Metody inteligencji obliczeniowej Kierunek studiów: Informatyka
Kod programu: 08-S2INIA15.2019

Nazwa modułu: Metody inteligencji obliczeniowej
Kod modułu: 08-IN-IJO-S2-MIO
Kod programu: 08-S2INIA15.2019
Semestr: semestr zimowy 2020/2021
Język wykładowy: angielski
Forma zaliczenia: egzamin
Punkty ECTS: 3
Opis:
Algorytmy zachowania stadnego stanowią część sztucznego życia i inteligencji obliczeniowej. Zadaniem postawionym przed studentem jest umiejętność dostosowania technik optymalizacji stadnej do grupy analizowanych problemów optymalizacyjnych i w tym również algorytmów symulacji i analizy takich zachowań. Właściwy dobór PSO uzależniony jest od topologii komunikacyjnej, interakcji zachodzących między cząsteczkami i od roli lidera , czy też algorytmu grupowania cząsteczek.
Wymagania wstępne:
(brak informacji)
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Potrafi rozdzielać zadania projektowe i współpracuje w grupie wieloosobowej [MIO -K_8]
 K_U02 [1/5]
Stosuje równania ruchu stada w implementacjach prostych zachowań stadnych dotyczących omijania przeszkód [MIO -U_4]
 K_U01 [1/5] K_U02 [2/5] K_U03 [1/5]
Wdraża poznane metody w implementacjach algorytmu PSO z zachowaniem wartości parametrów mających wpływ na osiąganie optimum optymalizowanej funkcji [MIO -U_5]
 K_U01 [1/5] K_U02 [2/5] K_U03 [1/5]
Potrafi dobierać i aktualizować wartości parametrów w różnych podejściach dotyczących optymalizacji stadnej cząsteczek (PSO), modelu kanonicznego, z wagą inercji oraz w modelu ze ściskiem [MIO -U_6]
 K_U01 [1/5] K_U02 [2/5] K_U03 [1/5]
Weryfikuje i projektuje model inteligencji stadnej w zależności od analizowanego problemu i stosowanej topologii komunikacyjnej [MIO -U_7]
 K_U01 [1/5] K_U02 [2/5] K_U03 [1/5]
Charakteryzuje zachowania stadne poprzez algorytm Boids C. Reynoldsa [MIO -W_1]
 K_W02 [1/5] K_W06 [1/5] K_W08 [2/5] K_W09 [1/5] K_W14 [1/5] K_W16 [1/5]
Objaśnia reguły przemieszczania się na podstawie podstawowych wzorów zaczerpniętych z Optymalizacji stadnej cząsteczek [MIO -W_2]
 K_W02 [1/5] K_W06 [1/5] K_W08 [2/5] K_W09 [1/5] K_W14 [1/5] K_W16 [1/5]
Dobiera odpowiedni model PSO na podstawie analizowanego problemu i omawia wpływ parametrów na sposób działania stada [MIO -W_3]
 K_W02 [1/5] K_W06 [1/5] K_W08 [2/5] K_W09 [1/5] K_W14 [1/5] K_W16 [1/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Egzamin [MIO _w_1]
Praca pisemna studentów wskazująca na poziom opanowania tematyki wykładu
 MIO -W_1 MIO -W_2 MIO -W_3
Prace kontrolne [MIO _w_2]
Pisemna weryfikacja wiedzy z poszczególnych tematów realizowanych na laboratoriach
 MIO -W_1 MIO -W_2 MIO -W_3
Projekt grupowy [MIO _w_3]
Implementacja algorytmu inteligencji stadnej w konkretnym zastosowaniu w grupie wieloosobowej
 MIO -K_8 MIO -U_4 MIO -U_5 MIO -U_6 MIO -U_7
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [MIO _fs_1]
Podanie treści kształcenia w formie werbalnej z wykorzystaniem wizualizacji treści. Skupienie się na materiale trudnym pojęciowo i wskazanie adresów stron internetowych i pakietu e-learningowego
15
Zapoznanie się z tematyką wykładu z wykorzystaniem istniejących pakietów metod: skryptu, stron internetowych i pakietu e-learningowego
 15 Egzamin [MIO _w_1]
laboratorium [MIO _fs_2]
Szczegółowe przygotowanie studentów do implementacji algorytmów ze wskazaniem na metodologię postępowania, wskazaniem kolejności wykonywanych czynności
 30
Samodzielne opracowanie i przygotowanie studentów do kolokwiów zaliczających z laboratorium Wykonanie projektu - implementacji danego systemu w grupie wieloosobowej
30 Prace kontrolne [MIO _w_2] Projekt grupowy [MIO _w_3]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)