Competencias do título |
Código
|
Competencias do título
|
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias do título |
Identificar situacións reais susceptibles de ser resoltas mediante técnicas de programación matemática. |
A29
|
B2 B3 B7 B8 B9 B10
|
C1
|
Coñecer os fundamentos dos modelos de programación lineal e enteira. |
A29
|
B2 B3 B7 B8 B9 B10
|
C1
|
Usar e aplicar os algoritmos exactos de resolución que mellor se axustan a cada problema concreto. |
A29
|
B2 B3 B7 B8 B9 B10
|
C1
|
Desenvolver a capacidade para deseñar solucións aproximadas de programación matemática naquelas situacións nas que se fai difícil ou imposible obter a solución óptima. |
A29
|
B2 B3 B7 B8 B9 B10
|
C1
|
Contidos |
Temas |
Subtemas |
Introdución á optimización matemática. |
¿Que é un problema de optimización?
Clases de problemas de optimización. |
Programación lineal. |
Formulación de problemas de programación lineal.
Solución gráfica de problemas de programación lineal.
O método do Simplex. Dualidade e análise de sensibilidade.
Problemas especiais de programación lineal.
|
Programación lineal enteira. |
Formulación de problemas de programación lineal enteira.
Métodos de resolución. O algoritmo de ramificación e anotación.
Aspectos computacionais e introdución ás heurísticas.
Problemas especiais de programación lineal enteira.
|
Optimización en redes. |
Formulación de problemas de programación lineal enteira.
Problemas de fluxo en redes e aplicacións.
Outros problemas de optimización en redes.
Métodos de resolución.
|
Introdución a outros problemas de optimización matemática. |
Introdución á programación multiobjetivo.
Introdución á programación non lineal.
Introdución á programación estocástica.
Introdución á programación dinámica.
|
Planificación |
Metodoloxías / probas |
Competencias |
Horas presenciais |
Horas non presenciais / traballo autónomo |
Horas totais |
Sesión maxistral |
A29 B2 B3 B7 B8 B9 B10 C1 |
30 |
48 |
78 |
Prácticas de laboratorio |
A29 B2 B3 B7 B8 B9 B10 C1 |
20 |
20 |
40 |
Seminario |
A29 B2 B3 B7 B8 B9 B10 C1 |
10 |
10 |
20 |
Proba mixta |
A29 B2 B3 B7 B8 B9 B10 C1 |
3 |
3 |
6 |
|
Atención personalizada |
|
6 |
0 |
6 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
O alumno recibirá clases maxistrais nas que a profesora, coa axuda dos medios audiovisuais pertinentes, exporá os contidos teórico-prácticos da materia. Fomentarase en todo momento a participación e o debate. |
Prácticas de laboratorio |
Nas prácticas de laboratorio aprenderase a utilizar as ferramentas básicas de optimización: solvers de programación lineais, interfaces xerais de programación lineal e linguaxes de modelado algebraicos. Estas ferramentas son válidas para varias linguaxes de programación, pero nesta materia teranse en conta R e Python, fundamentalmente. |
Seminario |
Os seminarios reforzarán tanto o carácter aplicado da materia como a súa interactividade. Nos seminarios os alumnos poderán expor as súas dúbidas e inquietudes referidas á materia, e terán a oportunidade de realizar, coa supervisión da profesora, problemas similares aos dos exames. |
Proba mixta |
O alumno deberá demostrar o seu dominio dos aspectos teóricos da materia e a súa capacidade para a resolución de problemas no ámbito da optimización. |
Atención personalizada |
Metodoloxías
|
Sesión maxistral |
Prácticas de laboratorio |
Seminario |
|
Descrición |
Para a resolución de problemas será importante atender persoalmente aos alumnos ante as dúbidas que lles poidan xurdir. Esta atención servirá tamén, por unha banda, ao profesor para detectar posibles problemas na metodoloxía empregada para impartir a materia e, por outra, aos alumnos para consolidar coñecementos teóricos e expresar as súas inquietudes acerca da materia. |
|
Avaliación |
Metodoloxías
|
Competencias |
Descrición
|
Cualificación
|
Prácticas de laboratorio |
A29 B2 B3 B7 B8 B9 B10 C1 |
Para avaliar o grao de comprensión e aprendizaxe das prácticas, cada alumno realizará unha práctica individual. Para realizar esta práctica, o alumno terá que resolver un problema de optimización facendo uso das ferramentas de software que se proporcionaron ao longo do curso. |
20 |
Seminario |
A29 B2 B3 B7 B8 B9 B10 C1 |
Ao longo do curso, o alumno demostrará o seu interese pola materia e o seu dominio da mesma realizando unha proba escrita (control). Esta proba corresponderá aos temas 1, 2 e 3 da materia. |
20 |
Proba mixta |
A29 B2 B3 B7 B8 B9 B10 C1 |
O exame final, cun valor entre o 60% e o 80% (dependendo da cualificación obtida no control), consistirá en realizar unha proba escrita teórico-práctica. |
60 |
|
Observacións avaliación |
|
Fontes de información |
Bibliografía básica
|
Hillier, F. y Lieberman, G. (2016). Introduction to operations research. McGraw-Hill
Pedregal, P. (2004). Introduction to Optimization. Springer
Martín, Q., Santos, M.T. y Santana, Y. (2005). Investigación Operativa. Problemas y ejercicios resueltos. Pearson
Bazaraa, M.S., Jarvis, J.J. y Sherali, H.D. (2010). Linear Programming and Network Flows. Wiley
Ahuja, R.K., Magnanti, T.L. y Orlin, J.B. (1993). Network Flows. Theory, Algorithms and Applications. Prentice-Hall |
|
Bibliografía complementaria
|
Fourer, R. Gay, D.M. y Kernigham, B.W. (2002). AMPL: A modeling language for Mathematical Programming. Duxbury Press
Chong, E.K.P. y Zak, S.H. (2013). An Introduction to Optimization. Wiley
Birge, J.R. y Louveaux, F. (2011). Introduction to Stochastic Programming. Springer
Taha, H.A. (2012). Investigación de operaciones. Pearson
Cortez, P. (2014). Modern optimization with R. Springer-Verlag
Bazaraa, M.S., Sherali, H.D. y Shetty, C.M. (2006). Nonlinear programming. Theory and algorithms. Wiley
Salazar-González, J.J. (2001). Programación Matemática. Díaz de Santos
Hart, W.E., Laird, C., Watson, J.P. y Woodruff, D.L. (2012). Pyomo: Optimization Modeling in Python. Springer |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Álxebra Lineal/614G02001 | Cálculo Multivariable/614G02006 | Probabilidade e Estatística Básica/614G02003 |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
|
|