Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania
Strona główna

Optimization Methods

Informacje ogólne

Kod przedmiotu: 131891-D
Kod Erasmus / ISCED: 11.1 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0541) Matematyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Optimization Methods
Jednostka: Szkoła Główna Handlowa w Warszawie
Grupy: Courses for QME - bachelors
Elective courses for QME - bachelors
Przedmioty kierunkowe do wyboru SLLD-MIS
Punkty ECTS i inne: 3.00 (zmienne w czasie) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Efekty uczenia się:

Wiedza:

Correctly define non-linear optimization problem.

Identify basic analytic features of problems on the basis of known fragments of nonlinear optimization theory.

Understand rules of operating of nonlinear optimization algorithms.

Umiejętności:

Formulate nonlinear optimization model to a given decision case.

Specify reasons of choosing a numeric procedure to searching for the optimal decision.

Carry out the calculations in Octave.

Kompetencje społeczne:

Basic programming skills in Octave.

Presentation of results to decision makers.

Zajęcia w cyklu "Semestr letni 2024/25" (w trakcie)

Okres: 2025-02-15 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 14 godzin więcej informacji
Wykład, 16 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Daniel Kaszyński
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Introductory level knowledge of numerical nonlinear optimization. Both unconstraint and constraint methods are discussed. A review of methods for searching for optima of convex and non-convex optimization problems will be provided. In particular, gradient, nongradient and heuristic methods will be discussed. During computer laboratory activity case studies of practical applications of introduced methods will be implemeneted.

Pełny opis:

1. Acknowledgment of classification of nonlinear optimization problems.

2. Demonstration of numeric procedures relevant to searching for optimal solutions referring to non-linear problems.

3. Discussion about advantages and disadvantages of particular methods.

4. Continuation of learning skills as regards to ordering a structure of decision problems and choosing adequate models

Literatura:

Literatura podstawowa:

E. K. P. Hong, S. Zak, An Introduction to Optimization, Willey, 2008

Literatura uzupełniająca:

4. J. Nocedall, S. J. Wright, Numerical Optimization, Springerr, 2006.

5. R. K. Sundarm, A Fisrt Course in Optimization, Cambridge University Press, 1996.

Uwagi:

Kryteria oceniania:

egzamin tradycyjny-pisemny: 100.00%

Zajęcia w cyklu "Semestr zimowy 2024/25" (zakończony)

Okres: 2024-10-01 - 2025-02-14
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 14 godzin więcej informacji
Wykład, 16 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Daniel Kaszyński
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Introductory level knowledge of numerical nonlinear optimization. Both unconstraint and constraint methods are discussed. A review of methods for searching for optima of convex and non-convex optimization problems will be provided. In particular, gradient, nongradient and heuristic methods will be discussed. During computer laboratory activity case studies of practical applications of introduced methods will be implemeneted.

Pełny opis:

1. Acknowledgment of classification of nonlinear optimization problems.

2. Demonstration of numeric procedures relevant to searching for optimal solutions referring to non-linear problems.

3. Discussion about advantages and disadvantages of particular methods.

4. Continuation of learning skills as regards to ordering a structure of decision problems and choosing adequate models

Literatura:

Literatura podstawowa:

E. K. P. Hong, S. Zak, An Introduction to Optimization, Willey, 2008

Literatura uzupełniająca:

4. J. Nocedall, S. J. Wright, Numerical Optimization, Springerr, 2006.

5. R. K. Sundarm, A Fisrt Course in Optimization, Cambridge University Press, 1996.

Uwagi:

Kryteria oceniania:

egzamin tradycyjny-pisemny: 100.00%

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-24 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 14 godzin więcej informacji
Wykład, 16 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Grzegorz Koloch
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Introductory level knowledge of numerical nonlinear optimization. Both unconstraint and constraint methods are discussed. A review of methods for searching for optima of convex and non-convex optimization problems will be provided. In particular, gradient, nongradient and heuristic methods will be discussed. During computer laboratory activity case studies of practical applications of introduced methods will be implemeneted.

Pełny opis:

1. Acknowledgment of classification of nonlinear optimization problems.

2. Demonstration of numeric procedures relevant to searching for optimal solutions referring to non-linear problems.

3. Discussion about advantages and disadvantages of particular methods.

4. Continuation of learning skills as regards to ordering a structure of decision problems and choosing adequate models

Literatura:

Literatura podstawowa:

E. K. P. Hong, S. Zak, An Introduction to Optimization, Willey, 2008

Literatura uzupełniająca:

4. J. Nocedall, S. J. Wright, Numerical Optimization, Springerr, 2006.

5. R. K. Sundarm, A Fisrt Course in Optimization, Cambridge University Press, 1996.

Uwagi:

Kryteria oceniania:

egzamin tradycyjny-pisemny: 100.00%

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-02-23
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 14 godzin więcej informacji
Wykład, 16 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Daniel Kaszyński, Grzegorz Koloch
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Introductory level knowledge of numerical nonlinear optimization. Both unconstraint and constraint methods are discussed. A review of methods for searching for optima of convex and non-convex optimization problems will be provided. In particular, gradient, nongradient and heuristic methods will be discussed. During computer laboratory activity case studies of practical applications of introduced methods will be implemeneted.

Pełny opis:

1. Acknowledgment of classification of nonlinear optimization problems.

2. Demonstration of numeric procedures relevant to searching for optimal solutions referring to non-linear problems.

3. Discussion about advantages and disadvantages of particular methods.

4. Continuation of learning skills as regards to ordering a structure of decision problems and choosing adequate models

Literatura:

Literatura podstawowa:

E. K. P. Hong, S. Zak, An Introduction to Optimization, Willey, 2008

Literatura uzupełniająca:

4. J. Nocedall, S. J. Wright, Numerical Optimization, Springerr, 2006.

5. R. K. Sundarm, A Fisrt Course in Optimization, Cambridge University Press, 1996.

Uwagi:

Kryteria oceniania:

egzamin tradycyjny-pisemny: 100.00%

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.
al. Niepodległości 162
02-554 Warszawa
tel: +48 22 564 60 00 http://www.sgh.waw.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0