SylabUZ
Course name | Zaawansowane techniki optymalizacji i adaptacji |
Course ID | 06.0-WE-AEIT-ZTOA |
Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
Field of study | Automatic control engineering and robotics, Electrotechnology, Computer science |
Education profile | academic |
Level of studies | PhD studies |
Beginning semester | winter term 2016/2017 |
Semester | 2 |
ECTS credits to win | 2 |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 15 | 1 | - | - | Exam |
analiza matematyczna, metody statystyczne w technice, metody numeryczne
Motywacja do stosowania algorytmów optymalizacji globalnej. Optymalizacja globalna a optymalizacja lokalna. Algorytmy stochastyczne i adaptacyjne a algorytmy deterministyczne. Przykłady algorytmów stochastycznych: Adaptacyjne przeszukiwanie losowe. Przykłady zastosowań metod optymalizacji globalnej. Wprowadzenie do algorytmów ewolucyjnych. Przykłady algorytmów ewolucyjnych: algorytm genetyczny, programowanie ewolucyjne, programowanie genetyczne i przeszukiwanie ewolucyjne z miękką selekcją. Przykłady zastosowań algorytmów ewolucyjnych.
wykład: wykład problemowy, wykład konwencjonalny
Outcome description | Outcome symbols | Methods of verification | The class form |
uzyskanie pozytywnej oceny z egzaminu
Modified by prof. dr hab. inż. Andrzej Obuchowicz (last modification: 19-09-2016 12:19)