Politechnika Warszawska - Centralny System Uwierzytelniania
Strona główna

Evolutionary Algorithms

Informacje ogólne

Kod przedmiotu: 103A-CSCSN-MSA-EEVAL
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Evolutionary Algorithms
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Computer Systems and Networks - Advanced )-Computer Systems and Networks-M.Sc.-EITI
( Courses in English )--eng.-EITI
( Przedmioty techniczne )---EITI
( Technical Courses )--eng.-EITI
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

EEVAL

Numer wersji:

1

Skrócony opis:

Celem przedmiotu jest zaprezentowanie przystępnego przeglądu istniejących metod rozwiązywania zadań inżynierskich dla osób niewprawnych w metodach optymalizacji numerycznej. Główny nacisk położony jest na rozwinięcie umiejętności kreatywnego myślenia, a w szczególności umiejętności określenia ram zagadnienia, wydzielenie celów oraz dobranie najbardziej dogodnej reprezentacji problemu. Na początku rozważane są zagadnienia podstawowe: model, i jego znaczenie, reprezentacja, cel i funkcja celu. Następnie przedstawiany jest przegląd klasycznych metod optymalizacji. Na zakończenie prezentowane są metody heurystyczne, takie jak metoda symulowanego wyżarzania, poszukiwań z tabu, kontrolowane przeszukiwanie przypadkowe i algorytmy ewolucyjne. Rozważane algorytmy są łatwe do zrozumienia i implementacji dla każdego nie-matematyka ze znajomością podstaw programowania.

Pełny opis: (tylko po angielsku)

The purpose of the course is to present a intelligible survey of available engineering problem solving techniques for those, who are not familiar with numerical optimization methods. The emphasis is put on creative thinking, namely on the ability to frame "real word problems", task decomposition, and adjusting representation to the most convenient form. First basic concepts are considered: importance of the model, the representation, the objective and the evaluation function. Then some classic algorithms for numerical optimization are reviewed.
Finally modern heuristic methods, for global search, such as simulated annealing, tabu search, controlled random search and evolutionary algorithms are presented. Considered algorithms are quite easy to understand and to implement for non-mathematicians with basic knowledge of programming.



Lecture contents

  1. Introduction to optimization methods: modeling of the problem, size of the search space, objective and evaluation function, declaration of search problem, multiple criterion problems, neighborhood and local optima, dynamically changing environment.

  2. Classic optimization methods: local search and hill climbing methods, nonlinear programming, stochastic optimization methods, simulation cost, convergence and quality of optimization algorithm, saddle point crossing.

  3. Meta-heuristic methods of optimization: global optima search, simulated annealing, tabu search and controlled random search.

  4. Evolutionary algorithms principles: random number generation, binary problem coding, simple genetic algorithm, traveling salesman problem (TSP), simulation of algorithm execution.

  5. Evolutionary strategies and evolutionary programming: real number coding, strategy (1+1), strategy (?+?) and (?,?), evolutionary programming, genetic programming, evolving programs, tree coding.

  6. Coding and variation operators: phenotype and genotype representation, vectors of symbols/numbers, permutations, finite state machines, symbolic expressions, mutation and perturbation (cross-over) operators.

  7. Population management: initialization, reproduction, succession, explorative and exploitative behavior of algorithm

  8. Constraints handling techniques: finding feasible solution, preserving feasibility of the solution, repair algorithms, penalization of infeasible individuals, maintaining population using special representation and variation operators, decoders,

  9. Use of problem-specific heuristics.

  10. Hybrid Algorithms: combination with local search, local search methods.

  11. Learning classifier systems: evolving management and factory production systems.

  12. Parallel processing in evolutionary computation: parallelization of evolutionary algorithm, island algorithm, diffusion models.

  13. Tuning evolutionary algorithm: premature convergence, Baldwin effect, taxonomy of control techniques, parameters control, self adaptive algorithms.

  14. Neural Networks: neurons and linear discriminated functions, multilayer perceptrons, back propagation, hybrid neural/evolutionary systems

  15. Fuzzy Logic: fuzzy sets and probability measures, fuzzy operations and relationships, fuzzy TSP


Laboratory contents
  1. Simple genetic algorithm (SGA): main framework, coding, operators, selection methods.

  2. Application of SGA to traveling salesmen problem

  3. Evolutionary strategy ES: optimization of multimodal objective function using (?+?) ES and (?,?) ES

  4. Experiments with variation operators and population management.

  5. Self adaptation and tuning of parameters of the evolutionary algorithm.

  6. Hybrid evolutionary algorithm with local search.

  7. Constrained optimization of multi-objective function

Literatura: (tylko po angielsku)

    1. David E. Goldberg "Genetic Algorithms in Search, Optimization and Machine Learning", Addison-Wesley Publishing Co. 1989

    2. Zbigniew Michalewicz "Genetic Algorithms + Data Structures = Evolution Programs", Springer-Verlag 1998

    3. John Hertz ? "Introduction to the Theory of Neural Computation", Addison-Wesley Publishing Co. 1991

    4. Zbigniew Michalewicz, David B. Fogel<i.>
"How to Solve It: Modern Heuristics", Springer-Verlag 2000

Zajęcia w cyklu "rok akademicki 2023/2024 - sem. zimowy" (zakończony)

Okres: 2023-10-01 - 2024-02-18
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 30 miejsc więcej informacji
Projekt, 15 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz
Prowadzący grup: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103400 - Instytut Radioelektroniki i Technik Multimedialnych

Zajęcia w cyklu "rok akademicki 2022/2023 - sem. zimowy" (zakończony)

Okres: 2022-10-01 - 2023-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 30 miejsc więcej informacji
Projekt, 15 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz
Prowadzący grup: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103400 - Instytut Radioelektroniki i Technik Multimedialnych

Zajęcia w cyklu "rok akademicki 2021/2022 - sem. zimowy" (zakończony)

Okres: 2021-10-01 - 2022-02-22
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 30 miejsc więcej informacji
Projekt, 15 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz
Prowadzący grup: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103400 - Instytut Radioelektroniki i Technik Multimedialnych

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. zimowy" (zakończony)

Okres: 2020-10-01 - 2021-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 30 miejsc więcej informacji
Projekt, 15 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz, Adam Raniszewski
Prowadzący grup: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz, Adam Raniszewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103400 - Instytut Radioelektroniki i Technik Multimedialnych

Zajęcia w cyklu "rok akademicki 2019/2020 - sem. zimowy" (zakończony)

Okres: 2019-10-01 - 2020-02-21
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 30 miejsc więcej informacji
Projekt, 15 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz, Adam Raniszewski
Prowadzący grup: Grzegorz Bogdan, Ewa Niewiadomska-Szynkiewicz, Adam Raniszewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103400 - Instytut Radioelektroniki i Technik Multimedialnych

Zajęcia w cyklu "rok akademicki 2018/2019 - sem. zimowy" (zakończony)

Okres: 2018-10-01 - 2019-02-17
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 30 miejsc więcej informacji
Projekt, 15 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Grzegorz Bogdan, Przemysław Miazga, Ewa Niewiadomska-Szynkiewicz, Adam Raniszewski
Prowadzący grup: Grzegorz Bogdan, Ewa Niewiadomska-Szynkiewicz, Adam Raniszewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103400 - Instytut Radioelektroniki i Technik Multimedialnych

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.
pl. Politechniki 1, 00-661 Warszawa tel: (22) 234 7211 https://pw.edu.pl kontakt deklaracja dostępności USOSweb 7.0.0.0-7 (2024-03-18)