Gaia
Optimizaziorako teknika klasikoak
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Gaztelania
Irakasgaiaren azalpena eta testuingurua
La Optimización es un área de la Investigación Operativa en la que se aplican herramientas matemáticas de programación para escoger la mejor decisión que optimice un cierto objetivo, satisfaciendo una serie de limitaciones. Esta asignatura tiene como objetivo el desarrollo de las bases teóricas y algoritmos para resolver problemas de optimización lineales, no lineales y estocásticos con variables continuas y enteras. Dadas las dimensiones de los problemas reales en la actualidad, es imprescindible el conocimiento de las técnicas clásicas de optimización, así como el software, tanto libre como comercial, específico de optimización disponible para su resolución. Este tipo de problemas se presentan en campos tan diversos como el financiero, logístico, humanitario e industrial, entre otros.Irakasleak
Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
---|---|---|---|---|---|---|
MERINO MAESTRE, MARIA | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Estatistika eta Ikerkuntza Operatiboa | maria.merino@ehu.eus |
SALAZAR GONZALEZ, JUAN JOSE | La Lagunako Unibertsitatea | Unibertsitateko Katedraduna | Doktorea | Estatistika eta Ikerkuntza Operatiboa | jjsalaza@ull.es |
Gaitasunak
Izena | Pisua |
---|---|
Aprenderá las características y propiedades referentes a problemas lineales, enteros y no lineales, deterministas y estocásticos. | 14.0 % |
Adquirirá conocimientos básicos para la modelización adecuada de problemas de optimización. | 14.0 % |
Comprenderá las dificultades que están inherentes a los problemas de optimización de gran tamaño. | 14.0 % |
Manejará los métodos y algoritmos necesarios para resolver problemas lineales y enteros mixtos. | 14.0 % |
Manejará los métodos y algoritmos necesarios para resolver problemas no lineales, prestando especial atención a los problemas cuadráticos. | 14.0 % |
Conocerá software libre muy eficiente para optimización. | 14.0 % |
7.- Conocerá diferentes programas comerciales útiles para la resolución de los problemas mencionados en los puntos anteriores. | 14.0 % |
Irakaskuntza motak
Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
---|---|---|---|
Magistrala | 24 | 36 | 60 |
Mintegia | 4 | 12 | 16 |
Gelako p. | 8 | 18 | 26 |
Ordenagailuko p. | 24 | 24 | 48 |
Irakaskuntza motak
Izena | Orduak | Ikasgelako orduen ehunekoa |
---|---|---|
Ariketak | 10.0 | 0 % |
Eskola magistralak | 24.0 | 24 % |
Eztabaidak | 6.0 | 25 % |
Gelako praktikak | 14.0 | 25 % |
Irakurketak | 10.0 | 0 % |
Kasuen analisia | 10.0 | 0 % |
Mintegiak | 4.0 | 100 % |
Ordenagailuko praktikak | 48.0 | 50 % |
Talde-lana | 18.0 | 0 % |
Tutoretzak | 6.0 | 50 % |
Ebaluazio-sistemak
Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
---|---|---|
Idatzizko edo ahozko probak | 0.0 % | 20.0 % |
Lan praktikoak | 80.0 % | 80.0 % |
Se valorará la asistencia y la respuesta a las actividades o ejercicios propuestos en clase. | 0.0 % | 20.0 % |
Ohiko deialdia: orientazioak eta uko egitea
CRITERIOS DE LA EVALUACIÓN CONTINUA:Realización de un trabajo individual consistente en una serie de ejercicios de cada uno de los tres apartados: optimización continua, entera y estocástica. 80%
Asistencia. 20%
Para aprobar la asignatura será necesario alcanzar una nota de 5 sobre 10.
CRITERIOS DE LA EVALUACIÓN FINAL:
Las y los estudiantes que lo soliciten, podrán someterse a una evaluación final, que podrá consistir en una prueba única, o en un conjunto de pruebas y trabajos.
Se podrá establecer de manera excepcional la asistencia a determinadas sesiones presenciales, y la superación, en su caso, de las pruebas que en ellas se establezcan.
Los estudiantes deberán solicitar la evaluación diferenciada mediante escrito razonado dirigido al Coordinador del Máster, desde el momento de la matrícula hasta transcurridos, como máximo, cinco días desde el inicio del curso. La solicitud se acompañará de todos los documentos que acrediten la imposibilidad de seguir con normalidad el desarrollo del curso. La Comisión Académica del Máster, resolverá en el plazo máximo de veinte días.
