シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
進化計算特論 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Advanced Evolutionary Computation | ||
| 科目番号 /Code |
|||
| 開講年度 /Academic year |
2024年度 | 開講年次 /Year offered |
全学年 |
| 開講学期 /Semester(s) offered |
前学期 | 開講コース・課程 /Faculty offering the course |
博士前期課程、博士後期課程 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
大学院専門教育科目 - 専門科目Ⅱ | ||
| 開講類・専攻 /Cluster/Department |
情報学専攻 | ||
| 担当教員名 /Lecturer(s) |
佐藤 寛之 | ||
| 居室 /Office |
西6-205 | ||
| 公開E-mail |
h.sato@uec.ac.jp | ||
| 授業関連Webページ /Course website |
http://nic.lab.uec.ac.jp/ | ||
| 更新日 /Last update |
2024/03/20 21:55:54 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters） |
本講義では，様々な最適化問題と進化計算による解法について解説し，実社会における最適化問題に対処できる技術者の育成を目的とする．特に，近年の進化計算アルゴリズムと注目される多目的最適化問題について講義するとともに，進化計算による最適化の最前線の研究動向について学ぶ． This course introduces a variety of optimization problems and optimization of them using evolutionary computation. The aim of this cource is to develop engineers who can handle real-world optimization problems. This course provides lectures especially about recent evolutionary optimization algorithms, multi-objective optimization, and several latest research directions of evolutionary optimization. |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
コンピュータリテラシー，基礎プログラミングおよび演習 Computer Literacy, Fundamental Programming |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
アルゴリズムとデータ構造論，アルゴリズムとデータ構造並びに同演習，進化計算論 Algorithms and Data Structures, Exercises in Algorithms and Data Structures, and Evolutionary Computation |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
以下の書籍などに基づく担当教員の配布資料を利用する． - Dan Simon, Evolutionary Optimization Algorithms: Biologically-Inspired and Population-Based Approaches to Computer Intelligence, John Wiley & Sons, 2013. - Kalyanmoy Deb, Multi-Objective Optimization Using Evolutionary Algorithms, John Wiley & Sons, 2001. The lecturer distributes text materials based on the following books. - Dan Simon, Evolutionary Optimization Algorithms: Biologically-Inspired and Population-Based Approaches to Computer Intelligence, John Wiley & Sons, 2013. - Kalyanmoy Deb, Multi-Objective Optimization Using Evolutionary Algorithms, John Wiley & Sons, 2001. |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
言語タイプは（Cc）である．前半は，最適化問題の種類と難しさの違い，基礎的な進化計算，近年の進化計算の発展，実世界問題と密接な多目的最適化，進化計算の応用事例を中心に講義する．後半は，進化計算に関する最先端の研究論文を読むか，習得した進化計算をシステムとして構築し，その内容を発表する形で理解を深める．授業全体の大まかな流れは以下の通りである． 第１回：イントロダクション 第２回：様々な最適化問題と難しさ 第３回：進化計算の基礎(遺伝的アルゴリズム，進化戦略，進化プログラミング） 第４回：進化計算の発展1(確率モデル進化計算，群知能，差分進化） 第５回：進化計算の発展2(対話型最適化，目的関数推定） 第６回：多目的最適化(概要と基本的要素) 第７回：多目的最適化(最適化アルゴリズム) 第８回：多数目的最適化と難しさ 第９回：応用事例紹介 第１０-１５回：論文発表会およびプログラム発表会 Language type is (Cc). This lecture series starts with several categories of optimization problems and differences in their difficulties, classic evolutionary algorithms, modern ones, multi-objective optimization frequently arisen in the real-world, and industrial applications. Each student then reads the latest research paper on evolutionary computation or develops an example based on evolutionary computation technologies. Each student makes a presentation about their own achievement in the last part of this course. The weekly plan is as follows. 1. Introduction 2. Optimization problems and their categorization and difficulties 3. Classic evolutionary algorithms 4. Modern evolutionary algorithms 1 5. Modern evolutionary algorithms 2 6. Multi-objective optimization problems 7. Multi-objective optimization algorithms 8. Many-objective optimization and its difficulties 9. Real-world applications 10-15. Presentations |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
担当教員の実務経験，企業との協働・共同研究の経験から，実社会における進化計算の応用事例と実用のための課題と対策について言及しながら講義する. The lecturer gives the above lectures by mentioning real-world applications using evolutionary computation and issues in them from experiences as an engineer and from collaborative research projects with industries. |
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
講義時に資料を配布するため，予習より復習が中心になる．発表会のための資料作成と発表練習は，授業時間外で実施することになる． A weekly review of the text materials distributed by the lecturer is recommended. The presentation and its material must be prepared outside lecture hours. |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
発表について，発表資料５０％，プレゼンテーション５０％で総合的に評価する．６割以上の評点を得ることを，単位認定の基準にする．最低達成基準は，講義で取り扱った進化計算を把握しており，発表会のために注目した最先端の研究論文やアルゴリズムを他の受講者に説明できるレベルにあることである． Evaluation is given in consideration of the following ratio: presentation slide 50%, presentation 50%. The students must acquire 60% or more than 60% of evaluation to approve the credit, which includes understanding evolutionary algorithms and their state-of-the-art papers. |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
西6号館 205号室 火曜日 2時限 あらかじめメールでアポイントメントを取ること． Room W6-205, Tuesday, 2nd period. Mail the lecturer to make an appointment. |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
なし N/A |
| その他 /Others |
なし N/A |
| キーワード /Keywords |
最適化，多目的最適化 Optimization, multi-objective optimization |