Data wydruku: 26.12.2016 08:43 Strona 1 z 3 Nazwa przedmiotu
Transkrypt
Data wydruku: 26.12.2016 08:43 Strona 1 z 3 Nazwa przedmiotu
Nazwa przedmiotu Metody optymalizacji Kod przedmiotu FIZ1C322/1 Jednostka Katedra Fizyki Teoretycznej i Informatyki Kwant. Kierunek Fizyka Techniczna Obszary kształcenia Nauki ścisłe Profil kształcenia ogólnoakademicki Rok studiów 3 Typ przedmiotu Obowiąkowy Semestr studiów 6 Poziom studiów I stopnia - inżynierskie ECTS 4.0 Liczba punktów ECTS Aktywność studenta gk Udział w zajęciach dydaktycznych objętych planem studiów 60 Nauki techniczne Udział w konsultacjach pw 6 Praca własna studenta Suma Wykładowcy 34 66 34 Łączna liczba godzin pracy studenta 100 Liczba punktów ECTS 4.0 dr hab. Leszek Kułak (Osoba opowiedzialna za przedmiot) Prowadzący: dr hab. Leszek Kułak Cel przedmiotu Celem wykładu jest przedstawienie klasycznych i biologicznie inspirowanych metaheurystycznych metod optymalizacji w sposób umożliwiający szybkie zaimplementowanie ich pod postacią odpowiednich algorytmów. Omówione są na wykładzie współczesne algorytmy optymalizujące z położeniem nacisku na ich inspirację w fizyce i biologii. Data wydruku: 07.03.2017 16:35 Strona 1 z 4 Efekty kształcenia Sposób realizacji Odniesienie do efektów kierunkowych Efekt kształcenia z przedmiotu Sposób weryfikacji efektu [K_U01] Potrafi uczyć się samodzielnie, pozyskiwać informacje z literatury, baz danych oraz innych właściwie dobranych źródeł. Student korzysta z literatury branżowej (naukowej; artykuły w czasopismach naukowych) i wykorzystuje treści w niej zawarte do rozwiązania problemów stawianych w ramach laboratorium [SK2] Ocena postępów pracy [SW1] Ocena wiedzy faktograficznej [SU2] Ocena umiejętności analizy informacji [K_U07] Potrafi w sposób popularny przedstawić podstawowe fakty z zakresu fizyki oraz pokrewnych dziedzin i dyscyplin nauki. Student potrafi stworzyć projekt prezentacji na wybrany temat dotyczący nowoczesnych rozwiązań technologicznych [SU5] Ocena prezentacji [SU3] Ocena umiejętności wykorzystania wiedzy uzyskanej w ramach różnych modułów [SK4] Ocena umiejętności komunikacji [K_K02] Ma świadomość własnych ograniczeń i wie, kiedy zwrócić się do ekspertów. Student ocenia efektywność dostarczanego przez siebie rozwiązania. Student korzysta z literatury branżowej (naukowej; artykuły w czasopismach naukowych) i wykorzystuje treści w niej zawarte do rozwiązania problemów. [SU2] Ocena umiejętności analizy informacji [SU1] Ocena realizacji zadania [K_K01] Rozumie potrzebę uczenia się przez całe życie oraz potrzebę podnoszenia kompetencji zawodowych i osobistych. Potrafi inspirować i organizować proces uczenia się innych osób. Student ocenia efektywność dostarczanego przez siebie rozwiązania korzystając ze ściśle zdefiniowanych miar. Dostrzega ograniczenia wynikające z przyjętych uproszczeń i założeń. [SK2] Ocena postępów pracy [SW2] Ocena prezentacji [SU2] Ocena umiejętności analizy informacji [K_W02] Posiada uporządkowaną wiedzę w zakresie podstaw fizyki, obejmującą mechanikę, termodynamikę, elektryczność i magnetyzm, optykę, fizykę atomu i cząsteczki, fizykę ciała stałego, fizykę jądra atomowego i cząstek elementarnych. Student posiada pogłębioną znajomość metod matematycznych, numerycznych i symulacyjnych stosowanych przy opisie i modelowaniu podstawowych zagadnień optymalizacji w technice [SW1] Ocena wiedzy faktograficznej [SU4] Ocena umiejętności korzystania z metod i narzędzi [SU3] Ocena umiejętności wykorzystania wiedzy uzyskanej w ramach różnych modułów [K_U08] Posiada umiejętność przygotowywania prac i opracowań pisemnych oraz wystąpień ustnych, w językach polskim i angielskim, dotyczących zagadnień szczegółowych z zakresu fizyki oraz pokrewnych dziedzin i dyscyplin nauki. Student potrafi stworzyć projekt aplikacji realizującej algorytmy optymalizacyjne oraz potrafi zaimplementować w wybranym języku programowania zaprojektowany system. [SU4] Ocena umiejętności korzystania z metod i narzędzi [SU3] Ocena umiejętności wykorzystania wiedzy uzyskanej w ramach różnych modułów na uczelni Wymagania wstępne i dodatkowe Zalecane komponenty przedmiotu Data wydruku: 07.03.2017 16:35 Strona 2 z 4 Treść przedmiotu 1. 