Celem przedmiotu jest zapoznanie studentów z różnymi metodami i algorytmami optymalizacji zadań. Student nabywa umiejętność wyboru odpowiedniej metody do różnych typów zadań optymalizacyjnych. Potrafi zastosować nowoczesne metody i algorytmy optymalizacji w różnych dziedzinach informatyki. Potrafi zaimplementować wybrane algorytmy, porównać je i ocenić ich efektywność.

Wykład:
1. Wprowadzenie do formułowania zadań optymalizacji.
2. Metoda eliminacji Gaussa.
3. Programowanie liniowe - metoda graficzna, metoda sympleks, metody sztucznej bazy, zrewidowana metoda sympleks, zagadnienia dualne, ekonomiczna interpretacja zagadnień dualnych.
4. Algorytmy punktu wewnętrznego.
5. Zagadnienia transportowe - metody wyznaczania dopuszczalnego rozwiązania bazowego, metoda potencjałów.
6. Bezgradientowe metody optymalizacji - szacowanie przedziału poszukiwań, szukanie minimum w przedziale, metody optymalizacji wielowymiarowej.
7. Gradientowe metody optymalizacji - metody dla zadań nieliniowych bez ograniczeń, metody dla zadań nieliniowych z ograniczeniami.
8. Metody niedeterministyczne.
9. Optymalizacja wielokryterialna.
10. Podejście Pareto.
11. Redukcja problemów wielokryterialnych.

Pracownia specjalistyczna:
1. Wprowadzenie do środowiska Matlab.
2. Metoda eliminacji Gaussa.
3. Programowanie liniowe - metoda sympleks.
4. Zagadnienia transportowe - metody wyznaczania dopuszczalnego rozwiązania bazowego, metoda potencjałów, implementacja algorytmu szukania cykli.
5. Algorytmy szacowania przedziału poszukiwań rozwiązania optymalnego.
6. Metody bezgradientowe.
7. Metody gradientowe.
8. Algorytmy zadań z ograniczeniami i bez ograniczeń.
9. Optymalizacja wielokryterialna.

wykład problemowy,   programowanie z użyciem komputera,  

Wykład - zaliczenie pisemne.
Pracownia specjalistyczna - wybór jednej z dwóch ścieżek:
1) ścieżka standardowa - w ciągu semestru student oddaje raporty z sześciu jednostek tematycznych (łącznie 60%) i wykonuje jeden duży projekt programistyczny (40%). Do wykonania zadań wykorzystywane jest środowisko Matlab oraz własne implementacje wybranych algorytmów (może być dowolny język programowania).
Student musi zdobyć min. 50% punktów, by uzyskać zaliczenie przedmiotu.

2) ścieżka standardowo-projektowa - w ciągu semestru student oprócz wybranych raportów z jednostek tematycznych przygotowuje projekt - może to być projekt programistyczny z metod optymalizacji lub projekt z zastosowania optymalizacji w rzeczywistym problemie.
Rozliczenia z projektu - co 2 tygodnie pokazywanie kolejnych dokonań, raport końcowy.

1. K. Amborski, Podstawy metod optymailzacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009.
2. D. P. Bertsekas, Nonlinear programming, Athena Scientific, Belmont, 1999.
3. W. Findeisen, J. Szymanowski, A. Wierzbicki, Teoria i metody obliczeniowe optymalizacji, PWN 1980.
4. S. I. Gass, Programowanie liniowe. Metody i zastosowania, PWN, Warszawa, 1976.
5. A. Ostanin, Metody i algorytmy optymalizacji, Wydawnictwo Politechniki Białostockiej, Białystok, 2003.
6. A. Stachurski, A. P. Wierzbicki, Podstawy optymalizacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2001.

1. A. Ostanin, Optymalizacja liniowa i nieliniowa, Wydawnictwo Politechniki Białostockiej, Białystok, 2005.
2. M. Ferris, O. Mangasarian, S. Wright S, Linear Programming with MATLAB, MPS-SIAM, Philadelphia, 2007.
3. P. Venkataraman, Applied Optimization with MATLAB Programming, Wiley & Sons, NY, 2002.
4. J. Seidler, A. Badach, W. Molisz, Metody rozwiązywania zadań optymalizacji, WNT, Warszawa, 1980.
5. A. Ruszczynski, Nonlinear optimization, Princeton University Press, 2006.