Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Naza modułu Naza modułu języku angielskim Oboiązuje od roku akademickiego 2012/2013 Metody Optymalizacji Optimization Methods A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek studió Poziom kształcenia Profil studió Forma i tryb proadzenia studió Specjalność Jednostka proadząca moduł Koordynator modułu Elektrotechnika I stopień (I stopień / II stopień) Ogólno akademicki (ogólno akademicki / praktyczny) niestacjonarne (stacjonarne / niestacjonarne) Automatyka Katedra Urządzeń i Systemó Automatyki Prof. dr hab. inż. Mirosła Wciślik Zatierdził: B. OGÓLNA CHARAKTERYSTYKA PRZEDMIOTU Przynależność do grupy/bloku przedmiotó Status modułu Język proadzenia zajęć Usytuoanie modułu planie studió - semestr Usytuoanie realizacji przedmiotu roku akademickim Wymagania stępne Egzamin Liczba punktó ECTS 4 kierunkoy (podstaoy / kierunkoy / inny HES) nieoboiązkoy (oboiązkoy / nieoboiązkoy) polski VIII letni (semestr zimoy / letni) brak (kody modułó / nazy modułó) nie (tak / nie) Forma proadzenia zajęć ykład ćiczenia laboratorium projekt inne semestrze 16 16
C. EFEKTY KSZTAŁCENIA I METODY SPRAWDZANIA EFEKTÓW KSZTAŁCENIA Cel modułu Celem modułu jest zapoznanie studentó z formułoaniem zadań optymalizacji dla różnych funkcji celu i ograniczeń. Znajomość algorytmó i metod optymalizacji (statycznej, dynamicznej oraz algorytmó genetycznych). Zdobycie praktycznej umiejętności zastosoania algorytmó i metod optymalizacji. Symbol efektu W_01 W_02 W_04 Efekty kształcenia Ma uporządkoaną iedzę zakresie zastosoania metod optymalizacji. Zna zasady budoy algorytmó obliczenioych dla poznanych metod optymalizacji Zna metodykę doboru odpoiednich metod optymalizacji do postaionego problemu. Zna zasady zastosoania i ykorzystania algorytmó genetycznych i eolucyjnych problemach optymalizacji. Forma proadzenia zajęć (/ć/l/p/inne) odniesienie do efektó kierunkoych odniesienie do efektó obszaroych.. U_01 U_02 Potrafi ykorzystyać program Matlab do dokonyania obliczeń ybranymi metodami budoanymi z Toolbox Optimization. Potrafi dokonać obliczeń komputeroych z ykorzystaniem algorytmó optymalizacji. l l K_U08 K_U09 K_U16 K_U18 K_U08 K_U09 K_U16 K_U18 T1A_U08, T1A_U09, T1A_U010, T1A_U14 T1A_U08, T1A_U09, T1A_U010, T1A_U14 K_01 Ma śiadomość płyu stosoania metod optymalizacji do modeloania zjaisk i procesó fizycznych. l K_K02 T1A_K02
Treści kształcenia: 1. Treści kształcenia zakresie ykładu Nr Treści kształcenia ykładu 1 Podstay matematyczne optymalizacji. Przykłady zadań optymalizacji. Optymalizacja statyczna. Klasyfikacja zadań optymalizacji. Odniesienie do efektó kształcenia dla modułu W_01, W_02, Elementy matematyki. Warunki konieczne i ystarczające optymalizacji funkcji jednej zmiennej. Przykłady. 2 Warunki konieczne i ystarczające nielinioej optymalizacji funkcji n zmiennych bez ograniczeń. Przykłady. Zadanie programoania linioego i metody sympleksó. Przykłady. 3 Warunki Kuchna Truckera dla optymalizacji funkcji n zmiennych z ograniczeniami. Przykłady. Komputeroe algorytmy optymalizacji funkcji jednej zmiennej. 4 Metody kierunkó popray dla optymalizacji funkcji n zmiennych bez ograniczeń. Metody poszukiań prostych dla optymalizacji funkcji n zmiennych bez ograniczeń. 5 Komputeroe metody optymalizacji funkcji n zmiennych z ograniczeniami ypukłymi (metody sympleksó, funkcji kary). Optymalizacja dynamiczna. Metoda (zasada) dynamicznego oprogramoania Bellmana. Przykłady. 6 Zasada Poitriagina. Typy zadań optymalizacji dynamicznej. Wproadzenie do metod optymalizacji globalnej., W_04 Metody globalnej optymalizacji. Przykłady. 