SylabUZ

Generate PDF for this page

Mathematics in Decission-Making - course description

General information
Course name Mathematics in Decission-Making
Course ID 06.9-WM-BHP-D-1_19
Faculty Faculty of Mechanical Engineering
Field of study Occupational Health and Safety
Education profile academic
Level of studies Second-cycle studies leading to MS degree
Beginning semester winter term 2022/2023
Course information
Semester 1
ECTS credits to win 4
Course type obligatory
Teaching language polish
Author of syllabus
  • dr inż. Renata Kasperska
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
Lecture 15 1 9 0,6 Exam
Laboratory 15 1 9 0,6 Credit with grade

Aim of the course

Celem przedmiotu jest zapoznanie studentów z metodami matematycznymi, które wspomagają podejmowanie optymalnych decyzji przez osoby decyzyjne, a także nabycie przez studentów umiejętności formułowania modeli matematycznych dla różnych problemów technicznych i z zakresu bhp oraz znajdowania dla nich rozwiązań optymalnych.

Prerequisites

Podstawowa wiedza z zakresu matematyki i informatyki.

Scope

Wykład: 

W1. Decyzje, proces decyzyjny, teoria podejmowania decyzji, decyzje optymalne.

W2. Elementy programowania matematycznego, ZPL - metoda graficzna, simpleks, zagadnienie transportowe.

W3. Metodyka i etapy budowy modeli decyzyjnych. Optymalizacja jednokryterialna - zadania minimalizacji i maksymalizacji jednego kryterium, metody optymalizacji.

W4. Optymalizacja wielokryterialna i jej zastosowania - rozwiązanie kompromisowe i preferowane. Wybrane metody polioptymalizacji.

W5. Optymalizacja w warunkach niepewności. Zbiory rozmyte i logika rozmyta w podejmowaniu decyzji.

W6. Elementy teorii grafów i sieci - podstawowe pojęcia, algorytmy, zastosowania.

W7. Systemy ekspertowe. Metody reprezentacji wiedzy.

W8. Elementy teorii gier. Rodzaje gier. Wybór optymalnej strategii w grach z naturą.

Laboratorium: 

L1. Zajęcia organizacyjne, omówienie programu zajęć i formy zaliczenia przedmiotu.

L2. Budowa modelu matematycznego dla zadania optymalizacji - zastosowanie metody Simplex.

L3. Zadanie programowania linowego w MS Excel.

L4. Zagadnienie transportowe w MS Excel.

L5. Metody rozwiązywania różnych zadań optymalizacji liniowej i nieliniowej.

L6. Przykłady analizy grafów.

L7. Zastosowanie wnioskowania rozmytego w zagadnieniach bhp.

L8. Podsumowanie zagadnień. Zaliczenie laboratorium.

Teaching methods

W: Metoda podająca - wykład informacyjny, metoda eksponująca - prezentacja multimedialna.

L: Metoda programowa i praktyczna - ćwiczenia laboratoryjne, rozwiązywanie zadań - analitycznie i z wykorzystaniem programów komputerowych, dyskusja.

Learning outcomes and methods of theirs verification

Outcome description Outcome symbols Methods of verification The class form

Assignment conditions

Wykład:  Pisemny egzamin z treści wykładu, na pozytywne zaliczenie wymagane uzyskanie ponad 50% punktów z egzaminu.
               Warunkiem przystąpienia do egzaminu jest uzyskanie pozytywnego zaliczenia z laboratorium.

Laboratorium: Wykonanie i pozytywne zaliczenie wszystkich ćwiczeń laboratoryjnych i sprawozdań przewidzianych programem nauczania.
                         Ocena z laboratorium jest średnią arytmetyczną ocen z wykonanych sprawozdań.

Ocena końcowa: średnia arytmetyczna ocen z laboratorium i egzaminu.

Recommended reading

  1. Dąbrowski A., Schumann A., Woleński J., Podejmowanie decyzji. Pojęcia, teorie, kontrowersje. Copernicus Center Press: 2015.
  2. Grzymkowski R., Hetmaniak E., Kiełtyka S., Elementy programowania matematycznego. Wyd. Pracownia Komputerowa Jacka Skalmierskiego, Gliwice 2004
  3. Kaliszewski I.,  Wielokryterialne podejmowanie decyzji. Wydawnictwo Naukowo-Techniczne, Warszawa 2008.
  4. Straffin P.D., Teoria gier. Wydawnictwo Naukowe Scholar, Warszawa 2006.
  5. Wilson R.J., Wprowadzenie do teorii grafów. Wydawnictwo Naukowe PWN, Warszawa, 2016.

Further reading

  1. Cegielski A., Programowanie liniowe. Programowanie matematyczne cz. I. Wydawnictwo UZ, Zielona Góra 2002.     
  2. Grzegorzewski P., Wspomaganie decyzji w warunkach niepewności. Metody statystyczne dla niesprecyzowanych danych. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2006. 
  3. Kukuła K. (red.), Badania operacyjne w przykładach i zadaniach. WN PWN, Warszawa 2001
  4. Radosiński E., Systemy informatyczne w dynamicznej analizie decyzyjnej. WN PWE, Warszawa-Wrocław 2001.
  5. Wakulicz-Deja A., Systemy wspomagania decyzji. Wyd. Uniwersytetu Śląskiego, Katowice 2010.

Notes

Pozostałe warunki uczestnictwa i zaliczenia określa Regulamin studiów.


Modified by dr inż. Renata Kasperska (last modification: 05-04-2022 09:47)