Přednáška je úvodem do některých algoritmů inspirovaných přírodou. Tématy
budou samoorganisace v přirozených a umělých systémech, algoritmy
inteligentních rojů, organisace sociálního hmyzu. Organismy umí
spolupracovat k dosažení určitého cíle, tyto metody je možné využít i v
obecných optimalisačních a učících úlohách. Cílem přednášky je představit
skupinu těchto algoritmů, prozkoumat jejich komponenty a chování.
Poslední úprava: T_UFAL (17.05.2012)
The course offers introduction into some parts of nature-inspired
computing. The topics of the course are self-organisation in nature and
artificial systems, swarm intelligence algorithms, social insects
colonies organisation. Organisms can co-operate to achieve certain tasks,
their methods are effective in general optimisation and learning tasks.
The aim of the course is to show a collection of these algorithms, and
examine their components and their behavior.
Poslední úprava: T_UFAL (17.05.2012)
Podmínky zakončení předmětu -
Předvedení vlastní implementace dvou algoritmů přírodního učení.
Poslední úprava: Peterek Nino, Mgr., Ph.D. (10.06.2019)
Presentation of own implementation of two selected algorithms from the course.
Poslední úprava: Peterek Nino, Mgr., Ph.D. (10.06.2019)
Literatura -
D. Corne, A. Reynolds, E. Bonabeau (2010). Swarm Intelligence, in Handbook of Natural Computing (G. Rozenberg, T. Back, J.N. Kok, eds.), vol. II: Broader Perspective. Springer
D. W. Corne, K. Deb, J. Knowles, X. Yao (2010). Selected Applications of Natural Computing, (G. Rozenberg, T. Back, J.N. Kok, eds.), vol. II: Broader Perspective. Springer
Blum, C. and Li, X. , Swarm Intelligence in Optimization, in Blum, C. and Merkle, D. (eds.), Swarm Intelligence - Introduction and Applications, Springer, 2008: 43-85, 2008
M. Dorigo, M. Birattari, and T. Stützle (2006). Ant Colony Optimization: Artificial Ants as a Computational Intelligence Technique, IEEE Computational Intelligence Magazine, November:28-39.
X.S. Yang and S. Deb (2010). Engineering Optimisation by Cuckoo Search, International Journal of Mathematical Modelling and Numerical Numerical Optimisation, 1(4):330-343.
C.-R. Wang, C.-L. Zhou, and J.-W. Ma (2005). An Improved Artificial Fish-Swarm Algorithm and Its Application in Feed-forward Neural Networks, Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, vol. 5:2890-2894
Omidvar, M., Li, X., and Yao, X. , Smart Use of Computational Resource Based on Contribution for Cooperative Co-evolutionary Algorithms, in Proceedings of Genetic and Evolutionary Computation Conference (GECCO'11), ACM Press: 1115-1122, 2011
Poslední úprava: Peterek Nino, Mgr., Ph.D. (01.10.2013)
D. Corne, A. Reynolds, E. Bonabeau (2010). Swarm Intelligence, in Handbook of Natural Computing (G. Rozenberg, T. Back, J.N. Kok, eds.), vol. II: Broader Perspective. Springer
D. W. Corne, K. Deb, J. Knowles, X. Yao (2010). Selected Applications of Natural Computing, (G. Rozenberg, T. Back, J.N. Kok, eds.), vol. II: Broader Perspective. Springer
Blum, C. and Li, X. , Swarm Intelligence in Optimization, in Blum, C. and Merkle, D. (eds.), Swarm Intelligence - Introduction and Applications, Springer, 2008: 43-85, 2008
M. Dorigo, M. Birattari, and T. Stützle (2006). Ant Colony Optimization: Artificial Ants as a Computational Intelligence Technique, IEEE Computational Intelligence Magazine, November:28-39.
X.S. Yang and S. Deb (2010). Engineering Optimisation by Cuckoo Search, International Journal of Mathematical Modelling and Numerical Numerical Optimisation, 1(4):330-343.
C.-R. Wang, C.-L. Zhou, and J.-W. Ma (2005). An Improved Artificial Fish-Swarm Algorithm and Its Application in Feed-forward Neural Networks, Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, vol. 5:2890-2894
Omidvar, M., Li, X., and Yao, X. , Smart Use of Computational Resource Based on Contribution for Cooperative Co-evolutionary Algorithms, in Proceedings of Genetic and Evolutionary Computation Conference (GECCO'11), ACM Press: 1115-1122, 2011
Poslední úprava: Peterek Nino, Mgr., Ph.D. (01.10.2013)
Požadavky ke zkoušce -
Zkouška spočívá v předvedení vlastní implementace dvou algoritmů přírodního učení.
Poslední úprava: Peterek Nino, Mgr., Ph.D. (13.10.2017)
Implementation of two selected algorithms from the course.
Poslední úprava: Peterek Nino, Mgr., Ph.D. (13.10.2017)
Sylabus -
Samoorganisace
Samoorganisace v přírodě, fyzice, chemii, biologii, matematice,
informatice, lingvistice, lidské společnosti.
Algoritmy inteligentních rojů
Optimalisace v mravenčí kolonii, algoritmus hledání potravy bakterií,
