МИНИСТЕРСТВО НАУКИ И ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Московский физико-технический институт (государственный университет)» МФТИ (ГУ) «Утверждаю» Проректор по учебной работе _____________ О.А. Горшков «___»______________ 20___ г. РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА По дисциплине: Методы прикладной оптимизации (факультатив) По направлению: 010900 «Прикладные математика и физика» Профиль подготовки: компьютерные технологии и интеллектуальный анализ данных Факультет управления и прикладной математики Кафедра предсказательного моделирования и оптимизации Курс: 4 (бакалавриат) Семестры: осенний, весенний Дифференцированный зачёт: 8 семестр Экзамен: нет Трудоёмкость: вариативная часть – 3 зач.ед., в том числе: лекции: вариативная часть – 66 час. практические (семинарские) занятия: нет лабораторные занятия: вариативная часть – 33 час. мастер-классы, индивид. и групповые консультации: нет самостоятельная работа: нет курсовые работы: нет подготовка к экзамену: нет ВСЕГО АУДИТОРНЫХ ЧАСОВ 99 Программу составили к.ф.-м.н., доцент М.А. Посыпкин, ассистент А.О. Рубцов Программа обсуждена на заседании кафедры 29 апреля 2013 года Заведующий кафедрой академик РАН А.П. Кулешов Программа обсуждена и одобрена на методической комиссии факультета "___" _____________ 2013 г. Председатель методической комиссии ФУПМ член-корреспондент РАН Ю.А. Флёров Объем учетной нагрузки и виды отчетности Вариативная часть, в том числе: 3 зач.ед. Лекции 66 часов Практические занятия нет Лабораторные работы 33 часа Индивидуальные занятия с преподавателем нет Самостоятельные занятия нет Промежуточная аттестация нет Итоговая аттестация дифференцированный зачет в 8-м семестре нет 3 зач.ед. (99 часов) Подготовка к экзамену ВСЕГО 1. ЦЕЛИ И ЗАДАЧИ - Цель дисциплины – дать представление о методах прикладной оптимизации. Задачи: ввести базовые понятия задач оптимизации; рассмотреть постановку задачи оптимизации; дать постановку и изучить основные методы линейного программирования; рассмотреть задачи нелинейного программирования, постановку, основные методы решения; рассмотреть детерминированные методы глобальной непрерывной оптимизации; дать представления об эвристических методах оптимизации; рассмотреть основные методы оптимизации черного ящика; дать постановку, изучить базовые понятия и основные методы решения задач многокритериальной оптимизации. 2. МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ ООП БАКАЛАВРИАТА Дисциплина «Методы прикладной оптимизации» включает в себя разделы, которые могут быть отнесены к вариативной части цикла Б.3 УЦ ООП. 2 Дисциплина «Методы прикладной оптимизации» базируется на цикле Б.2 в базовой и вариативной частях. КОМПЕТЕНЦИИ ОБУЧАЮЩЕГОСЯ, ФОРМИРУЕМЫЕ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ ДИСЦИПЛИНЫ Освоение дисциплины «Методы прикладной оптимизации» способствует формированию следующих общекультурных и общепрофессиональных интегральных компетенций бакалавра: а) общекультурные (ОК): - способность анализировать научные проблемы и физические процессы, использовать на практике фундаментальные знания, полученные в области естественных наук (ОК-1); - способность осваивать новую проблематику, терминологию, методологию и овладевать научными знаниями и навыками самостоятельного обучения (ОК-2); - способность логически точно, аргументировано и ясно строить устную и письменную речь, формулировать свою точку зрения; владение навыками ведения научной и общекультурной дискуссий (ОК-4). б) профессиональные (ПК): - способность применять в своей профессиональной деятельности знания, полученные в области физических и математических дисциплин, включая дисциплины: информатика, программирование и численные методы; физические основы получения, хранения, обработки и передачи информации; высшая математика (ПК-1); - способность понимать сущность задач, поставленных в ходе профессиональной деятельности, и использовать соответствующий физико-математический аппарат для их описания и решения (ПК-3); - способность использовать знания в области физических и математических дисциплин для дальнейшего освоения дисциплин в соответствии с профилем подготовки (ПК-4); - способность применять теорию и методы математики для построения качественных и количественных моделей (ПК-8); - способность работать в коллективе исполнителей над решением конкретных исследовательских и инновационных задач (ПК-9). 3. КОНКРЕТНЫЕ ЗНАНИЯ, УМЕНИЯ И НАВЫКИ, ФОРМИРУЕМЫЕ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ ДИСЦИПЛИНЫ Освоение дисциплины «Методы прикладной оптимизации» способствует формированию комплекса знаний и навыков, благодаря которому обучающийся должен: а) знать: - постановку общей задачи математического программирования, основные классы задач оптимизации; 3 - классификация задач и методов оптимизации, локальная и глобальная оптимизация; - теоретические аспекты и геометрическая интерпретация задач линейного программирования; - симплекс-метод: прямой и двойственный; - методы внутренней точки для задачи линейного программирования; - методы одномерной оптимизации: метод дихотомии, метод Фибоначи, метод квадратичной интерполяции; - методы штрафов решения задач нелинейного программирования; - методы последовательного квадратичного программирования; - барьерные методы решения задач нелинейного программирования; - методы внутренней точки для задач нелинейного программирования; - различные варианты симплекс-метода для решения задачи линейного программирования; - понятие функции чувствительности; - постановку задачи и методы робастной оптимизации; - общую схему метода ветвей и границ, понятие верхних и нижних оценок; - метод неравномерных покрытий; - основные понятия интервального анализа, основные интервальные методы решения задач оптимизации; - методы ветвей и отсечения для задач DC-программирования; - задача об одномерном булевом ранце, приближенные и точные методы решения задачи о ранце; - задача линейного целочисленного программирования, метод ветвей и границ и метод Гомори для решения задач ЦЛП; - основные понятия популяционных и генетических алгоритмов; - метод «отжига» для непрерывных задач безусловной оптимизации; - постановка задачи оптимизации черного ящика, основные сложности при решении таких задач; - детерминированные и стохастические методы локальной оптимизации задач оптимизации «черного ящика»; б) уметь: - определять класс оптимизационной задачи по ее постановке, определять метод ее решения; - применять различные варианты симплекс-метода и итеративные методы для решения общей задачи линейного программирования; - применять метод ветвей и границ для решения задач булева и целочисленного линейного программирования; - использовать метод Гомори для решения целочисленной задачи линейного программирования; - применять основные методы решения задач безусловной оптимизации; - решать задачи математического программирования различными методами; - решать задачи многокритериальной оптимизации; - применять различные методы оптимизации для задач типа «черного ящика». в) владеть: 4 - навыком освоения большого объема информации; - навыками постановки научно-исследовательских задач и навыками самостоятельной работы. 4. СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ Лекции Число аудиторных часов Число часов самостоятельной работы 1 нет 1 нет 1 нет 1 нет 1 нет 1 нет 1 нет 2 нет 2 нет 2 нет 1 нет 4. Нелинейное программирование. Методы одномерной оптимизации. Метод 12 дихотомии. Метод Фибоначи. Метод квадратичной интерполяции. 13 Методы штрафов. 2 нет 1 нет 1 нет 15 Методы последовательного квадратичного программирования. Барьерные методы. 1 нет 16 Методы внутренней точки. 1 нет № п.п. Тема 1. Базовые понятия. 1 Введение в предмет. Область применения методов оптимизации. 2 Классификация задач и методов оптимизации, локальная и глобальная оптимизация. 3 Основные математические понятия (норма, компактность, выпуклость и т.п.). 2. Постановка задачи оптимизации. 4 Общая постановка. 5 6 7 Понятие точности решения. Относительная и абсолютная погрешность. Погрешность вычислений и ее влияние на точность нахождения оптимума. Правильная постановка задачи. 