ΚΛΕΙΔΕΣ: Υπολογιστική Ευφυΐα, Γενετικοί Αλγόριθμοι, Αλγόριθμοι επιλογής γονέων, Βασικοί γενετικοί τελεστές (ανασυνδυασμός–crossover, μετάλλαξη–mutation), Θεωρία σχημάτων, Εσωτερικός Παραλληλισμός, Θεωρήματα σύγκλισης, Βελτιστοποίηση Πολλαπλών Στόχων, Μικρογενετικοί Αλγόριθμοι, Μεμετικοί Αλγόριθμοι, Συστήματα εκμάθησης κανόνων (GBML – Classifier Systems), Αλγόριθμοι εκμάθησης κανόνων (Bucket Brigade Algorithm), Αντιστοιχία με Νευρωνικά Δίκτυα, Παράλληλοι Γενετικοί Αλγόριθμοι, Μοντέλα Π.Γ.Α., Μοντέλο Χαμηλής Ανάλυσης, Μοντέλο Υψηλής Ανάλυσης, Υβριδικά Μοντέλα, Μοντέλα διαφορετικών εξελικτικών συμπεριφορών, Εξελικτικές Στρατηγικές, Εξελικτικός Προγραμματισμός, Γενετικός Προγραμματισμός, Εξελισσόμενο Υλικό (Evolutionary Hardware), Αλγόριθμοι Τεχνητής Ζωής (Artificial Life, Μulti Agent Systems, Ant Colony Optimization, Cultural Algorithms)Στόχος του μαθήματος είναι να εισάγει τον φοιτητή στη θεωρία και την πρακτική της Εξελικτικής Υπολογιστικής, η οποία αποτελεί ένα νέο αλλά εξελισσόμενο τομέα της Υπολογιστικής Νοημοσύνης, που περικλείει ένα σύνολο από ισχυρά εργαλεία βελτιστοποίησης και αναζήτησης λύσεων σε δύσκολα πραγματικά προβλήματα όπου δεν υπάρχουν αναλυτικές ή άλλες μέθοδοι επίλυσης. Αναλύονται οι αρχές λειτουργίας των εξελικτικών αλγορίθμων, η ιστορία τους και οι διαφορετικές τους μορφές. Περιγράφονται οι αρχές λειτουργίας και η θεωρία των Γενετικών Αλγορίθμων, τα δομικά τους στοιχεία, οι τεχνικές εφαρμογής τους σε πραγματικά προβλήματα (συνεχών παραμέτρων, συνδυαστικά, πολλαπλών στόχων, προβλήματα με περιορισμούς). Αναπτύσσονται ειδικές εφαρμογές των Γενετικών Αλγορίθμων, όπως τα Συστήματα Εκμάθησης Κανόνων, και οι Παράλληλοι Γενετικοί Αλγόριθμοι. Περιγράφονται άλλες εξελικτικές τεχνικές, όπως οι Εξελικτικές Στρατηγικές, ο Εξελικτικός Προγραμματισμός, ο Γενετικός Προγραμματισμός, και το Εξελισσόμενο Υλικό. Τέλος αναλύονται οι αλγόριθμοι της Τεχνητής Ζωής και οι εφαρμογές τους.Εξελικτική υπολογιστική-Θεωρία