La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Prof. Mario Pavone CdL Magistrale in Informatica Dip. Matematica ed Informatica Computazione Naturale.

Presentazioni simili


Presentazione sul tema: "Prof. Mario Pavone CdL Magistrale in Informatica Dip. Matematica ed Informatica Computazione Naturale."— Transcript della presentazione:

1 Prof. Mario Pavone CdL Magistrale in Informatica Dip. Matematica ed Informatica Computazione Naturale AA

2 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Cos’è la Computazione Naturale? Programma del corso Obiettivi formativi Modalità di Valutazione Altre utili informazioni Proposte di Elaborati Finali e/o Tesi di Laurea

3 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – selezione mutazione La Teoria dell’Evoluzione (Darwin, 1859) si basa principalmente su due punti: la selezione, che premia gli individui più forti di una specie, e la mutazione, che introduce diversità nel patrimonio genetico Algoritmi Evolutivi Algoritmi Evolutivi : provano a simulare l’evoluzione naturale/biologica per risolvere complessi problemi. buonesoluzione Come mai tali sistemi artificiali complessi raggiungono buone soluzione per un dato problema ? Finalità Finalità: comprendere più a fondo i processi di sviluppo dei sistemi viventi sviluppare sistemi artificiali che riproducono le caratteristiche dei processi naturali

4 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Sono sistemi computazionali che prendono ispirazione dall’evoluzione naturale SIMULANO E NON COPIANO Nature Inspired Computation: SIMULANO E NON COPIANO sopravvivenza del migliore Uno dei principi presi in prestito è la sopravvivenza del migliore Le tecniche di computazione naturale vengono utilizzati per problemi di ottimizzazione e learning SCATOLE NERE Le tecniche di computazione naturale non richiedono alcuna conoscenza del dominio di applicazione: SCATOLE NERE

5 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Applicazioni del mondo reale richiede lo sviluppo di sistemi adattabili GOAL: scrivere solo semplici regole l’intelligenza emerge dall’interazione di queste regole L’evoluzione è un metodo di ricerca fra un numero vasto di possibilità Evoluzione: metodo di adattamento ai cambiamenti

6 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt –

7

8

9 Flessibilità Flessibilità : applicabile a differenti problemi Robustezza Robustezza : in grado di affrontare incertezza Adattivi Adattivi : in grado di gestire applicazioni in ambienti dinamici attraverso l'auto-adattamento Autonomi Autonomi : possono funzionare senza l’intervento dell’utente Decentrata Decentrata : senza un autorità centrale

10 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt –

11 Genetic Algorithms Evolutionary Algorithms Evolutionary Programming Evolution Strategies Genetic Programming Simulated AnnealingMonte Carlo methods Stochastic optimization methods Artificial Immune Systems Swarm intelligence Membrane Computing

12 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Punto di partenza: meccanismi dell’evoluzione come strumenti di ottimizzazione evolvere una popolazione di soluzioni utilizzando operatori ispirati alla variabilità genetica e selezione naturale Evolutionary Strategy by Rechenberg (1965,1973) e Schwefel (1975,1977) Evolutionary Programming by Fogel, Owens e Walsh (1966) Genetic Algorithm by John Holland (1960): no risolvere problemi specifici, ma studiare il fenomeno di adattamento

13 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – GAs sono algoritmi basati sulla popolazione GAs prendono spunto dalla genetica popolazioni di cromosomi che si evolvono utilizzando una simulazione della selezione naturale, assieme ad operatori di ispirazioni genetica (incrocio, mutazione ed inversione) Un cromosoma è composto di geni, che rappresenta un particolare allele Operatore di selezione consente ai cromosomi più adatti di produrre più discendenti Incrocio : scambia parti dei cromosomi Mutazione : scambia casualmente i valori degli alleli Inversione : cambia l’ordine dei geni in una sezione del cromosoma

14 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Popolazione di Soluzioni Parents Offspring Seleziona i migliori Scambio delle caratteristiche dei parents Cambiamenti casuali Sostituiscono i peggiori

15 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Vedi:

16 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – conoscenza dei concetti biologici di base capire il funzionamento dei sistemi intelligenti capacità autonoma di implementazione EAs problem solving

17 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Criteri : accertamento del livello minimo per il conseguimento degli obiettivi formativi livello di maturazione nella disciplina Esame : 1. Test scritto 2. Progetto e relazione: implementare un algoritmo evolutivo su un dato problema 3. Discussione orale con presentazione del progetto svolto.

18 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – 15 (30) domande a risposta multipla Consiste di 15 (30) domande a risposta multipla una o più risposte corrette Ogni domanda può contenere una o più risposte corrette 2 punti Per ogni risposta completamente corretta vengono acquisiti 2 punti (1 punto) 1 punto Per ogni risposta parzialmente corretta viene acquisito 1 punto (0 punti) La prova scritta si considera superata se si consegue una valutazione sufficiente

19 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Date le seguenti informazioni 1. descrizione di un problema combinatorico; 2. un insieme di istanze del dato problema; 3. funzione obiettivo; 4. protocollo sperimentale; 5. elenco di alcuni algoritmi evolutivi, con specifiche caratteristiche; il candidato deve implementare un algoritmo scelto dall'elenco al punto (5), che risolva approssimativamente le istanze date, utilizzando il protocollo sperimentale fornito al punto (4);

20 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – consegna dell'elaborato con relazione; relazione scritta in LaTeX relazione scritta in LaTeX consegnare il file pdf con il codice sorgente LaTeX min. 4 pag - max 12 pag descrizione dell’algoritmo implementato, con un introduzione, descrizione dei risultati ottenuti e proprie conclusioni. la consegna viene fissata 15/20 giorni successivi alla data del punto precedente;

21 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – 1. originalità del lavoro prodotto; 2. complessità dell'algoritmo implementato; 3. risultati ottenuti dall'algoritmo implementato; 4. qualità della relazione prodotta.

22 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – La terza prova consiste di una discussione orale sul progetto sviluppato Il candidato deve descrivere l'elaborato prodotto tramite presentazione in powerpoint o pdf Al candidato verrà assegnato un tempo di 10 minuti per la sua presentazione stesso appello al più all’appello successivo NOTA : La seconda e terza prova può essere sostenuta o nello stesso appello in cui si è superata la prima prova, o al più all’appello successivo

23 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – 1. esposizione; 2. sintesi di presentazione del lavoro svolto; 3. qualità della presentazione prodotta; 4. padronanza degli argomenti esposti

24 Mario Pavone, AA. 2014/2015– Computazione Naturale, CdL Magistrale in Informatica, DMI, UniCt – Recapiti: stanza ° blocco tel: Ricevimento Mercoledì ore 11:00 – 12:30 (previo appuntamento) Avvisi e Materiale Forum ufficiale del corso

25 Combinatorial Optimization Problems Combinatorial Optimization Problems Systems & Synthetic Biology Systems & Synthetic Biology Computational Biology; Computational Biology; Reverse Engineering Methodologies Reverse Engineering Methodologies BioSystem Reverse Engineering BioSystem Reverse Engineering Numerical Optimization Problems Numerical Optimization Problems Operational Research Operational Research


Scaricare ppt "Prof. Mario Pavone CdL Magistrale in Informatica Dip. Matematica ed Informatica Computazione Naturale."

Presentazioni simili


Annunci Google