Currículo
Algoritmos Avançados de Procura 04093
Contextos
Groupo: Tecnologias Digitais e Inteligência Artificial - 2023 > 1º Ciclo > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
No final desta UC, o aluno deverá ser capaz de: OA1: Identificar classes de problemas cuja solução beneficie do uso de algoritmos avançados de procura. OA2: Aplicar algoritmos de procura avançados em problemas reais, demonstrando domínio de estratégias e técnicas otimizadas. OA3: Selecionar e justificar heurísticas adequadas à natureza de cada problema, tendo em conta complexidade e recursos disponíveis. OA4: Analisar e avaliar diferentes abordagens de procura, considerando desempenho, precisão e escalabilidade. OA5: Comparar e diferenciar algoritmos genéticos de outras estratégias de pesquisa heurística, avaliando os resultados obtidos. OA6: Planear e implementar soluções avançadas de procura em cenários de otimização, aplicando estratégias híbridas ou combinadas.
Programa
CP1. Estratégias com algoritmos genéticos: teoria da evolução e terminologia biológica. CP2. Funções de avaliação e operadores genéticos (seleção, crossover, mutação). Critérios de paragem. CP3. Heurísticas e representação de problemas; espaços de procura. CP4. Tarefas de otimização, satisfação e semi-otimização. CP5. Estratégias de pesquisa heurística básica: procura não informada e informada. CP6. Estratégias de pesquisa heurística avançada: heurísticas limitadas pela memória e tempo.
Método de Avaliação
Dada a natureza prática e de aplicação desta UC, segue-se o modelo de avaliação ao longo do semestre (ALS), não contemplando exame final. A avaliação é constituída por 2 blocos de avaliação (BA), e cada BA é constituído por um ou vários momentos de avaliação. Essa mesma constituição respeita a seguinte distribuição: - BA1: 1º projeto + 1º mini-teste [20% para o 1º projeto + 15% para o 1º mini-teste = 35%] - BA2: 2º projeto + 2º mini-teste [50% para o 2º projeto + 15% para o 2º mini-teste = 65%] Cada bloco de avaliação (BA1 e BA2) exige uma nota mínima de 8,5 valores. Em qualquer BA, poderá ser necessária uma discussão oral individual para aferir o domínio dos conhecimentos, em qualquer momento no decorrer do semestre. Os projetos consistem em entregáveis desenvolvidos em grupo e discussões orais individuais, permitindo avaliar a consolidação dos conteúdos e a capacidade de resolução de problemas. Os mini-testes visam aferir o conhecimento teórico subjacente aos conteúdos programáticos. Para obter aprovação na UC, o estudante deverá alcançar uma nota final mínima de 10 valores, resultante da soma ponderada de todos os elementos de avaliação. Um estudante é considerado reprovado caso não obtenha aprovação na ALS. A 1ª Época e 2ª Época poderão ser utilizadas para realização de momentos de avaliação, como realização de discussões orais e/ou apresentação de projetos. A presença nas aulas não é obrigatória.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 113.0
Carga Total -
Bibliografia
Principal
- 1. Artificial Intelligence: A Modern Approach, 4th edition: Stuart Russel and Peter Norvig 2022 Pearson / Prentice Hall. 2. E. Wirsansky, Hands-on genetic algorithms with python. Birmingham, England: Packt Publishing, 2020. 3. An Introduction to Genetic Algorithms, Mitchell M. 1999 MIT Press:
Secundária
- :