Optimization and Decision Making S1/31 Plik
Transkrypt
Optimization and Decision Making S1/31 Plik
(pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: OPTIMIZATION AND DECISION MAKING 2. Kod przedmiotu: 3. Karta przedmiotu ważna od roku akademickiego: 2012 4. Forma kształcenia: studia pierwszego stopnia 5. Forma studiów: studia stacjonarne 6. Kierunek studiów: MAKROKIERUNEK; WYDZIAŁ AEII 7. Profil studiów: ogólnoakademicki 8. Specjalność: 9. Semestr: 3 10. Jednostka prowadząca przedmiot: Instytut Automatyki, RAu1 11. Prowadzący przedmiot: dr inż. Jarosław Śmieja 12. Przynależność do grupy przedmiotów: przedmioty wspólne 13. Status przedmiotu: obowiązkowy 14. Język prowadzenia zajęć: angielski 15. Przedmioty wprowadzające oraz wymagania wstępne: Calculus and differentia equations, Algebra and analytic geometry, Fundamentals of computer programming. Prior to this course, students should learn how to calculate derivatives, solve linear differential equations, perform calculations using matrix notation and develop simple software given the algorithm. 16. Cel przedmiotu: Introduction of various types of practical optimization problems and analytical methods for solving them. Development of skills necessary for application of basic numerical algorithms. Introduction of mathematically based decision making in multistage decision processes. Laboratory exercises aim at teaching how to implement theoretical results and standard algorithms to find solutions of real life optimization problems. 17. Efekty kształcenia:1 Nr W1 W2 W3 U1 U2 U3 1 Opis efektu kształcenia Metoda sprawdzenia efektu kształcenia Zna podstawowe pojęcia z dziedziny optymalizacji, takie jak m.in. funkcjonał, ekstremum lokalne, optymalizacja statyczna, dynamiczna, wypukłość funkcjonału, różniczki Gateaux i Frecheta, warunekkonieczny, warunek wystarczający Zna postać warunków koniecznych, które powinny spełniać rozwiązania zadań optymalizacji Zna podstawowe algorytmy, służące do numerycznego poszukiwania rozwiązań zadań optymalizacji Potrafi sformułować matematyczny opis typowych inżynierskich zadań optymalizacji i określić, do jakiej rodziny one należą Potrafi, dla zadanego problemu, wyznaczyć analityczną postać warunków koniecznych rozwiązania typowych zadań optymalizacji, a następnie wykorzystać je do jego znalezienia Potrafi ocenić przydatność standardowych metod dla rozwiązania konkretnego problemu i zaimplementować SP WT, WM SP WT, WM CL, PS, OS WT, WM CL, PS, OS L SP L CL, PS, OS L należy wskazać ok. 5 – 8 efektów kształcenia Forma Odniesienie prowadzenia do efektów zajęć dla kierunku studiów wybrany algorytm Potrafi wyznaczać strategie bezpieczne oraz strategie równowagi w problemach decyzyjnych opisanych za pomocą gier macierzowych K1 Potrafi zinterpretować wyniki otrzymane w trakcie rozwiązywania zadań optymalizacji K2 Potrafi zaprezentować i uzasadnić zaproponowane metody rozwiązywania problemu 18. Formy zajęć dydaktycznych i ich wymiar (liczba godzin) U4 W. : 30 SP, CL, PS, OS L CL, PS, OS L OS L L.: 30 19. Treści kształcenia: Wykład Examples of optimization problems; defining optimality criteria Modeling of decision processes Unconstrained extrema Examples of using necessary conditions Constrained optimization Necessary conditions for constrained minimum Inequality constraints Convex programming Linear programming and simplex algorithm Dynamic programming Zero- and nonzero sum games Decision trees Zajęcia laboratoryjne Analytical methods of solving constrained and unconstrained static optimization problems Optimization of functions of one variable Multivariable optimization Linear programming, simplex method Quadratic programming Direct methods of dynamic optimization, gradient methods Dynamic programming Decision trees/game theory 20. Egzamin: nie 21. Literatura podstawowa: A. Świerniak, A. Gałuszka, Optimization Methods and Decision Making. Lecture Notes. Wyd. Politechniki Śląskiej, Gliwice 2003. Z. Ogonowski, J. Smieja, Optimization Methods and Decision Making. (Handbook for students) Art&Kolor, Gliwice, 2001. (available for download at http://www.platforma.polsl.pl/rau1/) J. Figwer, J. Mościński, Z. Ogonowski. (red. Z.Ogonowski) Laboratorium metod optymalizacji statycznej. Skrypty Uczelniane Politechniki Śląskiej, Nr. 1852, Gliwice. Z. Duda, A. Ordys, A. Świerniak. Laboratorium metod optymalizacji dynamicznej. Skrypty Uczelniane Politechniki Śląskiej, Nr. 1171, Gliwice. 22. Literatura uzupełniająca: D. Luenberger: Optimization by vector space methods, John Wiley, 1969 (Polish translation-Teoria optymalizacji, PWN, 1974) D. Luenberger: Introduction to linear and nonlinear programming, Adison-Wesley, 1973 U. Helmke, J. Moore: Optimization and dynamical systems, Springer, 1994 A. Bryson, Y.C. Ho: Applied optimal control, Blaisdell, 1969 W. Findeisen, J. Szymanowski, A. Wierzbicki: Metody optymalizacji, PWN, 1977 M.M. Sysło, N. Deo, J.S. Kowalik, Algorytmy optymalizacji dyskretnej, PWN, Warszawa, 1995 23. Nakład pracy studenta potrzebny do osiągnięcia efektów kształcenia Lp. Forma zajęć 1 Wykład 2 Ćwiczenia 3 Laboratorium 4 Projekt 0/0 5 Seminarium 0/0 6 Inne 6/5 Suma godzin Liczba godzin kontaktowych / pracy studenta 30/15 0/0 30/40 66/60 24. Suma wszystkich godzin: 126 25. Liczba punktów ECTS:2 5 26. Liczba punktów ECTS uzyskanych na zajęciach z bezpośrednim udziałem nauczyciela akademickiego: 2 27. Liczba punktów ECTS uzyskanych na zajęciach o charakterze praktycznym (laboratoria, projekty): 3 26. Uwagi: Zatwierdzono: ……………………………. ………………………………………………… (data i podpis prowadzącego) (data i podpis dyrektora instytutu/kierownika katedry/ Dyrektora Kolegium Języków Obcych/kierownika lub dyrektora jednostki międzywydziałowej) 2 1 punkt ECTS – 25-30 godzin.