Subject

Методи за оптимизација

Course Title

Методи за оптимизација
Optimization methods

Code

KN-Z-02

Study Programme

Computer Science

Organizer of the study programme (unit, institute, department or division)

Faculty of Computer Science and Engineering

Degree level (first, second, third cycle)

Second cycle

Academic year / semester

9 / Winter

Number of ECTS credits

Teacher

Горан Велинов, Весна Димитриевска Ристовска

Prerequisites for enrolling in the course

—

10.

Objectives of the course programme (competences)

Целта на курсот e да обезбеди знаење за проблеми на оптимизација,
формулација на оптимизациски проблеми и нивна класификација, класични и
хевристични методи и алгоритми за нивно решавање, како и примена во
информатиката. По завршување на курсот се очекува студентот да знае да го
формултира оптимизациски проблем, да го класифицира според теориските
аспекти и да избере адекватна класична и/или
хевристичка метода за неговото решавање.

11.

Course content

Вовед: Проблем на оптимизација, класификација и формулација на оптимизациски
проблеми. Класична оптимизација: едно-димензионална оптимизација, потребни
услови, градиентен метод, њутнов метод, барање глобален оптимим; мулти-
димензионална оптимизација: услови за оптимум, проблем без ограничувања,
линеарни ограничувања, нелинеарни ограничувања. линеарно програмирање,
квадратно програмирање;; нелинеарни ограничувања, методи на пенали и бариери,
градиентно-проектни методи, проширени методи на Лагранж, други класични
методи; други типови на оптимизација: стохастичка оптимизација, динамичка
оптимизација.
Хевристичка оптимизација: базични концепти на решавање, траекторни методи,
табу пребарување, методи на праг; популациски метометоди, еволутивни
алгоритми, генетски алгоритми, еволутивно програмирање, оптимизација базирана
на колонија на мравки (ant colony), оптимизација базирана на рој честички (particle
swarm), simulated annealing.

12.

Learning methods

-Консултации, Дискусии

13.

Total available time

6 ECTS x 30 hours = 180 hours

14.

Distribution of available time

30 + 30 + 60 + 30 + 30 = 180 часа

15.

Forms of teaching activities

15.1.	Lectures - theoretical instruction	30 hours
15.2.	Exercises (laboratory, auditory), seminars, teamwork	30 hours

16.

Other forms of activities

16.1.	Project assignments	30 hours
16.2.	Independent assignments	60 hours
16.3.	Home study	30 hours

17.

Assessment method

17.1.	Tests	0 points
17.2.	Seminar paper / project (presentation: written and oral)	30 бодови
17.3.	Activities and learning	10 бодови
17.4.	Final exam	30 бодови

18.

Grading criteria (points / grade)

up to 50 points	5 (five) (F)
from 51 to 60 points	6 (six) (E)
from 61 to 70 points	7 (seven) (D)
from 71 to 80 points	8 (eight) (C)
from 81 to 90 points	9 (nine) (B)
from 91 to 100 points	10 (ten) (A)

19.

Requirement for obtaining a signature and taking the final exam

нема

20.

Language of instruction

македонски

21.

Method for monitoring the quality of teaching

internal evaluation and survey mechanism

22.

Literature

22.1.	Required literature 1. Tomas Weise \| Global Optimization Algorithms \| McGraw-Hill Higher Education \| 2009 2. Yurii Nesterov \| Introductory lectures on Convex Optimization \| Kluwer Academic Publishers \| 2004 3. Ph. E. Gill, W. Murray, M. H. Wright \| Practical Optimization \| Academic Press, Inc., London, New York, Toronto \| 1981 4.
22.2.	Additional literature No. Author Title Publisher Year