Algoritmi Evolutivi (3 crediti) A.A.
2007/08
modulo del
corso: Metodi
per l'Analisi e l'Interpretazione di Segnali video
Ultima modifica: 27 Gennaio 2008.
url: http://www.disi.unige.it/person/MasulliF/didattica/AE07.html
Docente: Francesco
Masulli.
E-mail
del docente: masulli.at.disi.unige.it
Corso:
Motivazioni
Prerequisiti
Obiettivi
Programma
Testi di Riferimento
Home
Page - Informazioni On-Line
Motivazioni
Gli Algoritmi Evolutivi sono procedure di ricerca
ispirate ai meccanismi dell'evoluzione biologica. Negli Algoritmi
Evolutivi viene mantenuta una popolazione di strutture dati, chiamate
cromosomi, che codificano soluzioni candidate per un problema.
L'algoritmo seleziona i cromosomi genitori dalla popolazione e opera su
di essi in modo da produrre cromosomi che progressivamente
rappresentano soluzioni migliori. Il processo di selezione e'
ispirato alla selezione naturale. I cromosomi che rappresentano
migliori soluzioni hanno maggiore probabilita' di diventare genitori.
La ricombinazione e la mutazione genetica ispirano gli operatori che
producono nuove soluzioni candidate. L'operatore con cui un Algoritmo
Evolutivo combina il materiale genetico di due cromosomi genitori per
produrre un figlio e' chiamato crossover. La mutazione modifica
un singolo cromosoma genitore. I principali tipi di
Algoritmi Evolutivi sono gli Algoritmi Genetici, la Programmazione
Evolutiva, le Strategie Evolutive e la Programmazione Genetica. Gli
Algoritmi Evolutivi da soli o eventualmente in combinazione con altre
tecniche del Soft Computing come le Reti Neurali e la Logica Sfumata,
permettono di affrontare problemi problemi complessi in vari domini
applicativi come routing, scheduling, allocazione ottimale
di
risorse, progettazione automatica, controllo, identificazione di
sistemi, analisi di immagini, stock prediction, credit scoring, risk
assessment, ecc.
Prerequisiti
Programmazione.
Elementi
di probabilita' e statistica.
Obiettivi
Il corso, dopo una introduzione schematica all'ispirazione
biologica degli algoritmi Evolutivi, presenta le basi matematiche e i
problemi implementativi degli Algoritmi Genetici, introduce gli aspetti
fondamentali delle Strategie Evolutive e della Programmazione Genetica,
confronta questi approcci con Simulated Annealing e metodi di
Swarm Intelligence
e analizza alcuni casi applicativi di interesse.
Programma del Corso
Metodi di ricerca analitici,
enumerativi e casuali - Steepest Ascend/Descent Procedures -
Simulated
Annealing - Applicazione al problema TSP - Algoritmi Genetici - Teorema
degli schemi - Funzioni GA-hard - Minimal Deceptive Problem -
Convergenza prematura - Stagnazione - Operatori avanzati di selezione -
Operatori avanzati di crossover - GA per ottimizzazione combinatoria -
Stategie Evolutive - Programmazione Genetica - Swarm Intelligenge -
Particle Swarm Optimization - Simulated Annealing - Generatori di
numeri Pseudo-Casuali - Casi di studio -
Progetto di
laboratorio.
Testi di riferimento
Libri di testo
- [GOLD89] D.E. Goldberg. Genetic Algorithms in Search,
Optimization and Machine Learning, Addison Wesley, 1989 (MAT
68-1989-48IN, CHI M.9, ING1 A.ELE.T.0264)
Altri testi consigliati
- [BNK97] W. Banzhaf, P. Nordin, R. E. Keller, F.D. Francone,
Genetic Programming: An Introduction, Morgan Kaufmann, 1997, ISBN:
155860510X.
- [EK01] R.C. Eberhart, J. Kennedy, Swarm Intelligence,
Morgan Kaufmann, 2001, ISBN: 1558605959.
- [HH98] R. L. Haupt, S. E.Haupt, Practical Genetic Algorithms,
Wiley-Interscience, 1998, ISBN: 0471188735.
- [KOZ92] J.R. Koza, Genetic Programming, MIT Press, 1992 (MAT
68-1992-038IN).
- [MIT96] M. Mitchell, An Introduction to Genetic Algoritms, MIT
Press, 1996 (MAT 68-1996-197, ARC C.4623, ING2 576.501 MIT
).
- [MIC96] Z. Michalewicz, Genetic Algorithms + Data Structures =
Evolution Programs, Springer-Verlag; 3rd Rev edition, 1996, ISBN:
3540606769
- [PL01] R. Poli, W.B. Langdon, Foundations of Genetic Programming,
Springer Verlag, 2001, ISBN: 3540424512.
- [SCH95] H.P. Schwefel, Evolution and Optimum Seeking, J. Wiley
& Sons, 1995 (MAT 68-1995-196).
- [PTV92] W.H. Press, S. A. Teukolsky, W.T. Vetterling, B.P.
Flannery, Numerical Recepies in C: the art of scientific computing (2nd
ed.), Cambridge University Press, 1992 ( CHI 517:519/13) Vedi anche
sito
web NUMERICAL RECEPIES.
- [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.