Uvod:
preiskovanje in optimizacija, optimizacijski problemi in njihove značilnosti, deterministična in stohastična optimizacija, optimizacijski algoritmi po zgledih iz narave, evolucijsko računanje, računska inteligenca
Osnove evolucijskih algoritmov:
motivacija, terminologija, zgradba in delovanje, vrste evolucijskih algoritmov, teoretično ozadje, prednosti in slabosti
Mehanizmi in tehnike:
uglaševanje parametrov algoritmov, obravnavanje omejitev, reševanje multimodalnih, dinamičnih in večkriterijskih optimizacijskih problemov, paralelizacija, hibridizacija
Vrednotenje in uporaba:
statistična analiza rezultatov, mere kakovosti rezultatov in računske učinkovitosti, razvoj evolucijskega algoritma za izbrani optimizacijski problem, primeri uporabe v znanosti, inženirstvu in poslovnem svetu
Sorodni algoritmi:
optimizacija z roji delcev, optimizacija s kolonijami mravelj, kulturni algoritmi, memetski algoritmi, umetni imunski sistemi
Introduction:
search and optimization, optimization problems and their characteristics, deterministic and stochastic optimization, nature-inspired optimization algorithms, evolutionary computation, computational intelligence
Foundations of evolutionary algorithms:
motivation, terminology, composition and functioning, types of evolutionary algorithms, theoretical background, advantages and disadvantages
Mechanisms and techniques:
algorithm parameter tuning, constraint handling, solving multimodal, dynamic and multiobjective optimization problems, parallelization, hybridization
Evaluation and applications:
statistical analysis of results, measures of effectiveness and efficiency, design of an evolutionary algorithm for a selected optimization problem, use cases from science, engineering and business
Related algorithms:
particle swarm optimization, ant colony optimization, cultural algorithms, memetic algorithms, artificial immune systems