Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Metody optymalizacji
Koordynator przedmiotu:
dr inż. Adam Woźniak
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Informatyka
Grupa przedmiotów:
Przedmioty podstawowe
Kod przedmiotu:
MOUZ
Semestr nominalny:
2 / rok ak. 2017/2018
Liczba punktów ECTS:
5
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Bilans nakładu pracy przeciętnego studenta: Praca samodzielna: Wykład 1: 5 h, wykład 2: 3 h, wykład 3: 5 h, wykład 4: 12 h, wykład 5: 10 h, wykład 6: 5 h, wykład 7: 12 h, wykład 8: 12 h, wykład 9: 16 h. Pierwsza grupa zadań domowych:10 h, druga: 15 h, trzecia 20 h. Razem praca samodzielna: 125 godzin. Zajęcia kontaktowe z nauczycielem: Zajęcia stacjonarne oraz konsultacje internetowe: 10 godzin Razem: 135 godzin, co odpowiada 5 ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
1
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
1
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia15h
  • Laboratorium0h
  • Projekt15h
  • Lekcje komputerowe0h
Wymagania wstępne:
Wymagane są umiejętności i wiadomości z analizy matematycznej oraz programowania, które powinien posiadać absolwent studiów I stopnia.
Limit liczby studentów:
30
Cel przedmiotu:
Przystępna prezentacja podstaw matematycznych optymalizacji oraz algorytmów rozwiązywania zadań optymalizacji umożliwiająca świadome korzystanie z optymalizacyjnych modeli wyboru Omawiane są niezbędne podstawy matematyczne, a następnie wybrane, najczęściej używane algorytmy służące do rozwiązywania takich zadań. Zadania domowe o różnym stopniu trudności stanowiące integralną część przedmiotu pozwalają na nabycie praktycznych umiejętności w rozwiązywaniu typowych zadań optymalizacji, programowaniu algorytmów optymalizacji oraz posługiwaniu się komercyjnymi pakietami algorytmów optymalizacji.
Treści kształcenia:
Wykład: 1. Przykłady zadań optymalizacji, klasyfikacje zadań optymalizacji. 2. Wprowadzenie do metod rozwiązywania zadań optymalizacji statycznej. 3. Podstawowe własności zadania programowania liniowego; metoda Simplex. 4. Elementy matematyki zadań optymalizacji. 5. Podstawy metod optymalizacji bez ograniczeń. 6. Metody rozwiązywania zadania poprawy. 7. Gradientowe algorytmy rozwiązywania zadań optymalizacji bez ograniczeń. 8. Analiza matematyczna zadań optymalizacji z ograniczeniami. 9. Metody i algorytmy rozwiązywania zadań optymalizacji z ograniczeniami: metody zewnętrznej i wewnętrznej funkcji kary, metoda rozszerzonego lagrangeanu. Zadania domowe: Pierwsza grupa: Układanie i rozwiązywanie zadań programowania liniowego (PLin). Rozwiązywanie zadań PLin za pomocą pakietu AMPL. Druga grupa: Rachunkowe zadania sprawdzające zrozumienie wprowadzonych pojęć matematycznych oraz twierdzeń. Trzecia grupa: Zaimplementowanie w wybrany języku i przetestowanie wskazanego przez wykładowce algorytmu rozwiązywania zadania optymalizacji nieliniowej bez ograniczeń.
Metody oceny:
Etapowe weryfikacje postępów rozwiązywania zadań domowych, egzamin pisemny i ewentualnie ustny. Pierwsza grupa zadań oceniana jest w skali: 0-15 pkt., druga: 0-15 pkt., trzecia: 0-20 pkt., egzamin: 0-50 pkt., aby zaliczyć przedmiot trzeba uzyskać 25 pkt. z projektów i 30 pkt. z egzaminu.
Egzamin:
tak
Literatura:
Preskrypt oraz prezentacje w PowerPointcie przygotowane przez wykładowcę. Brdyś, M., Ruszczyński, A.: Metody optymalizacji w zadaniach. Warszawa, Wydawnictwa Naukowo-Techniczne 1985. Findeisen, W., Szymanowski, J., Wierzbicki, A.: Teoria i metody obliczeniowe optymalizacji. Warszawa, Państwowe Wydawnictwo Naukowe 1977 (część I). Metody optymalizacji w języku FORTRAN. Red. J. Szymanowski, Państwowe Wydawnictwo Naukowe, Warszawa 1984. Ostwald, M.: Podstawy optymalizacji konstrukcji. Poznań, Wydawnictwo Politechniki Poznańskiej 2003. Stachurski, A.: Wprowadzenie do optymalizacji. Warszawa, Oficyna Wydawnicza PW 2009.
Witryna www przedmiotu:
http://red.okno.pw.edu.pl/witryna/home.php
Uwagi:
do uzupełnienia

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt MOUZ_W01
Ma rozszerzoną i pogłębioną wiedzę z zakresu matematyki przydatną do formułowania i rozwiązywania złożonych zadań optymalizacji liniowej i nieliniowej
Weryfikacja: egzamin, zadania domowe
Powiązane efekty kierunkowe: K2_W01, K2_W05
Powiązane efekty obszarowe: T2A_W01, T2A_W04
Efekt MOUZ_W02
Posiada wiedzę na temat istniejących numerycznych algorytmów optymalizacji
Weryfikacja: egzamin, zadania domowe
Powiązane efekty kierunkowe: K2_W01
Powiązane efekty obszarowe: T2A_W01

Profil ogólnoakademicki - umiejętności

Efekt MOUZ_U01
Potrafi rozwiązywać zadania optymalizacji analitycznie oraz przy pomocy algorytmów komputerowych
Weryfikacja: egzamin, zadania domowe
Powiązane efekty kierunkowe: K2_U06, K2_U09
Powiązane efekty obszarowe: T2A_U09, T2A_U12
Efekt MOUZ_U02
Potrafi ocenić przydatność komercyjnych pakietów optymalizacyjnych i wybrać dopasowany do właściwości rozwiązywanych zadań
Weryfikacja: Egzamin, zadania domowe
Powiązane efekty kierunkowe: K2_U01, K2_U09
Powiązane efekty obszarowe: T2A_U01, T2A_U12
Efekt MOUZ_U03
Potrafi właściwie formułować zadania optymalizacyjne
Weryfikacja: Egzamin, zadania domowe
Powiązane efekty kierunkowe: K2_U06, K2_U07, K2_U09
Powiązane efekty obszarowe: T2A_U09, T2A_U10, T2A_U12

Profil ogólnoakademicki - kompetencje społeczne

Efekt MOUZ_K01
Potrafi myśleć i działać w sposób kreatywny i przedsiębiorczy
Weryfikacja: zadania domowe
Powiązane efekty kierunkowe: K2_K01
Powiązane efekty obszarowe: T2A_K06