Metody a algoritmy pro simulaci a optimalizaci systémů (FSI-9MAS)

Akademický rok 2021/2022
Garant: prof. RNDr. Ing. Jiří Šťastný, CSc.  
Garantující pracoviště: ÚAI všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština či angličtina
Cíle předmětu:
Osvojení metod a vybraných prostředků počítačové simulace.
Výstupy studia a kompetence:
Schopnost používat metody a prostředky počítačové simulace.
Prerekvizity:
Základy matematiky včetně diferenciálního a integrálního počtu funkcí jedné a více proměnných a řešení systému diferenciálních rovnic, základy fyziky, mechaniky, elektrotechniky a automatického řízení, zvládnutí základních programovacích technik.
Obsah předmětu (anotace):
Klasifikace prvků a systémů. Metody numerické simulace. Modelování pomocí formálních systémů, konečných automatů a Petriho sítí. Simulační systémy spojité, diskrétní, kombinované a objektově orientované. Metody umělé inteligence v simulaci a optimalizaci. Použití neuronových sítí a evolučních algoritmů pro klasifikaci a predikci.
Metody vyučování:
Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny.
Způsob a kritéria hodnocení:
Písemná a ústní zkouška z obsahové náplně kursu.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:
Výuka je kontrolována zpracováním projektů.
Typ (způsob) výuky:
    Přednáška  10 × 2 hod. nepovinná                  
Osnova:
    Přednáška 1. Úvod do metod počítačové simulace a optimalizace.
2. Klasifikace prvků a systémů.
3. Metody mumerické simulace.
4. Modelování pomocí formálních systémů.
5. Modelování pomocí konečných automatů a Petriho sítí.
6. Spojité, diskrétní, kombinované a objektově orientované simulační systémy.
7. Metody umělé inteligence v modelování a simulaci.
8. Metody umělé inteligence v optimalizaci a identifikaci.
9. Použití neuronových sítí pro klasifikaci a predikci.
10. Použití evolučních algoritmů pro klasifikaci a predikci.
Literatura - základní:
1. Fishwick, P.: Simulation Model Design and Execution, Building Digital Worlds, Prentice-Hall, 1995
2. Zeigler, B., Praehofer, H., Kim, T.: Theory of Modelling and Simulation, 2nd edition, Academic Press, 2000
3. Norgaard, M.: Neural Networks for Modelling and Control of Dynamic Systems, Springer, 2000
4. Goldberg, D. E.: Genetic Algorithms in Search, Optimization and Machine Learning. Addisson-Wesley Professional,1989
Literatura - doporučená:
1. Ross, S.: Simulation, 3rd edition, Academic Press, 2002
2. Mandic, Danilo P.: Recurrent neural networks for prediction, learning algorithms, architectures and stability, Wiley, Chichester 2001
3. O´Neill, M., Ryan, C.: Grammatical Evolution: Evolutionary automatic programming in an arbitrary language. Kluwer Academic publishers, 2003
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
D-KPI-P prezenční studium --- bez specializace -- drzk 0 Doporučený kurs 3 1 L
D-KPI-K kombinované studium --- bez specializace -- drzk 0 Doporučený kurs 3 1 L