Detail předmětu
Metody a algoritmy pro simulaci a optimalizaci systémů
FSI-9MASAk. rok: 2009/2010
Klasifikace prvků a systémů. Metody numerické simulace. Modelování pomocí formálních systémů, konečných automatů a Petriho sítí. Simulační systémy spojité, diskrétní, kombinované a objektově orientované. Metody umělé inteligence v simulaci a optimalizaci. Použití neuronových sítí a evolučních algoritmů pro klasifikaci a predikci.
Jazyk výuky
čeština
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Schopnost používat metody a prostředky počítačové simulace.
Prerekvizity
Základy matematiky včetně diferenciálního a integrálního počtu funkcí jedné a více proměnných a řešení systému diferenciálních rovnic, základy fyziky, mechaniky, elektrotechniky a automatického řízení, zvládnutí základních programovacích technik.
Plánované vzdělávací činnosti a výukové metody
Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.
Způsob a kritéria hodnocení
Písemná a ústní zkouška z obsahové náplně kursu.
Učební cíle
Osvojení metod a vybraných prostředků počítačové simulace.
Základní literatura
Fishwick, P.: Simulation Model Design and Execution, Building Digital Worlds, Prentice-Hall, 1995
Zeigler, B., Praehofer, H., Kim, T.: Theory of Modelling and Simulation, 2nd edition, Academic Press, 2000
Norgaard, M.: Neural Networks for Modelling and Control of Dynamic Systems, Springer, 2000
Goldberg, D. E.: Genetic Algorithms in Search, Optimization and Machine Learning. Addisson-Wesley Professional,1989
Zeigler, B., Praehofer, H., Kim, T.: Theory of Modelling and Simulation, 2nd edition, Academic Press, 2000
Norgaard, M.: Neural Networks for Modelling and Control of Dynamic Systems, Springer, 2000
Goldberg, D. E.: Genetic Algorithms in Search, Optimization and Machine Learning. Addisson-Wesley Professional,1989
Doporučení literatura
O´Neill, M., Ryan, C.: Grammatical Evolution: Evolutionary automatic programming in an arbitrary language. Kluwer Academic publishers, 2003
Mandic, Danilo P.: Recurrent neural networks for prediction, learning algorithms, architectures and stability, Wiley, Chichester 2001
Ross, S.: Simulation, 3rd edition, Academic Press, 2002
Mandic, Danilo P.: Recurrent neural networks for prediction, learning algorithms, architectures and stability, Wiley, Chichester 2001
Ross, S.: Simulation, 3rd edition, Academic Press, 2002
Typ (způsob) výuky
Přednáška
20 hod., nepovinná
Vyučující / Lektor
Osnova
1. Úvod do metod počítačové simulace a optimalizace.
2. Klasifikace prvků a systémů.
3. Metody mumerické simulace.
4. Modelování pomocí formálních systémů.
5. Modelování pomocí konečných automatů a Petriho sítí.
6. Spojité, diskrétní, kombinované a objektově orientované simulační systémy.
7. Metody umělé inteligence v modelování a simulaci.
8. Metody umělé inteligence v optimalizaci a identifikaci.
9. Použití neuronových sítí pro klasifikaci a predikci.
10. Použití evolučních algoritmů pro klasifikaci a predikci.
2. Klasifikace prvků a systémů.
3. Metody mumerické simulace.
4. Modelování pomocí formálních systémů.
5. Modelování pomocí konečných automatů a Petriho sítí.
6. Spojité, diskrétní, kombinované a objektově orientované simulační systémy.
7. Metody umělé inteligence v modelování a simulaci.
8. Metody umělé inteligence v optimalizaci a identifikaci.
9. Použití neuronových sítí pro klasifikaci a predikci.
10. Použití evolučních algoritmů pro klasifikaci a predikci.