Cel kształcenia i wykaz literatury

Główny cel kształcenia: nabycie umiejętności formułowania zadań optymalizacji i ich rozwiązywania z wykorzystaniem komputera

Ogólne informacje o zajęciach: moduł jest prowadzony na drugim semestrze studiów drugiego stopnia na kierunku elektrotechnika

Materiały dydaktyczne: M> Wysocki, M. Oszust, T. Kapuściński: Instrukcje do ćwiczeń laboratoryjnych

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1

M. Wysocki

Metody obliczeniowe optymalizacji

www.kia.prz.edu.pl. .

2018

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	M. Wysocki	Metody obliczeniowe optymalizacji	www.kia.prz.edu.pl.,.	2018
2	Praca zbiorowa	Optimization Toolbox for use with Matlab	The MAthWorks Inc. - Help oprogramowania.	2017

Literatura do samodzielnego studiowania

1	T. Szapiro	Decyzje menedżerskie z Excelem	PWE, Warszawa.	2000
2	M. Michalewicz	Algorytmy genetyczne+struktury danych=programy ewolucyjne	WNT, Warszawa.	1996

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: rejestracja na drugi semestr studiów drugiego stopnia

Wymagania wstępne w kategorii Wiedzy: podstawowa wiedza z zakresu matematyki, fizyki, elektrotechniki i informatyki

Wymagania wstępne w kategorii Umiejętności: umiejętność korzystania ze środowisk programistycznych

Wymagania wstępne w kategorii Kompetencji społecznych: zdolność do współpracy w niewielkim zespole (laboratorium)

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	Rozumie, na czym polega sformulowanie zadania optymalizacji jednokryterialnej	wykład, laboratorium	zaliczenie, egzamin	K_W05+++	P7S_WG
02	Potrafi zdefiniować zmienne decyzyjne i zapisać matematycznie ograniczenia oraz funkcję celu w podanych typowych, nieskomplikowanych zadaniach optymalizacji statycznej sformułowanych werbalnie	wykład, laboratorium	zaliczenie, egzamin,obserwacja wykonawstwa	K_W05+++	P7S_WG
03	Potrafi rozwiązać sformułowane matematycznie typowe zadanie optymalizacji jednokryterialnej z wykorzystaniem przyborników programów MATLAB i Excel	wykład, laboratorium	zaliczenie, egzamin, obserwacja wykonawstwa	K_U10+++	P7S_UW
04	Zna zasady dzialania podstawowych tradycyjnych metod numerycznych rozwiazywania zadań optymalizacji statycznej	wykład	egzamin	K_W01++	P7S_WG
05	Zna zasady działania najważniejszych metod inteligencji obliczeniowej związanych z optymalizacją: algorytmy genetyczne, optymalizacja roju, symulowane wżarzanie.	wykład, laboratorium	egzamin, zaliczenie	K_W01++	P7S_WG
06	Rozumie, na czym polega wieloetapowy problem decyzyjny i zasada optymalności Bellmana	wykład	egzamin	K_W01++ K_W05+++	P7S_WG
07	Rozumie, na czym polega zadanie optymalizacji wielokryterialnej i potrafi podać przykład praktyczny	wykład	egzamin	K_W05+++ K_U10+++	P7S_UW P7S_WG

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
1	TK01	Formułowanie zadań optymalizacji.	W01	MEK01
1	TK02	Programowanie liniowe: sformulowanie problemu, graficzna interpretacja rozwiązania, szkic metody simpleks, wykorzystanie przyborników MATLAB-a i Excel-a	W01, W02, L01, L02	MEK01 MEK02 MEK03
1	TK03	Typowe przyklady zastosowania programowania liniowego: wybór asortymentu produkcji, przydzial maszyn, zadanie transportowe, optymalizacja na sieciach - zadanie maksymalnego przepływu, zadanie najtańszego przepływu, zadanie najkrótszej drogi, wyznaczanie ścieżki krytycznej	W02, W03, L02, L03,	MEK01 MEK02 MEK03
1	TK04	Programowanie w liczbach całkowitych: sformulowanie, metoda podziału i oszacowań, wykorzystanie przyborników MATLAB-a i Excel-a, typowe przyklady - plecak przemytnika, aukcja kombinatoryczna, harmonogramowanie zadań wykorzystujących ograniczone zasoby, wyznaczanie ścieżki krytycznej	W04, W05, L04, L05	MEK01 MEK02 MEK03
1	TK05	Podstawy teoretyczne optymalizacji nieliniowej bez ograniczeń	W06	MEK04
1	TK06	Najważniejsze metody numeryczne optymalizacji nieliniowej bez ograniczeń, funkcje MATLAB-a i Excel-a	W07, L06	MEK01 MEK02 MEK03
1	TK07	Podstawy teoretyczne optymalizacji statycznej z ogranczeniami	W08	MEK04
1	TK08	Metody obliczeniowe optymalizacji nieliniowej z ograniczeniami, funkcje MATLAB-a i Excel-a	W09, L06	MEK04
1	TK09	Problem optymalizacji globalnej i zlożoności obliczeniowej, algorytm genetyczny: podstawowe operacje, zastosowanie przyborników MATLAB-a i Excel-a, typowe przykłady, inne ważne metody inteligencji obliczeniowej	W10, W11, W12, L07	MEK01 MEK02 MEK03 MEK05
1	TK10	wieloetapowe problemy decyzyjne, metoda programowania dynamicznego	W12, W13	MEK06
1	TK11	Wprowadzenie do optymalizacji wielokryterialnej: sformulowanie, optymalność w sensie Pareto, wybrane sposoby skalaryzacji, przykład-wielokryterialne zadanie najkrotszej drogi. Metoda AHP	W14, W15	MEK07

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 1)		Godziny kontaktowe: 20.00 godz./sem.
Laboratorium (sem. 1)		Godziny kontaktowe: 10.00 godz./sem.
Konsultacje (sem. 1)
Egzamin (sem. 1)

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład
Laboratorium
Ocena końcowa	0.7 oceny z egzaminu+0.3 oceny z laboratorium

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 : własne notatki

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	K. Sidor; M. Wysocki	Recognition of Human Activities Using Depth Maps and the Viewpoint Feature Histogram Descriptor	2020
2	M. Wysocki	Zaawansowane systemy informatyczne: studia wybranych przypadków	2020
3	T. Kapuściński; M. Wysocki	Recognition of Signed Expressions in an Experimental System Supporting Deaf Clients in the City Office	2020
4	T. Kapuściński; D. Warchoł; M. Wysocki	Recognition of Fingerspelling Sequences in Polish Sign Language Using Point Clouds Obtained from Depth Images	2019
5	T. Kapuściński; J. Marnik; M. Oszust; D. Warchoł; M. Wysocki	Układ wspomagający komunikowanie się osób głuchoniemych z osobami słyszącymi i sposób wspierania takiego komunikowania się	2019