การหาค่าเหมาะที่สุดและเทคนิคสนับสนุนการตัดสินใจ
4(4-0-12)
วิชาบังคับก่อน : ไม่มี
บทนำเกี่ยวกับการหาค่าเหมาะที่สุดและเทคนิคสนับสนุนการตัดสินใจ ขั้นตอนวิธีเชิงพันธุกรรม การค้นหาแบบการกระจาย กำหนดการเชิงพันธุกรรม ระบบภูมิคุ้มกันประดิษฐ์ ความฉลาดแบบกลุ่ม การค้นหาแบบทาบู การจำลองการอบเหนียว การหาค่าเหมาะที่สุดแบบหลายวัตถุประสงค์ วิทยาการศึกษาสำนึกหลายมิติ ภูมิภาพความเหมาะสม และความท้าทายและแนวโน้มของการหาค่าเหมาะที่สุดและเทคนิคสนับสนุนการตัดสินใจ
เค้าโครงรายวิชา
- บทนำเกี่ยวกับการหาค่าเหมาะที่สุดและเทคนิคสนับสนุนการตัดสินใจ (4 ชม.)
- ขั้นตอนวิธีเชิงพันธุกรรม (4 ชม.)
- การค้นหาแบบการกระจาย (4 ชม.)
- กำหนดการเชิงพันธุกรรม (4 ชม.)
- ระบบภูมิคุ้มกันประดิษฐ์ (4 ชม.)
- ความฉลาดแบบกลุ่ม (4 ชม.)
- การค้นหาแบบทาบู (4 ชม.)
- การจำลองการอบเหนียว (4 ชม.)
- การหาค่าเหมาะที่สุดแบบหลายวัตถุประสงค์ (4 ชม.)
- วิทยาการศึกษาสำนึกหลายมิติ (4 ชม.)
- ภูมิภาพความเหมาะสม (4 ชม.)
- ความท้าทายและแนวโน้มของการหาค่าเหมาะที่สุดและเทคนิคสนับสนุนการตัดสินใจ (4 ชม.)
ผลสัมฤทธิ์การเรียนรู้
- สามารถอธิบายหลักการของระเบียบวิธีค้นหาต่าง ๆ ได้
- สามารถประยุกต์ใช้ระเบียบวิธีค้นหาเพื่อแก้ปัญหาการหาค่าเหมาะสมที่สุดเชิงการจัดได้
- สามารถวิเคราะห์และเปรียบเทียบประสิทธิภาพระหว่างระเบียบวิธีค้นหาที่ต่างกันได้
Optimization and Decision Support Techniques
Prerequisite : None
Introduction to optimization and decision support techniques; genetic algorithms; scatter search; genetic programming; artificial immune systems; swarm intelligence; tabu search; simulated annealing; multi-objective optimization; hyper-heuristics; fitness landscapes; challenges and trends in optimization and decision support techniques.
Course Outline
- Introduction to Optimization and Decision Support Techniques. (4 hr.)
- Genetic Algorithms. (4 hr.)
- Scatter Search. (4 hr.)
- Genetic Programming. (4 hr.)
- Artificial Immune Systems. (4 hr.)
- Swarm Intelligence. (4 hr.)
- Tabu Search. (4 hr.)
- Simulated Annealing. (4 hr.)
- Multi-Objective Optimization. (4 hr.)
- Hyper-Heuristics. (4 hr.)
- Fitness Landscapes. (4 hr.)
- Challenges and Trends in Optimization and Decision Support Techniques. (4 hr.)
Learning Outcomes
- Be able to describe the principles of search methods.
- Be able to apply search methods for solving combinatorial optimization problems.
- Be able to analyze and compare efficiency among different search met.
