(in Polish) Optymalizacja liniowa
General data
Course ID: | 1000-135OPL |
Erasmus code / ISCED: |
11.912
|
Course title: | (unknown) |
Name in Polish: | Optymalizacja liniowa |
Organizational unit: | Faculty of Mathematics, Informatics, and Mechanics |
Course groups: |
Elective courses for 1st degree studies in mathematics |
ECTS credit allocation (and other scores): |
6.00
|
Language: | Polish |
Type of course: | elective courses |
Short description: |
We will focus on solving linear programming problems mainly by applying various simplex methods . Special attention will be given to duality in linear programming and to geometric interpretations. |
Full description: |
inear programming problems. Some examples. The simplex tableau . Basic feasible solutions . Optimal basic solutions. The simplex methods : the simplex algorithm , the two phase simplex algorithm , the big-M method, the dual simplex algorithm . Geometry of linear programming . Duality in linear programming. The duality theorems. Transportation problems. Depending on time, we will also look at some related problems/techniques: network flows, integer programming |
Bibliography: |
M.S. Bazaraa, J.J. Jarvis, H.D. Sherali, Linear Programming and Network Flows. John Wiley and Sons, 1990. |
Learning outcomes: |
(in Polish) Student 1. zna podstawowe pojęcia przestrzeni metrycznej Euklidesowej, przestrzeni liniowej i afinicznej; 2. zna pojęcia półprzestrzeni, wielościanu i wielościanu uogólnionego. Potrafi udowodnić, że są to podzbiory wypukłe i domknięte; 3. umie budować modele matematyczne typowych problemów optymalizacji liniowych i zapisywać je jako badanie ekstremów funkcji liniowych na wielościanach uogólnionych; 3. umie posługiwać się algorytmami metody sympleks: prostym, dwufazowym i dualnym. Wie jakie mogą być wyniki i kiedy jaki stosować; 4. zna teorię dualności: Potrafi opisywać wielościany uogólnione zarówno jako przecięcia półprzestrzeni jak i uwypuklenie punktów i prostych. Potrafi zadaniu programowania liniowego przyporządkować zadanie dualne i opisywać punkty optymalne jednego z zadań, znając rozwiązanie drugiego; 5. potrafi rozwiązywać zadania programowania liniowego w liczbach całkowitych. Zna metodę odcięć, w szczególności odcięcie Gomorego; 6. zna metodę rozgałęzień i odcięć ( B&B ). Umie stosować podziały Dakina; 7. zna kilka specyficznych algorytmów jak algorytm obliczania optymalnego przepływu w sieciach, zagadnienie transportowe czy problem przyporządkowania. |
Assessment methods and assessment criteria: |
(in Polish) Na podstawie wykonania i prezentacji dwóch projektów, zadań domowych i egzaminu ustnego. |
Classes in period "Summer semester 2023/24" (in progress)
Time span: | 2024-02-19 - 2024-06-16 |
Navigate to timetable
MO TU W WYK
CW
TH FR |
Type of class: |
Classes, 30 hours
Lecture, 30 hours
|
|
Coordinators: | Andrzej Nagórko | |
Group instructors: | Andrzej Nagórko | |
Students list: | (inaccessible to you) | |
Examination: | Examination |
Classes in period "Summer semester 2024/25" (future)
Time span: | 2025-02-17 - 2025-06-08 |
Navigate to timetable
MO TU W TH FR |
Type of class: |
Classes, 30 hours
Lecture, 30 hours
|
|
Coordinators: | Andrzej Nagórko | |
Group instructors: | Tomasz Gogacz, Andrzej Nagórko | |
Students list: | (inaccessible to you) | |
Examination: | Examination |
Copyright by University of Warsaw.