Optymalizacja II
Informacje ogólne
Kod przedmiotu: | 1000-135OP2 |
Kod Erasmus / ISCED: |
11.913
|
Nazwa przedmiotu: | Optymalizacja II |
Jednostka: | Wydział Matematyki, Informatyki i Mechaniki |
Grupy: | |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | angielski |
Rodzaj przedmiotu: | fakultatywne |
Skrócony opis: |
Metody znajdowania ekstremów (minimów i maksimów) funkcji wielu zmiennych na zbiorach zadanych przez układ równości i nierówności nieliniowych. Metoda mnożników Lagrange'a, warunki Kuhna-Tuckera, techniki dualne. Szczególną uwagę poświęcimy optymalizacji wypukłej. |
Pełny opis: |
Przedmiot wykładu, zadanie optymalizacji nieliniowej w n wymiarach. Przykłady modeli praktycznych. Podstawowe wiadomości o zbiorach wypukłych. Twierdzenie o hiperpłaszczyźnie rozdzielającej i podpierającej. (2--3 wykłady) Podstawowe wiadomości o funkcjach wypukłych. Funkcje wypukłe jedno i dwukrotnie różniczkowalne. Gradient i subgradient. Funkcje quasi- i pseudowypukłe. Zbiory podwarstwicowe, minima. (2--3 wykłady) Struktura zbioru dopuszczalnego, kierunki dopuszczalne i poprawiające. Warunki konieczne i dostateczne optymalności. Funkcja Lagrange'a. Warunek konieczny Fritza Johna. Warunki konieczne i dostateczne Kuhna i Tuckera. Warunki regularności. Warunki równowagi. (3--4 wykłady) Zadania dualne i twierdzenia o dualności. Punkty siodłowe funkcji Lagrange'a, ich związki z dualnością i równaniem Kuhna-Tuckera. Liniowe zadanie komplementarności, metoda Lemkego, zastosowania w programowaniu kwadratowym. Rozwiązywanie zadań programowania kwadratowego. (3--4 wykłady) Metody rozwiązywania zadań programowania nieliniowego. Minimalizacja bezwarunkowa nieliniowej funkcji jednej i wielu zmiennych. Przykłady metod gradientowych, gradientów sprzeżonych i metod typu metody Newtona. Przykłady metod dla zadań warunkowych: metody kierunków dopuszczalnych, zasada funkcji karnych i barierowych, metody losowe. (2--4 wykłady) |
Literatura: |
A.L. Peresini, F.E. Sullivan, J.J Uhl, The mathematics of nonlinear programming. Undergraduate Texts in Mathematics. Springer-Verlag, 1988 M.S. Bazaraa, H.D. Sherali, C.M. Shetty, Nonlinear Programming; Theory and Algorithms. John Wiley and Sons, 1993. W.I. Zangwill, Programowanie nieliniowe. WNT, Warszawa 1974. M.D. Canon, C.D. Cullum, E. Polak, Sterowanie optymalne i programowanie matematyczne. WNT, Warszawa 1975. |
Efekty uczenia się: |
Wiedza i umiejętności: 1. wie na czym polega zadanie optymalizacji nieliniowej w n wymiarach; 2. zna podstawowe własności zbiorów wypukłych, zna twierdzenie o hiperpłaszczyźnie rozdzielającej i podpierającej; 3. zna podstawowe własności funkcji wypukłych, zna pojęcie gradientu i subgradientu funkcji wypukłej, wie co to są funkcje quasi- i pseudowypukłe; 4. umie znajdować ekstrema funkcji wielu zmiennych, wie co to jest funkcja Lagrange'a oraz jak ją wykorzystujemy przy znajdowaniu ekstremów funkcji wielu zmiennych; 5. wie jak formułuje się problem znajdowania ekstremów funkcji wypukłej z ograniczeniami, zna warunki konieczne i dostateczne istnienia rozwiązania tego problemu; 6. zna twierdzenie Kuhna-Tuckera, umie je wykorzystać w przypadku ograniczeń nierównościowych; 7. wie co to jest zadanie dualne, zna twierdzenia o dualności, wie co to jest liniowe zadanie komplementarności, umie wykorzystać te pojęcia do rozwiązywania zadań programowania kwadratowego; 8. zna podstawowe metody numeryczne rozwiązywania zadań programowania nieliniowego: metody gradientowe, metodę gradientów sprzężonych i metody typu metody Newtona, zna przykłady metod dla zadań warunkowych. Kompetencje społeczne: 1. rozumie znaczenie metod optymalizacji nieliniowej w rozwiązywaniu ważnych problemów praktycznych. |
Właścicielem praw autorskich jest Uniwersytet Warszawski.