Program se primenjuje od 12.10.2009..
Većina inženjerskih problema od interesa su algoritamski teški, u pogledu trošenja kritičnih računarskih resursa (vreme, prostor, broj procesora). U nedostatku efikasnih determinističkih ili aproksimativnih algoritama za rešavanje algoritamski teških problema, adekvatno dizajnirane i primenjene (meta)heuristike daju prihvatljiva (suboptimalna) rešenja u prihvatljivom vremenu. Obrazovni cilj ovog kursa je da na organizovan način i na jednom mestu da uporedni pregled (meta)heuristika i soft-computing tehnika koje su široko rasprostranjene u praktičnom inženjerskom rešavanju algoritamski teških problema.
- Poznavanje osnovnih (meta)heuristika i soft-computing tehnika za algoritamsko rešavanje problema,
- Razvijanje sposobnosti klasifikacije problema (određivanja algoritamske težine problema, svođenja problema na postojeće probleme),
- Izbor i dizajniranje (meta)heuristike adekvatne rešavanom problemu i ocena kvaliteta dobijenog rešenja,
- Osposobljenost za rad sa raznim programskim bibliotekama za korišćenje (meta)heuristika opšte i posebne namene.
Vrste algoritama: deterministički, aproksimativni, randomizovani, heuristički i metaheuristički; zašto i kada koristiti (meta)heuristike. Tradicionalni deterministički metodi pretraživanja. Jednostavne heurističke metode: tipovi heuristika, konstrukcija heuristika, heuristike lokalnog traženja, heuristike bazirane na lokalnom traženju, iterativno lokalno traženje. Metaheuristike: evolutivno izračunavanje (EC), evolutivni algoritmi (EA), evolutivne strategije (ES), evolutivno programiranje (EP), genetski algoritmi (GA), genetsko programiranje (GP), hibridni metodi; tabu pretraživanje (TS), simulirano očvršćavanje (SA), kvantno očvršćavanje (QA), optimizacioni algoritmi kolonija mrava (Ant Colony Optimization, ACO), algoritmi inteligencije roja (Swarm Intelligence, SI), mimetički algoritmi (Memetic Algorithms, MA). Soft-computing: veštačke neuralne mreže (ANN), ćelijske neuralne mreže (CNN), algoritmi bazirani na fazi logici (FA), hibridni metodi (neuro-fazi, fazi-genetski itd.). Korišćenje heuristika, metaheuristika i soft computing-a u algoritamskom rešavanju teških (optimizacionih) inženjerskih problema, kao što su linearno programiranje (LP), celobrojno programiranje (IP), 0-1 celobrojno programiranje (0-1 IP), nelinearno programiranje (NLP), problemi sa jednim (single objective, SO) ili više (multi objective, MO) ciljeva optimizacije.
Predavanja; Auditorne vežbe; Računarske vežbe; Laboratorijske vežbe; Konsultacije.
Autori | Naziv | Godina | Izdavač | Jezik |
---|
Zbigniew Michalewicz, David B. Fogel | How to Solve It: Modern Heuristics | 2004 | 2nd ed. Revised and Extended edition, Springer | Engleski |
Daniel Ashlock | Evolutionary Computation for Modeling and Optimization | 2006 | Springer | Engleski |
J.-S. R. Jang, C.-T. Sun, E. Mizutani | Neuro-Fuzzy and Soft Computing | 1996 | Prentice-Hall | Engleski |
T. Back, David B. Fogel, Z. Michalewicz | Handbook of Evolutionary Computation | 1997 | Springer | Engleski |
Predmetna aktivnost | Predispitna | Obavezna | Broj poena |
---|
Prisustvo na vežbama | da | da | 5.00 |
Odbranjene računarske vežbe | da | da | 20.00 |
Pismeni deo ispita - kombinovani zadaci i teorija | ne | da | 70.00 |
Prisustvo na predavanjima | da | da | 5.00 |
| Ime i prezime | Vid nastave |
---|
| | Predavanja |
| | Predavanja |
| | Laboratorijske vežbe |