Currículo
Heurísticas e Aplicações Inspiradas em Processos Naturais 02269
Contextos
Groupo: Ciências e Tecnologias da Informação > 3º Ciclo > Parte Escolar > Optativas
ECTS
6.0 (para cálculo da média)
Objectivos
No final desta UC, os estudantes deverão ter desenvolvido conhecimentos: O1 ? Nos fundamentos teóricos das meta-heurísticas e processos estocásticos de procura local; O2 ? No desenho e implementação de algoritmos inspirados em processos naturais; O3 ? Avaliação e afinação de algoritmos inspirados em processos naturais
Programa
P1.Introdução a problemas de Procura, Optimização e Decisão. P2. Técnicas de procura estocástica local. P3. Introdução à Computação Inspirada na Natureza. P4. Computação Evolucionária P5. Procura da Novidade (Novelty Search) P6. Inteligência de Enxame (Swarm Intelligence) P7. Sistemas Imunitários Artificiais P8. Optimização Multiobjectivo P9. Aplicação de Heurísticas inspiradas na Natureza.
Método de Avaliação
As aulas são divididas em dois módulos. O primeiro módulo engloba aulas teóricas. O segundo módulo é composto por aulas laboratoriais, onde serão demonstrados os conceitos anteriormente apresentados em aplicações práticas. Como trabalho autónomo, espera-se que os alunos pesquisem e analisem literatura relevante e complementem o trabalho de implementação iniciado em aula. | Avaliação: desenvolvimento, apresentação e discussão de projeto prático em grupo (80%); apresentação oral individual de artigo científico (20%); nota mínima de 8 em projeto; a presença nas aulas não é obrigatória.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 125.0
Carga Total -
Bibliografia
Principal
- Abandoning Objectives: Evolution Through the Search for Novelty Alone, Joel Lehman and Kenneth O. Stanley, Evolutionary Computation journal (19):2, pages 189-223, Cambridge, MA: MIT Press, 2011 Michalewicz, Z.: Genetic Algorithms + Data Structures = Evolution Programs, Springer, 1998 "Artificial Immune Systems Tutorial", U. Aickelin, D. Dasgupta, Chapter 13 of Search Methodologies: Introductory Tutorials in Optimization and Decision Support Methodologies, Eds. E. Burke, G. Kendall, Springer, 2005. Swarm Intelligence, J. Kennedy, R. Eberhart, Academic Press, 2001. Ant Colony Optimization, M. Dorigo, T. Stuetzle, MIT Press, 2004. Introduction to Evolutionary Computing, A. E. Eiben, J. E. Smith, Springer, 2003. Metaheuristics: From Design to Implementation, El-Ghazali Talbi, Wiley, 2009. Stochastic Local Search, Foundations and Applications, H. H. Hoos, T. Stuetzle, Elsevier, 2005. :