1. Biologiczne podstawy AG

Życie. Ewolucja. Pojemność środowiska. Mutacje. Rekombinacja genów. Dostosowanie do środowiska. Presja środowiskowa. Krótka historia ewolucji.

2. AG jako metoda optymalizacji

Metody optymalizacyjne: analityczne, przeglądowe, losowe. Podobieństwa i różnice z AG. Elementarny algorytm genetyczny ("ręczna symulacja"). Schematy. Terminologia.

3. Podstawy teoretyczne AG. Podstawowa implementacja AG (SGA)

Rząd, rozpiętość i rozmiar schematu. Twierdzenie o schematach. Geometryczna interpretacja schematów. Hipoteza cegiełek. Podstawowa implementacja algorytmów genetycznych SGA (Simple Genetic Algorithm).

4. Zasady kodowania

Ogólne zasady kodowania. Metryka w przestrzeni genotypu i fenotypu. Kodowanie Graya. Zasada znaczących cegiełek. Zasada minimalnego alfabetu. Kodowanie wieloparametryczne.

5. Efektywność. Funkcja przystosowania. Populacja bazowa.

Efektywność on-line. Efektywność off-line. Zbieżność f^best. Zbieżność f^average. Koszt wywołań funkcji celu. Badanie zdolności algorytmu do opuszczania minimum lokalnego. Funkcja kosztu, zysku i przystosowania. Skalowanie funkcji przystosowania. Problem więzów. Metoda kar. Inicjalizacja populacji bazowej: równomierna, losowa, dopełniająca, na podstawie przeszukiwania lokalnego. Dyskrepancja.

6. Biblioteka GALib

Biblioteka GALib do ściągnięcia tutaj.

Prezentacja z wykładu do ściągnięcia tutaj.

Wyniki kolokwium znajdują się tutaj.