×
Универзитет у Новом Саду

Предмет: Алгоритамске хеуристике (17.EM503)

Матичне организационе јединице предмета: Департман за енергетику, електронику и телекомуникације

Основне информације:
 
Категорија Теоријско-методолошки
Ужа научна област Електроника
ЕСПБ 5

Већина инжењерских проблема од интереса су алгоритамски тешки, у погледу трошења критичних рачунарских ресурса (време, простор, број процесора). У недостатку ефикасних детерминистичких или апроксимативних алгоритама за решавање алгоритамски тешких проблема, адекватно дизајниране и примењене (мета)хеуристике дају прихватљива (субоптимална) решења у прихватљивом времену. Образовни циљ овог курса је да на организован начин и на једном месту да упоредни преглед (мета)хеуристика и soft-computing техника које су широко распрострањене у практичном инжењерском решавању алгоритамски тешких проблема.

- Познавање основних (мета)хеуристика и soft-computing техника за алгоритамско решавање проблема, - Развијање способности класификације проблема (одређивања алгоритамске тежине проблема, свођења проблема на постојеће проблеме), - Избор и дизајнирање (мета)хеуристике адекватне решаваном проблему и оцена квалитета добијеног решења, - Оспособљеност за рад са разним програмским библиотекама за коришћење (мета)хеуристика опште и посебне намене.

Врсте алгоритама: детерминистички, апроксимативни, рандомизовани, хеуристички и метахеуристички; зашто и када користити (мета)хеуристике. Традиционални детерминистички методи претраживања. Једноставне хеуристичке методе: типови хеуристика, конструкција хеуристика, хеуристике локалног тражења, хеуристике базиране на локалном тражењу, итеративно локално тражење. Метахеуристике: еволутивно израчунавање (EC), еволутивни алгоритми (EA), еволутивне стратегије (ES), еволутивно програмирање (EP), генетски алгоритми (GA), генетско програмирање (GP), хибридни методи; табу претраживање (TS), симулирано очвршћавање (SA), квантно очвршћавање (QA), оптимизациони алгоритми колонија мрава (Ant Colony Optimization, ACO), алгоритми интелигенције роја (Swarm Intelligence, SI), миметички алгоритми (Memetic Algorithms, MA). Soft-computing: вештачке неуралне мреже (ANN), ћелијске неуралне мреже (CNN), алгоритми базирани на фази логици (FA), хибридни методи (неуро-фази, фази-генетски итд.). Коришћење хеуристика, метахеуристика и soft computing-a у алгоритамском решавању тешких (оптимизационих) инжењерских проблема, као што су линеарно програмирање (LP), целобројно програмирање (IP), 0-1 целобројно програмирање (0-1 IP), нелинеарно програмирање (NLP), проблеми са једним (сингле објецтиве, SO) или више (multi objective, MO) циљева оптимизације.

Предавања; Аудиторне вежбе; Рачунарске вежбе; Лабораторијске вежбе; Консултације.

Аутори Назив Година Издавач Језик
J.-S. R. Jang, C.-T. Sun, E. Mizutani Neuro-Fuzzy and Soft Computing 1996 Prentice-Hall Енглески
Daniel Ashlock Evolutionary Computation for Modeling and Optimization 2006 Springer Енглески
T. Back, David B. Fogel, Z. Michalewicz Handbook of Evolutionary Computation 1997 Springer Енглески
Zbigniew Michalewicz, David B. Fogel How to Solve It: Modern Heuristics 2004 2nd ed. Revised and Extended edition, Springer Енглески
Предметна активност Предиспитна Обавезна Број поена
Предметна активност
Писмени део испита - комбиновани задаци и теорија
Предиспитна
Не
Обавезна
Да
Број поена
70.00
Предметна активност
Одбрањене рачунарске вежбе
Предиспитна
Да
Обавезна
Да
Број поена
20.00
Предметна активност
Присуство на предавањима
Предиспитна
Да
Обавезна
Да
Број поена
5.00
Предметна активност
Присуство на вежбама
Предиспитна
Да
Обавезна
Да
Број поена
5.00

Предавања

Предавања

Лабораторијске вежбе