Sök i programutbudet

Använd sökfunktionen för att leta efter kurser och program i Chalmers utbildningsutbud. Den programplan och utbildningsplan som avser dina studier är i allmänhet från det läsår du började dina studier.

​​​​​​​​​​​​​

Kursplan för

Läsår
TDA206 - Diskret optimering  
Discrete optimization
 
Kursplanen fastställd 2017-02-20 av programansvarig (eller motsvarande)
Ägare: MPALG
7,5 Högskolepoäng
Betygskala: TH - Fem, Fyra, Tre, Underkänd
Utbildningsnivå: Avancerad nivå
Huvudområde: Datateknik, Informationsteknik
Institution: 37 - DATA- OCH INFORMATIONSTEKNIK


Undervisningsspråk: Engelska
Sökbar för utbytesstudenter: Ja
Blockschema: A
Max antal deltagare: 55

Modul   Poängfördelning   Tentamensdatum
Lp1 Lp2 Lp3 Lp4 Sommarkurs Ej Lp
0101 Tentamen 7,5 hp Betygskala: TH   7,5 hp   20 Mar 2019 fm M   Kontakta examinator

I program

MPALG DATAVETENSKAP - ALGORITMER, PROGRAMSPRÅK OCH LOGIK, MASTERPROGRAM, Årskurs 1 (obligatoriskt valbar)
MPCAS KOMPLEXA ADAPTIVA SYSTEM, MASTERPROGRAM, Årskurs 2 (valbar)
MPCAS KOMPLEXA ADAPTIVA SYSTEM, MASTERPROGRAM, Årskurs 1 (valbar)
TKITE INFORMATIONSTEKNIK, CIVILINGENJÖR, Årskurs 3 (valbar)
MPSYS SYSTEMTEKNIK, REGLERTEKNIK OCH MEKATRONIK, MASTERPROGRAM, Årskurs 1 (obligatoriskt valbar)
MPCSN DATORER, NÄTVERK OCH SYSTEM, MASTERPROGRAM, Årskurs 1 (valbar)

Examinator:

Devdatt Dubhashi

  Gå till kurshemsida


Behörighet:


För kurser på avancerad nivå gäller samma grundläggande och särskilda behörighetskrav som till det kursägande programmet. (När kursen är på avancerad nivå men ägs av ett grundnivåprogram gäller dock tillträdeskrav för avancerad nivå.)
Undantag från tillträdeskraven: Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

Matematik (inklusive diskret matematik och linjär algebra), programmering, algoritmer och / eller datastrukturer.

Syfte

Kursen behandlar optimeringsproblem i diskreta strukturer såväl i teori som praktik. Det finns starka kopplingar till optimeringsteori (linjär optimering), datavetenskap (algoritmer och komplexitet), och operationsanalys. Optimeringsproblem uppstår i många olika sammanhang, exempelvis transportlogistik, telekommunikation, industriell planering, ekonomi, bioinformatik, hårdvarudesign och kryptologi. En karaktäristisk egenskap hos sådana problem är att de är svåra att lösa. Kursen syftar till att utveckla förmågan att modellera verkliga problem och att använda matematiska och algoritmiska verktyg för att lösa dem, optimalt eller heuristiskt.

Lärandemål (efter fullgjord kurs ska studenten kunna)

- Identifiera optimeringsproblem inom olika tillämpningsområden,

- Formulera dem i exakta matematiska modeller som representerar det väsentliga av de verkliga problemen, men fortfarande hanterbarbara genom beräkningsmetoder,

- Bedöma vilka problemklass ett givet problem tillhör,

- Tillämpa linjär optimering, relaterade generiska metoder, och ytterligare heuristik, till beräkningsproblem,

- Förklara geometriska egenskaper av linjär optimering,

- Duala optimeringsproblem och användning av duala former för att bestämma gränser,

- Arbeta med den vetenskapliga litteraturen inom området.

Innehåll

modellering, (heltal) linjär optimering och deras geometriska egenskaper, dualitet i optimering, branch-and-bound och annan heuristik, några speciella grafalgoritmer

Organisation

Föreläsningar och inlämningsuppgifter.

Litteratur

Se separat litteraturlista.

Examination inklusive obligatoriska moment



Sidansvarig Publicerad: on 24 jan 2018.