. Genetické algoritmy II. Teoretické základy genetického algoritmu. Vlastnosti genetických algoritmů. Paralelní genetický algoritmus.7. Diferenciální evoluce. Evoluční operátory. Popis algoritmu a jeho implementace.8. Evoluční strategie, její biologická podstata. Popis jednotlivých strategií a jejich implementace.9. Particle swarm optimization, jeho biologická podstata. Popis algoritmu, jeho vlastnosti a implementace.10. Ant colony optimization, její biologická podstata. Popis algoritmu a jeho implementace.11. Optimalizace založená na konkurenci evolučních heuristik. Řízení výpočtu.12. Adaptivní varianty diferenciální evoluce.13. Testování stochastických algoritmů. Aplikace stochastických algoritmů (např. nelineární regrese, shluková analýza apod.).
Literatura
Engelbrecht, A. P. Computatinal Intelligence: An Introduction. Chichester: John Wiley & sons, 2007. Kvasnička, V.; Pospíchal, J.; Tiňo, P. Evolučné algoritmy. Bratislava : STU, 2000. ISBN 80-227-1377-5.Zhang, J.; Sanderson, A. C. Adaptive Differential Evolution: A Robust Approach to Multimodal Problem Optimization. Berlin: Springer, 2009. ISBN 978-3-642-01526-7.Dorigo, M.; Maniezzo, V.; Colorni, A. Ant system: optimization by a colony of cooperatng agents. IEEE Transactions on Systems, Man, and Cybernetics: Part B: Cybernetics, Vol.26, No. 1, 1996. Wahde, M. Biologically Inspired Optimization Methods: An Introduction. Southampton: WIT Press, 2008. ISBN 978-1-84564-148-1.Storn, R.; Price, K. Differential Evolution - A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, Vol.11, No.4, 1997. Price, K.V.; Storn, R. M.; Lampinen, J. A. Differential Evolution: A Practical Approach to Global Optimization. Springer, 2005. ISBN 3-540-20950-6.Das, S.; Suganthan, P. N. Differential Evolution: A Survey of the State-of-the-Art. IEEE Transactions on Evolutionary Computation, Vol.15, No. 1, 2011. Feoktistov, V. Differential Evolution: In Search of Solutions. Springer, 2006. ISBN 0-387-36895-7.Wang, Y.; Cai, Z.; Zhang, Q. Differential Evolution with Composite Trial Vector Generation Strategies and Control Parameters. IEEE Transactions on Evolutionary Computation, Vol. 15, No. 1, 2011. Zelinka, I.; Oplatková, Z.; Šeda, M.; Ošmera, P.; Včela, F. Evoluční výpočetní techniky. Praha, Ben, 2009. Schwefel, H.-P. Evolution and Optimum Seeeking. Wiley, 1995. ISBN 0-471-57148-2.Bäck, T. Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms. New York: Oxford University Press, 1996. ISBN 0-19-509971-0.Goldberg, D. E. Genetic Algorithms in Search, Optimization, and Machine Learning. Addison Wesley, 1989. ISBN 0-201-15767-5.Neri, F.; Tirronen, V. Recent advances in differential evolution: a survey and experimental analysis. Artificial Intelligence Review, Vol.33, No.1-2, 2010. Clerc, M.; Kennedy, J. The particle swarm - explosion, stability, and convergence in a multidimensional complex space. IEEE Transactions on Evolutionary Computation, Vol.6, No. 1, 2002. http://albert.osu.cz/tvrdik/down/vyuka.htmlHynek, J. Genetické algoritmy a genetické programování. Grada, 2008.
Požadavky
samostudium, konzultace
Garant
prof. RNDr. Ivan Křivý, CSc.doc. Ing. Josef Tvrdík, CSc.