Module also offered within study programmes:
General information:
Annual:
2017/2018
Code:
MIS-2-301-IO-n
Name:
Metody optymalizacji
Faculty of:
Metals Engineering and Industrial Computer Science
Study level:
Second-cycle studies
Specialty:
Computational Engineering
Field of study:
Applied Computer Science
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Part-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. inż. Kusiak Jan (kusiak@agh.edu.pl)
Academic teachers:
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 potrafi rozwiązać proste zadanie optymalizacji samodzielnie i w grupie projektowej IS2A_U14 Project,
Execution of a project
Skills
M_U001 zna wybrane metody oraz narzędzia programistyczne optymalizacji deterministycznej i niedeterministycznej i potrafi je wykorzystać w rozwiązywaniu zadań optymalizacji procesów metalurgicznych IS2A_U03 Execution of a project
M_U002 posiada umiejętność formułowania zadań optymalizacji i doboru metody optymalizacji IS2A_U07, IS2A_U14 Project,
Execution of a project
Knowledge
M_W001 ma wiedzę teoretyczną w zakresie teorii i metod optymalizacji pozwalającą na analizę i modelowanie danych oraz procesów IS2A_W03 Examination
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 potrafi rozwiązać proste zadanie optymalizacji samodzielnie i w grupie projektowej - - - + - - - - - - -
Skills
M_U001 zna wybrane metody oraz narzędzia programistyczne optymalizacji deterministycznej i niedeterministycznej i potrafi je wykorzystać w rozwiązywaniu zadań optymalizacji procesów metalurgicznych - - - + - - - - - - -
M_U002 posiada umiejętność formułowania zadań optymalizacji i doboru metody optymalizacji - - - + - - - - - - -
Knowledge
M_W001 ma wiedzę teoretyczną w zakresie teorii i metod optymalizacji pozwalającą na analizę i modelowanie danych oraz procesów + - - + - - - - - - -
Module content
Lectures:
Tematy omawiane na wykładach:
  • Wprowadzenie do zagadnień optymalizacji.
    Podstawowe pojęcia: funkcja celu, zmienne optymalizacji, warunki istnienia rozwiązań optymalnych.
    Metody bezgradientowe poszukiwania w kierunku

    Omówienie podstaw metod optymalizacji bezgradientowej. Metoda Foxa i ekspansji zawężania przedziału poszukiwań.
    Metody poszukiwania w kierunku: metoda złotego podziału, metoda Fibonacci’ego.
    Metody bezgradientowej optymalizacji wielowymiarowej
    Metoda Hooke-Jeevesa, metoda Rosenbrocka, metoda Powella, metoda simpleksu
    Gradientowe metody optymalizacji
    Metoda najszybszego spadku, metoda gradientów sprzężonych, metoda Newtona, metody quasi-newtonowskie
    Optymalizacja z ograniczeniami
    Metoda Lagrange’a, wybrane metody funkcji kary wewnętrznej i zewnętrznej.
    Niedeterministyczne metody optymalizacji
    Metoda Monte Carlo, algorytmy genetyczne, algorytmy ewolucyjne. Metoda Monte Carlo, algorytmy genetyczne, algorytmy ewolucyjne. Idea metod optymalizacji opartych o naturę. Wybrane metody: algorytmy mrówkowe, metoda roju cząstek, metoda wyżarzania.
    Optymalizacja wielokryterialna
    Metoda kompromisu Pareto, ewolucyjne metody optymalizacji wielokryterialnej
    Strategie optymalizacji
    Metamodelowanie i metody aproksymacyjne. Przykłady optymalizacji procesów metalurgicznych
    Wstęp do programowania liniowego
    Metoda graficzna, metoda sympleksów
    Przykładowe zadania optymalizacji
    Przykładowe, praktyczne zadania optymalizacji w zakresie metalurgii i inżynierii materiałowej. Rozwiązanie prezentowanych zadań przemysłowych.

Project classes:
Opracowanie projektu z zakresu zastosowań metod optymalizacji

Studenci wykonują projekty indywidualne lub w zespołach. Wyniki projektów przedstawiają w sprawozdaniu oraz w formie prezentacji. Studenci realizują projekt w oparciu o opracowane własne programy, lub przy wykorzystaniu pakietu Matlab

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 118 h
Module ECTS credits 4 ECTS
Examination or Final test 2 h
Participation in lectures 24 h
Participation in project classes 12 h
Realization of independently performed tasks 22 h
Preparation for classes 25 h
Completion of a project 15 h
Preparation of a report, presentation, written work, etc. 4 h
Contact hours 14 h
Additional information
Method of calculating the final grade:

Ocena końcowa jest średnią arytmetyczną z dwóch ocen: oceny z ćwiczeń projektowych i egzaminu

Prerequisites and additional requirements:

Zgodnie z Regulaminem Studiów AGH podstawowym terminem uzyskania zaliczenia jest ostatni dzień zajęć w danym semestrze. Termin zaliczenia poprawkowego (tryb i warunki ustala prowadzący moduł na zajęciach początkowych) nie może być późniejszy niż ostatni termin egzaminu w sesji poprawkowej (dla przedmiotów kończących się egzaminem) lub ostatni dzień trwania semestru (dla przedmiotów niekończących się egzaminem).

