Zastosowania informatyki 1 3.4.KRK.12TX.ZInf1
Celem przedmiotu jest przekazanie wiedzy i umiejętności z zakresu modelowania optymalizacyjnego i algorytmów rozwiązywania dyskretno-ciągłych problemów optymalizacji. Student powinien formułować i weryfikować modele matematyczne problemów optymalizacji dla procesów świata rzeczywistego. Student powinien posiadać umiejętność doboru metod i konstrukcji algorytmów metaheurystycznych.
W szczególności wykład obejmuje wprowadzenie do teorii modelowania optymalizacyjnego – dyskretno-ciągłe modele optymalizacyjne. Podstawowe zagadnienia optymalizacji: problem transportowy, problem przydziału, problemy pakowania, problemy szeregowania zadań. Algorytmy rozwiązania problemów optymalizacji – algorytmy metaheurystyczne, hybrydowe i hiper-heurystyczne.
Problematyka laboratorium dotyczy modelowania rzeczywistych problemów jako problemów optymalizacji na przykładach:
• harmonogramowania transportu dzieci niepełnosprawnych do i ze szkoły,
• harmonogramowania i marszrutyzacji transportu samochodowego,
• problem pakowania i rozkroju.
Rodzaj przedmiotu
Tryb prowadzenia
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza:
- Ma wiedzę dotyczącą metod konstruowania i posługiwania się modelami, przeprowadzania eksperymentów i analizy ich wyników w obszarze informatyki, zna techniki numeryczne.
- Zna wybrane pakiety oprogramowania służące rozwiązywaniu problemów informatycznych, przeprowadzaniu eksperymentów obliczeniowych i wspomagających modelowanie problemów.
- Zna praktyczny obszar zastosowań modelowania optymalizacyjnego, w tym perspektywy jego informatyzacji i historię.
- Zna zaawansowane metody analizy algorytmów; techniki projektowania algorytmów, abstrakcyjne struktury danych i ich implementacje; rozumie problemy obliczeniowo trudne.
- Posiada wiedzę na temat aktualnych kierunków rozwoju, odkryć i zastosowań informatyki.
Umiejętności:
- Potrafi planować i przeprowadzać eksperymenty, interpretować uzyskane wyniki i wyciągać wnioski, potrafi wykorzystać do formułowania i rozwiązywania zadań informatycznych metody analityczne i eksperymentalne, w tym eksperymenty obliczeniowe.
- Potrafi pozyskiwać informacje z literatury polskiej i angielskiej, baz wiedzy, Internetu oraz innych wiarygodnych źródeł, integrować je, dokonywać ich interpretacji, wyciągać wnioski i formułować opinie, zna podstawowe czasopisma naukowe dot. problemów i algorytmów optymalizacji.
- Potrafi wykorzystać nabytą wiedzę z zakresu informatyki do rozwiązywania problemów optymalizacji występujących w procesach świata rzeczywistego.
- Potrafi określić kierunki dalszego uczenia się i zrealizować proces samokształcenia.
- Zna ograniczenia własnej wiedzy, rozumie potrzebę dalszego kształcenia, potrafi planować własne uczenie się i ukierunkować innych w tym zakresie.
- Potrafi efektywnie komunikować się ze specjalistami z dziedzin modelowania i optymalizacji, potrafi prowadzić debatę.
Kompetencje społeczne:
- Rozumie znaczenie zdobytej wiedzy w rozwiązywaniu problemów poznawczych i praktycznych.
- Rozumie społeczne aspekty wykonywania zawodu, przestrzega i rozwija zasady etyki zawodowej, rozumie znaczenie etosu wykonywanego zawodu.
Kryteria oceniania
Forma i sposób zaliczenia oraz podst. kryteria oceny lub wymagania egzaminacyjne
Na ogólnych zasadach określonych w programie kształcenia, a w szczególności
A. Sposób zaliczenia
• zaliczenie z oceną i laboratorium
• zaliczenie z oceną (wykład)
B. Formy zaliczenia
• (W) zaliczenie na podstawie oceny pracy w ramach laboratorium
• (L) zaliczenie z oceną: ustalenie oceny zaliczeniowej na podstawie aplikacji zaliczeniowej
C. Podstawowe kryteria
• (W) (L) uzyskanie pozytywnej oceny zaliczeniowej
Literatura
Wykorzystywana podczas zajęć
1. Gendreau, M., Potvin, J.-Y., Handbook of Metaheuristics, Springer, 2010.
2. Pardalos, P. M., Resende, M. G. C., Handbook of Applied Optimization, Oxford University Press, 2002.
3. Opracowania własne.
Studiowana samodzielnie przez studenta
1. Sikora, W., Badania operacyjne, PWE, Warszawa 2008.
2. Goldberg, D. E., Algorytmy genetyczne i zastosowania, WNT, 2003.
Literatura uzupełniająca
1. Artykuły naukowe dostępne on-line poprzez Bibliotekę Główną UO.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: