Еволюційне програмування
Спеціальність: Системи штучного інтелекту
Код дисципліни: 7.122.04.E.022
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор: Думин І.
Семестр: 2 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
здатність генерувати нові ідеї (креативність);
здатність проведення досліджень на відповідному рівні;
здатність аналізувати предметну область, ідентифікувати, класифікувати та описувати проблеми, знаходити методи й підходи до їх розв’язання з використанням генетичних алгоритмів, формулювати вимоги та оцінювати результати;
здатність розвивати й реалізовувати нові конкурентоздатні ідеї в галузі генетичних алгоритмів;
здатність розробляти та реалізовувати генетичні алгоритми;
здатність застосовувати і розвивати фундаментальні і міждисциплінарні знання, включаючи математичні і наукові принципи, теорію алгоритмів;
розуміння теоретичних засад, що лежать в основі методів досліджень генетичних алгоритмів.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі програмні результати навчання:
Знати постановку основних задач генетичних алгоритмів.
Знати основні проблеми генетичних алгоритмів.
Знати спеціальні класи генетичних алгоритмів.
Знати основні підходи до використання генетичних алгоритмів в задачах багатоекстремальної оптимізації.
Вміти використовувати генетичні алгоритми в задачах комбінаторної оптимізації.
Вміти розробляти та аналізувати генетичні алгоритми.
Знати сучасне еволюційне програмування та вміти його використовувати для розв’язання прикладних задач.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни
Інтелектуальний аналіз даних
Методи та засоби інтеграції даних
Теорія прийняття рішень
Супутні і наступні навчальні дисципліни
Управління процесами виконання проекту
Візуалізація даних
Машинне навчання
Короткий зміст навчальної програми: Навчальна дисципліна "Еволюційне програмування" є складовою циклу професійної підготовки фахівців другого магістерського рівня освіти. Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей еволюційного програмування, що дасть їм можливість ефективно виконувати завдання інноваційного характеру відповідного рівня професійної діяльності, яка орієнтована на дослідження й розв’язання складних задач розроблення інформаційних систем для задоволення потреб науки, бізнесу та підприємств у різних галузях.
Опис: Лекція 1. Еволюційний пошук як метод оптимізації.
Лекція 2. Моделі генетичного пошуку.
Лекція 3. Ініціалізація та запуск еволюційного пошуку. Відбір, схрещування та мутація як еволюційні оператори. Формування нового покоління.
Лекція 4. Генетичне та еволюційне програмування.
Лекція 5. Асоціативні правила та дерева розв’язків.
Лекція 6. Еволюційний синтез нейромережевих моделей.
Лекція 7. Еволюційні алгоритми навчання нейронних мереж.
Методи та критерії оцінювання: 1. Виконання лабораторних та практичних робіт та їх захист.
2. Екзамен.
3. Виконання індивідуальних завдань та їх захист (Курсова робота).
Критерії оцінювання результатів навчання: Лабораторна робота №1 - 10 балів
Лабораторна робота №2 - 10 балів
Лабораторна робота №3 - 10 балів
Лабораторна робота №4 - 10 балів
Екзамен - 60 балів
Курсова робота - 100 балів
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Encyclopedia of artificial intelligence / Eds.: J. R. Dopico, J. D. de la Calle, A. P. Sierra. – New York : Information Science Reference, 2009. – Vol. 1-3. – 1677 p.
2. Gen M. Genetic algorithms and engineering design / M. Gen, R. Cheng. – New Jersey : John Wiley & Sons, 1997. – 352 p.
3. Haupt R. Practical genetic algorithms / R. Haupt, S. Haupt. – New Jersey :John Wiley & Sons, 2004. – 261 p.
4. Fogel, L.J., Owens, A.J., Walsh, M.J. (1966), Artificial Intelligence through Simulated Evolution, John Wiley.
5. Fogel, L.J. (1999), Intelligence through Simulated Evolution : Forty Years of Evolutionary Programming, John Wiley.
6. Eiben, A.E., Smith, J.E. (2003), Introduction to Evolutionary Computing, Springer. ISBN 3-540-40184-9
7. BAECK, Thomas; FOGEL, D. B.; MICHALEWICZ, Z. Evolutionary Computation 1. CRC Press, 2018. p. - 378p.
8. Субботін С. О. Неітеративні, еволюційні та мультиагентні методи синтезу нечіткологічних і нейромережних моделей: монографія / С. О. Субботін, А. О. Олійник, О. О. Олійник ; під заг. ред. С.О. Субботіна. – Запоріжжя : ЗНТУ, 2009. – 375 с.
9. De Jong, Kenneth. "Evolutionary computation: a unified approach." Proceedings of the Genetic and Evolutionary Computation Conference Companion. 2017. – 268p.
10. Reeves, C. R., & Rowe, J. E. (2002). Genetic algorithms: Principles and perspectives. Norwell, MA: Kluwer Academic Publishers.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).
Еволюційне програмування (курсова робота)
Спеціальність: Системи штучного інтелекту
Код дисципліни: 7.122.04.E.023
Кількість кредитів: 2.00
Кафедра: Системи штучного інтелекту
Лектор: Думин І.
Семестр: 2 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
здатність генерувати нові ідеї (креативність);
здатність проведення досліджень на відповідному рівні;
здатність аналізувати предметну область, ідентифікувати, класифікувати та описувати проблеми, знаходити методи й підходи до їх розв’язання з використанням генетичних алгоритмів, формулювати вимоги та оцінювати результати;
здатність розвивати й реалізовувати нові конкурентоздатні ідеї в галузі генетичних алгоритмів;
здатність розробляти та реалізовувати генетичні алгоритми;
здатність застосовувати і розвивати фундаментальні і міждисциплінарні знання, включаючи математичні і наукові принципи, теорію алгоритмів;
розуміння теоретичних засад, що лежать в основі методів досліджень генетичних алгоритмів.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі програмні результати навчання:
Знати постановку основних задач генетичних алгоритмів.
Знати основні проблеми генетичних алгоритмів.
Знати спеціальні класи генетичних алгоритмів.
Знати основні підходи до використання генетичних алгоритмів в задачах багатоекстремальної оптимізації.
Вміти використовувати генетичні алгоритми в задачах комбінаторної оптимізації.
Вміти розробляти та аналізувати генетичні алгоритми.
Знати сучасне еволюційне програмування та вміти його використовувати для розв’язання прикладних задач.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни
Інтелектуальний аналіз даних
Методи та засоби інтеграції даних
Теорія прийняття рішень
Супутні і наступні навчальні дисципліни
Управління процесами виконання проекту
Візуалізація даних
Машинне навчання
Короткий зміст навчальної програми: Навчальна дисципліна "Еволюційне програмування" є складовою циклу професійної підготовки фахівців другого магістерського рівня освіти. Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей еволюційного програмування, що дасть їм можливість ефективно виконувати завдання інноваційного характеру відповідного рівня професійної діяльності, яка орієнтована на дослідження й розв’язання складних задач розроблення інформаційних систем для задоволення потреб науки, бізнесу та підприємств у різних галузях.
Опис: Лекція 1. Еволюційний пошук як метод оптимізації.
Лекція 2. Моделі генетичного пошуку.
Лекція 3. Ініціалізація та запуск еволюційного пошуку. Відбір, схрещування та мутація як еволюційні оператори. Формування нового покоління.
Лекція 4. Генетичне та еволюційне програмування.
Лекція 5. Асоціативні правила та дерева розв’язків.
Лекція 6. Еволюційний синтез нейромережевих моделей.
Лекція 7. Еволюційні алгоритми навчання нейронних мереж.
Методи та критерії оцінювання: 1. Виконання лабораторних та практичних робіт та їх захист.
2. Екзамен.
3. Виконання індивідуальних завдань та їх захист (Курсова робота).
Критерії оцінювання результатів навчання: Лабораторна робота №1 - 10 балів
Лабораторна робота №2 - 10 балів
Лабораторна робота №3 - 10 балів
Лабораторна робота №4 - 10 балів
Екзамен - 60 балів
Курсова робота - 100 балів
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Encyclopedia of artificial intelligence / Eds.: J. R. Dopico, J. D. de la Calle, A. P. Sierra. – New York : Information Science Reference, 2009. – Vol. 1-3. – 1677 p.
2. Gen M. Genetic algorithms and engineering design / M. Gen, R. Cheng. – New Jersey : John Wiley & Sons, 1997. – 352 p.
3. Haupt R. Practical genetic algorithms / R. Haupt, S. Haupt. – New Jersey :John Wiley & Sons, 2004. – 261 p.
4. Fogel, L.J., Owens, A.J., Walsh, M.J. (1966), Artificial Intelligence through Simulated Evolution, John Wiley.
5. Fogel, L.J. (1999), Intelligence through Simulated Evolution : Forty Years of Evolutionary Programming, John Wiley.
6. Eiben, A.E., Smith, J.E. (2003), Introduction to Evolutionary Computing, Springer. ISBN 3-540-40184-9
7. BAECK, Thomas; FOGEL, D. B.; MICHALEWICZ, Z. Evolutionary Computation 1. CRC Press, 2018. p. - 378p.
8. Субботін С. О. Неітеративні, еволюційні та мультиагентні методи синтезу нечіткологічних і нейромережних моделей: монографія / С. О. Субботін, А. О. Олійник, О. О. Олійник ; під заг. ред. С.О. Субботіна. – Запоріжжя : ЗНТУ, 2009. – 375 с.
9. De Jong, Kenneth. "Evolutionary computation: a unified approach." Proceedings of the Genetic and Evolutionary Computation Conference Companion. 2017. – 268p.
10. Reeves, C. R., & Rowe, J. E. (2002). Genetic algorithms: Principles and perspectives. Norwell, MA: Kluwer Academic Publishers.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).