RENUNCIA:
El alumnado que haya realizado las actividades a lo largo del curso, pero no se presente a la convocatoria ordinaria, será calificado como No presentado/a.
Ezohiko deialdia: orientazioak eta uko egitea
Los criterios de evaluación serán los mismos que en la convocatoria ordinaria. La evaluación de las actividades realizadas a lo largo del curso (prácticas de ordenador, ejercicios, seminarios) será válida para las dos convocatorias del curso. En consecuencia, el alumnado que haya superado estas actividades a lo largo del curso, en la convocatoria extraordinaria solo tendrá que presentarse al trabajo individual. En el caso del alumnado que no haya superado la evaluación de dichas actividades o haya elegido la modalidad de evaluación final, en la convocatoria extraordinaria deberá realizar, también, una prueba complementaria diseñada para la evaluación de las actividades realizadas a lo largo del curso. Dicha prueba puede consistir en una exposición oral, una demostración ante un ordenador o una descripción escrita de los conocimientos prácticos abordados en las actividades planteadas a lo largo del curso.Irakasgai-zerrenda
Programación linealProgramación entera mixta. Programación binaria
Optimización no-lineal: condiciones de optimalidad y algoritmos
Algunos modelos de programación no lineal: programación cuadrática, separable y fraccionaria
Optimización bajo incertidumbre. Algoritmos de descomposición
Manejo de software de optimización, COIN-OR, CPLEX, etc.
Bibliografia
Nahitaez erabili beharreko materiala
Apuntes y prácticas de la asignatura "Técnicas Clásicas de Optimización" publicados en la plataforma virtual de apoyo a la docencia Moodle (UPV/EHU)Oinarrizko bibliografia
Birge J.R. y Louveaux F. Introduction to Stochastic Programming. Springer, 1997Calvete H. y Mateo P. Programación lineal, entera y meta, Colección Textos Docentes. Prensa Universitaria de Zaragoza, 1994
Hillier, Frederich y Lieberman. Introducción a la investigación de operaciones. Editorial McGraw-Hill (2001)
Pérez G. y Garín A. On downloading and using COIN-OR for solving lineal/integer optimization problems Biltoki, 2010. http://ideas.repec.p/ehu/biltok/201005.html
Gehiago sakontzeko bibliografia
Dennis J.E. y Schnable R.B., Numerical methods for unconstrained optimization and nonlinear equations. Prentice-Hall, Inc., New Jersey, 1983Escudero L.F, Garín A., Merino M. y Pérez G., A general algorithm for solving two-stage stochastic mixed 0-1 first-stage problems. Computers and Operations Research, 36,pp. 2590-2600, 2009
Maroto C., Alcaraz J. y Ruiz R., Investigación Operativa. Modelos y Técnicas de optimización. Editorial Universidad Politécnica de Valencia, 2002
Nocedal J. y Wright S.J., Numerical optimization. Springer, USA, 1999
Pérez G. y Garín A. On downloading and using CPLEX within COIN-OR for solving lineal/integer optimization problems. Biltoki, 2011. http://hdl.andle.net/10810/5504
Ramos, A., Alonso-Ayuso A. y Pérez G. (eds.) Optimización bajo incertidumbre. Publicaciones de la Universidad Pontificia Comillas, 2009
Wayne L. Winston. Operations Research: Applications and Algorithms. International Thomson Publishing, 3rd edition, 1994
Aldizkariak
European Journal of Operational Researchhttp://www.elsevier.com/wps/find/journaldescription.cws\_home/505543/description\#description
Journal of Global Optimization
http://www.kluweronline.com/issn/0925-5001
Journal of the Operational Research Society
http://www.palgrave-journals.com/jors/index.html
Operations Research Letters
http://www.elsevier.com/wps/find/journaldescription.cws\_home/505567/description\#description
TOP
http://www.springer.com/business+%26+management/operations+research/journal/11750
Estekak
http://www.seio.esSEIO, Sociedad de Estadística e Investigación Operativa
http://www.euro-online.org
EURO, The Association of European Operational Research Societies
http://www.coin-or.org
COIN-OR INFORMS (2008). Computational Infrastructure for Operations Research. CPLEX IBM (2011). IBM ILOG
http://www-01.ibm.com/software/integration/optimization/cplex-optimizer
CPLEX Optimizer.