課程大綱

課程資訊

課程名稱	近期最佳化程序的最新進展 Advanced Methods in Optimization Algorithms
開課學期	109-2
授課對象	電機資訊學院資料科學碩士學位學程
授課教師	潘建興
課號	Data5001
課程識別碼	946 U0010
班次
學分	3.0
全/半年	半年
必/選修	選修
上課時間	星期三2,3,4(9:10~12:10)
上課地點	新402
備註	限碩士班以上總人數上限：30人

課程簡介影片
核心能力關聯	核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述	Part I. Basic Introduction: 第一週 The Basic Structure of Metaheuristic Optimization Part II. Traditional Approaches and Single-State Methods: 第二週Linear Programming and Single-State Methods 第三週Gradient-Based Optimization 第四週Iterated Local Search and Stochastic Local Search 第五週 Simulated Annealing and Tabu Search Part III. Naturally Inspired Evolutionary Algorithms: 第六週Comparison Methods on Optimization Algorithms 第七週 Genetic Algorithms and Evolution Strategies 第八週Differential Evolution and Genetic Programming 第九週 Particle Swarm Optimization and Algorithm Parallelism 第十週Ant Colony Optimization and Combinatorial Optimization Part IV. Advanced Topics in Metaheuristics: 第十一週Coevolution I: Competitive Coevolution 第十二週Coevolution I: Cooperative Coevolution 第十三週Methods for Dynamic Objective Functions 第十四週Advanced Methods in Multiple Objective Optimization Part V. Applications of Metaheuristic Optimizations: 第十五週Statistical Optimization for Classification and Distribution Estimation 第十六週Policy Optimization for Reinforcement Learning and Sparse Stochastics 第十七週Real-Life Applications on Metaheuristic Optimization 第十八週期末考週
課程目標	本課程的主要目標有三: 1. 教導學生最新的啟發式最佳化演算法(Metaheuristic Optimization Algorithms)的方法和理論 2. 透過結合課程的基本知識和網路搜尋的資料, 培養學生能夠自行學習全新未知的啟發式最佳化演算法的能力. 3. 透過了解各演算法的優劣, 培養學生能夠自行改良現有方法的能力.
課程要求	本課程需要學生有基本的編程能力(C++, JAVA, R, Python, Matlab任何一種語言都可以)和大學程度的基礎數學和基礎統計知識. 另外, 學生建議先修過上學期的Math 5080(統計科學計算)中首六星期的課程, 但不是必要也不會影響學習成效.
預期每週課後學習時數
Office Hours
指定閱讀	無, 我會自行撰寫和在網上提供學生閱讀.
參考書目	無
評量方式 (僅供參考)

課程進度

週次	日期	單元主題
第1週	2/24	The Basic Structure of Metaheuristic Optimization
第2週	3/03	Linear Programming and Single-State Methods
第3週	3/10	Gradient-Based Optimization
第4週	3/17	Iterated Local Search and Stochastic Local Search
第5週	3/24	Simulated Annealing and Tabu Search
第6週	3/31	Comparison Methods on Optimization Algorithms
第7週	4/07	Genetic Algorithms and Evolution Strategies
第8週	4/14	Differential Evolution and Genetic Programming
第9週	4/21	Particle Swarm Optimization and Algorithm Parallelism
第10週	4/28	Ant Colony Optimization and Combinatorial Optimization
第11週	5/05	Coevolution I: Competitive Coevolution
第12週	5/12	Coevolution I: Cooperative Coevolution
第13週	5/19	Methods for Dynamic Objective Functions
第14週	5/26	Advanced Methods in Multiple Objective Optimization
第15週	6/02	Statistical Optimization for Classification and Distribution Estimation
第16週	6/09	Policy Optimization for Reinforcement Learning and Sparse Stochastics
第17週	6/16	Real-Life Applications on Metaheuristic Optimization
第18週		期末考週