Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Algorytmy genetyczne w układach sterowania
Koordynator przedmiotu:
dr inż. Ryszard Łagoda, lagoda@isep.pw.edu.pl, tel. +48222345624
Status przedmiotu:
Fakultatywny ograniczonego wyboru
Poziom kształcenia:
Studia II stopnia
Program:
Elektrotechnika
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
Semestr nominalny:
2 / rok ak. 2009/2010
Liczba punktów ECTS:
2
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia0h
  • Laboratorium15h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
matematyka, teoria sterowania, projektowanie regulatorów
Limit liczby studentów:
Cel przedmiotu:
Poznanie algorytmów genetycznych ich własciwości i zastosowania w układach sterowania, umiejętność projektowani regulatorow wspomaganych algorytmem genetycznym.
Treści kształcenia:
Wykład: Idea algorytmów genetycznych Hollanda. Podstawowe pojęcia algorytmów genetycznych. Funkcja przystosowania. Algorytmy genetyczne a tradycyjne metody optymalizacji. Schemat optymalizowanego układu o dwóch parametrach. Klasyczny algorytm genetyczny. Schemat blokowy algorytmu genetycznego – problem do rozwiązania -> modyfikacja zadania do postaci odpowiedniej dla klasycznego algorytmu genetycznego -> najlepsze rozwiązanie zadania. Wybór początkowej populacji chromosomów. Ocena przystosowania chromosomów w populacji. Sprawdzenie warunku zatrzymania. Kodowanie parametrów zadania w algorytmie genetycznym. Twierdzenie o schematach – podstawowe twierdzenie algorytmów genetycznych – hipoteza bloków budujących. Modyfikacje klasycznego algorytmu genetycznego; metody selekcji, operatory genetyczne, metody kodowania, mikro algorytmy genetyczne. Przykłady optymalizacji funkcji, znajdowanie minimum lub maksimum danej funkcji. Omówienie programu FlexTool. Algorytmy genetyczne do wspomagania sieci neuronowych: zadanie -> algorytm genetyczny -> dane -> sieć neuronowa -> rozwiązanie. Algorytmy genetyczne a strategie ewolucyjne; podobieństwo i różnice. Algorytmy genetyczne a systemy rozmyte. Algorytmy genetyczne w ukladach regulacji. Laboratorium: 1. Realizacja optymalizacji funkcji; znajdowanie minimum lub maksimum danej funkcji; 2. Realizacja optymalizowanego układu o dwóch parametrach; 3. Algorytmy genetyczne w układach regulacji.
Metody oceny:
Egzamin:
Literatura:
1. Cytowski J., Algorytmy genetyczne. Podstawy i zastosowania., akademicka Oficyna Wydawnicza PLJ, Warszawa 1996 2. Goldberg D.E. Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 2005 3. Wilczewski G. Algorytmy ewolucyjne wprowadzenie. Gracjan Wilczewski, Toruń, 2005 4· J.Arabas German Wykłady z algorytmów ewolucyjnych, Wydaw. Naukowo - Techniczne.
Witryna www przedmiotu:
Uwagi:

Efekty uczenia się