Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
460 - Matemática e estatística
Departamento / Department
Departamento de Tecnologias Digitais
Ano letivo / Execution Year
2022/2023
Pré-requisitos / Pre-Requisites
Conhecimentos da Unidade Curricular de Inteligência Artificial
Objetivos Gerais / Objectives
Esta unidade curricular (UC) aprofunda o tópico de procura de soluções, abordando-se algoritmos de procura avançados e optimizados, com recurso a heurísticas mais complexas. Abordam-se ainda algoritmos genéticos.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
No final desta UC, o aluno deverá ser capaz de: OA1 Identificar classes de problemas suscetíveis de solução com algoritmos avançados de procura OA2 Dominar e aplicar os principais tipos de algoritmos avançados de procura OA3 Dominar e aplicar heurísticas como solução, de acordo com o tipo de problema a solucionar OA4 Identificar e avaliar diferentes estratégias a aplicar, olhando à complexidade e natureza do problema
Conteúdos Programáticos / Syllabus
CP1 HEURÍSTICAS E REPRESENTAÇÃO DE PROBLEMAS a Tipos de problemas para utilização de heurísticas b Espaço de procura e representação de problemas c Tarefas de optimização, satisfação,e semi-optimização d Procura sistemática e o paradigma de dividir e podar e Representação do espaço de estados f Representação problema-redução e grafos e/ou CP2 ESTRATÉGIAS DE PESQUISA HEURÍSTICA BÁSICA a Procura local b Procura sistemática não informada c Procura sistemática informada d Estratégias melhor primeiro especializadas e Estratégias híbridas CP3 ESTRATÉGIAS DE PESQUISA HEURÍSTICA AVANÇADA a Estratégias limitadas pela memória b Estratégias limitadas pelo tempo CP4 ESTRATÉGIAS COM ALGORITMOS GENÉTICOS a O apelo da evolução b Terminologia biológica c Procura no espaço de estados d Elementos de algoritmos genéticos (funções de avaliação e operadores genéticos) e Um algoritmo genético simples f Algoritmos genéticos face aos métodos de procura tradicionais
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
A demonstração de coerência decorre da interligação dos conteúdos programáticos (CP) com os objetivos de aprendizagem (OA), como a seguir se explicita: OA1: CP1, CP2, CP3 e CP4 OA2: CP1, CP2, CP3 e CP4 OA3: CP2, CP3 e CP4 OA4: CP1, CP2, CP3 e CP4
Avaliação / Assessment
Avaliação Periódica: - Projeto de Grupo até 3 alunos (40%) - Teste Individual (60%) Avaliação Final: - Exame Individual (100%) Os alunos que reprovarem na avaliação contínua possuem duas épocas de exame (2ª e Especial). A nota do projeto não é considerada para alunos que optem por fazer exame. Quem optar por fazer a avaliação contínua terá que realizar obrigatoriamente as duas componentes da mesma.
Metodologias de Ensino / Teaching methodologies
Serão utilizadas as seguintes metodologias de ensino-aprendizagem (MEA): MEA.1: Expositivas, para apresentação do enquadramento teórico MEA.2: Ilustrativas, para exemplificação dos conceitos teóricos em contextos reais MEA.3: Práticas, com a realização dum projecto de grupo.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Principais interligações entre as metodologias de ensino-aprendizagem (MEA) e os respetivos objetivos (OA): OA1: MEA1, MEA2, MEA3 OA2: MEA1, MEA2, MEA3 OA3: MEA1, MEA2, MEA3 OA4: MEA1, MEA2, MEA3
Observações / Observations
-
Bibliografia Principal / Main Bibliography
An Introduction to Genetic Algorithms, Mitchell M. 1999 MIT Press Heuristics, intelligent search strategies for computer problem-solving: Pearl J. 1984 Addison-Wesley
Bibliografia Secundária / Secondary Bibliography
Artificial Intelligence: A Modern Approach, 3rd edition: Stuart Russel and Peter Norvig 2010 Pearson / Prentice Hall
Data da última atualização / Last Update Date
2024-02-16