Applied Mathematics: Optimization and Network Models (3 op)
Toteutuksen tunnus: TTZM0330-3002
Toteutuksen perustiedot
Ilmoittautumisaika
02.11.2020 - 30.11.2020
Ajoitus
08.03.2021 - 30.04.2021
Opintopistemäärä
3 op
Virtuaaliosuus
1 op
Toteutustapa
67 % Lähiopetus, 33 % Verkko-opetus
Yksikkö
School of Technology
Toimipiste
Lutakko Campus
Opetuskielet
- Suomi
Paikat
20 - 35
Koulutus
- Bachelor's Degree Programme in Information and Communications Technology
Opettaja
- Harri Varpanen
Vastuuopettaja
Harri Varpanen
Ryhmät
-
TTV18S1Tieto- ja viestintätekniikka
-
TTV19SMTieto- ja viestintätekniikka
-
TTV18S5Tieto- ja viestintätekniikka
-
TTV19S3Tieto- ja viestintätekniikka
-
TTV19S2Tieto- ja viestintätekniikka
-
TTV18S2Tieto- ja viestintätekniikka
Objectives
Opiskelija tuntee verkkoihin liittyvät matemaattiset peruskäsitteet sekä tietää ja ymmärtää opintojaksolla esitetyt verkkoalgoritmit (ks. Sisältö). Opiskelija kykenee muotoilemaan optimointiongelmasta lineaarisen mallin ratkaisuineen. Opiskelija ymmärtää optimoinnin yleisen periaatteen ja on tutustunut joihinkin epälineaarisiin optimointiongelmiin.
Content
Suunnattu ja suuntaamaton verkko. Verkon väritys, aikataulutusongelmat, Welsh-Powell-algoritmi. Minimipuu, lyhin reitti, Dijkstran algoritmi, Bellman-Ford-algoritmi. Tietoverkko ja reititys. Virtausverkot, maksimivirtaus minimikustannuksin, Ford-Fulkerson-algoritmi. Lineaarinen optimointi, Simplex-algoritmi. Epälineaarisen optimoinnin alkeita.
Time and location
Zoom / Teams
Learning materials and recommended literature
Opettaja antaa materiaalit opintojakson alussa / aikana.
Teaching methods
Luennot ja ohjaukset verkossa.
Exam dates and retake possibilities
Sovitaan opintojakson alussa.
Student workload
Ohjaukset 30h, itsenäinen työskentely 51h.
Evaluation scale
Hyväksytty/Hylätty
Evaluation criteria, satisfactory (1-2)
Opintojakson kaikkia oppimistuloksia arvioidaan sekä harjoitustöiden että tentin avulla.
Hyväksytty suoritus:
Opiskelija osoittaa tentillä ja palautettavilla tehtävillä sekä peruskäsitteiden ja algoritmien ymmärtämistä että sovelluskykyä. Suoritteilla opiskelija näyttää osaavansa ratkaista lineaarisen optimointiongelman ja tunnistavansa lineaarisen menetelmän rajoitukset.
Hyväksyttyyn suoritukseen vaaditaan 50 % suoritusten maksimipistemäärästä.
Evaluation criteria, pass/failed
Opintojakson kaikkia oppimistuloksia arvioidaan sekä harjoitustöiden että tentin avulla. Hyväksytty suoritus: Opiskelija osoittaa tentillä ja palautettavilla tehtävillä sekä peruskäsitteiden ja algoritmien ymmärtämistä että sovelluskykyä. Suoritteilla opiskelija näyttää osaavansa ratkaista lineaarisen optimointiongelman ja tunnistavansa lineaarisen menetelmän rajoitukset. Hyväksyttyyn suoritukseen vaaditaan 50 % suoritusten maksimipistemäärästä.
Prerequisites
-