Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania
Strona główna

Algorytmy inspirowane naturą WM-I-S2-E1-ALIN
Wykład (WYK) Semestr zimowy 2024/25

Informacje o zajęciach (wspólne dla wszystkich grup)

Liczba godzin: 30
Limit miejsc: (brak limitu)
Rodzaj zajęć: zajęcia komputerowe
Literatura:

Jarosław Arabas, Wykłady z algorytmów ewolucyjnych

Chopard Bastien, An Introduction to Metaheuristics for Optimization

Jason Brownlee, Clever Algorithms: Nature-Inspired Programming Recipes

Kalyanmoy Deb, Multi-Objective Optimization Using Evolutionary Algorithms

Michel Gendreau and Jean-Yves Potvin, Handbook of Metaheuristics

Zbigniew Michalewicz, Algorytmy genetyczne + struktury danych = programy ewolucyjne

Zbigniew Michalewicz, David B. Fogel, Jak to rozwiązać czyli Nowoczesna heurystyka

Patrick Siarry, Metaheuristics

Adam Slowik, Swarm Intelligence Algorithms: A Tutorial

Eyal Wirsansky, Hands-On Genetic Algorithms with Python: Applying genetic algorithms to solve real-world deep learning and artificial intelligence problems

XIN-SHE YANG, Nature-Inspired Optimization Algorithms

Zakres tematów:

1. Modele problemu, algorytmy przeszukiwania lokalnego, reprezentacja rozwiązania

2. Symulowane wyżarzanie, przeszukiwanie z tabu, pochodzenie optymalizacji ewolucyjnej: algorytmy genetyczne, strategie ewolucyjne, programowanie ewolucyjne

3. Ewolucyjne obliczenia: reprezentacja rozwiązania, krzyżowanie i mutacja, wymiana pokoleń

4. Mutacja z rozkładem alfa-stabilnym, optymalizacja zadań z ograniczeniami, współdzielenie i niszowanie

5. Koewolucja, standardowe miary oceny algorytmów optymalizacji ciągłej

6. Optymalizacja mrówkowa

7. Ewolucja Różnicowa

8. Optymalizacja rojowa: model z inercją, czas zbieżności cząsteczki

9. Optymalizacja rojowa: topologie komunikacyjne

10. Współczesne podejścia do optymalizacji rojowej: SPSO2011. Inne algorytmy rojowe

11. Optymalizacja wielokryterialna: model przestrzeni poszukiwań

12. Optymalizacja wielokryterialna: procedura oparta na preferencjach

13. Zastosowania AE do znajdowania wielu niezdominowanych rozwiązań: identyfikacja zbioru rozwiązań niezdominowanych

14. Zastosowania AE do znajdowania wielu niezdominowanych rozwiązań: przykłady algorytmów z różnymi rankingami dominacji

15. Algorytmy optymalizacji dynamicznej

Grupy zajęciowe

zobacz na planie zajęć

Grupa Termin(y) Prowadzący Miejsca Liczba osób w grupie / limit miejsc Akcje
1 każdy poniedziałek, 13:15 - 14:45, sala 116
Krzysztof Trojanowski 37/38 szczegóły
Wszystkie zajęcia odbywają się w budynku:
Kampus Wóycickiego Bud. 21
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.
ul. Dewajtis 5,
01-815 Warszawa
tel: +48 22 561 88 00 https://uksw.edu.pl
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0-5 (2025-02-26)