Fakultet tehničkih nauka

Predmet: Algoritamske heuristike (17.EM503)

Matične organizacione jedinice predmeta: Departman za energetiku, elektroniku i telekomunikacije
Osnovne informacije:
 
Kategorija Teorijsko-metodološki
Uža naučna oblast Elektronika
Multidisciplinarna Ne
ESPB 5
Cilj:

Većina inženjerskih problema od interesa su algoritamski teški, u pogledu trošenja kritičnih računarskih resursa (vreme, prostor, broj procesora). U nedostatku efikasnih determinističkih ili aproksimativnih algoritama za rešavanje algoritamski teških problema, adekvatno dizajnirane i primenjene (meta)heuristike daju prihvatljiva (suboptimalna) rešenja u prihvatljivom vremenu. Obrazovni cilj ovog kursa je da na organizovan način i na jednom mestu da uporedni pregled (meta)heuristika i soft-computing tehnika koje su široko rasprostranjene u praktičnom inženjerskom rešavanju algoritamski teških problema.

Ishod:

- Poznavanje osnovnih (meta)heuristika i soft-computing tehnika za algoritamsko rešavanje problema, - Razvijanje sposobnosti klasifikacije problema (određivanja algoritamske težine problema, svođenja problema na postojeće probleme), - Izbor i dizajniranje (meta)heuristike adekvatne rešavanom problemu i ocena kvaliteta dobijenog rešenja, - Osposobljenost za rad sa raznim programskim bibliotekama za korišćenje (meta)heuristika opšte i posebne namene.

Sadržaj:

Vrste algoritama: deterministički, aproksimativni, randomizovani, heuristički i metaheuristički; zašto i kada koristiti (meta)heuristike. Tradicionalni deterministički metodi pretraživanja. Jednostavne heurističke metode: tipovi heuristika, konstrukcija heuristika, heuristike lokalnog traženja, heuristike bazirane na lokalnom traženju, iterativno lokalno traženje. Metaheuristike: evolutivno izračunavanje (EC), evolutivni algoritmi (EA), evolutivne strategije (ES), evolutivno programiranje (EP), genetski algoritmi (GA), genetsko programiranje (GP), hibridni metodi; tabu pretraživanje (TS), simulirano očvršćavanje (SA), kvantno očvršćavanje (QA), optimizacioni algoritmi kolonija mrava (Ant Colony Optimization, ACO), algoritmi inteligencije roja (Swarm Intelligence, SI), mimetički algoritmi (Memetic Algorithms, MA). Soft-computing: veštačke neuralne mreže (ANN), ćelijske neuralne mreže (CNN), algoritmi bazirani na fazi logici (FA), hibridni metodi (neuro-fazi, fazi-genetski itd.). Korišćenje heuristika, metaheuristika i soft computing-a u algoritamskom rešavanju teških (optimizacionih) inženjerskih problema, kao što su linearno programiranje (LP), celobrojno programiranje (IP), 0-1 celobrojno programiranje (0-1 IP), nelinearno programiranje (NLP), problemi sa jednim (single objective, SO) ili više (multi objective, MO) ciljeva optimizacije.

Metodologija izvođenja nastave:

Predavanja; Auditorne vežbe; Računarske vežbe; Laboratorijske vežbe; Konsultacije.

Literatura:
Autori Naziv Godina Izdavač Jezik
Daniel Ashlock Evolutionary Computation for Modeling and Optimization 2006 Springer Engleski
T. Back, David B. Fogel, Z. Michalewicz Handbook of Evolutionary Computation 1997 Springer Engleski
J.-S. R. Jang, C.-T. Sun, E. Mizutani Neuro-Fuzzy and Soft Computing 1996 Prentice-Hall Engleski
Zbigniew Michalewicz, David B. Fogel How to Solve It: Modern Heuristics 2004 2nd ed. Revised and Extended edition, Springer Engleski
Formiranje ocene:
Predmetna aktivnost Predispitna Obavezna Broj poena
Pismeni deo ispita - kombinovani zadaci i teorija Ne Da 70.00
Odbranjene računarske vežbe Da Da 20.00
Prisustvo na vežbama Da Da 5.00
Prisustvo na predavanjima Da Da 5.00
Izvođači nastave:
Predavanja
Predavanja
Laboratorijske vežbe