rpd000007511 (230100 (09.04.01).М2 Программное обеспечение средств вычислительной техники и автоматизированных систем), страница 2
Описание файла
Файл "rpd000007511" внутри архива находится в следующих папках: 230100 (09.04.01).М2 Программное обеспечение средств вычислительной техники и автоматизированных систем, 230100.М2. Документ из архива "230100 (09.04.01).М2 Программное обеспечение средств вычислительной техники и автоматизированных систем", который расположен в категории "". Всё это находится в предмете "вступительные экзамены" из 9 семестр (1 семестр магистратуры), которые можно найти в файловом архиве МАИ. Не смотря на прямую связь этого архива с МАИ, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "магистратура" в общих файлах.
Онлайн просмотр документа "rpd000007511"
Текст 2 страницы из документа "rpd000007511"
Тематика:
Трудоемкость(СРС): 10
Прикрепленные файлы:
Типовые варианты:
-Решить задачу дискретного программирования методом ветвей и границ
-Решить задачу целочисленного программирования методом ветвей и границ
-Решить задачу целочисленного линейного программирования методом ветвей и границ
-
Рубежный контроль
-
Промежуточная аттестация
1. Зачет с оценкой (2 семестр)
Прикрепленные файлы: Tests_Met_Optim(VMKS&S).doc
-
УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
а)основная литература:
Литература из электронного каталога:
1. Павленко А.И. Павленко А.И. Введение в системный анализ . МАИ-ПРИНТ, 2008. - 95 с. - МАИ-ПРИНТ, 2008.
2. Павленко А.И. Павленко А.И. Системный анализ и компьютерная поддержка решений. МАИ, 2011. - 153 с. - МАИ, 2011.
3. Павленко А.И. Павленко А.И. Формализация задач принятия решений и выбора. МАИ-ПРИНТ, 2009. - 89 с. - МАИ-ПРИНТ, 2009.
4. Силаева Т.А. Силаева Т.А. Методы решения задач оптимального проектирования вычислительных систем. МАИ, 2000. - 91 с. - МАИ, 2000.
б)дополнительная литература:
Периодические издания:
1. Математическое моделирование
Литература из электронного каталога:
1. Рыков А.С. Рыков А.С. Системный анализ : модели и методы принятия решений и поисковой оптимизации. МИСИС, 2009. - 607 с. - МИСИС, 2009.
2. Единая система программной документации. Стандартов, 1994. - 157 с. - Стандартов, 1994.
3. Сокольский М.Л. Сокольский М.Л. Применение стандартов, норм и правил при создании конструкторской ,технологической и программной документации. МАИ, 2002. - 103 с. - МАИ, 2002.
в)программное обеспечение, Интернет-ресурсы, электронные библиотечные системы:
Программное обеспечение Bezopt
-
МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
1. Лабораторные работы
Учебная лаборатория кафедры 304, оснащенная персональными компьютерами
на 25 рабочих мест.
Приложение 1
к рабочей программе дисциплины
«Методы оптимизации и принятия решений »
Аннотация рабочей программы
Дисциплина Методы оптимизации и принятия решений является частью Общенаучного цикла дисциплин подготовки студентов по направлению подготовки Информатика и вычислительная техника. Дисциплина реализуется на 3 факультете «Московского авиационного института (национального исследовательского университета)» кафедрой (кафедрами) 304.
Дисциплина нацелена на формирование следующих компетенций: ОК-2 ,ПК-1 ,ПК-5 ,ПК-6.
Содержание дисциплины охватывает круг вопросов, связанных с: методами оптимизации и принятия решений
Преподавание дисциплины предусматривает следующие формы организации учебного процесса: Лекция, мастер-класс, Лабораторная работа.
Программой дисциплины предусмотрены следующие виды контроля: промежуточная аттестация в форме Зачет с оценкой (2 семестр).
Общая трудоемкость освоения дисциплины составляет 3 зачетных единиц, 108 часов. Программой дисциплины предусмотрены лекционные (16 часов), практические (0 часов), лабораторные (20 часов) занятия и (72 часов) самостоятельной работы студента.
Приложение 2
к рабочей программе дисциплины
«Методы оптимизации и принятия решений »
Cодержание учебных занятий
-
Лекции
1.1.1. Основные понятия теории оптимизации и принятия решений(АЗ: 2, СРС: 4)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.2.1. Методы безусловной оптимизации : классический и Ньютона(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.2.2. Методы безусловной оптимизации: градиентные и случайного поиска(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.1. Методы условной оптимизации при ограничении типа равенств: непосредственного исключения, штрафных функций и множителей Лагранжа(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.4.1. Методы условной оптимизации при ограничении типа неравенств: классический и основанный на теореме Куна-Такера(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.4.2. Методы условной оптимизации при ограничении типа неравенств: штрафных функций и случайного поиска. Задача выпуклого программирования и ее решение(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.5.1. Задачи линейного программирования, их геометрическая интерпретация и графический метод решения(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.5.2. Симплекс метод решения задачи линейного программирования(АЗ: 2, СРС: 4)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
-
Практические занятия
-
Лабораторные работы
1.2.1. Методы безусловной оптимизации (АЗ: 8, СРС: 14)
Форма организации: Лабораторная работа
1.3.1. Методы условной оптимизации при ограничении типа равенств(АЗ: 4, СРС: 8)
Форма организации: Лабораторная работа
1.4.1. Методы условной оптимизации при ограничении типа неравенств(АЗ: 4, СРС: 8)
Форма организации: Лабораторная работа
1.5.1. Линейное программирование(АЗ: 4, СРС: 12)
Форма организации: Лабораторная работа
-
Типовые задания
Приложение 3
к рабочей программе дисциплины
«Методы оптимизации и принятия решений »
Прикрепленные файлы
Tests_Met_Optim(VMKS&S).doc
«СОГЛАСОВАНО» «УТВЕРЖДАЮ»
Председатель УМО по Проректор МАИ
университетскому политехническому по учебной работе
образованию
____________________ ______________М.Ю.Куприков
«___»_______________2012 г. «___»_________________2012 г.
