Computação Evolucionária

Ano
4
Ano lectivo
2018-2019
Código
02000212
Área Científica
Engenharia Biomédica
Língua de Ensino
Português
Outras Línguas de Ensino
Inglês
Modo de Ensino
Presencial
Duração
Semestral
Créditos ECTS
6.0
Tipo
Opcional
Nível
2º Ciclo - Mestrado

Conhecimentos de Base Recomendados

Introdução à Programação e Resolução de Problemas, Introdução à Inteligência Artificial, Estatística. Bons conhecimentos de inglês: leitura e escrita.

Métodos de Ensino

Nas aulas teóricas serão expostos e discutidos de modo crítico os conceitos, teorias e métodos, associados à resolução heurística de problemas. Os alunos serão chamados de imediato a exercitar, na PL, o que foi aprendido através da resolução em computador de problemas de complexidade média. Esse trabalho será feito em grupo com a monitorização do professor. Leitura de trabalho de investigação; estudo experimental de soluções alternativas para uma dada questão teórica; escrita de relatório. Os trabalhos referidos são únicos, individuais, e estão sujeitos a apresentação oral e discussão.

Resultados de Aprendizagem

Apresentar, discutir e desenvolver soluções de engenharia de inspiração natural (i.e., biológica, social, física) para problemas de elevada complexidade que, ou não têm solução analítica, ou são computacionalmente intratáveis. Aprender a avaliar de modo rigoroso, i.e., por recurso à estatística, soluções alternativas para os problemas.

Aquisição de competências em análise e síntese, comunicação oral e escrita (português e inglês), conhecimentos informáticos e de análise estatística, resolução de problemas, conhecimento de uma língua estrangeira, raciocínio crítico, trabalho em grupo, aprendizagem autónoma, criatividade, aplicação prática dos conhecimentos, investigação.

Estágio(s)

Não

Programa

1. Introdução: meta-heurísticas e resolução de problemas

2. Sistemas Evolucionários

3. Sistemas Imunes Artificiais

4. Sistemas Baseados em Desenvolvimento

5. Inteligência Colectiva

6. Parametrização e Desempenho.

Métodos de Avaliação

Avaliação
Trabalho de síntese: 10.0%
Projecto: 30.0%
Exame: 60.0%

Bibliografia

1) Introduction to Evolutionary Computation, A. Eiben and J. Smith, Springer, 2003

2) Bio-Inspired Artificial Intelligence: theories, methods, and Technologies, Dario Floreano and Claudio Mattiussi, MIT Press, 2008

3) Fundamentals of Natural Computing: basic concepts, algorithms, and applications, Leandro Castro, Chapman and Hall, 2006

4) Essentials of metaheuristics, Sean Luke, Lulu Press, 2009.

6) Manual de Computação Evolutiva e Metaheurísticas, A. Gaspar-Cunha, R. Takahashi e C.H. Antunes (Coordenadores), Imprensa da Universidade de Coimbra, 2012.

7) Clever algorithms: nature-inspired programming récipes, Jason Brownlee, ISBN 978-1-4467-8506-5, 2011.