ago 30 2008
Algoritmi euristici ed evolutivi
| Docenti: | Ivan Gerace |
| Indirizzo: | Reti di Computer, Trattamento della conoscenza, Informatica per le Scienze |
| Anno accademico: | 2008/2009 |
| Ore di teoria: | 48 |
| Ore di pratica: | 0 |
| CFU | 6 |
| Sito ufficiale: |
Obiettivi
Fornire agli studenti competenze su un’ampia categoria dei “modelli metafora naturale”. Che trovano loro ispirazione in biologia e, in particolare, si basano sull’imitazione dei meccanismi della cosiddetta “evoluzione naturale”.
Fornire le capacità di utilizzare modelli per la soluzione di problemi applicativi complessi
Programma
Definizione di euristica. Soglia di approssimazione. Schema di approssimazione polinomiale. L-riduzioni. Classe MaxSNP. Presentazione di vari esempi su diversi problemi computazionali..Computazioni randomizzate e loro classi di complessità. Algoritmo dell’annealing simulato. Inoltre, verranno presentati vari tipologie di Algoritmi Evolutivi come gli Algoritmi Genetici, le Strategie Evolutive e la Programmazione Genetica. Sarà studiato l’utilizzo di algoritmi evolutivi per la soluzione numerica di problemi di ottimizzazione.
Modalità di valutazione
Esame scritto e orale.
Testi consigliati
Vazirani, Approximation Algorthms,Springer 2003
Papaditriou, Computional Complexity, Addison-Wesley Publising Compony1994
Winkler, Image Analysis, Random, Fields and Dynamic Monte Carlo Methods, Springer 2004
Hollond, Adaptation in Natural and aìArtificial Systems, The Universitry of Michigan Press, 1975.
Kennedy, Russell, Eberhart, Swarm Intelligence, 2001
Bonabeau, Dirigo, Theraulaz, Swarm Intelligence: from Natural to Artificial Systems.
Note
nessuna
Nessun tag per questo post.