Форум Поща Карта на сайта Търсене Връзки Контакти
Начало Обучение Избираеми дисциплини Oбщ списък на избираемите дисциплини и практикуми Генетични алгоритми в оптимизацията    English
Факултет по математика и информатика - Генетични алгоритми в оптимизацията
 Лектори  доц. д-р Владимир Шкуртов, хон. ас. Стефан Ставрев
Анотация

        Целите на курса са студентите да придобият основни познания в областта на програмирането с еволюционни стратегии. Студентите ще бъдат запознати с различни видове подходи при еволюционните стратегии и генетичните алгоритми. Разглеждат се решаването на практически проблеми и различни оптимизационни процеси. Показва се връзката с биологията и еволюционната теория на Дарвин.  Изискванията към желаещите да се запишат на тази избираема дисциплина са: основни познания по програмиране на какъвто и да е език от високо ниво, аналитични умения, работа с алгоритми и структури от данни. Курсът завършва с практически проект и изготвяне на доклад. За проекта студентите ще решават практически оптимизационна задача, като използват знанията, придобити по време на курса.  Позволява се работата в групи от по двама човека. Крайният проект може да бъде разработен на произволен програмен език, без ограничения.  Дисциплината е предназначена за студентите на ФМИ, специалности - Информатика, СТД и БИТ.

         Изисквания: Необходимо условие е начална компютърна грамотност и работа с електронни таблици.  

Съдържание

Съдържание (по седмици)

  1.       Въведение в Еволюционните алгоритми. Видове. Примери. Преглед на темите в курса.
  2.       Еволюционни алгоритми. Генотип и фенотип. Теория на Дарвин. Пример с осемте царици върху шахматна дъска.
  3.       Генетични алгоритми. Кръстосване и мутации. Сиво кодиране. Пример с Ханойските кули.
  4.       Еволюционни стратегии. Еволюционно програмиране. Рекомбинации и самоадаптивност.
  5.       Генетично програмиране. Инициализационно поколение.
  6.       Контрол на параметрите. Управление на мутацията и кръстосването.
  7.       Мулти-модални проблеми и пространствени разпределения.
  8.       Хибридни Еволюционни алгоритми. Използване на добри практики при комбинация. Локално търсене и графи. Подходи на Ламаркиан и Болдуин.
  9.       Работа с еволюционни стратегии. Приложения. Оптимизация на реални процеси.
  10.       Представяне и защита на проекта. Крайна оценка.
 

ЛИТЕРАТУРА:

  1.       А.Е. Eiben, J.E.Smith: Introduction to evolutionary computing, 2010.
  2.       Engineering Self-Organising Systems: Third International Workshop, ESOA 2005, Utrecht, The Netherlands, July 25, 2005.
  3.       Genetic algorithms: concepts and applications, IEEE,  August 2002.
Актуално
Още новини
Архив на новините
© 2009 ФМИ