1 OPIS KURSU Kod kursu: Nazwa kursu: Teoria i metody

OPIS KURSU
Kod kursu:
Nazwa kursu: Teoria i metody optymalizacji
Język wykładowy: polski
Forma kursu
Wykład
Tygodniowa
2
liczba godzin
ZZU *
Semestralna
30
liczba godzin
ZZU*
Forma
kolokwium
zaliczenia
Punkty ECTS
60
Liczba godzin
CNPS
Ćwiczenia
Laboratorium
1
Projekt
Seminarium
15
Zaliczenie
wszystkich ćw.
30
Poziom kursu (podstawowy/zaawansowany): podstawowy
Wymagania wstępne: Analiza matematyczna II (MAP1156), Algebra liniowa II
(MAP2019), Informatyka II (ARE0011)
Imię, nazwisko i tytuł/ stopień prowadzącego:
dr inż. Andrzej Kosiara
Imiona i nazwiska oraz tytuły/stopnie członków zespołu dydaktycznego:
Piotr Dudziński
prof. dr hab. inż.
Aleksander Skurjat
dr inż.
Eugeniusz Grabowski
dr inż.
Robert Czabanowski
dr inż.
Radosław Ilnicki
mgr inż.
Drugi stopień studiów, Semestr: I
Typ kursu (obowiązkowy/wybieralny): obowiązkowy
Cele zajęć (efekty kształcenia): umiejętność implementacji algorytmów optymalizacji
dla zadań ciągłych bez ograniczeń i z ograniczeniami oraz zadań dyskretnych;
umiejętność implementacji algorytmów ewolucyjnych oraz umiejętność
wykorzystywania procedur standardowych.
Forma nauczania (tradycyjna/zdalna): tradycyjna
Krótki opis zawartości całego kursu:
Programowanie liniowe. Warunki optymalności. Metody nieliniowej optymalizacji lokalnej
bez ograniczeń i z ograniczeniami. Podstawy optymalizacji dyskretnej. Niedeterministyczne
metody optymalizacji globalnej. Algorytmy ewolucyjne.
1
Wykład (podać z dokładnością do 2 godzin):
Zawartość tematyczna poszczególnych godzin wykładowych
Liczba godzin
1. Wprowadzenie, podstawowe pojęcia związane z optymalizacją,
2
formułowanie zadań optymalizacji, klasyfikacja metod optymalizacji
2. Metody bezgradientowe
2
3. Metody gradientowe
2
4. Metody kierunków sprzężonych
2
5. Warunki optymalności dla zadań optymalizacji nieliniowej
2
z ograniczeniami,
6. Warunki Kuhna-Tuckera
2
7. Optymalizacja nieliniowych funkcji wielu zmiennych z ograniczeniami
2
8. Metody kierunków poprawy
2
9. Metody funkcji kary
2
10. Optymalizacja wielokryterialna
2
11. Programowanie liniowe, algorytm sympleks
2
12. Optymalizacja dyskretna, metoda podziału i ograniczeń
2
13. Optymalizacja globalna, niedeterministyczne algorytmy optymalizacji
2
14. Algorytmy ewolucyjne
2
15. Programy do obliczeń optymalizacyjnych
2
Laboratorium - zawartość tematyczna:
1.
2.
3.
4.
5.
6.
7.
8.
Implementacja jednowymiarowych metod bezgradientowych
Implementacja wielowymiarowych metod bezgradientowych
Implementacja metod kierunków sprzężonych
Implementacja metod funkcji kary
Implementacja metod optymalizacji wielokryterialnych
Implementacja metod programowania liniowego
Implementacja metody podziału i ograniczeń
Implementacja algorytmów ewolucyjnych
2L
2L
2L
2L
2L
2L
2L
2L
Literatura podstawowa:
Seidler J., A. Badach, W. Molisz: Metody rozwiązywania zadań optymalizacji. WNT – Warszawa 1980
Findeisen W. ,J. Szymanowski, A. Wierzbicki: Teoria i metody obliczeniowe optymalizacji. PWN
– Warszawa 1980
Kusiak J., A. Danielewska-Tułecka, P. Oprycha: Optymalizacja. Wybrane metody z przykładami zastosowań.
PWN 2009
Garfinkel R., G. Nemhauser: Programowanie całkowitoliczbowe. PWN – 1978
Literatura uzupełniająca:
Gass S.: Programowanie liniowe. PWN – 1973
Górecki H.: Optymalizacja systemów dynamicznych. Wydawnictwo Naukowe PWN – Warszawa 1993
Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne. WNT - Warszawa 2003
Ignasiak E.: Badania operacyjne. Polskie Wydawnictwo Ekonomiczne – Warszawa 2001
Stadnicki J.: Teoria i praktyka rozwiązywania zadań optymalizacji. WNT – Warszawa 2006
Stachurski A., A. P. Wierzbicki: Podstawy optymalizacji. Oficyna Wydawnicza Politechniki Warszawskiej –
Warszawa 1999
Brzózka J., L. Dorobczyński: Matlab: środowisko obliczeń naukowo – technicznych. MIKOM – Warszawa 2005
Schaeffer R.: Podstawy genetycznej optymalizacji globalnej. WUJ – Kraków 2002
Dokumentacja oprogramowania Matlab
Warunki zaliczenia: zaliczenie kolokwium oraz ćwiczeń laboratoryjnych na pozytywną ocenę
2