Studenci specjalności Sztuczna Inteligencja, inż. Adam Handke oraz inż. Piotr Kamiński, są współautorami pracy „Metaphor-based algorithms for learning the preference model parameters of FlowSort from large sets of assignment examples” przyjętej na czołową konferencję w dziedzinie obliczeń ewolucyjnych GECCO 2023.
Praca dotyczy heurystycznych algorytmów uczenia preferencji dla metody wspomagania decyzji z rodziny PROMETHEE opartej na relacji przewyższania. Zaprezentowano w niej różnorodne podejścia oparte na algorytmach ewolucyjnych, programowaniu matematycznym, symulowanym wyżarzania oraz dedykowanej heurystyce. Rozważono warianty metody, które wykorzystują graniczne lub charakterystyczne profile opisujące klasy. Opracowane algorytmy przetestowano na zbiorze dużych problemów decyzyjnych, charakteryzujących się monotonicznością kryteriów oraz atrybutu decyzyjnego. Uczenie preferencji jest stosunkowo nową specjalnością naukową rozwijaną na przecięciu uczenia maszynowego i wielokryteriowego wspomagania decyzji. Współautorami pracy są dwaj inni studenci informatyki, Damian Jóźwiak i Michał Wiśniewski, oraz opiekun studentów, prof. Miłosz Kadziński. Praca zostanie zaprezentowana w lipcu podczas konferencji w Lizbonie.
Specjalność Sztuczna Inteligencja realizowana jest w ramach projektu Akademia Innowacyjnych Zastosowań Technologii Cyfrowych (AI Tech)