Identifying Data

2020/21

Subject (*)

Interactive Models of the Operations Research

Code

614493129

Study programme

Mestrado Universitario en Técnicas Estadísticas (Plan 2019)

Descriptors

Cycle

Period

Year

Type

Credits

Official Master's Degree

1st four-month period

Second

Optional

Language

Spanish

Teaching method

Hybrid

Prerequisites

Department

Matemáticas

Coordinador

Lorenzo Freire, Silvia

E-mail

silvia.lorenzo@udc.es

Lecturers

Carpente Rodriguez, Maria Luisa

Lorenzo Freire, Silvia

E-mail

luisa.carpente@udc.es

silvia.lorenzo@udc.es

Web

http://eio.usc.es/pub/mte

General description

O obxectivo deste curso é presentar e analizar algúns modelos que estudan a cooperación en problemas de optimización nos que interaccionan varios axentes.

Contingency plan

1. Modificacións nos contidos
Non haberá modificacións nos contidos.

2. Metodoloxías
*Metodoloxías docentes que se manteñen
Mantéñense todas as metodoloxías docentes (sesión maxistral, solución de problemas, traballos tutelados, proba oral e atención personalizada).
*Metodoloxías docentes que se modifican
Non haberá mningunha modificación.

3. Mecanismos de atención personalizada ao alumnado
- Correo electrónico: Usarase diariamente para consultas e solicitar encontros virtuais para resolver dúbidas.
- Teams: Faranse 2 sesións semanais para tutorías ou clases virtuais.
- Páxina web do máster: Usarase 2 veces á semana, aproximadamente, para proporcionar aos alumnos o material.

4. Modificacións na avaliación
Non haberá modificacións na avaliación.

*Observacións de avaliación:

5. Modificacións da bibliografía ou webgrafía
Non haberá modificacións.

Study programme competencies

Code	Study programme competences
A16	CE1 - Coñecer, identificar, modelar, estudar e resolver problemas complexos de estatística e investigación operativa, nun contexto científico, tecnolóxico ou profesional, xurdidos en aplicacións reais.
A17	CE2 – Desenvolver autonomía para a resolución práctica de problemas complexos surdidos en aplicación reais e para a interpretación dos resultados cara á axuda na toma de decisións.
A18	CE3 - Adquirir coñecementos avanzados dos fundamentos teóricos subxacentes ás distintas metodoloxías da estatística e a investigación operativa, que permitan o seu desenvolvemento profesional especializado.
A21	CE6 - Adquirir coñecementos teórico-prácticos avanzados de distintas técnicas matemáticas, orientadas específicamente á axuda na toma de decisións, e desenvolver a capacidade de reflexión para avaliar e decidir entre distintas perspectivas en contextos complexos.
A22	CE7 - Adquirir coñecementos teórico-prácticos avanzados de distintas técnicas de optimización matemática, tanto en contextos unipersoais como multipersoais, e saber aplicalos con autonomía suficiente nun contexto científico, tecnolóxico ou profesional.
B1	CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B2	CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
B3	CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos
B4	CB9 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun modo claro e sen ambigüidades
B5	CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirixido ou autónomo.
B17	CG1 - Coñecer, comprender e saber aplicar os principios, metodoloxías e novas tecnoloxías na estatística e a investigación operativa en contextos científico/académicos, tecnolóxicos ou profesionais especializados e multidisciplinares, así como adquirir as destrezas e competencias descritas nos objectivos generales do título.
B18	CG2 - Desenvolver autonomía para identificar, modelar e resolver problemas complexos da estatística e da investigación operativa en contextos científico/académicos, tecnolóxicos ou profesionais especializados e multidisciplinares.
B19	CG3 - Desenvolver a capacidade para realizar estudos e tarefas de investigación e transmitir os resultados a públicos especializados, académicos e xeneralistas.
B20	CG4 - Integrar coñecementos avanzados e enfrontarse á toma de decisións a partir de información científica e técnica.
B21	CG5 - Desenvolver a capacidade de aplicación de algoritmos e técnicas de resolución de problemas complexos no eido da estatística e a investigación operativa, manexando o software especializado axeitado.
C11	CT1 - Desenvolver firmes capacidades de razoamento, análise crítica e autocrítica, así como de argumentación e de síntese, contextos especializados e multidisciplinais.
C12	CT2 - Desenvolver destrezas avanzadas no manexo de Tecnoloxías da Información e a Comunicación (TIC), tanto para a obtención de información como para a difusión do coñecemento, nun ámbito científico/académico, tecnolóxico ou profesional especializado e multidisciplinar.
C13	CT3 - Ser capaz de resolver problemas complexos en novos escenarios mediante a aplicación integrada dos coñecementos.
C14	CT4 - Desenvolver unha sólida capacidade de organización e planificación do estudo, asumindo a responsabilidade do seu propio desenvovemento profesional, para a realización de traballos en equipo e de xeito autónomo.
C15	CT5 - Desenvolver capacidades para o aprendizaxe e a integración no traballo en equipos multidisciplinais, nos ámbitos científico/académico, tecnolóxico e profesional.

