Engelsk
Undervist for fyrste gong våren 2020
Mål:
Emnet tar sikte på å gi oversikt over moderne (meta)heuristiske optimeringsmetodar som er eigna til å løyse praktiske optimeringsproblem.
Innhald:
Emnet tar for seg metaheuristiske optimeringsalgoritmar. Tema som blir dekka inkluderer heuristikkar og tilnærmingsalgoritmar, lokalsøk, simulert størkning, tabu-søk, genetiske algoritmar, maurkolonioptimering, partikkelsverm, søk i variabel omegn, adaptivt søk i stor omegn, hybride algoritmar og matematisk baserte heuristikkar. Emnet inneheld eit breidt spekter av praktiske optimeringsproblem som casestudiar.
Studenten skal ved avslutta emne ha følgjande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:
Kunnskapar
¿Studenten har ei grunnleggjande forståing av korleis metaheuristikkar kan brukast for å finne gode løysinger for reknekrevjande optimeringsproblem.
¿Studenten kjenner dei grunnleggjande eigenskapane til ulike metaheuristikkar.
Ferdigheiter
¿Studenten er i stand til å implementere ein metaheuristikk på eit gitt problem.
¿Studenten kan forklare fordelar og ulemper ved å leggke til ulike komponentar i ein metaheuristisk optimeringsalgoritme.
Generell kompetanse
¿Studenten kan forklare for kva type problem, metaheuristikkar kan / bør brukast
¿Studenten kan forklare skilnaden mellom intensivering og diversifisering i metaheuristisk samanheng
Undervisninga blir gitt i form av førelesningar og gruppeøvingar.
Førelesing/ 4 timar pr. veke
Gruppeøving/ 2 timar pr. veke
Godkjente obligatoriske oppgåver og eit prosjekt.
Godkjent obligatorisk aktivitet er gyldig i ett påfølgande semester etter godkjenninga.
Følgjande vurderingsformer:
¿Det er høve til å gi karakter på obligatoriske oppgåver som kan inngå i sluttkarakteren.
¿Rapport frå prosjekt
¿Munnleg eksamen
Studierettleiar kan kontaktast her:
Tlf 55 58 40 25