TAOP88 · 6 hp · Grundnivå (G2F) · Matematik, Tillämpad matematik
Optimering för ingenjörer
Ges · nästa start HT 2026
77 %
klarade senaste ordinarie tentan
TEN1 · 24 mar 2026 · 73 studenter
82 %
klarade ordinarie tentorna, alla tillfällen de senaste 5 åren
TEN1 · 806 studenter
69 %
Svårare än 69 % av kurserna på grundnivå
Jämfört med 874 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 270 studenter.
Ingår i 5 program
Tentamen
TEN1 Skriftlig tentamen
- 5
- 4
- 3
- U
Ordinarie tentor
82 % godkända · 806 studenter
- 77 %73
- 65 %55
- 61 %71
- 68 %71
- 92 %95
- 84 %94
- 95 %78
- 89 %99
- 90 %61
- 89 %109
Omtentor
66 % godkända · 191 studenter
- 13 %8
- 39 %18
- 67 %12
- 33 %6
- 79 %28
- 65 %17
- 67 %6
- 67 %18
- 71 %17
- 75 %8
- 100 %13
- 79 %14
- 69 %13
- 69 %13
- Klarar omtentan: 66 % (191 studenter), jämfört med 82 % (806 studenter) på ordinarie
- Får 4 eller 5: 42 % (997 studenter)
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 50 %4
- 75 %4
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
LAB1 Laborationer
- G
Ordinarie tillfällen
100 % godkända · 656 studenter
- 100 %63
- 100 %54
- 100 %52
- 100 %76
- 100 %86
- 100 %73
- 100 %106
- 100 %41
- 100 %105
Senare tillfällen
100 % godkända · 86 studenter
- 100 %5
- 100 %9
- 100 %28
- 100 %10
- 100 %6
- 100 %5
- 100 %6
- 100 %7
- 100 %5
- 100 %5
- Klarar ett senare tillfälle: 100 % (86 studenter), jämfört med 100 % (656 studenter) på ordinarie
Visa små tillfällen (58)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
- 100 %3
- 100 %1
- 100 %4
- 100 %4
- 100 %1
- 100 %2
- 100 %1
- 100 %3
- 100 %1
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %3
- 100 %3
- 100 %2
- 100 %1
- 100 %3
- 100 %1
- 100 %3
- 100 %1
- 100 %2
- 100 %2
- 100 %2
- 100 %1
- 100 %1
- 100 %3
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %3
- 100 %1
- 100 %3
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %2
- 100 %1
- 100 %3
- 100 %1
- 100 %3
- 100 %1
- 100 %1
Om kursen
Mål
Kursens lärandemål är indelade under följande två huvudrubriker och inom ramen för dessaanger lärandemålen M1—M6 vad studenten ska kunna efter fullgjord kurs.
• Att inom matematisk modellering och användning av programvara för att lösaoptimeringsproblem kunna:(M1) identifiera frågeställningar av optimeringskaraktär och formulera matematiska modeller förvanliga optimeringsproblem;(M2) kombinera kunskaper inom modellering av optimeringsproblem, användning avoptimeringsprogramvara och programmering för att lösa ett givet optimeringsproblem, samtgenomföra rimlighetsbedömning och analys av resultatet;(M3) tillämpa optimeringslära på problemställningar inom hållbar utveckling samt analyseraresultatet.
• Att inom lösningsmetoder och teori kunna använda grundläggande begrepp och satser samt välja och tillämpa lämpliga metoder för att lösa och analysera optimeringsproblem(M4) som modelleras med kontinuerliga beslutsvariabler och(M5) som modelleras med diskreta beslutsvariabler eller i form av nätverk, samt(M6) utveckla heuristiker för strukturerade optimeringsproblem, ochinom ramen för vad som beskrivs av kursinnehållet; som en del i (M4), (M5) och (M6) tydligtredovisa beräkningar och resonemang, samt göra enklare rimlighetsbedömningar av resultaten.
Innehåll
Viktiga redskap för lösning av optimeringsproblem såsom matematisk modellering, optimalitetsvillkor, konvexitet, känslighetsanalys, dualitet och viss grafteori. Grundläggande metoder för linjär, ickelinjär, heltals- och nätverksoptimering. Heuristiker för svåra kombinatoriska optimeringsproblem. Exempel på tillämpningar som är relevanta för ingenjörer samt berör olika aspekter inom hållbar utveckling.
- Examinator
- Björn Morén
- Schemalagd tid
- 54 h
- Huvudområde
- Matematik, Tillämpad matematik