3. Линейное программирование. 8 Теоретические аспекты. Геометрическая интерпретация. 9 Симплекс-метод: прямой и двойственный. 10 11 14 Проблемы дегенерации и зацикливания, варианты решения. Методы внутренней точки. 5 17 Функция чувствительности. 1 нет 18 Робастная оптимизация. 1 нет 5. Детерминированные методы глобальной непрерывной оптимизации. 19 Методы ветвей и границ. Верхние и нижние 2 нет оценки. Миноранты. 20 Метод неравномерных покрытий. 2 нет Основы интервального анализа. Использо21 вание интервального анализа для получения 2 нет нижних оценок. 22 Интервальный метод Ньютона для решения 2 нет задач безусловной оптимизации. 23 DC-программирование. Методы ветвей и от2 нет сечений. 6. Дискретная оптимизация. Задача об одномерном булевом ранце. При24 ближенные алгоритмы решения задачи о 2 нет ранце. 25 Методы динамического программирования 2 нет для задачи о ранце. 26 Методы ветвей и границ для задачи о ранце. 2 нет 27 Линейное целочисленное программирова2 нет ние. Метод Гомори. Метод ветвей и границ для задачи линейно28 го целочисленного программирования. Ком2 нет бинированные алгоритмы – методы ветвей и отсечений. 7. Эвристические методы глобальной оптимизации. 29 Методы, основанные на использовании 2 нет свойства Липшицевости целевой функции. 30 «Генетические» алгоритмы. 2 нет Другие популяционные алгоритмы (алго31 ритмы муравьиной колонии, роя частиц и 2 нет т.п.). 32 Метод отжига. 2 нет 8. Оптимизация «черных ящиков». Постановка задачи «черного ящи33 ка».Детерминированные методы локальной оптимизации (Методы нулевого порядка). Метод Розенброка. Метод Пауэлла. 34 Стохастические методы локальной оптимизации. Метод случайного поиска. Метод Со- 2 нет 2 нет 6 лиса-Ветса. Метод basin-hopping. Стратегии глобализации в задачах «черного 35 ящика». Ограничения и специфика применения методов глобального поиска в задачах черного ящика. 9. Многокритериальная оптимизация. 36 Теория отношений порядка. 37 38 39 Понятие оптимальности по Парето и Слейтеру. Оболочка Эджворта-Парето. Методы многокритериальной оптимизации (методы без участия ЛПР, методы выявления предпочтений, интерактивные методы, целевые методы, методы на основе аппроксимации (построения) границы Парето). Методы аппроксимации (построения ) границы Парето (оболочки Эждворта-Парето): 1. Понятие приближенного решения. Множество эпсилон-Парето. 2. Детерминированный метод неравномерных покрытий для построение множества эпсилон-Парето. 3. Методы свертки критериев. 4. Генетические методы аппроксимации ОЭП. ВСЕГО 2 нет 2 нет 2 нет 2 нет 4 нет 66 часов нет ИТОГО 66 часов Лабораторные работы № Темы п.п. Трудоёмкость в зач. ед. (количество часов) 6 5 Задача линейного программирования. Прямой и двойственный симплекс-методы. Методы одномерной оптимизации. Общая задача нелинейного программирования. Методы решения штрафов. Детерминированные методы глобальной оптимизации, методы покрытий. Методы дискретной оптимизации 6 Эвристические методы глобальной оптимизации 4 7 Методы оптимизации черных ящиков 4 1 2 3 4 2 6 3 4 7 8 Методы многокритериальной оптимизации ВСЕГО (часов (зач. ед.)) 4 33 часа 5. ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ № п/п 1 2 Вид занятия Форма проведения занятий Цель Лекция Изложение теоретического материала. Лабораторные работы Решение задач дискретной, непрерывной и многокритериальной оптимизации на персональных компьютерах с использованием численных методов, изложенных в теоретической части курса. Получение теоретических знаний по дисциплине, подготовка к зачету. Приобретение практических навыков применения методов оптимизации для решения различных задач. 6. ОЦЕНОЧНЫЕ СРЕДСТВА ДЛЯ ТЕКУЩЕГО КОНТРОЛЯ УСПЕВАЕМОСТИ, ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ПО ИТОГАМ ОСВОЕНИЯ ДИСЦИПЛИНЫ И УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ САМОСТОЯТЕЛЬНОЙ РАБОТЫ СТУДЕНТОВ Перечень контрольных вопросов для сдачи дифференцированного зачета в 8ом семестре бакалавриата № Тема п.