Με την επιτυχή ολοκλήρωση του μαθήματος ο/η φοιτητής / τρια θα είναι σε θέση να:

• Ανακαλεί μεθοδολογίες βελτιστοποίησης, γραμμικού, μη γραμμικού, δυναμικού προγραμματισμού και προηγμένες μεθοδολογίες βελτιστοποίησης.
• Αναγνωρίζει τη μαθηματική έκφραση βελτιστοποίησης  για  ένα περιβαλλοντικό πρόβλημα και ποια μεθοδολογία είναι καταλληλότερη για την επίλυση κάθε είδους προβλήματος.
• Επιλέγει την κατάλληλη μέθοδο επίλυσης και προσδιορίζει την βέλτιστη λύση.
• Εφαρμόζει τις διδαχθείσες μεθοδολογίες σε προβλήματα περιβαλλοντικού χαρακτήρα.

• Αυτόνομη Εργασία
• Λήψη αποφάσεων
• Σχεδιασμός και Διαχείριση Έργων

1. ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΤΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ: Εισαγωγή.
2. Ταξινόμηση Μοντέλων Βελτιστοποίησης, Μη γραμμική Βελτιστοποίηση, Κοίλα Σύνολα και Συναρτήσεις.
3. Θεωρήματα Μαθηματικής Βελτιστοποίησης.
4.  Γεωμετρία του Προβλήματος της Μαθηματικής Βελτιστοποίησης.
5. ΚΛΑΣΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ: Προβλήματα Βελτιστοποίησης χωρίς Περιορισμούς, Πολλαπλασιαστές Lagrange.
6. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ:  Βελτιστοποίηση σε Προβλήματα Γραμμικού Προγραμματισμού
7. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ:  Simplex Μέθοδος.
8. ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ: Εισαγωγή, Μέθοδοι Βελτιστοποίησης χωρίς Περιορισμούς,
9. ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Μέθοδοι Βελτιστοποίησης με Περιορισμούς, Δυναμικός Προγραμματισμός.
10. ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ: Εισαγωγή και βασικές έννοιες.
11. ΠΡΟΗΓΜΕΝΕΣ  ΜΕΘΟΔΟΙ  ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ: Γενετικοί αλγόριθμοι,
12. ΠΡΟΗΓΜΕΝΕΣ  ΜΕΘΟΔΟΙ  ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ: Ασαφής λογική, Νευρωνικά Δίκτυα.
13. Εφαρμογές σε Matlab.

Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών

• Εξειδικευμένο Λογισμικό
• Υποστήριξη Μαθησιακής διαδικασίας μέσω της ηλεκτρονικής πλατφόρμας e-class

Αξιολόγηση Φοιτητών

Ι. Γραπτή τελική εξέταση (80%) που περιλαμβάνει:
- Επίλυση προβλημάτων σχετικών με ποσοτικά δεδομένα

ΙΙ. Εργασία (Project) (20%)

• Μέθοδοι Βελτιστοποίησης Περιβαλλοντικών Συστημάτων, Καρατζάς Γεώργιος, Παπαδοπούλου Μαρία
• Στοιχεία Βελτιστοποίησης, Ευστράτιος Ε. Τζιρτζιλάκης