7 Genetyczne i eolucyjne algorytmy i programy przykłady. Pakiety programó stosoanych do roziązyania zadań optymalizacji (MATLAB, MATHCAD, NETWORKS SOLUTION i inne)., W_04 8 KOLOKWIUM, W_04 2. Treści kształcenia zakresie ćiczeń Nr zajęć ćicz. Treści kształcenia Odniesienie do efektó kształcenia dla modułu 3. Treści kształcenia zakresie zadań laboratoryjnych Nr zajęć Treści kształcenia lab. 1 Wproadzenie do pakietu Matlab oraz zapoznanie z Toolbox Optimization. 2 Algorytmy Fibonacciego, złotego podziału, i biernego poszukiania dla optymalizacji jednoymiaroej. Algorytmy Odniesienie do efektó kształcenia dla modułu,,
gradientoe dla optymalizacji jednoymiaroej. 3 Metody bezgradientoe optymalizacji funkcji ielu zmiennych bez ograniczeń. 4 Metody gradientoe optymalizacji funkcji ielu zmiennych bez,, ograniczeń. 5 Metody optymalizacji funkcji ielu zmiennych z ograniczeniami., 6 Roziązyanie zadań optymalizacji minmax., 7 Programoanie linioe., 8 Kolokium., 4. Charakterystyka zadań projektoych 5. Charakterystyka zadań ramach innych typó zajęć dydaktycznych Metody spradzania efektó kształcenia Symbol efektu W_01 W_02 W_04 U_01 U_02 K_01 Metody spradzania efektó kształcenia (sposób spradzenia, tym dla umiejętności odołanie do konkretnych zadań projektoych, laboratoryjnych, itp.) Kolokium zaliczenioe z ykładu Kolokium zaliczenioe z ykładu Kolokium zaliczenioe z ykładu Kolokium zaliczenioe z ykładu Kolokium zaliczenioe z ćiczeń Kolokium zaliczenioe z ćiczeń Kolokium zaliczenioe z ykładu, kolokium zaliczenioe z ćiczeń
D. NAKŁAD PRACY STUDENTA Bilans punktó ECTS Rodzaj aktyności obciążenie studenta 1 Udział ykładach 16 2 Udział ćiczeniach 3 Udział laboratoriach 16 4 Udział konsultacjach (2-3 razy semestrze) 1 5 Udział zajęciach projektoych 6 Konsultacje projektoe 7 Udział egzaminie 8 9 Liczba godzin realizoanych przy bezpośrednim udziale nauczyciela 33 akademickiego (suma) 10 Liczba punktó ECTS, którą student uzyskuje na zajęciach ymagających bezpośredniego udziału nauczyciela akademickiego 1,32 (1 punkt ECTS=25-30 godzin obciążenia studenta) 11 Samodzielne studioanie tematyki ykładó 15 12 Samodzielne przygotoanie się do ćiczeń 13 Samodzielne przygotoanie się do kolokió 15 14 Samodzielne przygotoanie się do laboratorió 15 15 Wykonanie spraozdań 15 15 Przygotoanie do kolokium końcoego z laboratorium 7 17 Wykonanie projektu lub dokumentacji 18 Przygotoanie do egzaminu 19 20 Liczba godzin samodzielnej pracy studenta 67 (suma) 21 Liczba punktó ECTS, którą student uzyskuje ramach samodzielnej pracy (1 punkt ECTS=25-30 godzin obciążenia studenta) 22 Sumaryczne obciążenie pracą studenta 100 23 Punkty ECTS za moduł 1 punkt ECTS=25-30 godzin obciążenia studenta 4 24 Nakład pracy ziązany z zajęciami o charakterze praktycznym Suma godzin ziązanych z zajęciami praktycznymi 16 25 Liczba punktó ECTS, którą student uzyskuje ramach zajęć o charakterze praktycznym 1 punkt ECTS=25-30 godzin obciążenia studenta E. LITERATURA 2,68 0,64 Wykaz literatury Witryna WWW modułu/przedmiotu 1. Jastriebo A., Wciślik M.: Optymalizacja teoria, algorytmy i ich realizacja Matlabie, Politechnika Śiętokrzyska, Kielce 2004. 2. Arabas J.: Wykłady z algorytmó eolucyjnych, WNT, Warszaa 2001. 3. Findeisen W., Szymanoski J., Wierzbicki A.: Teorie i metody obliczenioe optymalizacji, PWN, Warszaa 1980. 4. Goldberg D. E.: Algorytmy genetyczne i ich zastosoania, WNT, Warszaa 1995. 5. Górecki H.: Optymalizacji systemó dynamicznych, PWN, Warszaa 1993.