Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Zaawansowane metody optymalizacji
Tok studiów:
2019/2020
Kod:
GIPZ-1-705-n
Wydział:
Górnictwa i Geoinżynierii
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Inżynieria i Zarządzanie Procesami Przemysłowymi
Semestr:
7
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Niestacjonarne
Strona www:
 
Prowadzący moduł:
prof. nadzw. dr hab. inż. Brzychczy Edyta (brzych3@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

W trakcie zajęć student zapoznaje się z zaawansowanymi metodami optymalizacji i możliwościami ich wykorzystania w przedsiębiorstwach przemysłowych.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Student zna zaawansowane metody optymalizacji wykorzystywane do rozwiązywania problemów inżynierskich o różnym stopniu złożoności. IPZ1A_W02, IPZ1A_W01 Kolokwium
M_W002 Student ma podstawową wiedzę w zakresie zagadnień związanych z optymalizacją. IPZ1A_W02, IPZ1A_W01 Kolokwium
Umiejętności: potrafi
M_U001 Student potrafi zaprojektować prosty algorytm optymalizacji w oparciu o poznane metody optymalizacji. IPZ1A_U01, IPZ1A_U03, IPZ1A_U02 Projekt
M_U002 Student potrafi przeprowadzić proces optymalizacji z wykorzystaniem dostępnych programów obliczeniowych. IPZ1A_U01, IPZ1A_U02 Projekt
Kompetencje społeczne: jest gotów do
M_K001 Student potrafi pracować w grupie nad zadaniem projektowym i ma świadomość odpowiedzialności za powierzone zadania. IPZ1A_K01, IPZ1A_K03 Projekt
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
15 6 0 0 9 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Student zna zaawansowane metody optymalizacji wykorzystywane do rozwiązywania problemów inżynierskich o różnym stopniu złożoności. + - - - - - - - - - -
M_W002 Student ma podstawową wiedzę w zakresie zagadnień związanych z optymalizacją. + - - - - - - - - - -
Umiejętności
M_U001 Student potrafi zaprojektować prosty algorytm optymalizacji w oparciu o poznane metody optymalizacji. - - - + - - - - - - -
M_U002 Student potrafi przeprowadzić proces optymalizacji z wykorzystaniem dostępnych programów obliczeniowych. - - - + - - - - - - -
Kompetencje społeczne
M_K001 Student potrafi pracować w grupie nad zadaniem projektowym i ma świadomość odpowiedzialności za powierzone zadania. - - - + - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 55 godz
Punkty ECTS za moduł 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 15 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 20 godz
Samodzielne studiowanie tematyki zajęć 17 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Dodatkowe godziny kontaktowe 1 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (6h):

Wprowadzenie do optymalizacji – definicje i najważniejsze pojęcia.
Metody tradycyjne optymalizacji.
Podstawowe typy algorytmów ewolucyjnych.
Ograniczenia w procesie optymalizacji.
Uwzględnianie specyfiki problemu w procesie optymalizacji.
Sztuczne systemy immunologiczne.
Optymalizacja wielokryterialna.

Ćwiczenia projektowe (9h):

Wykonanie projektu dotyczącego optymalizacji wybranego procesu przemysłowego w oparciu o poznane na zajęciach metody.

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia projektowe: Studenci wykonują zadany projekt samodzielnie, bez większej ingerencji prowadzącego. Ma to wykształcić poczucie odpowiedzialności za pracę w grupie oraz odpowiedzialności za podejmowane decyzje.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Ocena końcowa wyznaczana jest na podstawie oceny z pisemnego zaliczenia wykładów oraz oceny z projektu.
Zaliczenie wykładów oraz ćwiczeń projektowych – 1 termin podstawowy i 1 termin poprawkowy.

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Ćwiczenia projektowe:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
Sposób obliczania oceny końcowej:

Ocena końcowa (OK) obliczana jest według algorytmu:
1) w przypadku uzyskania zaliczenia z wykładów w I terminie: OK = (2*Z+P)/3
2) w przypadku uzyskania zaliczenia z wykładów w II terminie (niezdania I terminu): OK = (2+Z+P)/3
gdzie: Z – ocena pozytywna z zaliczenia wykładów, P – ocena pozytywna z projektu (liczona jako średnia ze wszystkich terminów).

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

W przypadku zaległości powstałych wskutek nieobecności studenta na zajęciach obowiązkowych – student jest zobowiązany do uczestnictwa w zajęciach innej grupy (tzw. odrobienie zajęć) lub wykonania dodatkowego opracowania w formie pisemnej na temat związany z opuszczonymi zajęciami.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Znajomość zagadnień z zakresu przedmiotów: Matematyka I, Matematyka II, Statystyka oraz Badania operacyjne.

Zalecana literatura i pomoce naukowe:

Arabas J., 2004: Wykłady z algorytmów ewolucyjnych. Wydawnictwa Naukowo-Techniczne, Warszawa.
Castro de, L.N., 2006: Fundamentals of Natural Computing. Basic concepts, algorithms and applications. Wyd. Chapman&Hall/CRC, Boca Raton.
Castro de, L.N., Timmis J.I., 2002: Artificial Immune Systems: A new computational approach. Springer-Verlag, London.
Goldberg D.E., 2003: Algorytmy genetyczne i ich zastosowania. Wydawnictwa Naukowo-Techniczne, Warszawa.
Michalewicz Z., 2003: Algorytmy ewolucyjne + struktury danych = programy ewolucyjne. Wydawnictwa Naukowo-Techniczne, Warszawa.
Michalewicz Z., Fogel D.B., 2006: Jak to rozwiązać czyli nowoczesna heurystyka. Wydawnictwa Naukowo-Techniczne, Warszawa.
Pawlak M., 1999: Algorytmy ewolucyjne jako narzędzie harmonogramowania produkcji. Wydawnictwo Naukowe PWN, Warszawa.
Wierzchoń S., 2001: Sztuczne systemy immunologiczne teoria i zastosowania. Akademicka Oficyna EXIT, Warszawa

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Brzychczy E., 2006: Zastosowanie algorytmów ewolucyjnych w modelowaniu produkcji górniczej. Zeszyty Naukowe Politechniki Śląskiej nr 1736, seria Górnictwo z.273, Gliwice
Brzychczy E., 2008: Tradycyjne metody optymalizacji a nowoczesna heurystyka w wybranych zagadnieniach modelowania robót górniczych w kopalniach węgla kamiennego. Gospodarka Surowcami Mineralnymi, Wyd. IGSMiE PAN, t. 24, z.2/1
Brzychczy E., 2011: Artificial immune systems in selected mining applications. [w] IT Tools in Management and Education. Selected Problems. Ed.L.Kiełtyka. Częstochowa University of Technology. Seria Monographs. No 213., The Publishing Office of Czestochowa University of Technology, Częstochowa
Brzychczy E., Celej M., 2013: Algorytm selekcji klonalnej dla potrzeb optymalizacji produkcji w wielozakładowym przedsiębiorstwie górniczym. W: Zarządzanie a inżynieria produkcji. Red. P. Łebkowski, Wydawnictwa AGH, Kraków
Napieraj A., Brzychczy E., Kęsek M., Sukiennik M., 2014: Modeling of the shift output in the longwall excavation. W: Theory and technique of coal mining and disaster prevention in deep mines : proceedings of international mining conference 2014. Anhui University of Science and Technology, AGH University of Science and Technology, National Natural Science Foundation of China
Brzychczy E., Napieraj A., Sukiennik M., 2015: Modeling and optimization of coal output in underground mine with OPTiCoalMine calculation service. W: KU KDM 2015 : eighth ACC Cyfronet AGH users’ conference : Zakopane 11-13 Mar 2015 : proceedings / eds. Kazimierz Wiatr, Jacek Kitowski, Marian Bubak. Kraków : Academic Computer Centre Cyfronet AGH, 2015
Brzychczy E., Napieraj A., Sukiennik M., 2017: Evolutionary optimisation of coal production in underground mines. Zeszyty Naukowe Politechniki Śląskiej, nr 1972. Organizacja i Zarządzanie, z. 100, s. 61-76
Brzychczy E., 2019: Probabilistic modeling of mining production in an underground coal mine. W: Intelligent Systems in Production Engineering and Maintenance [ISPEM 2018], eds. Anna Burduk [et al.]. Advances in Intelligent Systems and Computing. Cham : Springer Nature Switzerland AG, pp. 655-667

Informacje dodatkowe:

Zaliczenie wykładów w formie pisemnej – 5 pytań opisowych.