Soft Computing i optimizacija

Studijski program: Isit

Vrsta i nivo studija: Akademske, prvi ili drugi nivo

Nastavnici: Mirko B. Vujošević, Milan J. Stanojević

Status predmeta: Izborni

Broj ESPB: 6

Uslov: Operaciona istraživanja 1

Cilj predmeta

Upoznavanje studenata sa savremenim pristupima mekog računanja u rešavanju problema optimizacije, operacionih istraživanja i odlučivanja sa naglasnkom na metode fazi skupova, neuronskih mreža i evolucionog računarstva.

Ishod predmeta

Znanje o mogućnostima primene metoda i tehnika mekog računanja u rešavanju realnih problema u inženjerskoj i menadžerskoj praksi i ovladavanje odgovarajućim veštinama modeliranja problema i korišćenja raspoloživih softverskih alata.

Sadržaj predmeta

Teorijska nastava: 1. Karakteristični problemi u inženjerstvu i menadžmentu u kojima se sreću fenomeni neizvesnosti, neodređenosti i nepreciznosti. 2. Uvod u fazi skupove – osnovni pojmovi i definicije. 3.Fazi relacije – binarne relacije, relacije sličnosti, relacije poređenja, fazi uređenje i uopštene fazi relacije. 4. Princip proširenja i fazi aritmetika. 5. Verovatnosna i mere mogućnosti. Multivalentna i fazi logika. 6. Fazi skupovi u odlučivanju. Fazi matematičko programiranje. 7. Modeli fazi linearnog programiarnja. 8. Neuronske mreže. Višeslojni perceptron. 9. Obučavanje neuronskih mreža. Algoritam sa prostiranjem unazad. 10. Samoorganizujuće mreže. 11. Fazi skupovi i neuronske mreže – neuro fazi modeli. 12. Evoluciono računarstvo. 13. Genetski algoritmi. 14. Mravlji algoritmi.

Praktična nastava Vežbe: 1. Modeliranje neizvesnosti. 2. Određivanje funkcija pripadnosti. 3-5. Softverski alati za fazi skupove. 6-8. Softverski alati za neuronske mreže. 9-10. Softverski alati za evoluciono računarstvo. 11-15. Studijski istraživački rad – izrada projekta.

Literatura

1. M. Vujošević, Operaciona istraživanja – izabrana poglavlja, FON, Beograd, 1999

2. G. Deco, D. Obradovic, An information-theoretic approach to neural computing, Springer Verlag, Berlin, 1996.

3. G. J. Klir, B. Yuan, Fuzzy sets and fuzzy logic – theory and applications, Prentice Hall, Upper saddle River, 1995

4. E. Cox, The Fuzzy Systems Handbook, Academic Press, London, 1994.

 

Broj časova aktivne nastave

 

Predavanja: Vežbe: Drugi oblici nastave: Studijski istraživački rad:
30 10 10 10

 

Metode izvođenja nastave

Nastava klasična, blok ili mentorska, zavisno od broja prijavljenih studenata.Vežbe: Pretežno korišćenjem raspoloživih softvera.

 

Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze Poena Završni ispit Poena
aktivnost u toku predavanja 10 Prezentacija projekta 20
kolokvijum-i 10 Odbrana projekta i usmeni ispit 20
projekat 40

Novosti

22/09/2017

USMENI ISPITI-oktobarski rok
23.09.2017. 9:00 h (sala 105)
24.09.2017. 9:00 h (sala 103)
25.09.2017. 8:00 h (amfiteatar B103)
Raspored polaganja usmenog ispita za 25.09.2017. (azbučno)
A-M 8:00 h; N-R 9:00 h; S-Š 10:00 h

07/09/2017

VAŽNO OBAVEŠTENJE
Promena termina usmenog ispita u oktobarskom ispitnom roku. Nove termine kao i prijavni formular možete videti ovde. Prijava je OBAVEZNA. Rok za prijavljivanje je 21.9.2017 do 20h.

13/06/2017

Za pismeni ispit iz OI2 dolaze 4. zadatka iz sledećih oblasti: mrežno planiranje, matrične igre, upravljanje zalihama, dinamičko programiranje i redovi čekanja.

08/06/2017

Ostvareni broj poena na aktivnosti u toku semestra možete videti ovde.
Uvid u poene će biti organizovan u petak, 9. juna od 12-13h u kancelariji 309a.

01/06/2015

Primere zadataka sa drugog kolokvijuma iz OI2 od nekoliko prošlih generacija možete preuzeti ovde. Za pismeni kolokvijum dolaze zadaci iz sledećih oblasti: matrične igre, upravljanje zalihama i redovi čekanja.

10/04/2015

Primer zadataka iz MP i DP za 1. kolokvijum iz OI2 možete preuzeti ovde.

Master studije

Prezentaciju smera poslovna analitika možete pogledati na ovoj adresi www.pa.fon.bg.ac.rs.