FIŞA DISCIPLINEI Tehnici avansate de optimizare și căutare

1. Date despre program

1.1 Instituţia de învăţământ superior Universitatea Babeş-Bolyai din Cluj-Napoca1.2 Facultatea Facultatea de Ştiinţe Economice şi Gestiunea Afacerilor1.3 Departamentul Statistică, Previziuni, Matematică1.4 Domeniul de studii Informatica economica1.5 Ciclul de studii master

1.6 Programul de studiu / Calificarea Business Modeling and Distributed Computing

2. Date despre disciplină

2.1 Denumirea disciplinei Tehnici avansate de optimizare și căutare2.2 Titularul activităţilor de curs Conf.univ.dr. Rodica Ioana Lung2.3 Titularul activităţilor de seminar Conf.univ.dr. Rodica Ioana Lung

2.4 Anul de studii 1 2.5 Semestrul 2 2.6 Tipul de evaluare Colocviu 2.7 Regimul disciplinei optional

3. Timpul total estimat (ore pe semestru ale activităţilor didactice)

3.1 Număr de ore pe săptămână 4 din care: 3.2 curs 2 3.3 seminar/laborator 23.4 Total ore din planul de învăţământ 56 din care: 3.5 curs 28 3.6 seminar/laborator 28

Distribuţia fondului de timp oreStudiul după manual, suport de curs, bibliografie şi notiţe 28Documentare suplimentară în bibliotecă, pe platformele electronice de specialitate şi pe teren 28Pregătire seminarii/laboratoare, teme, referate, portofolii şi eseuri 28Tutoriat 6Examinări 4Alte activităţi...................................3.7 Total ore studiu individual 943.8 Total ore pe semestru 1503.9 Numărul de credite 6

4. Precondiţii (acolo unde este cazul)

4.1 de curriculum Cursul de Algoritmi și structure de date4.2 de competenţe Cunoștințe de bază de programare

5. Condiţii (acolo unde este cazul)

5.1. de desfăşurare a cursului proiector

5.2. de desfăşurare a seminarului/laboratorului

Laborator de informatică cu acces individual la calculatoare pentru studenți (c++/java/etc)

1

Facultatea de Științe Economice și Gestiunea AfacerilorStr. Teodor Mihali nr. 58-60

Cluj-Napoca, RO-400951Tel.: 0264-41.86.52-5

Fax: 0264-41.25.70econ@econ.ubbcluj.ro

www.econ.ubbcluj.ro

Facultatea de Științe Economice și Gestiunea AfacerilorStr. Teodor Mihali nr. 58-60

Cluj-Napoca, RO-400951Tel.: 0264-41.86.52-5

Fax: 0264-41.25.70econ@econ.ubbcluj.ro

www.econ.ubbcluj.ro

6. Competenţele specifice acumulate

Competenţe profesionale

• Identificarea celor mai importante metode heuristic de căutare și optimizare împreună cu aplicațiile lor; utilizarea diferiților operatori;

• Folosirea heuristicilor descrise în cadrul cursului pentru rezolvarea de problem complexe reale;• Capacitatea de a implementa metode noi, adaptate la diferite tipuri de probleme;• Dezvoltarea de operatori specifici pentru diferite tipuri de probleme

Competenţe transversale

• Capacitatea de folosire a literaturii de specialitate pentru identificarea celor mai recente si performante metode existente pentru o problemă data

• Abilitatea de a evalua performanța altor metode, neacoperite în cadrul cursului;• Competențe de cercetare

7. Obiectivele disciplinei (reieşind din grila competenţelor specifice acumulate)

7.1 Obiectivul general al disciplinei Acesta este un curs introductiv despre Tehnici moderne de optimizare și căutare cu accent pe algoritmi evolutivi, algoritmi genetici și strategii evolutive cu aplicații în optimizare; cursul își propune să abordeze și metode legate de grafe, de la algoritmi pentru grafe pănă la programarea genetică.

7.2 Obiectivele specifice Pentru fiecare metodă abordată, cursul acoperă conceptele de bază implicate: reprezentare/codificare, operatori, manipulare și aplicații.

