| 1. Наслов на наставниот предмет | Оптимизација и еволуциски алгоритми | |||||||
| 2. Код | 4ФЕИТ07З015 | |||||||
| 3. Студиска програма | КТИ | |||||||
| 4. Организатор на студиската програма | Факултет за електротехника и информациски технологии | |||||||
| 5. Степен | Прв циклус студии | |||||||
| 6. Академска година / семестар | IV/7 | 7. Број на ЕКТС | 6 | |||||
| 8. Наставник | Д-р Христијан Ѓорески | |||||||
| 9. Предуслов за запишување на предметот | Положен: Податочни структури и анализа на алгоритми | |||||||
| 10. Цели на предметната програма (компетенции). Разбирање на основните концепти на компјутерска оптимизација. Способност да се идентификуваат и класифицираат оптимизациските проблеми врз основа на нивните својства. Способност да се употреби компјутерски софтвер за решавање на поедноставни и стандардни оптимизациски проблеми. | ||||||||
| 11. Содржина на програмата: Вовед во оптимизација за компјутерско инженерство и компјутерски науки. Дефинирање и формулирање на оптимизациски проблем. Целна функција, ограничувања, решенија, оптималност. Класификација на оптимизациски проблеми: линеарни/нелинеарни, дискретни/континуирани, конвексни/неконвексни, со/без ограничувања, детерминистички/стохастички и сл. Апроксимации и релаксации во оптимизациските проблеми. Конвенционални техники и алгоритми за оптимизација. Вовед во стохастичка оптимизација и еволуциски алгоритми. Хевристички алгоритми инспирирани од природата: генетски алгоритми, оптимизација врз база на колонија на мравки (ant colony), симулирано калење (simulated annealing), оптимизација на рој на честички (particle swarm) и др. Примена во компјутерско инженерство и компјутерски науки. Решавање на практични примери со Python или Matlab. Евалуација и перформанси на оптимизациските алгоритми. | ||||||||
| 12.Методи на учење Предавања, аудиториски и лабораториски вежби, самостојна работа на проектни задачи и изработка на семинарски работи | ||||||||
| 13. Вкупен расположив фонд на часови | 2 + 2 + 1 + 0 | |||||||
| 14. Распределба на расположивото време | 180 | |||||||
| 15. Форми на наставните активности | 15.1. Предавања – теоретска настава | 30 | ||||||
| 15.2. Вежби, семинари, тимска работа | 45 | |||||||
| 16. Други форми на активност | 16.1. Проектни задачи | 30 | ||||||
| 16.2. Самостојни задачи | 30 | |||||||
| 16.3. Домашно учење | 45 | |||||||
| 17. Начини на оценување | 17.1. Тестови | 0 | ||||||
| 17.2. Семинарска работа/проект | 30 | |||||||
| 17.3. Активност и учење | 30 | |||||||
| 17.4. Завршен испит | 40 | |||||||
| 18. Критериуми за оценување | до 50 бодови | 5 (пет) (F) | ||||||
| од 51до 60 бодови | 6 (шест) (E) | |||||||
| од 61до 70 бодови | 7 (седум) (D) | |||||||
| од 71до 80 бодови | 8 (осум) (C) | |||||||
| од 81до 90 бодови | 9 (девет) (B) | |||||||
| од 91до 100 бодови | 10 (десет) (A) | |||||||
| 19. Услов за потпис и полагање на завршен испит | Редовно посетување на наставата и аудиториските вежби и комплетно изработени лабораториски вежби | |||||||
| 20. Начин на полагање на испитот | Еден парцијален писмен испит во текот на семестарот (на половина од семестарот) во времетраење од 120 минути или еден завршен писмен испит во соодветна испитна сесија во времетраење од 120 минути. Секој студент мора да изработи самостојно задолжителна проектна задача. Студентот може да изработи дополнителен самостоен проект. Во конечната оцена влегуваат поените од писмениот испит и проектната задача, а доколку е изработен самостоен проект и тие поени. За време на испитот е дозволено користење книги, скрипти, ракописи или белешки од кој било вид, но не и електронски уреди. | |||||||
| 21. Јазик на кој се изведува наставата | Македонски и Англиски | |||||||
| 22. Метод на следење на квалитетот на наставата | Интерна евалуација и анкети | |||||||
| 23. Литература | ||||||||
| 23.1. Задолжителна литература | ||||||||
| Бр. | Автор | Наслов | Издавач | Година | ||||
| 1 | Steven Diamond | CVXPY documentation, installation and examples | https://www.cvxpy.org/ | 2021 | ||||
| 2 | Martin S. Andersen, Joachim Dahl, and Lieven Vandenberghe | CVXOPT Documentation Release 1.2.7 | CVXOPT Documentation | 2021 | ||||
| 3 | A. E. Eiben and J. E. Smith | Introduction to Evolutionary Computing | Springer | 2003 | ||||
| 23.2. Дополнителна литература | ||||||||
| Бр. | Автор | Наслов | Издавач | Година | ||||
| 1 | Steven Diamond and Stephen Boyd | CVXPY: A Python-Embedded Modeling Language for Convex Optimization | Journal of Machine Learning Research 17 (2016) | 2016 | ||||
| 2 | Stephen Boyd and Lieven Vandenberghe | Convex Optimization | Cambridge University Press | 2004 | ||||
| 3 | Sukanta Nayak | Fundamentals of Optimization Techniques with Algorithms | Elsevier | 2020 | ||||
