Cilji in kompetence
Cilji predmeta so:
• osvojiti in razumeti pojme in znanja s področja optimizacije in načrtovanja modelov pametnih logističnih sistemov (PLS),
• pravilno identificirati probleme s tega področja in pridobiti znanja za konstrukcijo modelov in uporabo optimizacijskih metod in algoritmov,
• razumeti mehanizme delovanja optimizacijskih metod in načrtovanih modelov in jih znati pravilno uporabiti za reševanje problemov,
• pridobiti znanja pravilne klasifikacije različnih problemov in zmožnosti uporabe pravilnih in ustreznih postopkov optimizacije in pristopov k načrtovanju modelov za dani problem,
• pridobiti razumevanje teoretičnih ozadij, nujno potrebnih za pravilno interpretacijo dobljenih rezultatov optimizacije in načrtovanih modelov in ocenitev kakovosti razvitih metod in modelov,
• pridobiti razumevanje fizikalnih in matematičnih mehanizmov v ozadju obravnavanih problemov in procesov v okviru PLS,
• se naučiti pravilno ovrednotiti ustreznost in kvaliteto načrtanih modelov in metod, ter znati pravilno uporabiti ustrezne metrike za testiranje veljavnosti modelov in metod,
• se naučiti pravilno interpretirati rezultate razvitih modelov in metod ter pravilno podati sklepe na osnovi načrtanih modelov in metod.
Kompetence, ki jih pridobijo študenti:
• osvojijo teoretično znanje na področju optimizacije in načrtovanja modelov PLS,
• poglobljeno razumejo področje optimizacije in načrtovanja modelov PLS,
• spoznajo in razumejo metrike pri optimizaciji in načrtovanju modelov PLS,
• razumejo fizikalne in matematične mehanizme v ozadju postopkov optimizacije in načrtovanja modelov PLS,
• rešujejo kompleksne probleme v logističnih sistemih s pomočjo optimizacije in načrtovanja modelov PLS,
• razumejo delovanje optimizacijskih metod in načrtanih modelov PLS, koristno tako v okviru tega, kot tudi drugih sorodnih predmetov.
Vsebina
1. Optimizacija pametnih logističnih sistemov in optimizacijski modeli (zvezna in diskretna, odločitvene spremenljivke, eno-in več-kriterijska optimizacija, omejitve, modeliranje optimizacijskih problemov in optimizacijski modeli, numerična orodja).
2. Matematično programiranje in nelinearna optimizacija: optimizacijski modeli, nelinearno programiranje, osnovne nelinearne direktne in gradientne metode brez omejitev (Hooke-Jeeves, Nelder-Mead simplex, Najstrmejši spust, Newton), geometrijsko programiranje.
3. NP težki problemi optimizacije. Klasične in moderne optimizacijske metode in algoritmi (eksaktne metode, hevristični algoritmi, problemsko specifične hevristike, meta-hevristike.
4. Statistični regresijski modeli in napovedovanje časovnih vrst v pametnih logističnih sistemih (regresijski modeli, modeli linearnih in nelinearnih časovnih vrst, hibridni modeli, problematika izbire optimalnih modelov, uporaba ustreznih numeričnih orodij, napovedovanje v pametnih sistemih).
Metode poučevanja in učenja
Predmet vključuje različne metode poučevanja in učenja, kot so: predavanja v klasični obliki, predavanja preko video predstavitev, filmov in webinarjev, predstavitve študentov in samostojni študij študentov.
Predavanja: pri predavanjih študent spozna teoretične vsebine predmeta. Del predavanj se izvaja na klasični način v predavalnici, del pa v obliki e-predavanj (e-predavanja se lahko izvajajo na videokonferenčni način ali s pomočjo posebej v ta namen didaktično pripravljenih e-gradiv v virtualnem elektronskem učnem okolju).
Vaje: pri vajah študent utrdi teoretično znanje in spozna aplikativne možnosti. Del vaj se izvaja na klasični način v predavalnici, del pa v obliki e-vaj (e-vaje se lahko izvajajo na videokonferenčni način ali s pomočjo posebej v ta namen didaktično pripravljenih e-gradiv v virtualnem elektronskem učnem okolju).
Predvideni študijski rezultati - znanje in razumevanje
Znanje in razumevanje:
Študent/študentka bo ob zaključku predmeta zmožen:
• obvladati raziskovalne metode, postopke in procese na področju optimizacije in načrtovanja modelov PLS,
• samostojno znanstveno raziskovati na področju optimizacije in načrtovanja modelov PLS (tematika raziskovalne naloge se lahko glede na specifične zahteve razlikuje, v osnovi pa sta predstavljena problem pokritja setov in iskanje najkrajših poti),
• razumeti uporabo optimizacije in načrtovanja modelov PLS in poglobljeno analizirati probleme s pomočjo sistemskega razmišljanja na tem področju,
• ustvarjalno sodelovati in reševati probleme v pametnih logističnih okoljih.
• pridobiti splošna in specifična znanja na področju optimizacije in načrtovanja modelov PLS,
• integrirati različne koncepte na področju optimizacije in načrtovanja modelov PLS, ki vodijo k inovativnim rešitvam obravnavanih problemov,
• kritično analizirati kompleksna znanja, koncepte, pristope in strategije k optimizaciji in načrtovanju modelov,
• sintetizirati informacije s področja optimizacije in načrtovanja modelov PLS, ter prepoznati vrednosti znanja ali procesov z vidika predmeta in prakse.
Študijski rezultati se bodo preverjali (in merili) na različne načine, kot je to definirano v deležih (v %) pri načinih ocenjevanja.
Temeljni literatura in viri
Dragan, D. (2010). Optimizacija logističnih procesov: visokošolski učbenik. Fakulteta za logistiko Univerza v Mariboru. https://fl.um.si/knjiznica/digitalna-knjiznica/e-knjige/
Dragan, D. (2013). Stohastični procesi v logistiki: visokošolski učbenik. Univerza v Mariboru, Fakulteta za logistiko. https://fl.um.si/knjiznica/digitalna-knjiznica/e-knjige/
Robič, B. (2009). Aproksimacijski algoritmi (2. popravljena in dopolnjena izd.). Fakulteta za računalništvo in informatiko.
Talbi, E.-G. (2009). Metaheuristics: from design to implementation. Wiley.
Korte, B. (2006). Combinatorial Optimization: Theory and Algorithms (3rd ed.). Springer. https://doi.org/10.1007/3-540-29297-7
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev.
Podrobnosti o izvedbi in ocenjevanju Zagovor raziskovalne naloge je pogoj za pristop k izpitu
• Računski del izpita 50%
• Teoretični del izpita 20%
• Raziskovalna naloga in zagovor (e-predavanja in e-vaje) 30%
