OPTIMOINNIN JA PÄÄTÖKSENTEON MAISTERI- KOULUTUS (OPTI) 24.10.2013 JYVÄSKYLÄN YLIOPISTO INFORMAATIOTEKNOLOGIAN TIEDEKUNTA 2013
1. AJANKOHTAISUUS Kilpailu kiristyy kaikilla elämänalueilla koko ajan asiat täytyy suorittaa aina vaan nopeammin, halvemmalla ja paremmin. Asioiden tilan parantaminen edellyttää päätöksentekoa. Päätösten tekemiseen ei riitä vain yritys ja erehdys, koska päätösongelmat ovat aikaisempaa monitahoisempia. Tällaisissa tilanteissa voidaan käyttää optimointia. Optimointi tarkoittaa systemaattisia tapoja taata parhaan mahdollisen ratkaisun tai päätöksen löytyminen. Optimointi edustaa laskennallisia tieteitä, joissa yhdistyvät tietotekniikan ja matematiikan edut. Yleensä käytännön ongelmissa on useampi kuin yksi tavoite, sillä päätöksenteko edellyttää usean ristiriitaisen tavoitteen optimoimista samanaikaisesti. Tällöin tarvitaan monitavoiteoptimointia. Monitavoiteoptimointi auttaa päätöksentekijää löytämään hänelle parhaan kompromissiratkaisun, mutta myös ymmärtämään tavoitteiden välisiä riippuvuussuhteita. Sanalla kompromissi on monesti varsin kielteinen kaiku. Kuitenkin eri näkökulmien huomioiminen monitavoiteoptimoinnin avulla on rikkaus, vaikka parhaan kompromissin etsimisessä joudutaan tasapainoilemaan ristiriitaisten tavoitteiden välillä. Mahdollisesti hyvältä kuulostava yhden tavoitteen huomioiva optimi on usein liian yksinkertaistava ja suoraviivainen ratkaisu moniarvoisessa maailmassamme. Monitavoiteoptimoinnin avulla voimme siirtää päätöksentekoa koskevan kiistelyn ratkaisuista väittelyn sijaan tavoitteiden sopivista arvoista keskusteluun. Näin keskustelu koskee niitä asioita, joilla on merkitystä. Esimerkiksi jätevedenpuhdistamoa suunniteltaessa voimme monitavoiteoptimoinnin avulla keskustella suoraan siitä miten paljon kemikaaleja olemme valmiit käyttämään (ja siten maksamaan näiden kustannukset), jotta saamme jäteveden puhdistettua hyväksyttävälle tasolle. 2. OPTI-MAISTERIKOULUTUKSEN TAVOITTEET Optimointi on tieteellinen lähestymistapa päätöksentekoon. Optimoinnin ja päätöksenteon koulutuksessa opiskelija perehtyy päätöksenteon taustalla oleviin matemaattisiin malleihin ja päätöksentekoa tukeviin menetelmiin, niiden tietokonetoteutuksiin sekä erilaisiin käytännön sovelluksiin. Erityisesti paneudutaan usean ristiriitaisen tavoitteen samanaikaiseen huomioimiseen monitavoiteoptimoinnin avulla.
3. MAISTERITUTKINNON RAKENNE Optimointi ja päätöksenteko -maisterikoulutuksen laajuus on 120 op. Teemaopinnot Kaikille yhteiset opinnot: TIES410 Future Internet 5 op Teeman pakolliset syventävät opinnot: TIES483 Epälineaarinen optimointi, 5 op TIES451 Selected topics in soft computing, 4op Teeman valinnaiset syventävät opinnot: TIES583 Optimoinnin jatkokurssi (kirjatentti + itseopiskelu, luennoidaan tarvittaessa), 5 op TIES588 Monitavoiteoptimointi (kirjatentti + itseopiskelu, luennoidaan tarvittaessa), 5 op TIES445 Tiedonlouhinta, 5 op TAI TJTST19 Tietokannat ja tiedon louhinta 5 op TIES513 Simulointi, 5 op TIES489 Säätöteorian perusteet (kirjatentti + itseopiskelu), 5op TIES581 Numeerinen lineaarialgebra, 5 op TIES594 ODY-ratkaisijat, 5 op TIES681 Seminar of Mathematical Modelling and Scientific Computing, 0-3op TIES584 Matemaattisen mallintamisen jatkokurssi / Verkkohanke 3op Teemaan liittyvät projektiopinnot Optimointiin tai päätöksentekoon liittyvä sovellusprojekti, 10 op tai Optimointiin tai päätöksentekoon liittyvä tutkimusprojekti, 10 15 op Pro Gradu tutkielma TIES501 Pro gradu -seminaari 5 op TIES502 Pro gradu -tutkielma 30 op TIES503 Kypsyysnäyte 0 op Sivuaineopinnot Kandidaatin tutkinnon suorittaneella henkilöllä tulee olla suoritettuna kaksi perusopintoja vastaavaa sivuainekokonaisuutta tai yhden aineen perus- ja aineopinnot Kandidaatin ja maisterin tutkinnon suorittaneella henkilöllä tulee olla suoritettuna kaksi perusopintoja vastaavaa sivuainekokonaisuutta tai yhden aineen perus- ja aineopinnot. Mikäli alempaan tutkintoon ei sisälly matematiikan perus- ja aineopintokokonaisuutta ja tilastotieteen tai luonnontieteen perusopintoja, tulee ne suorittaa osana FM-tutkintoa. Vapaavalintaiset opinnot Suositellaan johtamisen tai psykologian opintoja 40 op 10 15 op 35 op 0-35 0-10
