WAE, semestr letni 2008/2009

Wykłady

Dokumentacja w LaTeXu

Zasady wykonania projektów

Ważne terminy

Dydaktyka

Plan zajęć

Do strony głównej

Wyniki egzaminów znajdują się tutaj

Tematy projektów można znaleĽć tutaj

Oprogramowanie gabi można znaleĽć tutaj

W miarę przystępna prezentacja teorii Vose'a (czyli analizy Markowowskiej algorytmu ewolucyjnego) jest tutaj

"Tranzystorowa funkcja celu" jest tutaj
Oprócz niej proszę do testów wykorzystać funkcje Ackleya, Shuberta i Rastrigina

"Zaczątek obiektowego gabi" jest tutaj

analiza algorytmu ewolucyjnego w stanie ustalonym i konsekwencje dla przekraczania siodeł są opisane w tym dokumencie. Nie wyrażam zgody na jego rozpowszechnianie, lecz wyłącznie na wykorzystanie w ramach przedmiotu do celów dydaktycznych.

Dokumentacja w LaTeXu

Plik w LaTeXu i wynik. Do jego jego kompilacji będzie też potrzebny plik z grafik±.
Aby uzyskać efekt końcowy w postaci pliku *.ps, należy uruchomić
latex (dwukrotnie) -> powstanie plik *.dvi,
dvips -> powstanie plik *.ps.
Przyjemnego korzystania!

Ważne terminy

6. tydzień Oddanie specyfikacji projektu i ustalenie zakresu prac i sposobu rozwi±zania
11. tydzień Kontakt z Prowadz±cym i przedstawienie wyników dotychczasowej pracy
i jej zatwierdzenie przez Prowadz±cego
15. tydzień Oddanie cało¶ci projektu (oprogramowanie i dokumentacja)

Streszczenie wykładów - nieaktualne!!!

1 Informacje o przedmiocie, literatura, klasyfikacja metod ewolucyjnych Zadanie minimalizacji funkcji celu. Pojęcie zbioru dopuszczalnego. Metoda najwiekszego spadku. Metody losowe poszukiwania minimum fukcji: a)metoda Monte Carlo - próbkowanie zbioru dopuszczalnego z rozkładem jednostajnym, b)proces bł±dzenia przypadkowego, c)stochastyczny największy spadek, d)symulowane wyżarzanie. Zasada "tolerancji" (miękkiej selekcji) jako podstawa wła¶ciwo¶ci globalnych metod iteracyjnych optymalizacji.
2 Metoda generowania punktów na podstawie rozkładu próbkowania zdefiniowanego jako mieszanina rozkładów normalnych. Tendencje do skupiania się punktów wskutek losowania ze zwracaniem. Model "balonowy".
3 Sposób konstruowania mieszaniny rozkładów normalnych. Sposób realizacji zmiennych losowych o znanej dystrybuancie metod± odwróconej dystrybuanty. Schemat algorytmu ewolucyjnego i używane słownictwo. Przykład działania algorytmu ewolucyjnego. Metody reprodukcji: proporcjonalna (ruletkowa), progowa, rangowa liniowa, turniejowa.
4 Metody mutacji: bitowa, rozkładem normalnym, itp. Wzajemne powi±zanie reprodukcji, krzyżowania i mutacji.
5 Metody krzyzowania: arytmetyczne, wymieniajace, rownomierne. Dynamika rozkładu próbkowania i jej paradoksy: przemieszczenie maksimow wzgledem maksimow przystosowania, zamiana maksimow lokalnych i globalnych, "polykanie" maksimow o malej mierze zbioru przyciagania przez sasiadujace o wiekszej mierze.
6 Metody uwzgledniania ograniczen. Zewnetrzna i wewnetrzna funkcja kary. Uwzglednianie ograniczen przez algorytm naprawy. Ewolucja lamarkowska i darwinowska na przykladzie algorytmow naprawy.
7 Kolokwium
8 Uwzglednianie wiedzy specyficznej dla problemu. Specjalizowane operatory genetyczne. Polaczenie algorytmu ewolucyjnego z metoda optymalizacji lokalnej. Ewolucja lamarkowska i darwinowska - cd.
9 Eksploracja i eksploatacja. Zasieg operatorow genetycznych. Adaptacja i samoczynna adaptacja zasiegu mutacji (regula 1/5 sukcesow, wlaczanie zasiegu mutacji do informacji genotypowej).
10 Analiza genealogii punktów w populacjach. Zbieżno¶ć algorytmu ewolucyjnego. Przewidywanie dynamiki zróżnicowania populacji na podstawie analizy genealogii.
11 Równoległe realizacje algorytmów ewolucyjnych. Model wyspowy i komórkowy.
12 Metody pokrewne - EDA, optymalizacja rojem cz±stek.
13 Przykłady zastosowań AE w projektowaniu i sterowaniu
14 Przykłady zastosowań AE w podejmowaniu decyzji.
15 Kolokwium.