Optymalizacja globalna 420-IS2-1OG-22
Profil studiów: ogólnoakademicki
Forma studiów: stacjonarne
Rodzaj przedmiotu: obowiązkowy
Dziedzina i dyscyplina nauki: nauki ścisłe i przyrodnicze, informatyka
Rok studiów / semestr: 1 / 1
Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów): brak
Wykład: 15 Laboratorium: 30
Metody dydaktyczne: wykłady, zadania laboratoryjne
Punkty ECTS: 4
Bilans nakładu pracy studenta:
Udział w zajęciach:
- wykład 15h
- laboratorium 30h
Przygotowanie do zajęć:
- laboratorium 13h
Zapoznanie z literaturą: 8h
Sprawozdania, raporty z zajęć, zadania projektowe: 14h
Przygotowanie do zaliczenia: 5h
Czas trwania zaliczenia: 2h
Udział w konsultacjach: 15h
Wskaźniki ilościowe:
- nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela: 62h, 2.4 ECTS
- nakład pracy studenta, który nie wymaga bezpośredniego udziału nauczyciela: 40h, 1.6 ECTS
Rodzaj przedmiotu
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
1. zna główne rodzaje stosowanych metod optymalizacji globalnej. KP7_WG9, KP7_WK1
2. zna zasady działania wybranych algorytmów optymalizacji globalnej. KP7_WG9
3. zna zastosowania algorytmów optymalizacji globalnej. KP7_WG9, KP7_WK1
4. potrafi zaimplementować algorytm genetyczny do optymalizacji funkcji. KP7_UW1, KP7_UW9, KP7_UW11, KP7_UW12
5. potrafi rozwiązać problem za pomocą wybranej metody optymalizacji globalnej. KP7_UW1, KP7_UW9, KP7_UW11, KP7_UW12
6. potrafi myśleć i działać w sposób twórczy. KP7_UO4
7. potrafi działać w zespole. KP7_UO2
Kryteria oceniania
Ogólna forma zaliczenia: zaliczenie na ocenę
W przypadku nauczania zdalnego zaliczenie odbędzie się przy wykorzystaniu narzędzi dostępnych na platformie eduportal/USOSmail.
Literatura
Karcz-Dulęba I., Nowoczesne metody optymalizacji globalnej. Metaheurystyki populacyjne. EXIT, Warszawa 2022.
Z. Michalewicz: Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa, 2003.
D. E. Goldberg: Algorytmy genetyczne i ich zastosowania, WNT, Warszawa, 2003.
J. Arabas: Wykłady z algorytmów ewolucyjnych, WNT, Warszawa, 2001.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: