DID612 Evolūcijas un ģenētiskie algoritmi

Kods DID612
Nosaukums Evolūcijas un ģenētiskie algoritmi
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Doktora, Akadēmiskais
Tematiskā joma Datorika
Struktūrvienība Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Mācībspēks Inese Poļaka
Kredītpunkti 10.0 (15.0 ECTS)
Daļas 2
Anotācija Kurss ir veltīts mākslīgā intelekta evolūcijas metodēm un iekļauj šādas nodaļas: Optimizācijas varbūtības algoritmi. Ģenētiski orientētās evolucionējošās izteiksmes. Ģenētiskie operatori. Nosacījumu optimizācijas uzdevumi. Beznosacījuma optimizācijas uzdevumi. Pielietošana programmu nodrošinājumā. Ģenētiskie algoritmi. Ģenētiskā programmēšana. Evolūcijas aprēķini..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Rašanās cēloņi. Vēsture. Ģenētisko algoritmu paradigma. 8 0 0 0
Ģenētiskie operatori 14 0 0 0
Varbūtiskie mehānismi 10 0 0 0
Derīguma funkcija 8 0 0 0
Genotipa un fenotipa jēdzieni 8 0 0 0
Operatoru izpildes cikls 8 0 0 0
Ģenētiskās programmēšanas paradigma. 8 0 0 0
Ģenētisko algoritmu metodes. 20 0 0 0
Optimizācija bez ierobežojumiem, ar ierobežojumiem 16 0 0 0
Ģenētisko algoritmu pielietojumi. 8 0 0 0
Operāciju pētīšanas uzdevumi 8 0 0 0
Projektēšanas automatizācija 10 0 0 0
Elementu izvietošana uz platēm 8 0 0 0
Hibrīdsistēmas 10 0 0 0
Ģenētiskie algoritmi un neirontīkli 10 0 0 0
Ģenētiskie algoritmi un izplūdušās sistēmas 10 0 0 0
Ģenētiskie algoritmi un ekspertsistēmas 10 0 0 0
Ģenētiskie algoritmi un induktīvā apmācība 10 0 0 0
Noslēgums. Attīstības perspektīvas. 8 0 0 0
Kopā: 192 0 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Sniegt padziļinātas zināšanas ģenētisko algoritmu un ģenētiskās programmēšanas metožu izmantošanā praktiskajos uzdevumos. Balstoties uz mācību procesā iegūtajām zināšanām, doktorantam jāspēj patstāvīgi noformulēt problēmas nostādni un risināt testa un praktiskos uzdevumus
Sasniedzamie studiju
rezultāti un to vērtēšana 		Spēj definēt, interpretēt un lietot profesionālu terminoloģiju, kas saistīta ar evolucionāro algoritmu metožu ideju - Diskusijas laikā, balstoties uz teorētiskajām zināšanām un izmantojot profesionālu terminoloģiju, ir parādītas spējas konstruktīvi diskutēt par risināmo problēmu.
Spēj risināt optimizācijas uzdevumu, izmantojot ģenētiskās programmēšanas metodi - Veiksmīga laboratorijas darba izpilde par optimizācijas uzdevuma risināšanu, izmantojot ģenētisko algoritmu metodes
Spēj risināt robota vadīšanas uzdevumus, izmantojot ģenētiskās programmēšanas metodes - Veiksmīga laboratorijas darba izpilde par robota vadīšanas uzdevuma risināšanu, izmantojot ģenētiskās programmēšanas metodes
Spēj risināt klasifikācijas uzdevumus, izmantojot ģenētiskās programmēšanas metodes - Veiksmīga laboratorijas darba izpilde par klasifikācijas uzdevuma risināšanu, izmantojot ģenētiskās programmēšanas metodes
Priekšzināšanas Varbūtību teorijas pamati. Diskrētā matemātika. Mākslīgā intelekta pamati.
Studiju kursa plānojums
Daļa KP EKPS Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 5.0 7.5 3.0 1.0 2.0 *
2 5.0 7.5 2.0 2.0 2.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]