5. TAUSTAOSAAMINEN Maisterikoulutukseen voivat hakea maisteriopiskelijat, jatkotutkintoa tekevät sekä jo työelämässä olevat täydennyskoulutusta haluavat, jotka ovat kiinnostuneita tieteellisestä lähestymisestä päätöksentekoon. Lukuvuoden 2013 2014 koulutukseen valittavilta edellytetään soveltuva alempi korkeakoulututkinto vuoden 2013 loppuun mennessä. Maisterikoulutukseen valittavalta vaaditaan seuraavaa: 1. tietotekniikan laskennallisten tieteiden perus- ja aineopintoja vastaavat opinnot tai osaaminen sekä 2. toinen seuraavista tai vastaavat tiedot: a. matematiikan perusopinnot sekä luonnontieteellinen tai tilastotieteen perusopintokokonaisuus, 50 op, tai b. matematiikan perus- ja aineopinnot, 60 op Koulutukseen valitulle opiskelijalle vahvistetaan henkilökohtainen opintosuunnitelma käyttäen pohjana laitosten vahvistettua opetussuunnitelmaa. Henkilökohtaista opintosuunnitelmaa laadittaessa voidaan hyväksyä työelämässä hankittua osaamista enintään 30 op. 6. Olennaiset kurssit TIES483 Epälineaarinen optimointi, 5 op Sisältö Yhden muuttujan funktion minimointi. Useamman muuttujan funktion minimointi ilman rajoitteita. Useamman muuttujan funktion minimointi rajoittein. Optimaalisuusehtoja. Epälineaarisen optimoinnin ohjelmistoja. Esitiedot Lineaarinen ja diskreetti optimointi, Numeeriset menetelmät, ohjelmointitaito (Fortran 90/95 tai C/C++ tai vastaava). Luentomoniste Kaisa Miettinen: Epälineaarinen optimointi, Luentomoniste 10, 2003. Myydään Ylistönrinteen kirjastossa (rakennus YK) hintaan 7,30 euroa. Kirjallisuutta Juha Haataja, Optimointitehtävien ratkaiseminen, CSC:n oppaat, 2004, saatavilla sähköisesti Fletcher: Practical Methods of Optimization, 1980, Vol. 1 & 2 Gill, Murray & Wright: Practical Optimization, 1981 Luenberger: Linear and Nonlinear Programming, 1984 Bazaraa, Sherali & Shetty: Nonlinear Programming: Theory and Algorithms, 1993
Bertsekas: Nonlinear Programming, 1995 Nocedal & Wright: Numerical Optimization, 1999 Biegler: Nonlinear Programming: Concepts, Algorithms, and Applications to Chemical Processes, 2010 Hinze, Pinnau, Ulbrich & Ulbrich: Optimization with PDE Constraints, 2009 Conn, Scheinberg & Vicente: Introduction to Derivative-Free Optimization, 2009 Talbi: Metaheuristics - From Design to Implementation, 2009 TIES451 Selected topics in soft computing, 4op Syllabus 1. Introduction to Optimization: Overview of classical optimization methods, constraint handling, mixed integer programming, difficulties with classical methods 2. Evolutionary biology background and terminology 3. Introduction to evolutionary algorithms: What are evolutionary algorithms?, Binary coded genetic algorithms, theoretical underpinnings, some simple examples, constraint handling techniques. 4. Real parameter evolutionary algorithms: Real parameter genetic algorithms, evolutionary strategies, differential evolution, particle swarm optimization. 5. Genetic programming 6. Evolutionary artificial intelligence in video games 7. Introduction to evolutionary robotics Literature David E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning, 1989 Kalyanmoy Deb, Multi-Objective Optimization Using Evolutionary Algorithms, 2001 Thomas Baeck, D.B Fogel, Z Michalewicz (editors), Evolutionary Computation 1 : Basic Algorithms and Operators, 2000 Thomas Baeck, D.B Fogel, Z Michalewicz (editors), Evolutionary Computation 2 - Advanced Algorithms and Operations, 2000