КОНТРОЛЬНЫЕ ЗАДАНИЯ
по проверке остаточных знаний магистров
Московского авиационного института
(национального исследовательского университета)
в рамках самообследования
Направление: 230100 «Информатика и вычислительная техника»
Программа: «Вычислительные машины, комплексы, системы и сети»
Дисциплина: Методы оптимизации и принятия решений
Цикл: Общенаучный
Утверждены на заседании кафедры № 304 «Вычислительные машины,
системы и сети», протокол № 2 от 16.10.2012 г.
Автор: к.т.н., доц. каф. 304 Силаева Т.А.
а) градиент ; б) градиент ; в) градиент ;
г) градиент ; д) положительная определенность матрицы Гессе .
-
Достаточным условием максимума функции в точке является: а) положительная определенность матрицы Гессе этой функции в точке ; б) отрицательная определенность матрицы Гессе этой функции в точке ; в) градиент ; г) ; д) .
а) положительная определенность матрицы Гессе этой функции в точке ;
б) отрицательная определенность матрицы Гессе этой функции в точке ;
-
Какой метод безусловной оптимизации функции позволяет найти все экстремумы функции, если известно ее аналитическое выражение и она по крайней мере дважды дифференцируема по : а) градиентного спуска; б) классический; в) Ньютона;
г) сопряженных градиентов; д) наискорейшего спуска.
-
Какой метод безусловной оптимизации обеспечивает быструю сходимость, но имеет трудность выбора начального приближения, гарантирующего сходимость: а) градиентного спуска;
б) классический; в) Ньютона; г) сопряженных градиентов; д) наискорейшего спуска.
-
В каком методе безусловной оптимизации используется постоянный шаг в направлении поиска экстремума на всех итерациях: а) градиентного спуска; б) наискорейшего спуска;
в) сопряженных градиентов; г) оптимального спуска; д) наискорейшего градиента.
-
Какой метод среди градиентных имеет наибольшую скорость сходимости:
а) градиентного спуска; б) наискорейшего спуска; в) сопряженных градиентов;
г) оптимального спуска; д) наискорейшего градиента.
-
Как вычисляется направление поиска минимума на каждой итерации в методе наискорейшего спуска: а) как градиент функции в точке на этой итерации ; б) как антиградиент функции в точке на итерации ; в) как градиент, умноженный на норму градиента; г) как антиградиент, умноженный на норму градиента; д) как антиградиент, деленный на норму градиента.
-
В каком методе безусловной оптимизации на каждой итерации выбирается оптимальный шаг в направлении поиска экстремума: а) классическом методе; б) методе Ньютона;
в) градиентного спуска; г) наискорейшего спуска; д) оптимального спуска.
-
Какой метод из перечисленных не является методом решения задачи безусловной оптимизации:
а) метод Ньютона; б) метод сопряженных градиентов; в) метод множителей Лагранжа; г) метод наискорейшего спуска; д) классический метод.
11. Какой метод из перечисленных используется для решения задачи условной оптимизации при ограничениях в виде равенств: а) метод, основанный на теореме Куна-Такера; б) метод сопряженных градиентов; в) метод наискорейшего спуска; г) метод множителей Лагранжа; д) классический метод.
-
Какой метод из перечисленных используется для решения задачи условной оптимизации при ограничениях в виде неравенств: а) метод множителей Лагранжа; б) метод седловой точки функции; в) метод проекции градиента; г) метод непосредственного исключения;
д) метод, основанный на теореме Куна-Такера.
-
При решении какой задачи теорема Куна-Такера дает необходимое и достаточное условия экстремума функции: а) задачи нелинейного программирования; б) выпуклого программирования; в) безусловной оптимизации; г) задачи Такера; д) Куна-Такера.
а) максимум функции Лагранжа по X и минимум по ; б) максимумы функции Лагранжа по X и по ; в) минимум функции Лагранжа по X и максимум по ; г) минимумы функции Лагранжа по X и по ; д) минимум функции по X.
-
Задача выпуклого программирования представляет собой задачу нахождения
min f(X) или max f(X) на множестве XD при условии, что а) f(X) – выпуклая функция при поиске ее минимума и вогнутая при максимуме, а допустимое множество XD является замкнутым и выпуклым; б) f(X) – выпуклая функция при поиске ее максимума и вогнутая при минимуме, а допустимое множество XD является замкнутым и выпуклым; в) f(X) – выпуклая функция, а допустимое множество XD является замкнутым и выпуклым; г) f(X) – вогнутая функция, а допустимое множество XD является замкнутым и выпуклым; д) f(X) – выпуклая при поиске ее минимума и вогнутая при максимуме, а допустимое множество XD является замкнутым и невыпуклым;
-
Для какой задачи любой локальный экстремум одновременно будет и глобальным, а зачастую и единственным: а) задачи нелинейного программирования; б) задачи Куна-Такера;
в) задачи невыпуклого программирования; г) задачи оптимального программирования;