APP MTH 3014 - Optimisation III, plans de cours
APP MTH 3014 - Optimisation III
Détails du cours
École des sciences mathématiques
Campus North Terrace
Jusqu'à 3 heures par semaine
Disponible pour les études à l'étranger et l'échange
Connaissance de la programmation linéaire tels que ceux qui seraient obtenus à partir de l'APP MTH 2105 et des compétences de base de programmation informatique tels que ceux qui seraient obtenus à partir de COMP SCI 1012, 1101, MECH ENG 1100, 1102, 1103, 1104, 1105, 1012 CENVENG
cours personnel
Horaire des cours
Le calendrier complet de toutes les activités de ce cours est accessible à partir du planificateur de cours.
Résultats d'apprentissage Cours
- Comprendre la complexité des techniques, et pour résoudre les problèmes, d'optimisation non linéaire.
- Appliquer des algorithmes adaptés à un ou des problèmes d'optimisation multi-dimensionnelle.
- Comprendre le cadre théorique qui sous-tend les techniques présentées en classe.
- Mettre en œuvre le code informatique pour les algorithmes étudiés en classe et une analyse critique et interpréter les résultats.
- Démontrer les habiletés à communiquer en mathématiques oralement et par écrit.
- Démontrer la capacité à étudier et analyser les documents relatifs au cours
Graduate University Attributs
Ce cours permettra aux étudiants l'occasion de développer l'attribut Graduate (s) indiqué ci-dessous:
Attribute Graduate University
Résultat d'apprentissage du cours (s)
la pensée critique et la résolution de problèmes- chargé des méthodes de recherche et de rigueur
- fondée sur des données empiriques et l'approche scientifique pour le développement des connaissances
- démontré par une évaluation appropriée et pertinente
- développé à partir, avec, et par le SGDE
- adouci par l'évaluation et la pratique tout au long du programme d'études
- encouragé et apprécié dans tous les aspects de l'apprentissage
- aptes à fonctionner dans d'autres cultures
- à l'aise avec nationalités différentes et des contextes sociaux
- Capable de déterminer et de contribuer aux résultats sociaux souhaitables
- démontré par l'étude à l'étranger ou avec une compréhension des savoirs indigènes
- une capacité d'auto-réflexion et la volonté de participer à l'auto-évaluation
- ouvert aux commentaires objective et constructive de la part des superviseurs et des pairs
- en mesure de négocier des situations sociales difficiles, les conflits diffus et engager positivement dans le débat intentionnel
Apprentissage en ligne
Toutes les missions, des tutoriels, des documents et des solutions, le cas échéant, seront disponibles sur MyUni que le cours progresse.
Les enregistrements des conférences seront généralement disponibles sur MyUni après chaque conférence.
Apprentissage - Modes d'enseignement
Les informations ci-dessous est fourni comme guide pour aider les élèves à engager de manière appropriée aux exigences de cours.
- Optimisation seule variable: Introduction, recherches section dichotomiques et or, les recherches non bornées approximation quadratique, algorithme de DSC, méthode de Newton
- Optimisation sans contrainte à plusieurs variables: introduction aux problèmes sans contrainte, convexité, théorèmes pour les méthodes de minimalité et de descente, descente plus raide sur quadratiques, méthode de gradient Conjugué, algorithme Fletcher-Reeves
- optimisation convexe Constrained: Introduction à l'optimisation des contraintes, des contraintes linéaires, multiplicateurs de Lagrange, les conditions KKT, Généralisations des conditions KKT, projection orthogonale, algorithme de projection gradient
- optimisation non convexe: Introduction à l'optimisation non convexe; méthodes de Recuit Simulé, algorithmes génétiques, optimisation Monte Carlo
- L'évaluation doit encourager et renforcer l'apprentissage.
- L'évaluation doit permettre aux jugements robustes et équitables sur le rendement des élèves.
- Les pratiques d'évaluation doivent être justes et équitables pour les étudiants et leur donner l'occasion de démontrer ce qu'ils ont appris.
- L'évaluation doit maintenir des normes académiques.
Missions, devoirs, projet
Formatives et sommatives
Évaluation des exigences connexes
Un score global d'au moins 50% est nécessaire pour passer le cap.
Détail de l'évaluation
Soumission
- Les travaux doivent être soumis à la case appropriée à l'École des sciences mathématiques à temps avec une feuille de couverture d'évaluation signée jointe, ou soumises en ligne MyUni.
- Les devoirs en retard ne seront pas acceptées, sauf avec un certificat médical.
- Missions seront retournés dans les deux semaines pour fournir une rétroaction aux étudiants.
Le classement du cours
Grades pour votre performance dans ce cours seront attribués selon le schéma suivant:
Échec Aucune soumission
Aucun examen officiel
De plus amples détails sur les grades / résultats peuvent être obtenus à partir des examens.
Année Descripteurs sont disponibles qui fournissent un guide général pour la qualité du travail qui est attendu à chaque niveau. Plus d'informations sur l'évaluation des programmes Coursework.
Les résultats définitifs de ce cours seront disponibles grâce à l'accès Adelaide.
L'Université accorde une haute priorité sur les approches de l'apprentissage et de l'enseignement qui améliorent l'expérience des étudiants. Commentaires des étudiants est demandée dans une variété de façons, y compris en cours avec l'engagement personnel, l'utilisation des forums de discussion en ligne et l'utilisation de l'expérience des étudiants d'apprentissage et d'enseignement des enquêtes (SELT), ainsi que des enquêtes GOS et les examens de programmes.
L'Université d'Adélaïde est engagée à des examens réguliers des cours et des programmes offerts aux étudiants. L'Université d'Adélaïde se réserve le droit d'interrompre ou de modifier des programmes et des cours sans préavis. S'il vous plaît lire les informations importantes contenues dans l'avertissement.