Detail předmětu
Výpočtové metody v logistických optimalizačních úlohách
FSI-SOU-A Ak. rok: 2025/2026 Letní semestr
Předmět seznamuje studenty algoritmickými prostředky pro řešení různých typů optimalizačních úloh. Hlavní náplní předmětu je rozpoznávání a použití vhodné optimalizační metody pro konkrétní logistické úlohy.
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Prerekvizity
Plánované vzdělávací činnosti a výukové metody
Způsob a kritéria hodnocení
Podmínky udělení zápočtu: aktivní účast ve cvičeních, zvládnutí celé látky, odevzdání semestrální práce.
Zkouška: Písemná zkouška zaměřená na úspěšnou implementaci probíraných metod s ústní rozpravou o výsledcích.
Účast je kontrolována pomocí aktivní účasti studentů na řešených problémech, zameškaná výuka je nahrazována samostatným řešením zadaných úloh.
Jazyk výuky
angličtina
Cíl
Důraz je kladen na získání aplikačně využitelných znalostí metod pro řešení logistických optimalizačních problémů s důrazem na počítačovou podporu a využití dostupných softwarových nástrojů.
Student získá dovednost pro daný logistický optimalizační problém rozpoznat vhodný optimalizační algoritmus. Dále tento algoritmus implementovat (případně použít adekvátně zvolený softwarový nástroj) a provést důkladnou analýzu výsledného řešení.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Použití předmětu ve studijních plánech
Program N-LAN-A: Logistics Analytics, magisterský navazující
obor ---: bez specializace, 6 kredity, povinný
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Osnova
1. Úvod do optimalizačních algoritmů a optimalizace v 1D
2. Spádové metody, gradientní metody, metody Newtonova typu
3. Přímé a stochastické metody
4. Populační metody pro spojité úlohy
5. Penalizační reformulace, metoda Augmented Lagrangian
6. Metody vnitřního bodu, barierová metoda, dvojfázové metody
7. Simplexová metoda v maticovém tvaru, Celočíselná a kombinatorická optimalizace – metoda větví a mezí, Gomoryho řezy
8. Metody Local Search, Iterated Local Search, GRASP
9. Metody Variable Neigborhood Search, Tabu Search a Simulated Annealing
10. Evoluční algoritmy, genetické algoritmy
11. Hejnové algoritmy, metoda Ant Colony Optimization
12. Vícekriteriální metody, metody NSGA-II a MOEA/D
13. Dostupné softwarové implementace, modulární frameworky, automatický návrh algoritmů a moderní přístupy
Cvičení s počítačovou podporou
26 hod., povinná
Osnova
Cvičení navazuje na látku probranou na přednášce. Hlavní důraz je kladen na softwarovou implementaci.