1862543809

PRZEDMIOTOWE EFEKTY KSZTAŁCENIA

Osoba, która zaliczyła kurs, ma następujące kompetencje:

Z zakresu wiedzy:

PEK_W01 - posiada wiedzę z zakresu analitycznych metod optymalizacji -funkcji wielu zmiennych i zna warunki optymalności

PEK_W02 - zna numeryczne metody optymalizacji lokalnej przeznaczone do

rozwiązywania wybranych typów zadań optymalizacji statycznej bez ograniczeń i z ograniczeniami

PEK_W03 - posiada wiedzę z zakresu algorytmów heurystycznych, przeznaczonych do rozwiązywania wybranych typów zadań optymalizacji statycznej

Z zakresu umiejętności:

PEK_U01 - potrafi zastosować algorytmy dokładne i przybliżone do rozwiązania zadań optymalizacji statycznej bez ograniczeń i z ograniczeniami

PEK_U02 - potrafi zaimplementować algorytmy rozwiązania dokładne i przybliżone do wybranych zagadnień optymalizacji ciągłej i dyskretnej w wybranym języku programowania

PEK_U03 - potrafi wykorzystać standardowe procedury do rozwiązania zadania

optymalizacji i dobrać odpowiednie parametry dla wybranych metod optymalizacji

PEK_U04 - potrafi wyznaczyć rozwiązanie zadania optymalizacji i je zinterpretować dla wybranego modelu z zakresu automatyki i robotyki.

TREŚCI PROGRAMOWE
Forma zajęć - wykład		Liczba godzin
Wyl	Optymalizacja - modele matematyczne, klasyfikacja zadań, pojęcia podstawowe.	2
Wy2	Przykłady zadań optymalizacji w dziedzinie automatyki i robotyki	2
Wy3	Własności. Warunki optymalności.	2
Wy4	Zadanie programowania liniowego PL. Interpretacja graficzna.	2
Wy5	Uogólniony algorytm simpleks, warunek dopuszczalności i optymalności zadania programowania liniowego. Teoria dualności.	2
Wy 6	Dwufazowy algorytm simpleks, dualny algorytm simpleks. Teoria dualności.	2
Wy 7	Metody optymalizacji dla zadania programowania całkowitoliczbowe-go (m.in.:metoda podziału i ograniczeń, metoda odcięć ).	2
Wy8	Warunki optymalności dla zadania programowania nieliniowego z ograniczeniami - warunki Kuhn’a-Tucker’a-Karusch’a.	2
Wy 9	Warunki regularności, metoda Lagrange’a - przykłady.	2
WylO	Algorytmy optymalizacji lokalnej - dla zadań optymalizacji bez ograniczeń: metody poszukiwań prostych, metody bezgradientowe i gradientowe.	2
Wyli	Algorytmy optymalizacji lokalnej - dla zadań optymalizacji z ograniczeniami: metody poszukiwań prostych, metody bezgradientowe i gradientowe.	2
Wyl2	Algorytmy optymalizacji globalnej - przegląd metod meta-	2