Studenti budou umět: Pochopit a formulovat optimalizační úlohu. Řešit úlohu v jednoduchých případech, použít vhodný software ve složitějších případech. Klasifikovat úlohu a navrhnout řešení. Řešení zadaného projektu.

Students will be able to: Understand and formulate an optimization problems. Solve the problem in simple cases, use the appropriate software in more complex cases. Classify the problem and propose an efficient solution. Solve the given project.

Řešení zadaného problému. Písemná a ústní zkouška.

Solving the given problem. Written and oral exam.

Kubíček M.: Optimalizace inženýrských procesů. SNTL Praha 1986.

Edgar T. F., Himmelblau D. M.,Lasdon L. S.: Optimization of Chemical Processes, McGraw-Hill, Boston, 2001.

Další literatura individuálně.

Edgar T. F., Himmelblau D. M.,Lasdon L. S.: Optimization of Chemical Processes, McGraw-Hill, Boston, 2001.

Further literature individually.

Samostudium, konzultace, řešení daného problému.

Self-study, consultation, solution of given problem.

1. Formulace optimalizační úlohy.

2. Extrémy funkcí reálných proměnných - metody klasické analýzy.

3. Extrémy funkcí reálných proměnných - volný extrém, vázaný extrém.

4. Extrémy funkcí reálných proměnných - extrém s omezeními.

5. Lineární programování.

6. Simplexní metoda.

7. Nelineární programování.

8. Metody adaptivního hledání.

9. Gradientní metody.

10. Pokutové funkce.

11. Základy dynamického programování.

12. Problém dělení zdrojů.

13. Základy vektorové optimalizace.

14. Konstrukce Paretovy množiny.

1. Formulation of the optimization problem.

2. Extrems of functions of real variables - methods of classical analysis.

3. Extrems of functions of real variables - unconstrained extreme, extrem with equality constraints.

4. Extrems of real variable functions - Extrems with inequality constraints.

5. Linear programming.

6. Simplex method.

7. Non-linear programming.

8. Adaptive search methods.

9. Gradient methods.

10. Penalty functions.

11. Fundamentals of dynamic programming.

12. Resource distribution problem.

13. Fundamentals of vector optimization.

14. Construction of a Pareto set.

Matematika A, B

Mathematics A, B

nejsou

none