Datos Identificativos 2023/24
Asignatura (*) Optimización Matemática Código 614G03005
Titulación
Grao en Intelixencia Artificial
Descriptores Ciclo Periodo Curso Tipo Créditos
Grado 1º cuatrimestre
Segundo Obligatoria 6
Idioma
Castellano
Modalidad docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinador/a
Carpente Rodriguez, Maria Luisa
Correo electrónico
luisa.carpente@udc.es
Profesorado
Carpente Rodriguez, Maria Luisa
García Jurado, Ignacio
Correo electrónico
luisa.carpente@udc.es
ignacio.garcia.jurado@udc.es
Web
Descripción general Coñecer os modelos matemáticos e as técnicas para a resolución dos problemas de optimización, así como as súas aplicacións: problemas de programación lineal e enteira, análise de redes, problemas no contexto da aprendizaxe automática. Resolver casos prácticos mediante o emprego de ferramentas informáticas apropiadas.

Competencias del título
Código Competencias del título
A1 Capacidad para utilizar los conceptos y métodos matemáticos y estadísticos para modelizar y resolver problemas de inteligencia artificial.
A5 Comprender y aplicar los principios y técnicas básicas de la programación paralela y distribuida para el desarrollo y ejecución eficiente de las técnicas de inteligencia artificial.
A15 Conocer y saber aplicar y explicar correctamente las técnicas de validación de las soluciones de inteligencia artificial.
B2 Que el alumnado sepa aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posea las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
B5 Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
B7 Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad.
B9 Capacidad para seleccionar y justificar los métodos y técnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial.
C3 Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Conocimiento de los resultados teóricos incluidos en el programa, identificando y conociendo las técnicas de resolución de diferentes problemas de optimización matemática. A1
A5
A15
B2
B5
B7
B9
C3
Capacidad para aplicar correctamente los conocimientos obtenidos a la modelización y resolución de problemas de optimización que surgen en el contexto de los problemas de inteligencia artificial, familiarizándose con las interrelaciones entre optimización matemática y aprendizaje automático. A1
A5
A15
B2
B5
B7
B9
C3

Contenidos
Tema Subtema
Introducción a la optimización matemática. Descripción y ejemplos de los principales modelos de optimización matemática.
Programación lineal y entera. Programación lineal continua. Algoritmo del símplex. Dualidad y análisis de sensibilidad.
Programación lineal entera. Algoritmo de ramificación y acotamiento.
Optimización en redes. Problemas de transporte y asignación.
Problemas de flujo en redes.
Problemas de caminos y rutas.
Introducción a la programación no lineal. Introducción a los principales modelos y algoritmos de programación no lineal y sus aplicaciones en inteligencia artificial.

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Solución de problemas A1 A5 A15 B2 B5 B7 B9 C3 30 30 60
Sesión magistral A1 A5 A15 B2 B5 B7 B9 C3 30 45 75
 
Atención personalizada 15 0 15
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Solución de problemas La solución de problemas se llevará a cabo en clases interactivas donde se pondrá énfasis en la aplicación práctica de los conceptos vistos en las clases expositivas. Además, se aprenderá el manejo de alguna herramienta informática para la ejecución de algunas de las técnicas de optimización vistas. El lenguaje de referencia será Python (https://www.python.org/). Se empleará el Campus Virtual de la UDC para facilitar el enunciado de los problemas propuestos a los estudiantes.
Sesión magistral La sesión magistral consistirá en clases expositivas en el aula. En ellas se aprenderán los contenidos teóricos de la materia y los procedimientos para la resolución de los problemas prácticos. Se empleará el Campus Virtual de la UDC para facilitar material a los estudiantes.

Atención personalizada
Metodologías
Solución de problemas
Descripción
La solución de problemas se realizará, preferentemente, en las clases interactivas. El estudiante podrá contar con la atención personalizada por parte del profesorado durante el desarrollo de las mismas.

Evaluación
Metodologías Competéncias Descripción Calificación
Sesión magistral A1 A5 A15 B2 B5 B7 B9 C3 -Se realizará una prueba escrita con una puntuación máxima de 6 puntos.
*Aquellos estudiantes que no hayan superado o realizado las pruebas prácticas, podrán realizar un examen de prácticas en esta prueba escrita que puntuará 4 puntos como máximo.
-No se requiere nota mínima.
60
Solución de problemas A1 A5 A15 B2 B5 B7 B9 C3 -Se realizarán dos pruebas prácticas a lo largo del desarrollo de la asignatura.
-La puntuación máxima será de 4 puntos.
-No se requiere nota mínima.
40
 
Observaciones evaluación

Fuentes de información
Básica Hillier, F. y Lieberman, G. (2002). Investigación de Operaciones. McGraw-Hill
Bazaraa, M., Jarvis, J. y Sherali, H. (2010). Linear Programming and Network Flows. Wiley and Sons

Bazaraa, M., Jarvis, J. y Sherali, H. (2010): “Linear Programming and Network Flows”, Wiley and Sons.

Hillier, F.; Lieberman, G. (2002): “Investigación de operaciones”, McGraw-Hill.

Complementária Luenberger D.L.; Ye, Y. (2021). Linear and Nonlinear Programming. Springer
Ahuja, R. K.; Magnanti, T. L. y Orlin, J. B. (1993). Network Flows. Theory, Algorithms and Applications. Prentice-Hall


Recomendaciones
Asignaturas que se recomienda haber cursado previamente
Programación I/614G03006
Matemática Discreta/614G03003

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios

Se trabajará para fomentar la igualdad entre hombres y mujeres.



(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías