Методы оптимизации

Содержание

Слайд 2

Реализуемая технология смешанная (часть материалов студенты проходят самостоятельно на платформе, часть

Реализуемая технология
смешанная (часть материалов студенты проходят самостоятельно на платформе, часть материалов

(м.б. закрепление материала, прорешивание практических задач и т.д.) совместно с преподавателем в аудитории либо онлайн
Слайд 3

Структура курса Количество лекций – 8, 16 часов ( возможно, онлайн

Структура курса
Количество лекций – 8, 16 часов ( возможно, онлайн в

MS Teams), количество лабораторных занятий – 8, 32 часа аудиторной работы
Одной теме посвящается лекция и одно лабораторное занятие сразу после лекции
Продолжительность курса - 1 семестр
Слайд 4

Структура курса Схема набора баллов за семестр (Проверка отчетов по лаб.работам,

Структура курса
Схема набора баллов за семестр (Проверка отчетов по лаб.работам, результаты

контрольных мероприятий, посещение и активность на лекциях) – 100 бальная система
Контрольные мероприятия: 1 домашняя работа (конспект, аннотация и презентация научной статьи на английском языке с использованием Latex), 1 контрольная работа.
Аттестация – зачет
Лимиты (60 человек, две команды по 30 человек)
Слайд 5

Состав курса видеолекции, аудиторные лекции; чтение электронного конспекта и изучение теории

Состав курса
видеолекции, аудиторные лекции;
чтение электронного конспекта и изучение теории по

материалам учебников;
выполнение практических и лабораторных заданий для отработки практических навыков;
программирование алгоритмов оптимизации;
выполнение тестовых заданий для проверки результатов;
изучение современного состояния методов оптимизации по статьям и видеолекциям ведущих ученых
Слайд 6

Ссылка на платформу: https://learn.urfu.ru/lesson/list/index/subject_id/3466 Контактная информация: s.p.trofimov@urfu.ru

Ссылка на платформу: https://learn.urfu.ru/lesson/list/index/subject_id/3466
Контактная информация: s.p.trofimov@urfu.ru

Слайд 7

Тематика курса Тема 1. Введение. Математический аппарат дисциплины. Математические модели в

Тематика курса
Тема 1. Введение. Математический аппарат дисциплины. Математические модели в виде

задач математического программирования, вариационного исчисления и оптимального управления. Классификация задач и методов оптимизации.
Тема 2. Анализ бесконечно малых величин
Тема 3. Алгоритмы одномерной оптимизации
Тема 4. Методы многомерной безусловной оптимизации
Тема 5. Элементы теории линейного и нелинейного программирования. Постоптимизационное исследование
алгоритм и др.
Слайд 8

Тематика курса Тема 6. Методы условной оптимизации. Симплекс-метод Тема 7. Дискретные

Тематика курса
Тема 6. Методы условной оптимизации. Симплекс-метод
Тема 7. Дискретные задачи оптимизации.

Метод динамического программирования для поиска кратчайшего пути в графе. Метод ветвей и границ для целочисленного программирования.
Тема 8. Эволюционные методы оптимизации: генетический алгоритм, муравьиный алгоритм, пчелиный алгоритм и др.
Слайд 9

Особенности курса «Методы оптимизации» Уникальность курса: оптимальные задачи присутствуют в большинстве

Особенности курса «Методы оптимизации»
Уникальность курса:
оптимальные задачи присутствуют в большинстве технических

и интеллектуальных систем.
активно развивается: много конференций, журналов и видеолекций.
почти все на английском языке.
Особенности:
изучается теоретический материал, который закрепляется практическими занятиями.
при выполнении лабораторных работ используются среды разработки C++/C#, Python, MatLab, Excel
Слайд 10

Особенности курса «Методы оптимизации» Возможно разделение студентов на два уровня: базовый

Особенности курса «Методы оптимизации»
Возможно разделение студентов на два уровня:
базовый (теория и

пакеты) и
продвинутый (теория, библиотеки и собственное ПО)
Слайд 11

Особенности курса «Методы оптимизации» Формируемые компетенции: умение построить оптимальную модель в

Особенности курса «Методы оптимизации»
Формируемые компетенции:
умение построить оптимальную модель в различных

предметных областях и
решить ее с помощью самостоятельного программного продукта и с использованием специализированного пакета;
умение выполнить пост-оптимизационный анализ.
знание классических методов решения оптимальных задач.