Wykłady prof. Świątka

Modele systemów dynamicznych

1. Wstęp
2. Sygnały ciągłe i dyskretne – Transformata Laplace’a i Z
3. Typowe opisy obiektów
4. Podstawowe liniowe elementy dynamiczne i ich opisy
5. Wektor stanu
   • a. Sterowalność i obserwowalność systemów
   • b. Powiązania pomiędzy opisami
6. Stabilność układów dynamicznych
7. Dyskretyzacja sygnałów ciągłych do poprawki
8. Systemy złożone
9. Podsumowanie

Metody Systemowe i Decyzyjne w Informatyce

Wykład

1. Model w badaniach systemowych. Wstęp pojęcia podstawowe
2. Identyfikacja
   • a. Podstawowe zadania identyfikacji, obiekt w klasie modeli
   • b. Wybór optymalnego modelu
   • c. Identyfikacja systemów dynamicznych 1 równanie różniczkowe
   • d. Identyfikacja systemów dynamicznych 2 odpowiedź impulsowa
   • e. Identyfikacja systemów dynamicznych 2 równanie różnicowe rekurencja
   • f. Wybrane zadania identyfikacji systemów złożonych
3. Elementy wspomagania decyzji
4. Podstawy optymalizacji
   • a. Metody numeryczne wstęp, optymalizacja w kierunku
   • b. Bezgradientowe metody optymalizacji
   • c. Gradientowe metody optymalizacji
5. Optymalizacja z ograniczeniami
   • a. Algorytmy Inspirowane Naturą
   • b. Numeryczne metody optymalizacji inspirowane naturą
   • c. Bonus: pakiety metod optymalizacji
6. Programowanie liniowe
7. Programowanie całkowitoliczbowe
8. Podejmowanie decyzji w warunkach niepewności
   • a. Optymalny pomiar
9. Optymalizacja wieloetapowa – programowanie dynamiczne
10. Dekompozycja zadania optymalizacji
11. Decyzje wielokryterialne
12. Wybrane zadania identyfikacji systemów złożonych
13. Podsumowanie

Ćwiczenia – dr Zbigniew Pliszka

1. …

System analysis and decision support in computer science

1. Model in the systems research. Introduction basic concepts
2. Model building task based on experiment identification pro
   • a. Determination of the plant parameters
   • b. Choice of the best model
3. Noised measurements of the physical values
   • a. Estimation of plant parameter with noisy measurements
   • b. Estimation of the plant parameter with random value
   • c. Choice of the best model, probabilistic case
4. Model based decision making
5. Optimization
   • a. Numerical optimization methods line search
   • b. Numerical optimization methods – multidimensional search without derivatives
   • c. Numerical optimization methods – multidimensional search using derivatives
6. Constrained optimization methods
7. Linear programming
8. Integer programming
9. Decision making under uncertainty
10. Multistage decision making
11. Decomposition and coordination of the optimization task
12. Multicriteria decision making
13. Software packages for optimization
14. Identification of dynamic plants part 1
15. Identification of dynamic plants part 2
16. Identification of dynamic plants part 3
17. Selected problems of complex systems modeling
18. Modeling of complex of operation systems
19. Summary

Optymalizacja systemów

Wykłady

• I Wstęp. Pojęcia podstawowe
• II Analityczne metody optymalizacji
  • Metoda Lagrange’a
  • Metoda Kuhna-Tuckera
• III Metody numeryczne – wstęp. Optymalizacja w kierunku
• IV Bezgradientowe metody optymalizacji
• V Gradientowe metody optymalizacji
• VI Optymalizacja z ograniczeniami
• VII Algorytmy Inspirowane Naturą
• VIIa Numeryczne metody optymalizacji inspirowane naturą
• VIII Programowanie całkowitoliczbowe
• IX Programowanie liniowe
• X Podejmowanie decyzji w warunkach niepewności
• XI Optymalny pomiar
• XII Optymalizacja wieloetapowa – programowanie dynamiczne
• XIII Dekompozycja zadania optymalizacji
• XIV Decyzje wielokryterialne
• XV Optymalne decyzje w systemach
• XVI Podsumowanie
• Dodatek: pakiety optymalizacji

Ćwiczenia – dr Zbigniew Pliszka

1. …