Zaawansowane techniki optymalizacji i adaptacji - course description

General information

Course name	Zaawansowane techniki optymalizacji i adaptacji
Course ID	06.0-WE-AEIT-ZTOA
Faculty	Faculty of Computer Science, Electrical Engineering and Automatics
Field of study	Automatic control engineering and robotics, Electrotechnology, Computer science
Education profile	academic
Level of studies	PhD studies
Beginning semester	winter term 2016/2017

Course information

Semester	2
ECTS credits to win	2
Course type	obligatory
Teaching language	polish
Author of syllabus	prof. dr hab. inż. Andrzej Obuchowicz

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	-	-	Exam

Aim of the course

zapoznanie studentów z metodami optymalizacji globalne;
zapoznanie studentów z stochastycznymi metodami optymalizacji;
zapoznanie studentów z algorytmami ewolucyjnym.

Prerequisites

analiza matematyczna, metody statystyczne w technice, metody numeryczne

Scope

Motywacja do stosowania algorytmów optymalizacji globalnej. Optymalizacja globalna a optymalizacja lokalna. Algorytmy stochastyczne i adaptacyjne a algorytmy deterministyczne. Przykłady algorytmów stochastycznych: Adaptacyjne przeszukiwanie losowe. Przykłady zastosowań metod optymalizacji globalnej. Wprowadzenie do algorytmów ewolucyjnych. Przykłady algorytmów ewolucyjnych: algorytm genetyczny, programowanie ewolucyjne, programowanie genetyczne i przeszukiwanie ewolucyjne z miękką selekcją. Przykłady zastosowań algorytmów ewolucyjnych.

Teaching methods

wykład: wykład problemowy, wykład konwencjonalny

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

uzyskanie pozytywnej oceny z egzaminu

Notes

Modified by prof. dr hab. inż. Andrzej Obuchowicz (last modification: 19-09-2016 12:19)

Generate PDF for this page