Evolutionary Computing

Evolúciós algoritmusok

A tantárgyleírás hatályossága

Hatályosság kezdete:

—

Hatályosság vége:

—

Subject name (Hungarian, English)

Evolúciós algoritmusok

Evolutionary Computing

Subject code

BMETE92AX46

Subject type

—

Training Level

—

Course types and hours (weekly/semester)

Course type	lecture	tutorial	laboratory
hours (weekly)	1	0	1
type (linked/independent)	—	—	derived course

Assessment type

félévközi érdemjegy

Credits

Subject coordinator

DR. Horváth Róbert

position: egyetemi docens

contact: horvath.robert@ttk.bme.hu

Responsible department

Analízis Tanszék

Faculty

Természettudományi Kar

Subject website

http://www.math.bme.hu/~safaro/genetikus.html

Primary curriculum type

—

Direct prerequisites – Strong prerequisite

none

Direct prerequisites – Weak prerequisite

none

Direct prerequisites – Parallel prerequisite

none

Direct prerequisites – Milestone prerequisite

none

Direct prerequisites – Exclusion

none

Objectives

Programme

Bevezetés: Optimalizálási feladatok típusai, brute force algoritmusok ellenpéldákkal, a genetikus algoritmus alapötlete: a biológiai párhuzam (gén, öröklődés és evolúció, fitnesz).

A genetikus algoritmusok általános sémája, és megvalósítása a legegyszerűbb esetben. Az evolúcios algoritmusok típusai reprezentáció szerint, operátorok (keresztezés és mutáció) megvalósítása 0-1 bit reprezentáció esetén, rulettkerék és tournament kiválasztás, elitizmus.

Utazóügynök-probléma. A permutáció reprezentáció és a hozzá kapcsolódó operátorok (pmx, ciklikus, edge, order, inverzió, swap, beszúrás, keverés). A fitnesz függvény megválasztása, hatása a szelekciós nyomásra; constrain handling problémája.

Az egyszerű genetikus algoritmusok elmélete: Építőkövek hipotézise és kritikája (Gray kódolás), Szkéma tétel, No free lunch elv.

Evolúciós stratégiák: szimulált hűtés mint ős, genetikus változat (Rechenberg eredeti algoritmusa), keresztezés operátorok (korreláció kérdése). Szimulált hűtés és Rechenberg eredeti algoritmusának összehasonlítása, mutáció operátorok, a többdimenziós normális eloszlás, (mu+lambda) illetve (mu,lambda) kiválasztás.

Paraméterek megválasztása: hangolás-kontroll-(ön)adaptáció. 1/5-ös szabály, alkalmazás a diszkrét reprezentáció esetére. Evolúciós algoritmusok működésének mérőszámai: MBF, SR, AES.

Evolúciós programozás: reprezentáció véges állapotú automatákkal, operátorok megvalósítása. Blondie24. Genetikus programozás: kifejezések reprezentációja fával, keresztezés és mutáció operátorok.

A tárgy célja, hogy bemutassa az evolúciós algoritmusok működési elvét és alkalmazási területeit. A tárgyat sikeresen elvégző hallgatók felismerik azon feladatokat, melyek hatékonyan oldhatóak meg ezzel a módszerrel és képesek a megtervezni és megvalósítani az adott probléma egy optimális megoldását gyorsan közelítő algoritmust.

Learning outcomes

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Knowledge

No learning outcomes recorded.

Skills

No learning outcomes recorded.

Attitudes

No learning outcomes recorded.

Autonomy and responsibility

No learning outcomes recorded.

Oktatási módszertan

1+0+1

Tanulástámogató anyagok

Not provided.

Recommended preliminary knowledge for completing the subject

Knowledge type competencies

(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)

Valószínűségszámítás és többváltozós függvénytan alapjai, valamint egy szabadon választott programnyelv ismerete.

Skill type competencies

(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)

nincs

Recommended (non-compulsory) preliminary competencies

(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)

Valószínűségszámítás és többváltozós függvénytan alapjai, valamint egy szabadon választott programnyelv ismerete.

General rules

Követelmények: A félév folyamán a hetente kiadott házi feladatokat kell megoldani, összesen három különböző témakörből. A határidő a következő óra kezdete. Egy héten legfeljebb 10 pont szerezhető. Pótlási lehetőségek: TVSZ szerint. A házi feladatokból legfeljebb kettő pótolható a pótlási héten, külön eljárási díj ellenében.

Assessment methods

In-term assessments

1. —

részteljesítmény (formatív) értékelés, projekt jellegű, komplex

Két hetente beadandó házi feladat alapján félévközi jeggyel záródó tárgy.

Weight of in-term assessments

No weights provided.

Exam-period assessments

No detailed assessments provided.

Weight of exam elements

No weights provided.

Grade calculation

No grade thresholds provided.

Attendance requirements

No attendance requirements provided.

Rules for retake and resubmission

Not provided.

Short description

Not provided.

Detailed description

Not provided.

Recommended courses

Not provided.

Workload to complete the subject

Description	hours / term
részvétel a kontakt tanórákon	28
részteljesítmény értékelés feladatainak kidolgozása	48
további, a teljesítéshez szükséges munkaidő ráfordítás	14
összesen	90

Validity of subject requirements

Requirements valid from:

—

Requirements valid until:

—

Curriculum placement

No curriculum placements recorded for this subject version.