8107620764

ALGORYTMY GENETYCZNE

Nazwa przedmiotu:

Kod:	llOO-GAOOIB
Forma przedmiotu:	30 godzin wykładu + 30 godzin laboratorium komputerowego
Ilość punktów ECTS:	6
Język wykładowy:	polski
Sposób zaliczenia:	wykład - egzamin pisemny, laboratorium - programy komputerowe
Cele przedmiotu:	Algory tmy genetyczne naśladują procesy ewolucji obserwowane w przyrodzie, używając w szczególności operacji selekcji, krzyżowania i mutacji. Ogólniejszą klasą algorytmów są algorytmy ewolucyjne. Celem wykładu jest przedstawienie podstaw teorii algorytmów genetycznych i ewolucyjnych oraz omówienie wybranych ich zastosowań. Celem laboratorium jest implementacja wybranych algorytmów genetycznych i ewolucyjnych.
Umiejętności wstępne:	PSOLMI, PPOLII, PSOLII (lub odpowiednie przedmioty z kierunku matematyka)
Treści przedmiotu:	1.    Podstawowe informacje o algorytmach genetycznych i przykłady ich zastosowań. 2.    Podstawy teoretyczne algorytmów genetycznych: schematy i ich własności, twierdzenie o schematach, hipoteza o cegiełkach. 3.    Modyfikacje służące poprawie funkcjonowania algorytmów genetycznych. 4.    Algorytmy ewolucyjne: różne reprezentacje rozwiązań dopuszczalnych, różne rodzaje operatorów^7 uogólniających klasyczne krzy żowanie i mutację. 5.    Zastosowanie algory tmów ewolucyjny ch do rozwiązywania zadań opty malizacji, w szczególności optymalizacji wielokryterialnej. 6.    Algorytm RHS (Random Heuristic Search). 7.    Prosty algorytm genetyczny jako szczególny przypadek algorytmu RHS. 8.    Podstawowe informacje o łańcuchach Markowa. 9.    Przedstawienie algory tmów^7 ewolucy jnych w języku teorii łańcuchów Markowa. 10.    Zbieżność algorytmów genetycznych, kryteria zatrzymania.
Literatura:	[1] . Michalewicz Z. - Genetic Algorithms + Data Structures = Evolution Programs. [2] . Vose M.D. - The Simple Genetic Algorithm. [3] . Reeves C.R., Rowe J.E. - Genetic Algorithms: Principles and Perspectives. A Guide to GATheory. [4] . Arabas J. - Wykłady z algorytmów ewolucyjnych.
Koordynator:	Prof. dr hab. Marcin Studniarski
Data aktualizacji:	24.02.2009

Course name:

GENETIC ALGORITHMS

Course contents:

1.    Genetic algorithms: description and examples of applications. 2.    Theoreticai foundations of genetic algorithms: schemata and their properties, the Schema Theorem, the Building Błock Hypothesis. 3.    Modifications improving performance of genetic algorithms. 4.    Evolutionary algorithms: different representations of feasible Solutions and different operators generalizing the classical crossover and mutation. 5.    Applications of evolutionary algorithms to solving different (especially, multiobjective) optimization problems. 6.    The RHS (Random Heuristic Search) algorithm. 7.    The simple genetic algorithm as a special case of the RHS algorithm. 8.    Preliminary facts about Markov chains. 9.    Representation of genetic algorithms as Markov chains. 10.    Convergence of genetic algorithms, stopping criteria.

11