Cel kształcenia i wykaz literatury

Główny cel kształcenia: Głównym celem kształcenia jest uzyskanie wiedzy i umiejętności w zakresie układów optymalnych statycznych i dynamicznych.

Ogólne informacje o zajęciach: Moduł kształcenia "Metody optymalizacji" obejmuje zagadnienia z zakresu optymalizacji statycznej i dynamicznej rozważane na przykładach układów mechatronicznych.

Materiały dydaktyczne: Instrukcje do laboratorium dostępne on-line podczas zajęć.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Stadnicki Jacek	Teoria i praktyka rozwiązywania zadań optymalizacji	WNT, Warszawa.	2006
2	Findeisen W. Szymanowski J, Wierzbicki A	Teoria i metody obliczeniowe optymalizacji	PWN, Warszawa.	1980
3	Rutkowscy D. i L., Piliński M.	Sieci neuronowe, algorytmy genetyczne i systemy rozmyte	PWN, Warszawa-Łódź.	1997
4	Kaczorek Tadeusz	Teoria sterowania, tom 2	Warszawa PWN.	1981
5	Hendzel Z., Gierlak P.	Sterowanie robotów kołowych i manipulacyjnych	Oficyna Wydawnicza Politechniki Rzeszowskiej.	2011

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Stadnicki Jacek	Teoria i praktyka rozwiązywania zadań optymalizacji	WNT, Warszawa.	2006
2	Kaczorek Tadeusz	Teoria sterowania tom 2	Warszawa PWN.	1981
3	Hendzel Z., Gierlak P.	Sterowanie robotów kołowych i manipulacyjnych	Oficyna Wydawnicza Politechniki Rzeszowskiej.	2011

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student zarejestrowany na semestr drugi

Wymagania wstępne w kategorii Wiedzy: Podstawowa wiedza z automatyki, teorii sterowania, obliczeniowych systemów informatycznych.

Wymagania wstępne w kategorii Umiejętności: Umiejętność modelowania układów dynamicznych umiejętność stosowania obliczeniowych systemów informatycznych.

Wymagania wstępne w kategorii Kompetencji społecznych: Rozumienie potrzeby ciągłego dokształcania się.

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
01	posiada wiedzę z zakresu wybranych metod optymalizacji statycznej i dynamicznej.	wykład, laboratorium	egzamin cz. pisemna, aktywność na laboratorium, sprawozdania z laboratorium	K_W03+	P7S_WG
02	posiada wiedzę z zakresu wybranych nowoczesnych metod optymalizacji.	wykład, laboratorium	egzamin cz. pisemna, aktywność na laboratorium, sprawozdania z laboratorium	K_W04+	P7S_WG
03	umie zastosować wybrane podstawowe metody optymalizacji w rozwiązywaniu zagadnień inżynierskich.	wykład, laboratorium	egzamin cz. pisemna, aktywność na laboratorium, sprawozdania z laboratorium	K_U05+ K_U06+ K_U11+	P7S_UO P7S_UW
04	umie zastosować wybrane nowoczesne metody optymalizacji w rozwiązywaniu zagadnień inżynierskich.	wykład, laboratorium	egzamin cz. pisemna, aktywność na laboratorium, sprawozdania z laboratorium	K_U08+ K_U11+	P7S_UW

