SylabUZ

Generate PDF for this page

Introduction to Optimization - course description

General information
Course name Introduction to Optimization
Course ID 11.1-WK-IiEP-PO-L-S14_pNadGenBXN5J
Faculty Faculty of Mathematics, Computer Science and Econometrics
Field of study Informatics and Econometrics
Education profile academic
Level of studies First-cycle studies leading to Bachelor's degree
Beginning semester winter term 2020/2021
Course information
Semester 5
ECTS credits to win 6
Course type optional
Teaching language polish
Author of syllabus
  • prof. dr hab. Andrzej Cegielski
Classes forms
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
Laboratory 30 2 - - Credit with grade
Lecture 30 2 - - Exam

Aim of the course

Studenci zapoznają się z matematycznymi podstawami optymalizacji, w szczególności z warunkami koniecznymi i wystarczającymi optymalności. Ponadto studenci poznają podstawowe metody rozwiązywania problemów optymalizacyjnych i zapoznają się z odpowiednim oprogramowaniem.

Prerequisites

Algebra liniowa 1 i 2, Analiza matematyczna 1 i 2.

Scope

Wykład/laboratorium

  1. Wiadomości wstępne. Zadania optymalizacji. Klasyfikacja. Różne postaci i związki między nimi. Elementy algebry liniowej, różniczkowania i analizy wypukłej.
  2. Warunki istnienia minimum. Podstawowe warunki istnienia minimum. Warunki Kuhna-Tuckera i warunki rzędu II. Optymalizacja wypukła. Dualność.
  3. Minimalizacja bez ograniczeń.  Minimalizacja kierunkowa dokładna i przybliżona. Ogólna postać metod spadkowych i warunki ich zbieżności. Metody: najszybszego spadku, gradientów sprzężonych, Newtona, DFP i BFGS.

Teaching methods

Tradycyjny wykład; laboratorium, w ramach którego studenci rozwiązują zadania i zapoznają się z oprogramowaniem służącym rozwiązywaniu prostych zadań optymalizacyjnych.

Learning outcomes and methods of theirs verification

Outcome description Outcome symbols Methods of verification The class form

Assignment conditions

Wykład: egzamin pisemny składający się z pytań testowych i zadań, weryfikujący rozumienie modeli i metod.

Laboratorium: sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie zajęć; kolokwium z zadaniami o zróżnicowanym stopniu trudności; sprawdzenie, czy student umie korzystać z odpowiedniego oprogramowania

Na ocenę z przedmiotu składa się ocena z laboratorium (50%), oraz ocena z egzaminu (50%).

Warunkiem zaliczenia przedmiotu są pozytywne oceny z laboratorium i egzaminu.

Recommended reading

  1. M. Brdyś, A. Ruszczyński, Metody optymalizacji w zadaniach, WNT, Warszawa, 1985.
  2. A. Cegielski, Podstawy optymalizacji, skrypt do wykładu
  3. W. Findeisen, J. Szymanowski, A. Wierzbicki, Teoria i metody obliczeniowe optymalizacji, PWN, Warszawa, 1980.
  4. Z. Galas, I. Nykowski (red.), Zbiór zadań z programowania matematycznego, część I, II, PWN, Warszawa, 1986, 1988.
  5. W. Grabowski, Programowanie matematyczne, PWE, Warszawa, 1980.
  6. J. Stadnicki, Teoria i praktyka rozwiązywania zadań optymalizacji, WNT, Warszawa, 2006.

Further reading

  1. M. S. Bazaraa, H. D. Sherali, C. M. Shetty, Nonlinear Programming, Third Edition, J. Wiley&Sons, Hoboken, NJ, 2006
  2. D. P. Bertsekas, Nonlinear Programming, Athena Scientific, Belmont, MA, 1995
  3. J.E. Dennis, R.B. Schnabel, Numerical Methods for Unconstrained Optimization and Nonlinear Equations, SIAM, Philadelphia 1996.
  4. R. Fletcher, Practical Methods of Optimization, Vol I, Vol. II, John Willey, Chichester, 1980, 1981.
  5. C. Geiger and Ch. Kanzow, Numerische Verfahren zur Lösung unrestingierter Optimierungsaufgaben, Springer-Verlag, Berlin, 1999.
  6. C. Geiger and Ch. Kanzow, Theorie und Numerik restringierter Optimierungsaufgaben, Springer-Verlag, Berlin, 2002.

Notes


Modified by dr Alina Szelecka (last modification: 05-06-2020 12:23)