49592 - Algoritmi Evolutivi (A.A. 2010/2011) Stampa

Informazioni generali

Algoritmi Evolutivi (AEvol, codice 49592) vale 6 crediti e si svolge nel primo semestre dei seguenti anni: 2° cl. 23S.
Ulteriori dettagli sono disponibili sulla homepage dell'insegnamento.
Per gli studenti iscritti, il materiale didattico è disponibile su AulaWeb.

Propedeuticità

Programmazione, elementi di probailita', statistica, analisi matematica, calcolo numerico.

Obiettivi formativi

a) Raggiungere un'approfondita conoscenza delle basi matematiche e dei problemi implementativi degli Algoritmi Evolutivi,  degli algoritmi di Swarm Intelligence e dei Sistemi basati sugli insiemi Sfumati (b) Capacita' di applicare le metodologie acquisite in settori significativi, come la bioinformatica.

Programma dell'insegnamento

Algoritmo Genetico Semplice - Teorema degli schemi - Minimo problema ingannevole - Ottimizzazioni per GA - GA per ottimizzazione combinatoria - Traveling Salesman Problem - Stategie Evolutive - Programmazione Genetica - Particle Swarm Optimization - Simulated Annealing - Insiemi sfumati - Principio di estensione -  Relazioni sfumate  - Ragionamento approssimato - Sistemi fuzzy - Sistemi neuro-fuzzy - Clustering - Applicazioni.

Docente responsabile

Francesco Masulli
Orario di ricevimento: Giovedì ore 16.00-18.00 su appuntamento email

Testi di riferimento

Libri di testo:
  • [GOLD89] D.E. Goldberg. Genetic Algorithms in Search, O[ptimization and Machine Learning, Addison Wesley, 1989 (MAT 68-1989-48IN, CHI M.9, ING1 A.ELE.T.0264)
  • [ZIM96] H.J. Zimmermann, Fuzzy set theory and its applications, 2ed., Kluwer Academic Publishers, 1996 (MAT 04-1996-01, MAT 04-1996-02, LETT 14.E.169)
Altri testi per consultazione e  approfondimenti:
  • [EK01] R.C. Eberhart, J. Kennedy, Swarm Intelligence,  Morgan Kaufmann, 2001, ISBN: 1558605959.
  • [KLIR95] G.J. Klir & B. Yuan, Fuzzy Sets and Fuzzy Logic - Theory and Applications, Prentice Hall, 1995 (ING-DIP  C 1 / 0032) (o anche  G.J. Klir, T. A. Folger, Fuzzy sets uncertainty and information, Prentice Hall, 1988, MAT 68-1988-55IN).
  • [JAIN88] A.K. Jain, R.C. Dubes.Algorithms for Clustering Data. Prentice-Hall, Inc., Upper Saddle River, NJ, 1988. (downloadable)
  • [JSM96] J.S.R. Jang, C.T. Sun, E. Mizutani, Neuro-Fuzzy and Soft Computing, Prentice Hall, 1996, ISBN: 0132610663.
  • [KOZ92] J.R. Koza, Genetic Programming, MIT Press, 1992 (MAT 68-1992-038IN).
  • [LL96] C.T. Lin, G. S. Lee, Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems, Prentice Hall, 1996, ASIN: 0132351692  (ARC C.3613)
  • [MIC96] Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag; 3rd Rev edition, 1996, ISBN: 3540606769
  • [MOV02] J.R. Movellan, Introduction to Probability Theory and Statistics, Kolmogorov Project Tutorials, GNU Free Documentation License,  2005  (downloadable).
  • [PL08] R. Poli, W.B. Langdon, N.F. MCPhee, J.R. Koza, A Field Guide to Genetic Programming, GNU Free Documentation License, 2008 (downloadable).
  • [PTV92] W.H. Press, S. A. Teukolsky, W.T. Vetterling, B.P. Flannery, Numerical Recepies in C: the art of scientific computing (Third Edition) Cambridge University Press, 2007.
  • [SCH95] H.P. Schwefel, Evolution and Optimum Seeking, J. Wiley & Sons, 1995 (MAT 68-1995-196).
  • [TT01] A.Tettamanzi, M. Tomassini, Soft Computing: Integrating Evolutionary, Neural, and Fuzzy Systems, Springer Verlag, 2001. ISBN: 354042204
Ulteriore materiale didattico sara' reso disponibile agli studenti durante il corso.

Modalità di erogazione dell'insegnamento

Tradizionale

Orario delle lezioni

Giovedì: 14:00 - 16:00, aula 711
Venerdì: 9:00 - 11:00, aula 711

Modalità di frequenza

Consigliata

Metodo di valutazione

Esame orale e compiti

Modalità di iscrizione agli esami

Esami su appuntamento (messaggio al forum AE & ML1 di Aulaweb)

Commissione di esame

Presidente:

Masulli Francesco

Membri:

Rovetta Stefano

Supplenti:

Verri Alessandro

Statistiche

Voto Medio Numero Esami Anno
27.00022009
29.636112008