教學大綱表 Syllabus
請遵守智慧財產權,勿使用非法影印教科書,避免觸法。
課程名稱
Course Title
(中文) 演化計算
(英文) Evolutionary Computation
開課單位
Departments
資訊經營研究所
課程代碼
Course No.
N4710
授課教師
Instructor
康家榮
學分數
Credit
3.0 必/選修
core required/optional
選修 開課年級
Level
研究所
先修科目或先備能力Course Pre-requisites:作業研究、生產管理、
課程概述與目標 Course Overview and Goals:課程描述 (Curriculum Description)
1. 演化計算是重要的人工智慧技術,藉由模擬自然界的演化機制或模仿生物的智能行為,演化計算已用於解決參數優化、物流排程、機器學習、結構設計、機器人控制、甚至藝術創作…等許多複雜的最佳化問題。
2. 本課程介紹演化計算的基本概念、演算法設計、以及各項應用。

課程目標 (Curriculum Goals)
1. 了解演化計算的概念與基礎。
2. 認識演化計算的術語、運算子與演算法設計。
3. 理解演化計算的理論。
4. 學習如何將演化計算應用於最佳化及實際問題。
教科書
Textbook
自製教材
參考教材
Reference
1. 林昇甫、徐永吉。遺傳演算法及其應用(2009)。五南圖書。ISBN:978-957-11-5731-3
課程大綱
Syllabus
學生學習目標
Learning Objectives
單元學習活動
Learning Activities
學習成效評量
Evaluation
備註
Notes

Week
單元主題
Unit topic
內容綱要
Content summary
1 組合最佳化問題 (Combinatorial Optimization) 1. 組合最佳化背景知識
2. 工作中常見需要作決策的問題
1. 認識路徑選擇問題(TSP、VRP)
2. 認識生產排程問題(FSSP、JSSP)
3. 認識設施規劃問題(FLP)
  • 講授
  •  
    2 萬用啟發式演算法背景知識 (1) 1. 實作Bulls and Cows (猜數字)
    2. Guided Random Search Techniques (GRST)
    認識萬用啟發式演算法核心概念 (GRST)
  • 探索體驗
  • 講授
  • 作業Assignment
  •  
    3 萬用啟發式演算法背景知識 (2) 最佳解 (optimal solution) 認識組合最佳化問題求解方法(窮舉搜尋、數學規劃方法)
  • 講授
  • 作業Assignment
  •  
    4 萬用啟發式演算法背景知識 (3) 次佳解 (suboptimal solution) 認識組合最佳化問題求解方法(群體智能 SI、演化計算 EC)
  • 講授
  • 作業Assignment
  •  
    5 群體智能 (swarm intelligence, SI) 1. 群體智能演算法
    2. 粒子群最佳化(Particle Swarm Optimization, PSO)
    認識群體智能(PSO)
  • 實作
  • 講授
  • 作業Assignment
  •  
    6 演化計算 (evolutionary computing, EC) 1. 群體智能演算法
    2. 基因演算法(Genetic Algorithm, GA)
    認識演化計算 (GA)
  • 實作
  • 講授
  • 作業Assignment
  •  
    7 基因演算法 (1) 1. 離散決策變數之編碼
    2. 連續決策變數之編碼 (排列解)
    認識編碼與解碼
  • 實作
  • 講授
  • 作業Assignment
  •  
    8 基因演算法 (2) Phase 1: Population Generation 認識GA流程
  • 實作
  • 講授
  • 作業Assignment
  •  
    9 Mid-Term Report (期中報告) 說明期末專題要報告 期中報告15% (上台報告)
  • 個別或小組指導
  • 報告Presentation
  •  
    10 基因演算法 (3) Phase 2: Fitness Evaluation 認識GA流程
  • 實作
  • 講授
  • 作業Assignment
  •  
    11 基因演算法 (4) Phase 3: Selection 認識GA流程
  • 實作
  • 講授
  • 作業Assignment
  •  
    12 基因演算法 (5) Phase 4: Crossover 認識GA流程 (評比法、輪盤法、錦標賽法、菁英法)
  • 實作
  • 作業Assignment
  •  
    13 基因演算法 (6) Phase 5: Mutation 認識GA流程 (單點、雙點、均勻)
  • 實作
  • 講授
  • 作業Assignment
  •  
    14 基因演算法 (7) 範例分享 認識GA流程
  • 個案研究
  • 作業Assignment
  •  
    15 基因演算法 (8) 範例分享 認識GA流程
  • 個案研究
  • 作業Assignment
  •  
    16 Final Report (期末報告) 期末專題 期末報告45% (上台報告+ 書面報告)
  • 個別或小組指導
  • 報告Presentation
  •  
    17 Final Report (期末報告) 期末專題 期末報告45% (上台報告+ 書面報告)
  • 個別或小組指導
  • 報告Presentation
  •  
    18 Final Report (期末報告) 期末專題 期末報告45% (上台報告+ 書面報告)
  • 個別或小組指導
  • 報告Presentation
  •  

    教學要點概述 Overview of Teaching Points:
    教材編選 Teaching Materials: ■ 自編教材 Handout by Instructor □ 教科書作者提供 Textbook
    評量方法 Evaluation: 報告Presentation:60%   作業Assignment:40%  
    教學資源 Teaching Resources: □ 教材電子檔 Soft Copy of the Handout or the Textbook □ 課程網站 Website
    扣考規定 The rule of being able to take the final exam of the course:http://eboard.ttu.edu.tw/ttuwebpost/showcontent-news.php?id=504