2. 3. 4. 5. Zalecana lista lektur Podstawy optymalizacji. Krótki rys historyczny optymalizacji.Sformułowanie zagadnienia. Rodzaje zadań. Właściwości funkcji celu. Ograniczenia funkcji celu.Optymalizacja w zastosowaniach inżynierskich.Typy optymalizacji i rodzaje algorytmów. Jak oceniać algorytmy optymalizacji. Metody eliminowania ograniczeń funkcyjnych. Zadania wielokryterialne. Klasyczne metody optymalizacji. Programowanie liniowe. Matematyczne podstawy programowania liniowego. Geometryczny algorytm metody sympleks. Algorytm prosty metody sympleks. Zagadnienie transportowe. Metoda potencjałów. Gry dwuosobowe o sumie zero i ich związek z programowaniem liniowym.Klasyczne metody optymalizacji bez ograniczeń. Metody gradientowe. Metoda Newtona. Metody proste kierunków poprawy. Metoda gradientów sprzężonych.Metoda gradientowa Levenberga Marquardta. Metoda sympleks Meada-Neldera.Klasyczne metody optymalizacji z ograniczeniami. Metoda funkcji kary. Metoda mnożników Lagrange. Twierdzenie Karusha-Kuhna-Tuckera. Generatory liczb pseudolosowych. Algorytmy ewolucyjne. Prosty algorytm genetyczny. Strategie ewolucyjne (1+1), (λ+μ),(λ, μ). Programowanie ewolucyjne. Zarządzanie populacją. Metody selekcji. Kryteria zatrzymania algorytmu. Monitorowanie rozwiązań generowanych przez algorytm. Monitorowanie zdolności eksploatacyjnych. Dobór kodowania i operatorów genetycznych. Warianty operatorów krzyżowania. Przegląd metod krzyżowania. Operator inwersji. Operatory mutacji. Eksploracja i eksploatacja a operatory genetyczne. Zarządzanie wieloma operatorami genetycznymi. Przykładowe zastosowania w fundamentalnych zagadnieniach inżynierskich. Metaheurystyczne algorytmy optymalizacji.Symulowane wyżarzanie. Algorytm robaczków świętojańskich. Optymalizacja rojem świetlików. Poszukiwania systemem naładowanych cząstek. Algorytm grawitacyjnych poszukiwań. Algorytm wirtualnych nietoperzy. Optymalizacja rojem cząstek. Algorytm mrówkowy. Algorytm pszczół. Procesy dynamicznego formowania rzek. Algorytm inteligencji kropli wody. Przykładowe zastosowania w fundamentalnych zagadnieniach inżynierskich. Literatura podstawowa 1. 2. 3. 4. 5. J. Arabas - Wykłady z algorytmów ewolucyjnych , WNT, 2004 Z. Michalewicz. Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, 2011 Findestein. Metody obliczeniowe optymalizacji, PWN, 1977 R.Wieczorkowski, Z, Zieliński, Komputerowe generatory liczb losowych, WNT, 1997 X. Yang. Engineering Optimization - An Introduction With Metaheuristic Applications, Wiley, 2010 Literatura uzupełniająca 1. 2. 3. 4. 5. Formy zajęć i metody nauczania K.Kukuła, Badania Operacyjne w przykładach i zadaniach, PWN 2011 M. Wahde, Biologically Inspired Optimization Methods - An Introduction (WIT, 2008) S. Luke, Essentials of Metaheuristics, Lulu, second edition, available at http://cs.gmu.edu/∼sean/book/ metaheuristics/ G. Rozenberg, Handbook of Natural Computing, Springer 2012 T.Weise Global Optimization Algorithms – Theory and Application , http://www.it-weise.de/, 2013 Forma zajęć Liczba godzin zajęć Wykład Ćwiczenia Laboratorium Projekt Seminarium 30.0 0.0 30.0 0.0 0.0 Suma godzin dydaktycznych w semestrze, objętych planem studiów 60 W tym kształcenie na odległość: 0.0 Metody i kryteria oceniania Kryteria oceniania: składowe Próg zaliczeniowy Procent oceny końcowej Egzamin ustny 50.0 50.0 Zaliczenie laboratorium 50.0 50.0 Przykładowe zagadnienia / Przykładowe zadania / Realizowane zadania Zastosowanie programowania liniowego do zagadnień optymalizacji diety. Optymalizowanie zagadnienia transportowego i harmonogramów przy pomocy algorytmów genetycznych. Tworzenie algorytmów hybrydowych przez połączenie algorytmów metaheurystycznych z metodami gradientowymi. Zastosowanie strategii ewolucyjnych do rozwiązywania prostych modeli kwantowo-mechanicznych. Analiza algorytmów biologicznie inspirowanych i ich zastosowanie do trudnych problemów technicznych. Data wydruku: 07.03.2017 16:35 Strona 3 z 4 Język wykładowy polski Praktyki zawodowe Nie dotyczy Data wydruku: 07.03.2017 16:35 Strona 4 z 4