Zaawansowane metody optymalizacji
Kierunek:
Mechatronika
Semestr: II
Punkty ECTS: 2
Prowadzący:
dr inż. Jacek Ptaszny
Cel przedmiotu
Celem wykładu jest dokonanie
przeglądu klasycznych oraz nowoczesnych metod optymalizacji. Celem
laboratorium jest badanie efektywności różnych metod optymalizacji oraz
zastosowanie wybranych metod do rozwiązywania praktycznych zagadnień
inżynierskich.
Program przedmiotu
-
Wykład: 15 godzin w semestrze
-
Laboratorium: 15 godzin w semestrze
Tematyka wykładów
-
Wiadomości
podstawowe (historia, definicja i zastosowanie metod
optymalizacji, sformułowanie zagadnienia optymalizacji,
klasyfikacja modeli matematycznych układów i procesów,
dobór zmiennych projektowych, funkcja celu i jej
własności, zbiór rozwiązań dopuszczalnych, klasyfikacja
zagadnień i metod optymalizacji).
- Deterministyczne
metody bezgradientowe optymalizacji funkcji jednej
zmiennej (metody: złotego podziału, Fibonacciego,
interpolacji kwadratowej) oraz funkcji wielu zmiennych
(metody: Hooke’a-Jeevesa, Rosenbrocka, simpleks
Neldera-Meada, Gaussa-Seidela, Powella).
- Definicja i metody
analizy wrażliwości (metody: bezpośrednia, układu
sprzężonego).
- Metody gradientowe
pierwszego rzędu (metody: największego spadku,
gradientów sprzężonych) i drugiego rzędu (metody:
Newtona, zmiennej metryki).
- Metody optymalizacji
z ograniczeniami (metody: Lagrange’a,
Karusha-Kuhna-Tuckera, funkcji kary).
- Optymalizacja
wielokryterialna (podejście Pareto, redukcja zagadnień
wielokryterialnych).
- Niedeterministyczne
metody optymalizacji (metoda Monte Carlo, symulowane
wyżarzanie, algorytmy genetyczne i ewolucyjne, strategie
ewolucyjne, sztuczne systemy immunologiczne, algorytmy
rojowe, poszukiwanie harmonii).
- Hybrydowe metody
optymalizacji.
- Przykłady
optymalizacji i identyfikacji układów mechanicznych i
procesów technologicznych.
Tematyka
laboratorium
- Testowanie metod
gradientowych zaimplementowanych w programie
komputerowym "Genetyka"
- Optymalizacja
gradientowa za pomocą programu "Scilab"
- Optymalizacja
globalna za pomocą algorytmu ewolucyjnego
- Optymalizacja
globalna za pomocą sztucznych systemów immunologicznych
- Optymalizacja
globalna za pomocą systemów rojowych
- Porównanie
efektywności wybranych metod w optymalizacji lub
identyfikacji układów mechanicznych
- Kolokwium
Warunki zaliczenia
-
Po
każdych dwóch wykładach następuje sprawdzian wiadomości
w postaci kartkówki. Oceną końcową z wykładu jest
średnia arytmetyczna ocen z kartkówek.
- Na ostatnim
laboratorium odbywa się kolokwium, na którym student
uzyskuje ocenę z tej formy przedmiotu.
- Oceną końcową z
przedmiotu jest średnia arytmetyczna ocen z wykładu oraz
laboratorium.
Literatura
-
Arabas
J., Wykłady z algorytmów ewolucyjnych. WNT, Warszawa,
2004.
-
Findeisen W.,
Szymanowski J., Wierzbicki A., Teoria i metody
obliczeniowe optymalizacji. PWN 1980.
-
Geem Z.W.,
Music-inspired harmony search algorithm. Theory and
applications. Springer Verlag, Berlin Heidelberg, 2009.
-
Gürdal Z., Haftka R.
T., Elements of structural optimization. Kluwer Academic
Publishers, Dordrecht – Boston – London, 1992.
-
Kusiak
J., Danielewska-Tułecka A., Oprocha P., Optymalizacja.
Wybrane metody z przykładami zastosowań. PWN, Warszawa,
2009.
-
Michalewicz Z.,
Algorytmy genetyczne + struktury danych = programy
ewolucyjne. WNT, Warszawa, 1999.
-
Wierzchoń S.T.,
Sztuczne systemy immunologiczne. Teoria i zastosowania.
Wydawnictwo EXIT, Warszawa, 2001.
-
Orantek P. ,
Zastosowanie algorytmów hybrydowych w zagadnieniach
optymalizacji i identyfikacji dynamicznych układów
mechanicznych. Rozprawa doktorska, Politechnika Śląska,
KWMiMKM, Gliwice, 2002.
Do pobrania
|