Learning aims

Learning outcomes	Study programme competences
Apply cooperative game theory techniques to any operational research problem	AC16 AC17 AC18 AC21 AC22	BJ1 BJ2 BJ3 BJ4 BJ5 BJ17 BJ18 BJ19 BJ20 BJ21	CJ11 CJ12 CJ13 CJ14 CJ15

Contents

Topic	Sub-topic
Cooperation in planning problems	Planning problems Cooperation in planning problems
Cooperation in queueing problems	Queueing problems Cooperation in queueing problems
Cooperation in networks models	Networks models (shortest path problem, vehicle routing problems, minimum cost spanning tree problems, minimum cost arborescences problems, fixed cost tree problems, etc) Cooperation in networks models
Cooperation in inventory models and linear production problems	Inventory models Cooperation in inventory models Linear production problems Cooperation in linear production problems

Planning

Methodologies / tests	Competencies	Ordinary class hours	Student’s personal work hours	Total hours
Guest lecture / keynote speech	A16 A17 A18 A21 A22 B1 B5 B17 C13	35	26	61
Speaking test	B19 B20 B21 C11 C12 C14 C15	4	0	4
Supervised projects	A16 A17 A18 A21 A22 B1 B2 B3 B4 B5 B18 B19 B21 C11 C12 C13	0	25	25
Problem solving	A16 A17 A21 A22 B2 B4 B17 B18 B20 B21 C11 C12 C13	0	25	25

Personalized attention		10	0	10

(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies

Methodologies	Description
Guest lecture / keynote speech	The professors make use of the material, which will be previously provided to the students, to explain all the contents of the subject.
Speaking test	The student will defend the project.
Supervised projects	Each student will receive a framework to be presented and defended in an oral test.
Problem solving	The students have to solve a collection of problems related to the contents of the subject.

Personalized attention

Methodologies

Guest lecture / keynote speech

Problem solving

Supervised projects

Description

The student could ask the teacher for the instructions and the bibliography necessary to carry out his/her project.

Assessment

Methodologies	Competencies	Description	Qualification
Problem solving	A16 A17 A21 A22 B2 B4 B17 B18 B20 B21 C11 C12 C13	The students should solve the collection of problems assigned by the professors.	50
Speaking test	B19 B20 B21 C11 C12 C14 C15	The student should defend the corresponding project in the speaking test.	50

Assessment comments

Sources of information

Basic	Curiel, I. (1997). Cooperative Game Theory and Applications. Kluwer Academic Publishers Sánchez-Rodríguez, E. y Vidal-Puga, J. (2014). Juegos coalicionales. Publicacións da Universidade de Vigo Borm, P., Hamers, H. y Hendrickx, R. (2001). Operations Research Games: A Survey. Springer

Complementary	González-Díaz, J., García-Jurado, I. y Fiestras-Janeiro, G. (2010). An introductory course on mathematical game theory. American Mathematical Society Borm, P. y Peters, H. (2002). Chapters on Game Theory. Kluwer Academic Publishers Driessen, T. (1998). Cooperative games, solutions and applications. Kluwer Academic Publishers Tijs, S. (2003). Introduction to Game Theory. Kluwer Academic Publishers Hassin, R. y Haviv, M. (2003). To Queue or not to Queue. Kluwer Academic Publishers

Recommendations

Subjects that it is recommended to have taken before

Linear and Integer Programming/614493005

Introduction to Game Theory/614493016

Subjects that are recommended to be taken simultaneously

Cooperative Games/614493026

Subjects that continue the syllabus

Other comments

(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.