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.

Jazyk výuky

angličtina

Počet kreditů

6

Vstupní znalosti

Přednášená látka vyžaduje znalosti základů optimalizace, statistiky a programování.

Pravidla hodnocení a ukončení předmětu

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.

Učební cíle

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.

Použití předmětu ve studijních plánech

Program N-LAN-A: Logistics Analytics, magisterský navazující, 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.