Karta przedmiotu

Metody sztucznej inteligencji w optymalizacji

Podstawowe informacje o zajęciach

Cykl kształcenia:

2025/2026

Nazwa jednostki prowadzącej studia:

Wydział Budowy Maszyn i Lotnictwa

Nazwa kierunku studiów:

Lotnictwo i kosmonautyka

Obszar kształcenia:

nauki techniczne

Profil studiów:

ogólnoakademicki

Poziom studiów:

drugiego stopnia

Forma studiów:

stacjonarne

Specjalności na kierunku:

Awionika, Pilotaż, Samoloty, Silniki lotnicze, Śmigłowce, Zarządzanie ruchem lotniczym

Tytuł otrzymywany po ukończeniu studiów:

magister inżynier

Nazwa jednostki prowadzącej zajęcia:

Katedra Awioniki i Sterowania

Kod zajęć:

15230

Status zajęć:

obowiązkowy dla specjalności Awionika

Układ zajęć w planie studiów:

sem: 2 / W15 C15 / 4 ECTS / E

Język wykładowy:

polski

Imię i nazwisko koordynatora:

dr hab. inż. prof. PRz Leszek Rolka

Cel kształcenia i wykaz literatury

Główny cel kształcenia:
Celem kształcenia jest zdobycie wiedzy i umiejętności w zakresie nowoczesnych metod i technik zwanych systemami sztucznej inteligencji (AI) oraz ich twórczego zastosowania do rozwiązywania problemów optymalizacyjnych w obszarze inżynierii przestrzeni powietrznej.

Ogólne informacje o zajęciach:
W ramach wykładów studenci zapoznają się z teorią podejmowania decyzji i uczą się wybranych metod optymalizacji opartych na sztucznej inteligencji. W ramach ćwiczeń studenci rozwiązują zadania optymalizacji poprzez zastosowanie metod, teori i technik zaprezentowanych na wykładach. Studenci proponują ich wykorzystanie do rozwiązywania wybranych problemów, które występują w lotnictwie.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych
1	Cormen T. H., Leiserson Ch. E., Rivest R. L., Stein C.	Wprowadzenie do algorytmów	PWN.	2021
2	Hurbans R.	Algorytmy sztucznej inteligencji. Ilustrowany przewodnik.	Helion.	2021
3	Rutkowski L.	Metody i techniki sztucznej inteligencji	PWN.	2012
4	Goldberg D. E.	Algorytmy genetyczne i ich zastosowania	WNT.	2003
5	Kwiecień J.	Algorytmy stadne w rozwiązywaniu wybranych zagadnień optymalizacji dyskretnej i kombinatorycznej	Wydawnictwo AGH.	2015

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych
1	MathWorks	Dokumentacja oprogramowania MATLAB	-.	-
2	MIDACO	Dokumentacja oprogramowania MIDACO-SOLVER	-.	-

Literatura do samodzielnego studiowania
1	Hurbans R.	Grokking Artificial Intelligence Algorithms	Manning.	2020

Wymagania wstępne w kategorii wiedzy / umiejętności / kompetencji społecznych

Wymagania formalne:
Rejestracja studenta na semestrze pierwszym studiów stacjonarnych drugiego stopnia kierunku lotnictwo i kosmonautyka.

Wymagania wstępne w kategorii Wiedzy:
Wiedza podstawowa w zakresie matematyki i informatyki.

Wymagania wstępne w kategorii Umiejętności:
Umiejętność posługiwania się sprzętem i oprogramowaniem komputerowym oraz dokumentacją w języku angielskim.

Wymagania wstępne w kategorii Kompetencji społecznych:
Umiejętność pracy w zespole.

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z PRK
MEK01	zna i rozumie podstawowe pojęcia teorii podejmowania decyzji i optymalizacji oraz metody podejmowania decyzji, w tym algorytmy optymalizacji oparte na sztucznej inteligencij i inspirowane naturą.	Wykład	Sprawdzian pisemny na końcu semestru	K-W04++ K-W05++	P7S-WG
MEK02	potrafi identyfikować zadania optymalizacyjne wymagające zastosowania nieklasycznych metod optymalizacji i opisywać problemy optymalizacyjne z wykorzystaniem różnych metod reprezentacji wiedzy.	Ćwiczenia	Realizacja projektu	K-U08+	P7S-UW
MEK03	potrafi rozpoznać zalety i wady stosowanych metod i otrzymanych rozwiązań; analizować literaturę i publikacje z zakresu inteligentnych systemów decyzyjnych.	Ćwiczenia	Realizacja projektu	K-U05++	P7S-UK
MEK04	potrafi zastosować poznane na wykładzie tematy do rozwiązywania praktycznych zadań optymalizacyjnych; wybrać i zastosować istniejące narzędzia programowe do rozwiązywania zadań optymalizacyjnych; zaproponować rozwiązanie rzeczywistego problemu optymalizacji w inżynierii lotniczej za pomocą wybranych narzędzia optymalizacyjne oparte na sztucznej inteligencji; przeprowadzać symulacje komputerowe, analizować i interpretować wyniki, formułować wnioski; jest przygotowany do prowadzenia badań naukowych w zakresie inżynierii lotniczej.	Ćwiczenia	Realizacja projektu	K-U08++ K-U10++	P7S-UW
MEK05	potrafi rozwiązywać problemy optymalizacyjne w ramach pracy zespołowej, posiada świadomość odpowiedzialności za wspólnie wykonywane zadania.	Ćwiczenia	Realizacja projektu	K-U16+	P7S-UO

