Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Algorytmy ewolucyjne w sterowaniu i przetwarzaniu sygnałów
Koordynator przedmiotu:
dr inż. Jarosław Szostakowski, j.szostakowski@isep.pw.edu.pl, tel. +48222345129
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Automatyka i Robotyka
Grupa przedmiotów:
Obieralne
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:
Języki i metodyka programowania
Limit liczby studentów:
Cel przedmiotu:
Umiejętność posługiwania się algorytmami poszukiwania opartymi na mechanizmach doboru naturalnego i dziedziczności oraz ich praktyczna implementacja dla potrzeb zastosowań technicznych.
Treści kształcenia:
Wykład 1. Wprowadzenie. Definicja algorytmu genetycznego. Cechy wyróżniające AG. Elementarny algorytm genetyczny: reprodukcja, krzyżowanie proste, mutacja. 2h 2. Podstawy matematyczne algorytmów genetycznych. Ogólne działania algorytmu genetycznego. Schematy; definicja, rząd i rozpiętość, wpływ operacji genetycznych na oczekiwaną wartość reprezentantów danego schematu. Hipoteze cegiełek. 2h 3. Implementacja komputerowa algorytmu genetycznego. Struktury danych. Algorytmy. Przekształcanie funkcji celu (kosztu, zysku) w funkcje przystosowania. Skalowanie przystosowania. Metody kodowania. Standardowa metoda kodowania dla zadań wieloparametrycznych. Dyskretyzacja. Problem więzów. 4h 4. Techniki i operacje zaawansowane. Inwersja i inne operacje rekonfiguracji: problem doboru kodu – rekonfiguracja, operacja inwersji, operacje rekonfiguracji w algorytmach genetycznych: problem krzyżowania. Nisze i specjacja: teoria nisz i gatunków, metody niszowe – metoda z funkcja współudziału, bariery reprodukcyjne w poszukiwaniach genetycznych. Optymalizacja wielokryterialna. Techniki oparte na wiedzy. Algorytmy geneteyczne, a architektura równoległa. 2h 5. Wprowadzenie do genetycznych systemów uczących się. Systemy GBML. System klasyfikujący: układ przetwarzania komunikatów, układ oceniający, algorytm genetyczny. 2h 6. Programowanie ewolucyjne. Kodowanie binarne i zmiennopozycyjne. Losowa mutacja i krzyżowanie. Inne operatory: mutacja równomierna, mutacja brzegowa, mutacja nirównomierna, krzyżowanie arytmetyczne, krzyżowanie proste, krzyżowanie heurystyczne. Sformułowanie zadania zadań z ograniczeniami. Metody dla zadań z ograniczeniami. 2h 7. Zaliczenie 1h Razem 15h Laboratorium 1. Elementarny algorytm genetyczny: reprodukcja, krzyżowanie proste, mutacja. 4h 2. Zastosowanie algorytmów genetycznych w zadaniach optymalizacyjnych różnego typu 4h 3. Metody rekonfiguracji – zadanie komiwojażera 4h 4. Programowanie ewolucyjne – kodowanie zmiennoprzecinkowe 2h 5. Zaliczenie poprawkowe 1h
Metody oceny:
Egzamin:
Literatura:
D. E. Goldberg "Algorytmy genetyczne i ich zastosowanie" Wydawnictwo Naukowo-Techniczne, 2003. Jarosław Arabas „Wykłady z algorytmów ewolucyjnych” Wydawnictwo Naukowo-Techniczne, 2004. J. Cytowski "Algorytmy genetyczny. Podstawy i zastosowania", Akademicka Oficyna Wydawnicza PLJ, Warszawa 1996.
Witryna www przedmiotu:
Uwagi:

Efekty uczenia się