|
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 |
110-2 |
|
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：40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 |
本課程的內容大致包括以下各個主題:
(I) Traditional Optimization Methods:
01. Linear Programming.
02. Single-State Optimization Methods.
03. Gradient Methods.
04. Local Search Approaches.
05. Simulated Annealing.
06. Tabu Search.
(II) Nature-Inspired Metaheuristic Optimization Methods:
07. Genetic Algorithms.
08. Evolution Strategy.
09. Differential Evolution.
10. Genetic Programming.
11. Particle Swarm Optimization.
12. Ant Colony Optimization.
(III) Advanced Topics:
13. Competitive Coevolution.
14. Cooperative Coevolution.
15. Multi-Objective Optimization.
16. Statistical Optimization (Distribution Estimation).
17. Policy Optimization (Reinforcement Learning).
18. Quantum-Inspired Optimization Methods. |
|
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 |
本課程的Lecture Notes和Projects將會存放在課程的網頁裡. 教授會在課堂上提供網頁的進入方法. 除了Lecture Notes以外, 本課程並沒有其他教科書或指定閱讀. |
|
參考書目 |
無 |
|
評量方式
(僅供參考) |
|
No. |
項目 |
百分比 |
說明 |
|
1. |
出席率 |
15% |
|
2. |
期中報告 |
40% |
|
3. |
期未報告 |
45% |
|
|
|