Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Fundamentals of Optimization
Tok studiów:
2016/2017
Kod:
MIS-1-617-s
Wydział:
Inżynierii Metali i Informatyki Przemysłowej
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka Stosowana
Semestr:
6
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
prof. dr hab. inż. Kusiak Jan (kusiak@agh.edu.pl)
Osoby prowadzące:
prof. dr hab. inż. Kusiak Jan (kusiak@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Student has theoretical knowledge of the theory and methods of optimization which allows the analysis and modeling of data and processes IS1A_W03 Egzamin
Umiejętności
M_U001 Student knows chosen methods and software tools for deterministic and non-deterministic optimization and knows how to use them in solving optimization problems in engineering field. IS1A_U06, IS1A_U07 Zaliczenie laboratorium
M_U002 Student knows how to formulate optimization problems and how to select a proper optimization method. IS1A_U07 Projekt inżynierski
Kompetencje społeczne
M_K001 Student can solve simple task in a group project IS1A_K03 Projekt
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Student has theoretical knowledge of the theory and methods of optimization which allows the analysis and modeling of data and processes + - - - - - - - - - -
Umiejętności
M_U001 Student knows chosen methods and software tools for deterministic and non-deterministic optimization and knows how to use them in solving optimization problems in engineering field. - - - + - - - - - - -
M_U002 Student knows how to formulate optimization problems and how to select a proper optimization method. - - - + - - - - - - -
Kompetencje społeczne
M_K001 Student can solve simple task in a group project - - - + - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

1. Introduction to the optimization problems. Fundamental definitions: goal function, optimization variables, requirements and conditions of the unique optimal solution.
2. Fundamentals of the non-gradient optimization methods.
3. Expansion and Fox methods for localization of the search domain.
4. Direct search methods: golden section and Fibonacci techniques.
5. Multivariable, non-gradient optimization techniques: Hooke-Jeeves and Rosenbrock methods.
6. Multivariable, non-gradient optimization techniques: Powell and simplex methods.
7. Gradient methods for multivariables optimization problems: steepest descent and conjugate gradient methods.
8. Optimization methods for constrained optimization problems: Lagrange and penalty function methods
9. Multicriteria optimization methods: Pareto compromise approach.
10. Non-deterministic optimization methods: Monte Carlo method and genetic algorithm.
11. Nature based optimization methods: ant colony algorithm, particle swarm method.
12. Fundamentals of the linear programming: graphic method.
13. Simplex method for linear optimization problems.
14. Optimization strategies: metamodels and approximation methods. Examples of the metallurgical optimization problems.
15. Fundamentals of dynamic optimization

Ćwiczenia projektowe:

Students will solve individual problems in groups and will present the obtained results during the meetings. The typical probles are similar to these:
1. The Levenberg-Marquardt method – theory, algorithm and application.
2. Topological optimization (theory, methods, examples)
3. Solving of a simple engineering non-linear optimization problem using a chosen bio-inspired method.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 163 godz
Punkty ECTS za moduł 6 ECTS
Udział w wykładach 28 godz
Udział w ćwiczeniach projektowych 28 godz
Przygotowanie do zajęć 14 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 25 godz
Wykonanie projektu 14 godz
Egzamin lub kolokwium zaliczeniowe 4 godz
Samodzielne studiowanie tematyki zajęć 40 godz
Dodatkowe godziny kontaktowe z nauczycielem 10 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

The final grade is the arithmetic mean of the two grades: the score of a project and of the exam score

Wymagania wstępne i dodatkowe:

Student has a basic knowledge of mathematical analysis, principles of programming and the knowledge of Matlab package.

Zalecana literatura i pomoce naukowe:

C. Beightler, D. Phillips, D. Wilde, Foundations of Optimization, Prentice Hall, Englewood Cliffs. 1979.
K. Deb, Multi-Objective Optimization Using Evolutionary Algorithms. JohnWiley & Sons, New York, 2001.
R. Fletcher, Practical Methods of Optimization, John Wiley & Sons, Chichester 1980.
D. E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley Publishing Company, Inc., 1989.
D.C. Montgomery, Design and analysis of experiments, wyd. 5, John Wiley & Sons, New York, 2001.
H. P. Schwefel, Numerical Optimization of ComputersModels, JohnWiley & Sons, New York 1981.
J. C. Spall, Introduction to Stochastic Search and Optimization: Estimation, Simulation, and Control. Wiley, 2003.
K.C. Tan, E.F. Khor, T.H. Lee, Multiobjective Evolutionary Algorithms and Applications, Springer-Verlag, London 2005.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

http://www.bpp.agh.edu.pl/

Piotr Jarosz, Jan Kusiak, Stanisław Małecki, Piotr Oprocha, Łukasz Sztangret, and Marek Wilkus, “A Methodology for Optimization in Multistage Industrial Processes: A Pilot Study,” Mathematical Problems in Engineering, vol. 2015, Article ID 182679, 10 pages, 2015. doi:10.1155/2015/182679.
Regulski K., Rojek G., Szeliga D., Kusiak J., Optymalizacja technologii walcowania blach na gorąco z wykorzystaniem metod eksploracji danych. Optimization of strip hot rolling technology using data mining methods. Hutnik – Wiadomości Hutnicze, 4, 82, 2015, 248-255.
Sztangret Ł., Kusiak J., Metamodelowanie procesów dynamicznych pod kątem ich optymalizacji. Metamodelling of dynamic processes for optimization purposes. Hutnik – Wiadomości Hutnicze, 4, 82, 2015, 256-261.
Regulski K., Szeliga D., Kusiak J., Application of regression trees in optimization of metal forming processes. Key Engineering Materials, v. 622-623, 2014, 749-755.
J. Kusiak, Ł. Sztangret, M. Pietrzyk: Effective strategies of the optimization of industrial metallurgical processes. Proceedings of the third international conference on Soft computing technology in civil, structural and environmental engineering . ed. Y. Tsompanakis. Stirlingshire, Civil‑Comp Press, 2013.
Ł. Sztangret, J. Kusiak: Modified approximation based optimization. Lecture Notes in Computer Science, 2012, 600-607.
J. Kusiak, D. Szeliga, Ł. Sztangret, Modelling techniques for optimizing metal forming processes. In „Microstructure evolution in metal forming processes”, eds.: Jianguo Lin, Daniel Balint and Maciej Pietrzyk, Woodhead Publishing Limited, Oxford – Cambridge – Philadelphia – New Delhi, 2012, 35 – 66.
G. Rojek, J. Kusiak, System optymalizacji procesu produkcyjnego z zastosowaniem agentowego systemu przetwarzania informacji. Hutnik Wiadomości Hutnicze, 79, 1, 2012, 71–74.
Ł. Sztangret, A. Stanisławczyk, J. Kusiak, Control of the copper flash smelting process – comparison of the effectiveness of bio-inspired strategies. In „Evolutionary and Deterministic Methods for Design, Optimization and Control”, eds.: T. Burczyński, J. Periaux, CIMNE, Barcelona, 2011, 298-303.
G. Rojek, Ł. Sztangret, J. Kusiak, Agent-based information processing in a domain of the industrial process optimization, Computer Methods in Materials Science, 11, 2, 2011, 297–302.
J. Kusiak, Application of metamodelling issue for process optimization. Mechanik, 84, 2011, 189–194.
J. Kusiak, A. Danielewska-Tułecka, P. Oprocha, „Optymalizacja. Wybrane metody z przykładami zastosowań”. Redaktor naukowy J. Kusiak, PWN Wydawnictwo Naukowe, Warszawa, 2009.

Informacje dodatkowe:

None