DID306 Ievads ģenētiskos algoritmos

Kods DID306
Nosaukums Ievads ģenētiskos algoritmos
Statuss Obligātais/Ierobežotās izvēles; Brīvās izvēles
Līmenis un tips Pamatstudiju, Akadēmiskais
Tematiskā joma Datorika
Struktūrvienība Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Mācībspēks Inese Poļaka, Sergejs Paršutins
Kredītpunkti 2.0 (3.0 ECTS)
Daļas 1
Anotācija Bioloģisko sistēmu evolūcijas mehānismi. Ģenētiskie operatori. Operatoru izpildīšanas cikls. Daudzu kritēriju un nelineāro funkciju optimizācija ar ģenētiskiem algoritmiem. Ģenētisko algoritmu pielāgošanas uzdevumam pamati. Ģenētiskās programmēšanas pamati. Regresijas analīze, pielietojot ģenētisko programmēšanu. Intelektuālo aģentu pamati un ģenētiskās programmēšanas iespējas intelektuālo aģentu vadīšanā..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Evolucionārās skaitļošanas pamati 2 4 0 0
Ģenētiskie operatori un vienkāršais ģenētiskais algoritms 2 2 0 0
Daudzkriteriālā optimizācija un paralēlie ģenētiskie algoritmi 2 2 0 0
Ģenētisko operatoru pielāgošana uzdevumam 4 2 0 0
Ģenētiskās programmēšanas pamati 2 4 0 0
Regresijas analīze, pielietojot ģenētisko programmēšanu 4 2 0 0
Intelektuālo aģentu pamati 2 2 0 0
Ģenētiskās programmēšanas iespējas intelektuālo aģentu vadīšanā 2 2 0 0
Praktiskās nodarbības 16 12 0 0
Eksāmens 4 8 0 0
Kopā: 40 40 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs
Sniegt pamatzināšanas par tādām evolucionārās skaitļošanas tehnoloģijām, kā „Ģenētiskie algoritmi” un „Ģenētiskā programmēšana”. Iegūt praktiskas iemaņas daudzkriteriālās optimizācijas uzdevumu risināšanai, pielietojot ģenētiskos algoritmus un ģenētisko programmēšanu. Iegūt praktiskas iemaņas ģenētisko algoritmu pielāgošanai specifisku un nelineāru uzdevumu risināšanai. Iegūt pamatzināšanas un praktiskas iemaņas par intelektuāliem aģentiem un ģenētiskas programmēšanas iespējām intelektuālo aģentu vadīšanā. Veicināt studenta spējas un kompetences veikt ģenētisko algoritmu un ģenētiskās programmēšanas operatoru pielāgošanu konkrēta uzdevuma risināšanai.
Sasniedzamie studiju
rezultāti un to vērtēšana
Students pārzina terminoloģiju, kas saistīta ar ģenētiskajiem algoritmiem un ģenētisko programmēšanu, un galvenos darbības principus. - Pārbaudes darbos un patstāvīgajā darbā students korekti izmanto terminoloģiju un darbību secību.
Students spēj pielietot ģenētiskos algoritmus un ģenētisko programmēšanu optimizācijas uzdevumu risināšanai. - Praktiskajos darbos students pareizi pielieto ģenētiskos algoritmus un ģenētisko programmēšanu dažādu optimmizācijas uzdevumu risināšanā.
Students spēj formulēt optimizācijas uzdevumu un tā risināšanas pieeju ar ģenētisko algoritmu / ģenētiskās programmēšanas palīdzību. - Referātā students pareizi definē optimizācijas uzdevumu un apraksta tā risināšanas soļus atbilstoši ģenētiskajam algoritmam / ģenētiskās programmēšanas algoritmam.
Students spēj izvērtēt ģenētiskā algoritma / ģenētiskās programmēšanas pielietošanas nepieciešamību, priekšrocības un trūkumus. - Referātā studenta definētais uzdevums ir pamatots un ir paskaidrots, kā tam atbilst ģenētiskā algoritma / ģenētiskās programmēšanas pielietošana.
Students spēj pielāgot ģenētisko algoritmu konkrētam uzdevumam. - Patstāvīgajos darbos un testos students pareizi pielieto dažādu ģenētiskā algoritma soļu pielāgošanu uzdevumam.
Studiju rezultātu vērtēšanas kritēriji
Pārbaudījumi semestra laikā - 40%
Referāts - 10%
Eksāmens - 50%
 
Priekšzināšanas Pamatzināšanas matemātikā
Studiju kursa plānojums
Daļa KP EKPS Stundas Pārbaudījumi Pārbaudījumi (brīvai izvēlei)
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs Ieskaite Eksāmens Darbs
1 2 3 1 0 1 *

Pieteikties uz šo kursu

[Kursa apraksts PDF formātā]