|
|
|
||
Poslední úprava: T_KPMS (04.05.2015)
|
|
||
Poslední úprava: T_KPMS (04.05.2015)
Studenti se seznámí s aktuálními přístupy k řešení optimalizačních úloh. Podíváme se na reálné aplikace vedoucí na optimalizační úlohy lineárního, nelineárního, celočíselného a stochastického programování. Důraz bude rovněž kladen na řešení konkrétních úloh pomocí vhodného softwaru (GAMS, Matlab apod.). |
|
||
Poslední úprava: doc. RNDr. Martin Branda, Ph.D. (23.02.2021)
The exercise class credit is necessary to sign up for the exam.
Requirements for exercise class credit: The credit for the exercise class will be awarded to the student who is present at the exercise class sessions (two absences are tolerated) and hands in a satisfactory solution to each of four assignments (3 standard and one final) by the prescribed deadline.
The nature of these requirements precludes any possibility of additional attempts to obtain the exercise class credit.
|
|
||
Poslední úprava: T_KPMS (04.05.2015)
Bazaraa, M.S., Sherali, H.D., Shetty, C.M. (2006): Nonlinear programming: theory and algorithms. Wiley, Singapore. Boyd, S., Vandenberghe, L. (2004): Convex Optimization, Cambridge University Press, Cambridge. Charamza, P. et. al. (1993): Modelling system GAMS, MFF UK, (in Czech). Kopa, M. et al. (2008): On Selected Software for Stochastic Programming, Matfyzpress, Prague. Nocedal, J., Wright, S.J. (2006): Numerical optimization. Springer, New York. |
|
||
Poslední úprava: T_KPMS (04.05.2015)
Přednáška + cvičení. |
|
||
Poslední úprava: RNDr. Jitka Zichová, Dr. (05.03.2018)
The exam consists of two questions focused on the topics discussed during the lectures. The students must prove that they understand to the methods and algorithms and are able to apply them to examples. |
|
||
Poslední úprava: T_KPMS (04.05.2015)
1. Duální simplexový algoritmus pro LP. Wolfeho algoritmus pro úlohy kvadratického programování 2. Úvod do výpočetní složitosti 3. Celočíselné lineární programování - základní vlastnosti, algoritmus B&B, Gomoryho řezy, úlohy rozvozu, rozvrhování, výroby a skladování 4. Lagrangeova dualita v nelineárním programování - slabá a silná věta o dualitě 5. Algoritmy pro úlohy nelineárního programování - (quasi-)Newtonova metoda ve více rozměrech, penalizační a bariérové metody, metody vnitřního bodu, SQP, duální algoritmy 6. Bendersova dekompozice, L-shaped algoritmus 7. Minimaxové úlohy - s aplikacemi v maticových hrách 8. Přehled optimalizačních úloh se speciální strukturou - semi-infinitní, semi-definitní a geometrické programování, SOCP, DC, MPEC 9. Dynamické programování |
|
||
Poslední úprava: RNDr. Jitka Zichová, Dr. (01.05.2021)
Vstupní požadavky zahrnují znalosti:
Tato témata jsou pokryta přenáškami Úvod do optimalizace (NMSA336) a Teorie optimalizace (NMSA336). |