การหาค่าเหมาะสมที่สุดแบบศึกษาสำนึก
4(4-0-12)
วิชาบังคับก่อน: ไม่มี
วิชานี้มุ่งศึกษาเทคนิคการหาค่าเหมาะสมที่สุดแบบศึกษาสำนึกโดยสังเขป เนื้อหาวิชาครอบคลุมเกี่ยวกับ บทนำการหาค่าเหมาะสมที่สุดแบบศึกษาสำนึก ซีมูเล็ทเต็ดแอนนิลลิง การคำนวณแบบวิวัฒนาการขั้นตอนวิธีเชิงพันธุกรรม กลยุทธ์แบบวิวัฒนาการ
การค้นหาแบบทาบู การจัดการกับเงื่อนไข วิธีการไฮบริด การตรวจสอบความถูกต้องและการเปรียบเทียบผลลัพธ์
เค้าโครงรายวิชา
1. บทนำการหาค่าเหมาะสมที่สุดแบบศึกษาสำนึก (2 ชั่วโมง)
2. ซีมูเล็ทเต็ดแอนนิลลิง (6 ชั่วโมง)
3. การคำนวณแบบวิวัฒนาการ (6 ชั่วโมง)
4. ขั้นตอนวิธีเชิงพันธุกรรม (6 ชั่วโมง)
5. กลยุทธ์แบบวิวัฒนาการ (6 ชั่วโมง)
6. การค้นหาแบบทาบู (6 ชั่วโมง)
7. การจัดการกับเงื่อนไข (6 ชั่วโมง)
8. วิธีการไฮบริด (6 ชั่วโมง)
9. การตรวจสอบความถูกต้องและการเปรียบเทียบผลลัพธ์ (4 ชั่วโมง)
ผลสัมฤทธิ์การเรียนรู้
ผู้เรียนสามารถใช้เทคนิคการหาค่าเหมาะสมที่สุดแบบศึกษาสำนึก ประกอบด้วย ซีมูเล็ทเต็ดแอนนิลลิง การคำนวณแบบวิวัฒนาการ ขั้นตอนวิธีเชิงพันธุกรรม กลยุทธ์แบบวิวัฒนาการ การค้นหาแบบทาบู วิธีการไฮบริด เพื่อแก้ปัญหาทางวิศวกรรมโทรคมนาคมได้อย่างมีประสิทธิภาพ และสามารถจัดการกับเงื่อนไข ตรวจสอบความถูกต้อง และเปรียบเทียบค่าเหมาะสมที่เป็นผลลัพธ์ได้
Heuristic Optimization
Prerequisite: None
This course aims at studying an overview of heuristic optimization techniques. Topics include introduction to heuristic optimization; simulated annealing; evolutionary computation; genetic algorithms; evolutionary strategies; Tabu search; constraint handling; hybrid methods; validation and comparison of results.
Course Outline
1. Introduction to heuristic optimization (2 hours)
2. Simulated annealing (6 hours)
3. Evolutionary computation (6 hours)
4. Genetic algorithms (6 hours)
5. Evolutionary strategies (6 hours)
6. Tabu search (6 hours)
7. Constraint handling (6 hours)
8. Hybrid methods (6 hours)
9. Validation and comparison of results (4 hours)
Learning Outcomes
Students are able to apply Heuristic Optimization techniques included simulated annealing, evolutionary computation, genetic algorithms, evolutionary strategies, Tabu search, and hybrid methods to solve telecommunication engineering problems, and handle constraints, validate and compare optimization results.