Students will be able to:

• formulate optimization problems

• solve basic and advanced optimization tasks in different computing environments

• use various optimization programs and tools

Studenti budou umět:

• formulovat optimalizační problémy

• řešit základní i pokročilé optimalizační úkoly v různých výpočetních prostředích

• používat různé druhy optimalizačních programů a nástrojů

Vypracování a obhajoba tří samostatných projektů: 0 - 25 bodů

Ústní zkouška: 0-75 bodů

Celkové bodové hodnocení: 100-90 A, 89-80 B, 79-70 C, 69-60 D, 59-50 E, méně než 50 F.

R: Venkataraman P.: Applied Optimization with MATLAB Programming. Wiley, New York 2002, 0-471-34958-5

R: Himmelblau, D. M.: Applied Nonlinear Programming. McGraw-Hill, New York 1972, 0-07-028921-2

A: Rao, S. S.: Engineering Optimization. Theory and Practice. Wiley, New York 1996, 0-471-55034-5

A: Goldberg, D.: Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, 1989, 0-201-15767-5

Z: Turzík D.: Matematika III. Základy optimalizace. VŠCHT, Praha, 2006, 80-7080-363-0

Z: Maňas M.: Optimalizační metody pro podnik, finance a trh. Vysoká škola ekonomická, Praha, 1997, 80-7079-284-1

Z: Kvasnička V., Pospíchal J., Tiňo P.: Evolučné algoritmy. STU, Bratislava, 2000, 80-227-1377-5

D: Himmelblau, D. M.: Applied Nonlinear Programming. McGraw-Hill, New York 1972, 0-07-028921-2

D: Venkataraman P.: Applied Optimization with MATLAB Programming. Wiley, New York, 2002, 0-471-34958-5

D: Rao S. S.: Engineering Optimization. Theory and Practice. Wiley, New York, 1996, 0-471-55034-5

Ústní zkouška

1. Optimization process, concepts and goals, general scheme and basic elements

2. Classical analytical theory of extremes, non-classical applications

3. Linear programming

4. Simplex method

5. Quadratic programming

6. Non-linear programming, one-dimensional and multidimensional seeking

7. Gradient and non-gradient methods

8. Optimization methods with equality and inequality constraints, multiple criteria decision making.

9. Optimization of multistage processes, dynamical programming, maximum principle

10. Variation calculus

11. Combinatorial optimization, graph optimization methods

12. Discrete optimization, branch and bound method

13. Stochastic optimization, simulated annealing method

14. Genetic algorithm, evolution algorithm, taboo search algorithms

1 Optimalizační proces, smysl a cíle, obecné schéma a prvky

2 Klasická analytická teorie extrémů, její neklasické aplikace

3 Lineární programování

4 Simplexová metoda

5 Kvadratické programování

6 Nelineární programování, jednorozměrové a vícerozměrové vyhledávání

7 Gradientní a negradientní metody

8 Optimalizace s vázaným extrémem, vektorová optimalizace a vícekriteriální rozhodování

9 Optimalizace vícestupňových procesů, dynamické programování, princip maxima

10 Variační počet

11 Kombinatorická optimalizace, grafové optimalizační metody

12 Diskrétní optimalizace, metoda větví a mezí

13 Stochastická optimalizace, metoda simulovaného žíhání

14 Genetický algoritmus, evoluční algoritmus, tabu algoritmus

http://moodle.vscht.cz/course/view.php?id=57

http://www.mathworks.com/products/optimization/

http://www.mathworks.com/products/global-optimization/

http://www.mathworks.com/matlabcentral/fileexchange/index?term=tag%3A%22optimization%22

http://moodle.vscht.cz/course/view.php?id=57

http://www.mathworks.com/products/optimization/

http://www.mathworks.com/products/global-optimization/

http://www.mathworks.com/matlabcentral/fileexchange/index?term=tag%3A%22optimization%22

Algorithms and Programming, Mathematics I

žádné