Detail předmětu

Optimalizace II

FSI-SO2PovinnýMagisterský navazující (druhý cyklus)Ak. rok: 2016/2017Zimní semestr1. ročník4  kredity

Předmět je zaměřen na pokročilé optimalizační modely a metody pro řešení inženýrských úloh. Předmět zahrnuje zejména stochastické programování (deterministické reformulace, jejich vlastnosti a vybrané algoritmy) a vybrané okruhy z celočíselného a dynamického programování. Kurs byl sestaven na základě zkušeností autora s obdobnými kursy na zahraničních školách.

Garant předmětu

Výsledky učení předmětu

Předmět je určen pro studenty matematického inženýrství, je užitečný pro studenty aplikovaných věd. Studenti prohloubí své znalosti teoretických základů optimalizace a osvojí si pokročilé algoritmy řešení optimalizačních úloh a rozvinou svoji představu o uplatnění optimalizačních modelů v typických aplikacích.

Způsob realizace výuky

90 % kontaktní výuka, 10 % distančně

Prerekvizity

Přednášená látka vyžaduje znalosti základů optimalizace v rozsahu předmětu SOP. Dále se předpokládají standardní znalosti pravděpodobnosti a matematické satistiky.

Doporučená nebo povinná literatura

Kall, P.-Wallace,S.W.: Stochastic Programming, Wiley 1994.
Klapka, J. a kol: Metody operačního výzkumu, VUT, 2000.
Birge,J.R.-Louveaux,F.: Introduction to Stochastic Programing, Springer, 1997.
Prekopa, A: Stochastic Programming, Kluwer, 1996.

Plánované vzdělávací činnosti a výukové metody

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.

Způsob a kritéria hodnocení

Zkouška je udělena na základě hodnocení předložené písemné práce a
jejího přednesení v kolektivu zúčastněných studentů.

Jazyk výuky

čeština

Cíl

Důraz je kladen na získání znalostí o pokročilých optimalizačních modelech.
Důležité je porozumění a rozvíjení schopnosti osvojené poznatky používat.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast je kontrolována pomocí aktivní účasti studentů na řešených problémech,
zameškaná výuka je nahrazována samostatným řešením zadaných úloh.

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Původní úloha stochastického programování.
2. WS a HN přístup.
3. IS a EV reformulace.
4. EO, EEV, EVPI a VSS.
5. MM a VO, řešení rozsáhlejších úloh.
6. PO a QO, souvislosti s celočíselným programováním.
7. Deterministická a pravděpodobnostní omezení, použití kompenzace.
8. WS teorie - konvexnost a měřitelnost.
9. WS případ - určení rozdělení.
10. Dvojstupňové úlohy, jejich klasifikace a modelování.
11. Základní výsledky v oblasti konvexnosti.
12. Aplikace dvojstupňového programování.
13. Dynamické programování a vícestupňové modely.

Cvičení s poč. podporou

13 hod., povinná

Vyučující / Lektor

Osnova

Příklady na:
1. Původní úlohu stochastického programování.
2. WS a HN přístup.
3. IS a EV reformulace.
4. EO, EEV, EVPI a VSS.
5. MM a VO, řešení rozsáhlejších úloh.
6. PO a QO, souvislosti s celočíselným programováním.
7. Deterministická a pravděpodobnostní omezení, použití kompenzace.
8. WS teorie - konvexnost a měřitelnost.
9. WS případ - určení rozdělení.
10. Dvojstupňové úlohy, jejich klasifikace a modelování.
11. Základní výsledky v oblasti konvexnosti.
12. Aplikace dvojstupňového programování.
13. Dynamické programování a vícestupňové modely.