SylabUZ
Course name | Optimization in Production Management |
Course ID | 06.1-WM-MiBM-AiOPP-D-14_19 |
Faculty | Faculty of Mechanical Engineering |
Field of study | Mechanical Engineering |
Education profile | academic |
Level of studies | Second-cycle studies leading to MSc degree |
Beginning semester | winter term 2019/2020 |
Semester | 2 |
ECTS credits to win | 4 |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 15 | 1 | 9 | 0,6 | Credit with grade |
Project | 30 | 2 | 18 | 1,2 | Credit with grade |
Zapoznanie studentów z podstawowymi terminami i definicjami z zakresu optymalizacji, istota optymalizacji, podstawy matematyczne optymalizacji. Przedstawienie metod i narzędzi rozwiązywania zagadnień optymalizacji, ze szczególnym uwzględnieniem zastosowań w planowaniu i realizacji procesów produkcyjnych.
Analiza matematyczna z elementami ruchu prawdopodobieństwa, umiejętności posługiwania się narzędziami informatycznymi: arkusze kalkulacyjne, Matlab/Scilab.
Wykład:
Właściwości ekstremów funkcji wielu zmiennych. Ekstrema funkcji przy braku warunków ograniczających. Ekstrema funkcji przy warunkach ograniczających równościowych. Metoda mnożników Lagrange’a. Ekstrema funkcji przy warunkach ograniczających nierównościowych. Graficzne metody optymalizacji funkcji dwóch zmiennych. Funkcje liniowe z liniowymi warunkami ograniczającymi. Zastosowanie narzędzi SOLVER do rozwiązywania zadań optymalizacyjnych. Zadanie optymalizacji liniowej. Metoda symplex rozwiązywanie zadań programowania liniowego. Algorytmy gradientowe wyznaczania minimum funkcji bez ograniczeń. Metody znajdowania punktu minimum przy warunkach ograniczających (algorytmy funkcji kary). Znajdowanie punktów ekstremalnych funkcji w obecności zakłóceń (aproksymacja stochastyczna). Elementy programowania nieliniowego.
Projekt:
Indywidualna realizacja zadań projektowych z wykorzystaniem różnych metod optymalizacji. Rozwiązywanie „prostych” zadań optymalizacji o dwóch zmiennych decyzyjnych metodą graficzną – optymalizacja dyskretna. Formułowanie opisu matematycznego ZPL – postać kanoniczna. Wykorzystanie narzędzi typu SOLVER do rozwiązywania ZPL. Rozwiązywanie ZPL metodą SYMPLEX – wypełnianie tablic sympleksowych, zastosowanie gotowych programów. Optymalizacja nieliniowa – przykładowe aplikacje, porównywanie efektywności różnych metod optymalizacji nieliniowej.
Wykłady konwencjonalne, oraz z wykorzystaniem technik multimedialnych. Praca indywidualna nad zadaniem projektowym. Prezentacja rozwiązań, analiza i dyskusja nad uzyskanymi wynikami.
Outcome description | Outcome symbols | Methods of verification | The class form |
Warunkiem zaliczenia przedmiotu jest zaliczenie wszystkich jego form. Ocena końcowa na zaliczenie przedmiotu jest średnią arytmetyczną z ocen za poszczególne formy zajęć.
Modified by dr inż. Edward Tertel (last modification: 29-04-2019 11:03)