Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2 značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS
NIE-KOP | Combinatorial Optimization | Rozsah kontaktní výuky: | 3P+1C | ||
---|---|---|---|---|---|
Vyučující: | Fišer P., Schmidt J. | Způsob zakončení: | Z,ZK | ||
Zodpovědná katedra: | 18103 | ECTS Kredity: | 6 | Semestr: | Z |
Anotace:
The students will gain knowledge and understanding necessary deployment of combinatorial heuristics at a professional level. They will be able not only to select and implement but also to apply and evaluate heuristics for practical problems.
Osnovy přednášek:
1. | Discrete optimization, examples of practical tasks. Combinatorial problems. Algorithm complexity, problem complexity. | |
2. | Models of computation. The classes P and NP. Polynomial hierarchy. | |
3. | The notion of completeness. Complexity comparison techniques. The classes NP-complete, NP-hard and NPI. | |
4. | Communication and circuit complexity. | |
5. | The classes PO and NPO and their structure. Deterministic approximation algorithms. Classification of approximative problems. Pseudopolynomial algorithms. Randomization and randomized algorithms. | |
6. | Practical deployment of heuristic and exact algorithms. Experimental evaluation. | |
7. | State space and search space, exact methods. | |
8. | Local methods: heuristics. | |
9. | Simulated annealing. | |
10. | Simulated evolution: taxonomy, genetic algorithms. | |
11. | Advanced genetic algorithms: competent GA, fast messy GA, Stochastic optimization: models and applications. Bayesian optimization. | |
12. | Tabu search. | |
13. | Global methods, taxonomy of decomposition-based methods. Exact and heuristic global methods, the Davis-Putnam procedure seen as a global method. |
Osnovy cvičení:
1. | Seminar: terminology, examples of complexity. | |
2. | Seminar: examples of state space. | |
3. | Homework consultation when required, self-study: dynamic programming revision. | |
4. | Solved problems session: the classes P and NP, complexity proofs, problems beyond NP. | |
5. | Solved problems session: completeness, reductions. | |
6. | Homework consultation when required. | |
7. | Homework consultation when required. | |
8. | Homework consultation when required. | |
9. | Midterm test. | |
10. | Homework consultation when required. | |
11. | Solved problems session: advanced heuristics, applications. | |
12. | Homework consultation when required. | |
13. | Homework consultation when required. | |
14. | Backup test term, evaluation. |
Literatura:
1. | Arora, S. : Computational Complexity: A Modern Approach. Cambridge University Press, 2017. ISBN 978-1316612156. | |
2. | Hromkovič, J. : Algorithmics for Hard Problems: Introduction to Combinatorial Optimization, Randomization, Approximation, and Heuristics 2nd Edition. Springer, 2004. ISBN 978 3540441342. | |
3. | Kučera, L. : Kombinatorické algoritmy. SNTL, 1993. | |
4. | Ausiello, G. - Crescenzi, P. - Kann, V. - Gambosi, G. - Spaccamela, A. M. : Complexity and Approximation: Combinatorial Optimization Problems and Their Approximability Properties. Springer, 2003. ISBN 3540654313. |
Požadavky:
Basic notions: algorithm, computational complexity, asymptotic complexity. Formal languages. Basic graph theory. Random variable. Boolean logic. Branch and bound algorithm. Basic dynamic programming. Practical programming in any imperative language.
|
Předmět je zahrnut do těchto studijních plánů:
Stránka vytvořena 30. 4. 2024, semestry: L/2021-2, Z/2023-4, L/2022-3, L/2019-20, Z,L/2020-1, Z/2024-5, Z/2019-20, Z/2022-3, L/2023-4, Z/2021-2, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: J. Novák, I. Halaška |