Μαθήματα Επιλογής Κοινά (ΜΕΚ) ΔΠΜΣ ΕΤΥΠ

Βελτιστοποίηση Συστημάτων Υδατικών Πόρων - Υδροπληροφορική

Το μάθημα, εξετάζει τις κυριότερες τεχνικές βελτιστοποίησης, εστιάζοντας σε προβλήματα υδατικών πόρων, τόσο σε αστική κλίμακα, όσο και σε κλίμακα λεκάνης απορροής. Αρχικά, εξηγείται η θεμελιώδης έννοια της ανάλυσης συστημάτων και εισάγεται το γενικό πλαίσιο προσομοίωσης και αξιολόγησης συστημάτων υδατικών πόρων, που αποτελεί το βασικό υπόβαθρο για τη διατύπωση των σχετικών προβλημάτων βελτιστοποίησης. Στη συνέχεια, υπενθυμίζονται οι βασικές μεθοδολογίες μαθηματικής ανάλυσης και διαφορικού λογισμού, και ακολούθως παρουσιάζονται οι αριθμητικές τεχνικές βελτιστοποίησης και αλγόριθμοι, ταξινομημένοι σε τρεις κύριες κατηγορίες. Η πρώτη κατηγορία αφορά στη βελτιστοποίηση γραμμικών συναρτήσεων με γραμμικούς περιορισμούς, όπου εξετάζονται το γενικό πρόβλημα γραμμικού προγραμματισμού καθώς και η δικτυακή διατύπωσή του, με στοιχεία από τη θεωρία γράφων. Η δεύτερη κατηγορία αφορά στη βελτιστοποίηση μη γραμμικών συναρτήσεων, για την οποία παρουσιάζονται διαφορετικές προσεγγίσεις, ξεκινώντας από τις τεχνικές αναζήτησης τοπικών ακροτάτων και προχωρώντας στις στοχαστικές μεθόδους ολικής βελτιστοποίησης, περιλαμβανομένων των κλασικών γενετικών αλγορίθμων και των πλέον σύγχρονων προσεγγίσεων, που βασίζονται στη χρήση υβριδικών εξελικτικών αλγορίθμων. Η τρίτη κατηγορία αφορά στη βελτιστοποίηση διανυσματικών συναρτήσεων, που χρησιμοποιούνται σε εφαρμογές λήψης αποφάσεων με πολλαπλά και ανταγωνιστικά κριτήρια. Τέλος, εξετάζεται, συνοπτικά, το πλαίσιο χειρισμού της αβεβαιότητας στη βελτιστοποίηση συστημάτων υδατικών πόρων, και επισκοπούνται άλλες τεχνικές αιχμής από το χώρο της υδροπληροφορικής, οι οποίες βασίζονται σε προσεγγίσεις τύπου «μαύρου κουτιού» (νευρωνικά δίκτυα, γενετικός προγραμματισμός).

Μάθημα 1: Εισαγωγή στην βελτιστοποίηση & υδροπληροφορική

Μάθημα 2: Θεμελιώδεις έννοιες – Κλασσικές μαθηματικές μέθοδοι

Μάθημα 3: Γραμμική και δικτυακή βελτιστοποίηση

Μάθημα 4: Προγραμματισμός σε περιβάλλον Matlab

Μάθημα 5: Τεχνικές προσομοίωσης-βελτιστοποίησης

Μάθημα 6 – 7: Μέθοδοι τοπικής και ολικής βελτιστοποίησης

Μάθημα 8: Γενετικοί Αλγόριθμοι

Μάθημα 9: Νευρωνικά Δίκτυα

Μάθημα 10: Ανάλυση αβεβαιότητας (Monte Carlo) (Άσκηση)

Μάθημα 11: Εξόρυξη δεδομένων

Μάθημα 12: Βελτιστοποίηση με χρήση μετα-μοντέλων (Surrogate Based Optimisation)

Μάθημα 13: Ασαφή Σύνολα/Ασαφής λογική

Βιβλιογραφία

Abrahart, See, Solomatine (eds). Practical Hydroinformatics: Computational Intelligence and Technological Developments in Water Applications, Springer, 506p, ISBN: 978-3-540-79880-4, 2008.
Biswas, A. K., Systems Approach to Water Management, McGraw-Hill, New York, 1976.
Grigg, N. S., Water Resources Management, McGraw-Hill, New York, 1996.
Klir, G., and B. Yuan (1995) Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall
Loucks, D. P. and E. van Beek, Water Resources Systems Planning and Management – An Introduction to Methods, Models and Applications, UNESCO Publishing, 2005.
Mays, L. W., and Y.-K. Tung, Hydrosystems Engineering and Management McGraw-Hill, New York, 1992.
Mays, L. W., and Y.-K. Tung, Systems analysis, in Water Resources Handbook, edited by L. W. Mays, McGraw-Hill, New York, 1996.
Michalewitz, Z., Genetic Algorithms + Data Structures = Evolution Programs, Springer, Berlin, Germany (1992)
Winston, W, L., Operations Research, Applications and Algorithms, 3rd ed., Duxbury, Belmont, 1994.
Winston, W, L., and S. C. Albright, Practical Management Science, Spreadsheet modeling and Applications, Duxbury, Belmont, 1997.
Witten, I., E. Frank and M. Hall (2011) Data Mining: Practical Machine Learning Tools and Techniques (Third Edition). Morgan Kaufmann, 629 pages, ISBN 978-0-12-374856-0
Λυκοθανάσης, Σ. Τμήμα Μηχανικών Η/Υ και Πληροφορικής, Παν/μιο Πάτρας (http://edu.eap.gr/pli/pli31/docs/GAs_introduction.pdf)

Serena H. Chen, Anthony J. Jakeman, John P. Norton (2008). Artificial Intelligence techniques: An introduction to their use for modelling environmental systems (pdf)

Δείτε περισσότερα εδώ

Πίσω στα Μαθήματα και τις Κατευθύνσεις