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
2	TK01	Wprowadzenie, podział zadań optymalizacji, optymalizacja statyczna zadania optymalizacji statycznej, wprowadzenie do programowania liniowego.	W01,W02	MEK01
2	TK02	Sformułowanie zadania programowania liniowego w postaci standardowej, metody rozwiązywania zadania programowania liniowego.	W03,W04	MEK01
2	TK03	Metoda sympleksów, przykład analityczny.	W05,W06	MEK01
2	TK04	Programowanie nieliniowe, analityczne rozwiązywanie zadania programowania nieliniowego,zadanie programowania nieliniowego bez ograniczeń.	W07,W08	MEK01
2	TK05	Numeryczne rozwiązywania zadań programowania nieliniowego bez ograniczeń, algorytmy bezgradientowe, algorytmy gradientowe	W09,W10	MEK01
2	TK06	Numeryczne metody minimalizacji funkcji wielu zmiennych, analityczna metoda poszukiwania na kierunku, metoda najszybszego spadku.	W11,W12	MEK01
2	TK07	Algorytm Newtona, algorytm quasi-newtonowski	W13,W14	MEK01
2	TK08	Zastosowanie numerycznych metod minimalizacji funkcji wielu zmiennych bez ograniczeń, aproksymacja charakterystyk statycznych w warunkach deterministycznych.	W15,W16	MEK01
2	TK09	Identyfikacja modeli liniowych w przestrzeni euklidesowej, identyfikacja modeli nieliniowych.	W17,W18	MEK01
2	TK10	Zadanie programowania nieliniowego z ograniczeniami równościowymi, metoda mnożników Lagrange'a.	W19,W20	MEK01
2	TK11	Algorytmy ewolucyjne, algorytmy genetyczne, podstawowe pojęcia algorytmów genetycznych, struktura podstawowego algorytmu genetycznego, opis działania algorytmu.	W21,W22	MEK02
2	TK12	Optymalizacja dynamiczna, sformułowanie zadania optymalizacji dynamicznej, równania Eulera-Lagrange’a.	W23,W24	MEK01
2	TK13	Programowanie dynamiczne Bellmana.	W25,W26	MEK01
2	TK14	Aproksymacyjne programowanie dynamiczne.	W27,W28	MEK02
2	TK15	Zasada maksimum Pontriagina	W29,W30	MEK01
2	TK16	Ekstremum funkcji jednej zmiennej,symulacja	L01,L02	MEK03
2	TK17	Zadanie programowania liniowego-metoda graficzna, symulacja.	L03,L04	MEK03
2	TK18	Zadanie programowania liniowego-metoda sympleksów, symulacja.	L05,L06	MEK03
2	TK19	Zadanie programowania liniowego –metoda sympleksów – zastosowanie praktyczne	L07,L08	MEK03
2	TK20	Zadanie programowania nieliniowego bez ograniczeń – metoda analityczna	L09,L10	MEK03
2	TK21	Numeryczne metody minimalizacji funkcji wielu zmiennych bez ograniczeń Metoda najszybszego spadku metody numeryczne (gradientowe)	L11,L12	MEK03
2	TK22	Numeryczne metody minimalizacji funkcji wielu zmiennych bez ograniczeń algorytm Newtona, quasi -newtonowski (Davidona-Fletchera-Powella)	L13,L14	MEK03
2	TK23	Identyfikacja charakterystyk statycznych w warunkach deterministycznych, symulacja.	L15,L16	MEK03
2	TK24	Zadanie programowania nieliniowego z ograniczeniami równościowymi, symulacja.	L17,L18	MEK03
2	TK25	Algorytmy genetyczne, zadanie programowania nieliniowego, symulacja	L19,L20	MEK03
2	TK26	Wyznaczanie ekstremali funkcjonału, (zadanie wariacyjne z nieruchomymi końcami trajektorii), (Metoda mnożników Lagrang’a), symulacja.	L21,L22	MEK04
2	TK27	Wyznaczanie optymalnego sterowania, programowanie dynamiczne Bellmana, symulacja.	L23,L24	MEK03
2	TK28	Programowanie dynamiczne Bellmana w sterowaniu dynamicznym obiektem dyskretnym, symulacja.	L25,L26	MEK03
2	TK29	Aproksymacyjne Programowanie dynamiczne, symulacja.	L27,L28	MEK03
2	TK30	Zaliczenie laboratorium	L29,L30	MEK01 MEK02 MEK03 MEK04

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 2)		Godziny kontaktowe: 30.00 godz./sem.	Uzupełnienie/studiowanie notatek: 5.00 godz./sem. Studiowanie zalecanej literatury: 5.00 godz./sem.
Laboratorium (sem. 2)		Godziny kontaktowe: 30.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 15.00 godz./sem.
Konsultacje (sem. 2)		Udział w konsultacjach: 10.00 godz./sem.
Egzamin (sem. 2)	Przygotowanie do egzaminu: 20.00 godz./sem.	Egzamin pisemny: 3.00 godz./sem. Egzamin ustny: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Do egzaminu może przystąpić student posiadający zaliczenie z laboratorium. Tematyka egzaminu oparta jest na tematyce wykładów i jest sprawdzeniem umiejętności rozwiązywania problemów optymalizacji statycznej i dynamicznej.
Laboratorium	Ocena z laboratorium jest obliczana na podstawie średniej ocen z aktywności na zajęciach oraz ocen ze sprawozdań.
Ocena końcowa	Przedmiot zalicza się na podstawie pozytywnej oceny z laboratorium oraz egzaminu pisemnego z zakresu obowiązującej tematyki.

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

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

Dostępne materiały : Notatki z wykładów

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	Z. Hendzel; M. Kołodziej	Parametric Identification of the Mathematical Model of a Mobile Robot with Mecanum Wheels	2023
2	Z. Hendzel; M. Kołodziej	Neural Dynamic Programming with Application to Wheeled Mobile Robot	2022
3	Z. Hendzel; P. Penar	Experimental Verification of the Differential Games and H∞ Theory in Tracking Control of a Wheeled Mobile Robot	2022
4	Z. Hendzel; J. Wiech	Robotic Swarm Shape Control Based on Virtual Viscoelastic Chain	2021
5	Z. Hendzel; M. Kołodziej	Robust Tracking Control of Omni-Mecanum Wheeled Robot	2021
6	Z. Hendzel; P. Penar	Biologically Inspired Neural Behavioral Control of the Wheeled Mobile Robot	2021
7	Z. Hendzel; P. Penar	Experimental verification of H∞ control with examples of the movement of a wheeled robot	2021
8	Z. Hendzel	A Description of the Motion of a Mobile Robot with Mecanum Wheels – Dynamics	2020
9	Z. Hendzel	A Description of the Motion of a Mobile Robot with Mecanum Wheels – Kinematics	2020
10	Z. Hendzel; P. Penar	Optimal Control of a Wheeled Robot	2020
11	Z. Hendzel	Hamilton-Jacobi inequality robust neural network control of a mobile wheeled robot	2019
12	Z. Hendzel; J. Wiech	Overhead Vision System for Testing Swarms and Groups of Wheeled Robots	2019
13	Z. Hendzel; J. Wiech	Robotic Swarm Self-Organisation Control	2019
14	Z. Hendzel; P. Penar	Zero-Sum Differential Game in Wheeled Mobile Robot Control	2019