Usvojiti teorijske postavke, metode i algoritme numeričke optimizacije. Razviti sposobnost primjene računala u inženjerskoj numeričkoj optimizaciji. Osposobiti se za kvalificiranu primjenu numeričkih alata u inženjerskim problemima.
očekivani ishodi učenja
Nakon završenog kolegija, studenti će biti sposobni:
– opisati inženjerski problem kao optimizacijski model odlučivanja,
– modelirati skup varijabli odlučivanja, ograničenja i funkcija izvrsnosti za inženjerske probleme,
– izraditi dijagrame toka za različite metode optimizacije,
– primijeniti gradijentne metode optimizacije (HJ, NM, ..) na inženjerske probleme,
– primijeniti negradijentne metode optimizacije (NS, CG, N, BFGS..) na inženjerske probleme,
– rješavati probleme nelineranog optimiranja sa ograničenjima,
– primijeniti evolucijske metode optimizacije i metaheuristike (GA, ACO, SA, NM,..) na inženjerske probleme,
– primjeniti postupke optimiranja na mrežne probleme: min.put, min. stablo, max. tok,
– razviti i testirati vlastite optimizacijske modele i postupke u MATLABu
1. Uvod, pojmovi, osnovni teorijski aspekti i primjeri primjene.
2. Temeljni pojmovi, osnovni teorijski aspekti, modeli za optimizaciju.
3. Linearno programiranje, standardni model.
4. Linearno programiranje, Simpleks metoda, primjene.
5. Nelinearno programiranje, jednodimenzionalne (1D) metode: postupci polovljenja intervala, Fibonacci, zlatni rez, interpolacijski postupci, svođenje nD problema na 1D probleme.
6. Nelinearno programiranje, n-dimenzionalne (nD) metode kod problema bez ograničenja:
- direktne metode (metode slučajnog koraka i smjera, metoda Hookee Jeeves, Powell-ova metoda, Nelder - Mead simplex metoda, …).
7. Nelinearno programiranje, n-dimenzionalne (nD) metode kod problema bez ograničenja:
- gradijentne metode (metoda najbržeg spusta i konjugiranih gradijenata, Newton-ova metoda, kvazi-Newton metode, ...).
8. Nelinearno programiranje, nD NLP metode kod problema sa ograničenjima:
- transformacijske metode (metode vanjske kaznene funkcije, metode unutarnje kaznene funkcije).
9. Nelinearno programiranje, nD NLP metode kod problema sa ograničenjima:
- direktne metode (metoda dopustivih smjerova, metoda generaliziranog reduciranog gradijenta, metode sekvencijalnog linearnog programiranja, metoda sekvencijalnog kvadratnog programiranja). 3 sata
10. Osnovni pojmovi iz evolucijskih metoda i posebna poglavlja: metoda simuliranog žarenja, metode genetskih algoritama.
11. Osnovni pojmovi iz evolucijskih metoda i posebna poglavlja: primjena neuralnih mreža kao funkcijskih aproksimatora, primjeri.
12. Osnovni pojmovi i postupci: optimiranje kod problema sa diskretnim varijablama, metoda grananja, GA, .. Mrežni problemi min. puta, min. stable, max. toka.
13. Primjeri postavljanja fizikalnih i matematičkih optimizacijskih modela za različite inženjerske probleme. Razrada odgovarajućih algoritama. Izrada odgovarajućih programa u jeziku C i programskih skripti u MATLAB-u.
preporučena literatura
D. Vučina, 'Metode inženjerske numeričke optimizacije', Sveučilište u Splitu, FESB 2005
J. S. Arora, “Introduction to Optimum Design”, McGraw Hill, 1989
I.Pehnec, Materijali za laboratorijske vježbe
dopunska literatura
– G. Vanderplaats, "Numerical Optimization Techniques for Engineering Design", - Vanderplaats Research and Development, 1999
– A. D. Belegundu, T. R. Chandrupatla, “Optimization Concepts and Applications in Engineering”, Prentice Hall, 1999
– D.E. Goldberg, "Genetic algorithms in search, optimization and machine learning", Addison Wesley, 1989
– S. Haykin, "Neural Networks", Prentice Hall International, 1999
jezik poduke
Hrvatski
način praćenja kvalitete i uspješnosti izvedbe svakog predmeta i/ili modula
Vođenje evidencije o prisutnosti na nastavi. Godišnja analiza uspješnosti polaganja ispita. Studentska anketa s ciljem evaluacije nastavnika. Samoevaluacija nastavnika. Povratna informacija od strane studenata koji su već diplomirali o relevantnosti sadržaja predmeta.
ispit (način polaganja, ispitni rokovi)
Ispit: teorijski i praktični.
Polaganje ispita: pismeno.
Tijekom semestra bit će jedan međuispit (M1, M2 - kolokviji). Uvjet za pozitivnu ocjenu je minimalno 50% bodova na međuispitu i završnom ispitu.
Ocjena(%) = 0,5*M1 + 0,5*M2
M1, M2 - bodovi na međuispitima izraženi u postocima.
Postotak Ocjena
50% do 61% dovoljan (2)
62% do 74% dobar (3)
75% do 87% vrlo dobar (4)
88% do 100% izvrstan (5)
Na jesenskim ispitnim rokovima može se djelomično priznati raniji rezultat samo u slučaju cjelovito položene ukupne teorije ili zadataka.
Nastavne jedinice za Predavanja
Broj sati
Za ovaj oblik nastave nema definiranih nastavnih jedinica.
Nastavne jedinice za Laboratorijske vježbe
Broj sati
Za ovaj oblik nastave nema definiranih nastavnih jedinica.
Niste više prijavljeni
Istekla vam je prethodna prijava te se morate ponovno prijaviti.
Nastao je problem u radu sustava
Informacije o problemu smo pohranili i nastojat ćemo ga riješiti. Ako vas ova greška sprječava da obavite nešto važno, možete nas odmah kontaktirati na helpdesk@fesb.hr.
Vaš preglednik nije podržan
Koristite web preglednik koji nije podržan. Za puno korisničko iskustvo, preuzmite najnoviju inačicu vašeg preglednika.