Υπολογιστική Νοημοσύνη-II

Σύντομη περιγραφή

Το μάθημα «Υπολογιστική Νοημοσύνη ΙΙ» εστιάζει σε Γενετικούς Αλγορίθμους και γενικότερα εξελικτικές μεθόδους βελτιστοποίησης, από τη θεωρία μέχρι την υλοποίηση. Καλύπτει τη μαθηματική θεμελίωση (πώς/γιατί δουλεύουν), τους βασικούς τελεστές (αναπαραγωγή, διασταύρωση, μετάλλαξη), επιλογές κωδικοποίησης και περιορισμών, καθώς και εφαρμογές/πειράματα σε αριθμητική βελτιστοποίηση και προβλήματα όπως TSP και πρόβλεψη χρονοσειρών.

Tip – Τι χρειάζεται προσοχή

• Αναπαράσταση & συνάρτηση καταλληλότητας (fitness): αν δεν είναι σωστά ορισμένες, ο αλγόριθμος “ψάχνει” λάθος χώρο ή βελτιστοποιεί λάθος στόχο.
• Ρυθμίσεις/τελεστές: πληθυσμός, πιθανότητες crossover–mutation και στρατηγική επιλογής, γιατί καθορίζουν ισορροπία εξερεύνησης–εκμετάλλευσης και την ποιότητα/σταθερότητα των λύσεων.

Γιατί να επιλέξεις αυτό το μάθημα;

• Ικανότητα σχεδίασης και υλοποίησης εξελικτικών αλγορίθμων για δύσκολα προβλήματα βελτιστοποίησης με περιορισμούς.
• Πρακτική εμπειρία στην αξιολόγηση απόδοσης (πείραμα, σύγκριση παραμέτρων/υλοποιήσεων) ώστε να επιλέγεται τεκμηριωμένα η κατάλληλη ρύθμιση ανά πρόβλημα.