BM0804 Transporta procesu optimizācijas metodes(speckurss)

Kods BM0804
Nosaukums Transporta procesu optimizācijas metodes(speckurss)
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Augstākā līmeņa, Profesionālais
Tematiskā joma Transports
Struktūrvienība Būvniecības un mašīnzinību fakultāte
Mācībspēks Aloizs Lešinskis, Sergejs Bratarčuks
Kredītpunkti 6.0
Daļas 1
Anotācija Matemātiskās programmēšanas uzdevumu klasifikācija transporta procesiem. Lineārās programmēšanas uzdevumi (LPU) un to risināšanas metodes. Transporta uzdevumi un to risināšanas algoritmi. Dinamiskā programmēšana daudzetapu procesu optimizācijai. Gradienta metode diferencējamo funkciju optimizācijai. Diferencējamo funkciju ar lineāriem ierobežojumiem optimizācija. Pielietošanas piemēri sarežģītu transporta procesu optimizācijai. Darbs optimizācijas datoru programmu paketēs..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Optimizācijas metožu klasifikācija. Matricu analīzes elementi. 2 2 0 0
Lineāro vienādojumu sistēmas. 2 2 0 0
Lineārās programmēšanas uzdevumi. Plāni un to īpašības. 2 2 0 0
Modificētā simpleksa metode. 2 2 0 0
Sākuma plāna uzbūve. Modificētās simpleksa metodes algoritms un datorprogrammu sastāvs. 4 4 0 0
Transporta uzdevuma (TU) nostādne. 2 4 0 0
Transporta uzdevuma sākuma plāna atrašana. 2 4 0 0
Potenciālu metode transporta uzdevuma risināšanai. 4 4 0 0
Datorprogrammas transporta uzdevuma atrisināšanai. 2 4 0 0
Dināmiskās programmēšanas uzdevumi. Bellmana optimalitātes princips. 1 2 0 0
Bellmana funkcijas. Viendimensijas resursa sadalīšanas uzdevums. 1 2 0 0
Hierarhiskās struktūras optimizācija ar dinamiskās programmēšanas metodēm. 2 4 0 0
Dinamiskā programmēšana un lēmumu pieņemšanas procesi. 2 4 0 0
Nelineārās programmēšanas uzdevumi. Gradienta metode diferencējamo funkciju optimizācijai. 2 4 0 0
Diferencējamo funkciju optimizācija ar lineāriem ierobežojumiem. Reducētā gradienta metode. 2 4 0 0
Lab. darbs „Matricu analīzes elementi, darbības ar matricām MathCad vidē”. 2 4 0 0
Lab. darbs „Lineāro vienādojumu sistēmu atrisināšana ar MathCad iebūvētām iespējām”. 2 4 0 0
Lab. darbs „Lineāras programmēšanas uzdevumi. Matemātisko modeļu sastādīšana dažādiem transporta uzdevumiem”. 2 4 0 0
Lab. darbs „LPU atrisināšana ar modificēto simpleksa metodi izmantojot MathCad izstrādātas programmas”. 4 4 0 0
Lab. darbs „TU sākuma plāna atrašana ar ziemeļrietumu leņķa un minimāla elementa metodēm MathCad vidē”. 2 4 0 0
Lab. darbs „Potenciālu metodes realizācija MathCad vidē transporta uzdevuma risināšanai”. 4 4 0 0
Lab. darbs „Dinamiskā programmēšana. Viendimensijas resursa sadalīšanas uzdevuma realizācija MathCad vidē”. 2 4 0 0
Lab. darbs „Hierarhiskās transporta struktūras optimizācija ar dinamiskās programmēšanas metodēm MathCad vidē”. 2 4 0 0
Lab. darbs „Dinamiskā programmēšana. Lēmumu pieņemšanas stratēģijas izstrāde risku novērtēšanai”. 4 4 0 0
Lab. darbs „Gradienta metodes realizācija MathCad vidē diferencējamo funkciju optimizācijai”. 2 4 0 0
Lab. darbs „Reducētā gradienta metode diferencējamo funkciju optimizācijai ar lineāriem ierobežojumiem”. 2 4 0 0
Lab. darbs „Darbs WinQSB pakotnē”. 4 4 0 0
Kopā: 64 96 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Sniegt studentiem teorētiskās zināšanas par optimizācijas metodēm un praktiskās iemaņas to pielietošanai transporta procesu optimizācijā. Iemācīt studentus pieskaitīt problēmas, kuras rodas transporta sistēmās, noteiktai matemātiskās programmēšanas klasei un piemeklēt labāko to risināšanas metodi un algoritmu. Prast patstāvīgi ieprogrammēt algoritmu MathCad vai izmantot gatavas programmu pakotnes (piemēram, WinQSB).
Sasniedzamie studiju
rezultāti un to vērtēšana 		Studenti zina lineārās programmēšanas, transporta uzdevumu, dinamiskās programmēšanas un nelineārās programmēšanas uzdevumu nostādnes un īpašības; - Laboratorijas darbi datorklasē.
Studenti zina augstāk minēto uzdevumu risināšanas metodes un algoritmus; - Laboratorijas darbi datorklasē.
Studenti prot izmantot savas teorētiskās zināšanas konkrēto uzdevumu atrisināšanā: prot sastādīt uzdevuma matemātisko modeli, pieskaitīt šo uzdevumu noteiktai matemātiskās programmēšanas klasei, izvēlēties un realizēt uzdevuma risināšanas metodi, kā arī iegūt un interpretēt rezultātus. - Studiju darbs, eksāmens.
Studiju rezultātu vērtēšanas kritēriji
Laboratorijas darbi - 40%
Studiju darbs - 30%
Apmeklējums - 10%
Eksāmens - 20%
 
Priekšzināšanas Skaitliskās metodes, lineārā algebra, programmēšana, t.sk. MathCad vidē
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 6.0 32.0 16.0 16.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]