8. Conţinuturi

8.1 Curs Metode de predare Observaţii

1. Introducere în inteligența computațională Prelegeri/exemple 1 prelegere2. Algoritmi evolutivi prelegere/exemple 1 prelegere3. Aplicații ale algoritmilor evolutivi Prelegere/exemple 1 prelegere4. Algortimi genetici 2 prelegeri/exemple 2 prelegeri5. Strategii evolutive; Programare evolutivă Prelegere/exemple 1 prelegere6. Swarm optimization; Differential evolution. Prelegere/exemple 1 prelegere7. Tratarea restricțiilor Prelegere/exemple 1 prelegere8. Optimizare evolutivă multiobiectiv Prelegere/exemple 1 prelegere9. Algoritmi pe grafe: introducere Prelegere/exemple 1 prelegere10. Algoritmi pe grafe: All-pairs shortest paths Prelegere/exemple 1 prelegere11. Algoritmi pe grafe: Flux maxim Prelegere/exemple 1 prelegere12. Ant colony optimization Prelegere/exemple 1 prelegere13. Genetic programming Prelegere/exemple 1 prelegere

Bibliografie:1. A.E. Eiben and J.E. Smith, Introduction to Evolutionary Computing, Springer, Natural Computing Series,

2008.2. T.H. Cormen, C.E. Leiserson, R.L., Rivest, C. Stein, Introduction to algorithms, 3rd Edition, The MIT Press,

2009.3. Yang, X.S., Nature Inspired Meta-heuristic Algorithms, Luniver Press, 2010.Deb, K., Multi-objective optimization using Evolutionary Algorithms, Wiley, 2001.

8.2 Seminar/laborator Metode de predare Observaţii

1. Algoritmi evolutivi Exemple/exerciții 2 laboratoare2. Algortimi genetici Exemple/exerciții 2 laboratoare3. Strategii evolutive Exemple/exerciții 1 laborator4. Particle swarm optimization Exemple/exerciții 1 laborator5. Differential evolution Exemple/exerciții 1 laborator6. Optimizare evoltutivă multicriterială Exemple/exerciții 1 laborator7. Algoritmi pe grafe Exemple/exerciții 4 laboratoare

2

8. Ant colony optimization Exemple/exerciții 1 laborator9. Programare genetică Exemple/exerciții 1 laborator

Bibliografie:1. A.E. Eiben and J.E. Smith, Introduction to Evolutionary Computing, Springer, Natural

Computing Series, 2008.2. T.H. Cormen, C.E. Leiserson, R.L., Rivest, C. Stein, Introduction to algorithms, 3rd Edition,

The MIT Press, 2009.3. Yang, X.S., Nature Inspired Meta-heuristic Algorithms, Luniver Press, 2010.

Deb, K., Multi-objective optimization using Evolutionary Algorithms, Wiley, 2001.

9. Coroborarea/validarea conţinuturilor disciplinei cu aşteptările reprezentanţilor comunităţii epistemice, asociaţiilor profesionale şi angajatori reprezentativi din domeniul aferent programului

· Metodele evolutive de calcul sunt incluse în prezent în majoritatea pachetelor software de optimizare și căutare ca și soluții standard pentru probleme complexe care nu pot fi abordate prin metode clasice. Cursanții vor avea avantajul de a putea folosi aceste tehnici pentru rezolvarea de probleme practice cât și în luarea deciziilor.

10. Evaluare

Tip activitate 10.1 Criterii de evaluare 10.2 Metode de evaluare 10.3 Pondere în nota finală

10.4 Curs Abilitatea de a identifica diferite metode de optimizare și utilitatea lor practică

Examen scris 0.4

10.5 Seminar/laborator

Abilitatea de a implementa si folosi heuristicile de optimizare și căutare prezentate

Un portofoliu care sa conțină:· Un AG sau AE· Un proiect de căutare sau

optimizare la alegere dintr-o listă de teme propuse la începutul semestrului

0.6

10.6 Standard minim de performanţă• Pentru absolvirea acestei discipline este necesară obținerea unei note finale de minim 5(cinci);• Notele acordate sunt între 1(unu) și 10(zece);• Studenții trebuie să abordeze fiecare problematică (întrebare, aplicație practică) din cadrul subiectului de

examen;• Examenul este scris și durează 120 minute;• Portofoliul pentru seminar trebuie predat înainte de examen.

Data completării Semnătura titularului de curs Semnătura titularului de seminar 3.02.2016 conf. dr. Rodica Ioana LUNG conf.dr. Rodica Ioana Lung

Semnătura directorului de departament prof. univ. Dr. Diana Andrada Filip

Data avizării în departament 10.02.2016

3