◎系所教育目標：
為配合國家建設及產業發展之需要，本系以培育中高級資訊科技人才為目的。在教學理念上除了注重理論的探討之外並強調實際動手的能力，以期培育出具有深厚學識基礎並能實際應用的資訊科技人才。在專業必修中涵蓋基礎理論、電腦硬體、作業系統、資料結構及計算機網路等方面，並有畢業專題製作，使學生紮實基礎，同時課程包含四個專業學程，兼顧學術及實務之分流與訓練。分別為一：軟體工程及知識工程學程、二：互動多媒體學程、三：網路及資訊安全學程、四：資訊系統開發實務學程，以期作為日後升學就業的準備。 |
| ◎核心能力 | 關聯性 |
| 1.應用數理邏輯推理之能力 | 4 關聯性稍強 |
| 2.具備資訊軟體專業之能力 | 4 關聯性稍強 |
| 3.發掘、分析及解決問題之能力 | 4 關聯性稍強 |
| 4.現代資訊發展工具之使用與熟悉資訊應用系統之能力 | 2 關聯性稍弱 |
| 5.資訊軟體或硬體創新設計與實作之能力 | 3 關聯性中等 |
◎本學科內容概述：
演化計算為模擬生物演化的演算法，主要用於搜尋方面的應用，尤其是最佳化搜尋。演化計算有許多種型態的演算法，它們之間有共同的架構：一個群體，群體內每一個體為一個可行解，較佳之個體有較大機會將基因延續至下一代，經由一代一代的演化，找出最佳解。 |
◎本學科教學內容大綱：
本課程主要介紹基因演算法及基因規劃法之編碼、適應值函數、親代選擇、交配等議題。 |
◎本學科學習目標：
演化計算為模擬生物演化的演算法，主要用於搜尋方面的應用，尤其是最佳化搜尋。演化計算有許多種型態的演算法，它們之間有共同的架構：一個群體，群體內每一個體為一個可行解，較佳之個體有較大機會將基因延續至下一代，經由一代一代的演化，找出最佳解。本課程主要介紹基因演算法及基因規劃法之編碼、適應值函數、親代選擇、交配等議題。本課程也介紹模擬自然界之演算法，如Particle Swam Optimization (PSO)。 |
| ◎教學進度： |
| 週次 | 主題 | 教學內容 | 教學方法 |
01
| 簡介 | 演化計算簡介 | 講授。 |
02
| 簡介 | 演化計算組成元件簡介 | 講授、討論。 |
03
| Genetic Algorithm | 基因演算法概論 | 講授、討論。 |
04
| Genetic Algorithm | 個體編碼 | 講授、討論。 |
05
| Genetic Algorithm | 適應值函數 | 講授、討論。 |
06
| Genetic Algorithm | 親代選擇 | 講授、討論。 |
07
| Genetic Algorithm | 交配 | 講授、討論。 |
08
| Genetic Algorithm | 突變 | 講授、討論。 |
09
| 期中考 | 筆試 | 筆試。 |
10
| Genetic Programming | 基因規劃法簡介 | 講授、討論。 |
11
| Genetic Programming | GP之個體編碼 | 講授、討論。 |
12
| Genetic Programming | GP之交配(一) | 講授、討論。 |
13
| Genetic Programming | GP之交配(二) | 講授、討論。 |
14
| Genetic Programming | 參數控制 | 講授、討論。 |
15
| PSO (I) | PSO(I) | 講授、討論。 |
16
| PSO (II) | PSO (II) | 講授、討論。 |
17
| 專題製作 | 專題製作 | 講授、討論。 |
18
| 專題製作 | 專題製作 | 筆試。 |
◎課程要求：
本課程主要採用之自編教材或網路上所提供之相關知識，上課以課堂講義講解為主，討論為輔。 |
◎成績考核
小考20% : 必要時，配合課堂討論實施
期中考30%
期末考30%
作業/習題演練20%
|
◎參考書目與學習資源
教科書：
1. Eiben and Smith, "Introduction to Evolutionary Computing", Springer-Verlag, New York, 2003.
參考書：
1. David Goldberg. Baxevanis and Ouellette, Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, 1989.
2. Kenneth A. De Jong. Evolutionary Computation: A Unified Approach, MIT, 2006. |
| ◎教材講義 請改以帳號登入校務系統選擇全校課程查詢方能查看教材講義 |