Biologicky inspirované algoritmy

Základní informace o předmětu

Cvičení

Docházka

  • Docházka na cvičení je povinná.
  • Pro omluvu ze cvičení využijte email.

Bodování

  • Na cvičeních se bude implementovat několik úloh, kde každá úloha bude zadaná na cvičení.
  • K implementaci bude využit programovací jazyk Python s frameworky jako je například Matplotlib a NumPy.
  • Body lze získat za vypracování jednotlivých úloh.
  • Hodnocení je stejné jako na stránkách paní docentky Skanderové, kde maximální počet je 45 bodů a minimum je 25 bodů.
  • Za velmi pěkné zpracování úlohy (animace, struktura kódu, vizuální zpracování atd.) lze získat bonusové body.
  • Seznam jednotlivých úloh včetně bodového ohodnocení:
    • Test functions - Sphere, Schwefel, Rosenbrock, Rastrigin, Griewangk, Levy, Michalewicz, Zakharov, Ackley, Blind search: 2 body.
    • Hill Climbing: 2 body.
    • Simulated annealing: 2 bodů.
    • Genetic algorithm applied to Travelling Salesman Problem: 4 bodů.
    • Differential evolution and its improved versions: 4 bodů.
    • Particle Swarm Optimization with inertia weight: 4 bodů.
    • Self-organizing Migration Algorithm - AllToOne: 4 bodů.
    • Ant Colony Optimization applied to Travelling Salesman Problem: 5 bodů.
    • Firefly Algorithm: 6 bodů.
    • Teaching-learning Based Optimization: 8 bodů.
    • Multi-objective optimization: NSGA II: 4 bodů.

Úlohy

  • Zadání úloh lze nalést na stránkách paní docentky Skanderové v sekci -> Exercises
  • Úlohy musí obsahovat komentáře, které prokazují, že student zdrojovému kódu rozumí.
  • Hodnocení úlohy probíhá vždy na následujícím cvičení, kde student představí svou implementaci.

Způsob odevzdání úloh

  • Řešení včetně loginu vždy zaslat na můj email jako:
    • zabalený zip soubor s názvem loginu například "abc0001.zip".
    • anebo link na repositář s projektem ve verzovacím systému jako je například github.
  • Odevzdání nejpozději do následujícího cvičení.

Externí zdroje