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
2	TK01	Wprowadzenie do teorii optymalizacji: złożoność obliczeniowa, problemy kombinatoryczne, problemy P, NP, NP-trudne, NP-zupełne, metaheurystyka.	W01	MEK01 MEK02 MEK03
2	TK02	Algorytmy ewolucyjne.	W02, W03	MEK01 MEK02 MEK03
2	TK03	Symulowane wyżarzanie.	W04	MEK01 MEK02 MEK03
2	TK04	Metody inteligencji roju.	W05	MEK01 MEK02 MEK03
2	TK05	Optymalizacja wielokryterialna.	W06	MEK01 MEK02 MEK03
2	TK06	Hybrydowe metody optymalizacji.	W07	MEK01 MEK02 MEK03
2	TK07	Kolokwium zaliczeniowe wykładu.	W08	MEK01 MEK02 MEK03
2	TK08	Wprowadzenie do laboratorium: organizacja, utworzenie zespołów roboczych, przydział tematów. Omówienie dostępnych narzędzi programowych do wykorzystania przy rozwiązywaniu zadań optymalizacyjnych.	C01	MEK04 MEK05
2	TK09	Prezentacja przeglądu literatury na temat wybranych metod optymalizacji i ich zastosowań praktycznych.	C02	MEK03
2	TK10	Określenie problematyki, prezentacja koncepcji projektów proponowanych przez każdy zespół roboczy.	C03	MEK04 MEK05
2	TK11	Opanowanie oprogramowania służącego do rozwiązywania wybranego zadania optymalizacyjnego.	C04	MEK04 MEK05
2	TK12	Praktyczna realizacja projektów, dyskusja.	C05	MEK04 MEK05
2	TK13	Prezentacja raportów z realizacji projektów i uzyskanych wyników przez każdy zespół roboczy. Podsumowanie.	C06, C07	MEK04 MEK05

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 2)	Przygotowanie do kolokwium: 15.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Studiowanie zalecanej literatury: 15.00 godz./sem.
Ćwiczenia/Lektorat (sem. 2)	Przygotowanie do ćwiczeń: 40.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.
Konsultacje (sem. 2)		Udział w konsultacjach: 2.00 godz./sem.
Egzamin (sem. 2)		Egzamin pisemny: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Wiedza z wykładów sprawdzana jest na kolokwium, które odbywa się na ostatnim wykładzie. Warunkiem zaliczenia przedmiotu jest jest uzyskanie oceny pozytywnej z kolokwium.
Ćwiczenia/Lektorat	Warunkiem zaliczenia ćwiczeń jest obecność na zajęciach i uzyskanie oceny pozytywnej z realizacji projektu. W ocenie końcowej z ćwiczeń uwzględnia się także aktywność studenta na zajęciach i stopień jego przygotowania do zajęć (plusy i minusy).
Ocena końcowa	W ocenie końcowej z przedmiotu uwzględniana jest ocena z ćwiczeń (z wagą 0.7) oraz kolokwium zaliczeniowego z wykładu (z wagą 0.3).

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi tak

1	L. Rolka	Modeling and Analysis of Human Control Actions Using Fuzzy Interactive Information Systems	2025
2	T. Rogalski; L. Rolka	Airmanship – the concept of modern aviation training	2025
3	L. Rolka	Multi-Criteria Decision-Making by Approximation in the Domain of Linguistic Values	2023
4	A. Mieszkowicz-Rolka; L. Rolka	Multi-Criteria Decision-Making with Linguistic Labels	2022
5	A. Mieszkowicz-Rolka; L. Rolka	Preference-Oriented Fuzzy TOPSIS Method	2021
6	A. Mieszkowicz-Rolka; L. Rolka	Variable Precision Fuzzy Rough Set Model with Linguistic Labels	2020
7	G. Drupka; A. Mieszkowicz-Rolka; L. Rolka	Multicriteria decision-making in flight route selection	2020