п. Область применения методов оптимизации. Классификация задач и мето1 дов оптимизации, локальная и глобальная оптимизация. Основные математические понятия (норма, компактность, выпуклость и т.п.). Общая постановка задачи оптимизации. Понятие точности решения. Относительная и абсолютная погрешность. Погрешность вычислений и ее 2 влияние на точность нахождения оптимума. Правильная постановка задачи. Теоретические аспекты линейного программирования. Геометрическая 3 интерпретация. Симплекс-метод: прямой и двойственный. Проблемы дегенерации и за4 цикливания, варианты решения. Методы внутренней точки. Методы одномерной оптимизации. Метод дихотомии. Метод Фибоначи. 5 Метод квадратичной интерполяции. Методы штрафов. Методы последовательного квадратичного программи6 рования. 8 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 Барьерные методы. Методы внутренней точки. Функция чувствительности. Робастная оптимизация. Методы ветвей и границ. Верхние и нижние оценки. Миноранты. Метод неравномерных покрытий. Основы интервального анализа. Использование интервального анализа для получения нижних оценок. Интервальный метод Ньютона для решения задач безусловной оптимизации. DC-программирование. Методы ветвей и отсечений. Задача об одномерном булевом ранце. Приближенные алгоритмы решения задачи о ранце. Методы динамического программирования для задачи о ранце. Методы ветвей и границ для задачи о ранце. Линейное целочисленное программирование. Метод Гомори. Метод ветвей и границ для задачи линейного целочисленного программирования. Комбинированные алгоритмы – методы ветвей и отсечений. Методы, основанные на использовании свойства Липшицевости целевой функции. «Генетические» алгоритмы. Популяционные алгоритмы (алгоритмы муравьиной колонии, роя частиц и т.п.). Метод отжига. Постановка задачи «черного ящика».Детерминированные методы локальной оптимизации (Методы нулевого порядка). Метод Розенброка. Метод Пауэлла. Стохастические методы локальной оптимизации. Метод случайного поиска. Метод Солиса-Ветса. Метод basin-hopping. Стратегии глобализации в задачах «черного ящика». Ограничения и специфика применения методов глобального поиска в задачах черного ящика. Теория отношений порядка. Понятие оптимальности по Парето и Слейтеру. Оболочка ЭджвортаПарето. Методы многокритериальной оптимизации (методы без участия ЛПР, методы выявления предпочтений, интерактивные методы, целевые методы, методы на основе аппроксимации (построения) границы Парето). Методы аппроксимации (построения ) границы Парето (оболочки Эждворта-Парето). 9 7. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ Необходимое оборудование для лекций и практических занятий: доска, ноутбук и мультимедийное оборудование (проектор или плазменная панель). 8. НАИМЕНОВАНИЕ ВОЗМОЖНЫХ ТЕМ КУРСОВЫХ РАБОТ - учебным планом не предусмотрено 9. ТЕМАТИКА И ФОРМЫ ИНДИВИДУАЛЬНОЙ РАБОТЫ - учебным планом не предусмотрено 10. ТЕМАТИКА ИТОГОВЫХ РАБОТ - учебным планом не предусмотрено 11. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ Основная литература 1. Jorge Nocedal, Stephen J. Wright. Numerical Optimization // Springer, 2006. – 664 р. 2. George B. Dantzig, Mukund N. Thapa. Linear programming. 1: Introduction // Springer-Verlag, 1997. 3. George B. Dantzig, Mukund N. Thapa. Linear Programming. 2: Theory and Extensions // Springer-Verlag, 2003. - 474 р. 4. Лотов В.А., Поспелова И.И. Многокритериальные задачи принятия решений: учебное пособие. М.: МАКС Пресс, 2008. – 197 с. 5. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: ФИЗМАТЛИТ, 2007. – 256 с. 6. Сигал И.Х., Иванова А.П. Введение в прикладное дискретное программирование. М.: ФИЗМАТЛИТ, 2007. – 240 с. 7. Корбут А.А., Финкельштейн Ю.Ю. Дискретное программирование. М.: Наука, 1969. – 370 с. 8. Хансен Э., Уолстер Дж. У. Глобальная оптимизация с помощью методов интервального анализа. Изд-во УдГУ, 2012. – 516 с. 9. Евтушенко Ю.Г. Численный метод поиска глобального экстремума функций (перебор на неравномерной сетке) // Журнал вычислительной математики и математической физики, 1971. Т. 11. № 6. С.1394-1403. 10