MI377 | Programare evolutiva |
Titularii de disciplina |
Conf. Dr. SOOS Anna, asoosmath.ubbcluj.ro |
Obiective |
Cunoasterea metodelor moderne de optimizare |
Continutul |
1. Algoritmi genetici: reprezentarea datelor, functia fitness, operatori genetici, parametrii unui program genetic, algoritmul general.
2. Optimizari de functii: reprezentare binara, reprezentare reala, rezultate experimentale 3. Dilema prizonierului: reprezentarea problemei, date experimentale 4. Calire simulata: esenta metodei, caracterul local al solutiei. 5. Optimizari numerice: compararea diferitelor metode de optimizare numerica. 6. Reprezentarea datelor si teoria algoritmilor genetici: teorema de caracterizare. Convergenta algoritmilor genetici. 7. Strategii evolutive: diferite modele de programare evolutiva. Optimizare multiobiectiva. 8. Compararea strategiilor evolutive si a algoritmilor genetici. 9. Programare evolutiva: problema de transport lineara; problema de transport nelineara. 10. Aplicatii: problema orarului, partitionarea unui graf. 11. Invatare automata: modelul Michigan, modelul Pitt, modelul evolutiv 12. Programare evolutiva si programare genetica: ierarhia programelor evolutive, evolutia programelor si a heuristicilor. |
Bibliografie |
1. A. Almos, S. Gyori, G. Horvath, A. Koczy: Genetikus algoritmusok, Typotex, 2002
2. Thomas Bäck. Evolutionary algorithms in theory and practice. OxfordUniversity Press, New York, 1996. 3. D.E. Goldberg: Genetic algoritms in Search, Optimization and machine Learning, Addison Westley, 1989 4. H. Costin, D.Dumitrescu: Retele neuronale, teorie si aplicatii, Teora, 1996 5. Z. Michalewicz: Genetic Algorithms+ Data Structures Evolutiv Programs, Springer,1996 |
Evaluare |
Examen. Studentii vor alege o probleme pentru rezolvarea careia vor scrie un program evolutiv si vor prezenta problema si rezolvarea la seminar. |
Legaturi: | Syllabus-urile tuturor disciplinelor Versiunea in limba engleza a acestei discipline Versiunea in format rtf a acestei discipline |