Studia Podyplomowe
Oferta dydaktyczna IAiR

Algorytmy genetyczne (SP-IP)

Cel

Umiejętność przygotowania i przeprowadzenia optymalizacji zadań ciągłych i dyskretnych przy wykorzystaniu algorytmów ewolucyjnych

Opis

Opis działania ewolucji naturalnej (biologicznej). Wprowadzenie do algorytmów ewolucyjnych. Sposób zapisu zadania optymalizacyjnego. Genotyp i fenotyp. Rodzaje zapisów genotypu. Operatory genetyczne. Zarządzanie populacją. Przykład zastosowania

Wymagania

Podstawowa wiedza o zagadnieniach optymalizacji

Bibliografia

  1. T. Gwiazda: „Algorytmy genetyczne – kompendium”, PWN, 2009
  2. J. Arabas: Wykłady z algorytmów ewolucyjnych, WNT 2004
  3. Z. Michalewicz: „Algorytmy genetyczne + struktury danych = programy ewolucyjne”, WNT 2003

Metody oceny

Zaliczenie na podstawie testu końcowego

Szczegółowy rozkład zajęć

Nr Temat Opis Wymiar
1 Wprowadzenie do algorytmów ewolucyjnych Problem optymalizacji – formułowanie dla algorytmów genetycznych. Poszukiwanie optymalnego rozwiązania przez ewolucję rozwiązań alternatywnych. Zapis problemu, kanoniczna postać algorytmu – podstawowe etapy: generowania populacji, oceny, selekcji, kreowania nowej populacji W 2
2 Genomy i operatory Stosowane postacie zapisu genomu. Operatory genetyczne – krzyżowanie i mutacja. W 2
3 Przykład zastosowania Optymalizacja pętli regulacyjnej przy wykorzystaniu GA – kompletne rozwiązanie. W 1
1 Optymalizacja problemu dyskretnego Przykład wykorzystania algorytmu genetycznego do doboru optymalnego wykorzystania posiadanej bazy sprzętowej w produkcji – optymalizacja zespołu urządzeń wtryskowych dla zadanego wolumenu produkcji L 2
2 Optymalizacja problemu ciągłego Przykład wykorzystania algorytmu genetycznego do doboru parametrów modelu instalacji przemysłowej. L 3
Instytut Automatyki i Robotyki
Politechnika Warszawska