Biologicky inspirované výpočty (FSI-VBC-K)

Akademický rok 2021/2022
Garant: prof. Ing. Radomil Matoušek, Ph.D.  
Garantující pracoviště: ÚAI všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:
Cílem kurzu je seznámit studenty s moderními prostředky biologicky inspirovaných výpočetních technik, a s možnostmi a přiměřeností jejich použití při řešení inženýrských úloh.
Výstupy studia a kompetence:
Znalosti: Studenti budou znát základní principy a algoritmy prezentovaných metod, použitelných ve spojité i kombinatorické optimalizaci, jejich možnosti, omezení a implementovatelnost.
Dovednosti: Umět tyto metody používat k řešení praktických inženýrských problémů, kde metody matematické optimalizace nemusí poskytovat přijatelné výsledky.
Prerekvizity:
Znalosti základů statistiky a pravděpodobnosti.
Základy optimalizačních metod na úrovni předmětu Optimalizační metody I.
Obsah předmětu (anotace):
Kurz seznamuje se základními i pokročilými přístupy tzv. biologicky inspirovaných výpočetních technik. Důraz je kladen na praktickou implementovatelnost této speciální třídy algoritmů umělé inteligence. Použitelnost metod je demonstrována na řešení matematických i inženýrských problémů.
Metody vyučování:
Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny, vč. prezentace praktických aplikací. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách formou týmových projektů. Předmět může být vzhledem k okolnostem vyučován distančně.
Způsob a kritéria hodnocení:
Požadavky pro udělení klasifikovaného zápočtu: Studenti budou rozdělení do týmů. Zápočet získají předložením 4 funkčních softwarových projektů za každý tým. Kdokoliv z týmu musí být schopen projekt prezentovat a rozumět mu. Konkrétní specifikace probíhá na cvičení. Kontrola postupu realizace projektu a konzultace jsou prováděny průběžně. Maximum získaných bodů je 100, nutné je získat 60.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:
Kontrolována je účast na cvičeních. Zameškaná výuka může být nahrazena zpracováním zadaných úloh.
Typ (způsob) výuky:
    Konzultace v kombinovaném studiu  1 × 13 hod. povinná                  
    Konzultace  1 × 26 hod. nepovinná                  
Osnova:
    Konzultace v kombinovaném studiu Výuka bude rozdělena do 4 bloků reflektujících reálné využití biologicky inspirovaných výpočtů. Studenti budou pracovat ve skupinách a vzájemně – soutěživým způsobem, porovnávat dosažené výsledky.
A. Implementace GA a řešení konkrétní optimalizační úlohy*
B. Implementace zvolené metaheuristiky a řešení konkrétní optimalizační úlohy*
C. Implementace CGA pro evoluční návrh hardware
D. Implementace celulárního automatu
*Úlohy kombinatorické, celočíselné i smíšené optimalizace (TSP, QAP, návrh regulátoru, symbolická regrese, globální optimalizace multimodálních funkcí aj.)
    Konzultace blok 1. Biologicky inspirované výpočty - úvod. Historie a rozdělení evolučních výpočetních technik (EVT). Standardní genetické algoritmy (SGA). Schémata teorém. Hypotéza o stavebních blocích.
blok 2. Pokročilé GA. Metody kódování problému. Kombinatorická optimalizace pomocí GA. Gramatická Evoluce (GE). Genetické programování (GP). Úlohy symbolické regrese. Kartézské genetické programování (CGA). Evoluční návrh kombinačních logických obvodů.
blok 3. Evoluční strategie (ES). Diferenciální evoluce (DE). Reprezentace. Základní modely. Binární vektorový prohledávací algoritmus HC12. Nelder-Mead algoritmus. Algoritmy využívající vzorů. Bayesovské optimalizační algoritmy.
blok 4. Hejnové algoritmy I. (strategie mravenčí kolonie, včelího roje). Hejnové algoritmy II. (strategie hejna částic, hejna světlušek, SOMA).
blok 5. Celulární automaty I – teoretický základ. Celulární automaty II – praktické aplikace.
blok 6. Shrnutí – Kolokvium.
Literatura - základní:
1. KVASNIČKA, Vladimír. Evolučné algoritmy. Bratislava: Vydavateľstvo STU, 2000. Edícia vysokoškolských učebníc. ISBN isbn80-227-1377-5.
2. ZELINKA, Ivan. a kol. Evoluční výpočetní techniky. Principy a aplikace. Praha, BEN 2009.
Literatura - doporučená:
1. HAUPT, R. L., HAUPT, S. E. Practical Genetic Algorithms. John Wiley & Sons 1998.
2. DORIGO, M., STüTZLE, T. Ant Colony Optimization. MIT Press 2004.
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
N-AIŘ-K kombinované studium --- bez specializace -- kl 4 Povinný 2 2 Z