Recommended literature and teaching resources:

• Adamski, A. Turnau, J. Werewka, 87 przykładów w Fortranie, cz.1. Skrypt AGH, Nr 1028, Kraków, 1986.
• J. Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2004.
• I.N. Bronsztejn, K.A. Siemiendiajew, G. M. H. M. Nowoczesne kompendium matematyki. PWN, Warszawa, 2004.
• W. Findeisen, J. Szymanowski, A. Wierzbicki, Teoria i metody obliczeniowe optymalizacji, PWN, 1980.
• D.E. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 2003.
• J. Kusiak, A. Danielewska-Tułecka, P. Oprocha, Optymalizacja. Wybrane metody z przykładami zastosowań. PWN, Warszawa, 2009.
• Z. Michalewicz, Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa 1996.
• Schwefel, H. P. Numerical Optimization of Computer Models. J. Wiley & Sons, New York, 1981.
• Stachurski, A. Wierzbicki, Podstawy optymalizacji, Oficyna Wydawnicza PW, Warszawa 2001.
• J. Stadnicki, Teoria i praktyka rozwiązywania zadań optymalizacji z przykładami zastosowań technicznych. WNT, Warszawa 2006.

Scientific publications of module course instructors related to the topic of the module:

Piotr Jarosz, Jan Kusiak, Stanisław Małecki, Piotr Oprocha, Łukasz Sztangret, and Marek Wilkus, “A Methodology for Optimization in Multistage Industrial Processes: A Pilot Study,” Mathematical Problems in Engineering, vol. 2015, Article ID 182679, 10 pages, 2015. doi:10.1155/2015/182679.
Regulski K., Rojek G., Szeliga D., Kusiak J., Optymalizacja technologii walcowania blach na gorąco z wykorzystaniem metod eksploracji danych. Optimization of strip hot rolling technology using data mining methods. Hutnik – Wiadomości Hutnicze, 4, 82, 2015, 248-255.
Sztangret Ł., Kusiak J., Metamodelowanie procesów dynamicznych pod kątem ich optymalizacji. Metamodelling of dynamic processes for optimization purposes. Hutnik – Wiadomości Hutnicze, 4, 82, 2015, 256-261.
Regulski K., Szeliga D., Kusiak J., Application of regression trees in optimization of metal forming processes. Key Engineering Materials, v. 622-623, 2014, 749-755.
J. Kusiak, Ł. Sztangret, M. Pietrzyk: Effective strategies of the optimization of industrial metallurgical processes. Proceedings of the third international conference on Soft computing technology in civil, structural and environmental engineering . ed. Y. Tsompanakis. Stirlingshire, Civil‑Comp Press, 2013.
Ł. Sztangret, J. Kusiak: Modified approximation based optimization. Lecture Notes in Computer Science, 2012, 600-607.
J. Kusiak, D. Szeliga, Ł. Sztangret, Modelling techniques for optimizing metal forming processes. In „Microstructure evolution in metal forming processes”, eds.: Jianguo Lin, Daniel Balint and Maciej Pietrzyk, Woodhead Publishing Limited, Oxford – Cambridge – Philadelphia – New Delhi, 2012, 35 – 66.
G. Rojek, J. Kusiak, System optymalizacji procesu produkcyjnego z zastosowaniem agentowego systemu przetwarzania informacji. Hutnik Wiadomości Hutnicze, 79, 1, 2012, 71–74.
Ł. Sztangret, A. Stanisławczyk, J. Kusiak, Control of the copper flash smelting process – comparison of the effectiveness of bio-inspired strategies. In „Evolutionary and Deterministic Methods for Design, Optimization and Control”, eds.: T. Burczyński, J. Periaux, CIMNE, Barcelona, 2011, 298-303.
G. Rojek, Ł. Sztangret, J. Kusiak, Agent-based information processing in a domain of the industrial process optimization, Computer Methods in Materials Science, 11, 2, 2011, 297–302.
J. Kusiak, Application of metamodelling issue for process optimization. Mechanik, 84, 2011, 189–194.
J. Kusiak, A. Danielewska-Tułecka, P. Oprocha, „Optymalizacja. Wybrane metody z przykładami zastosowań”. Redaktor naukowy J. Kusiak, PWN Wydawnictwo Naukowe, Warszawa, 2009.

Additional information:

None