Optimización
Código: 104396Créditos: 6
| Titulación | Tipo | Curso |
|---|---|---|
| Matemática Computacional y Analítica de Datos | OB | 2 |
Profesor/a de contacto
- Nombre :
- Aureli Alabert Romero
- Correo electrónico :
- aureli.alabert@uab.cat
Equipo docente
- Aureli Alabert Romero
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Se utilizarán conocimientos impartidos previamente a las asignaturas Álgebra Lineal, Cálculo en Una Variable, Cálculo en Varias Variables, Iniciación a la Programación, Cálculo Numérico, y Algorítmica y Combinatoria en Grafos.
Objetivos
Aprender a modelar problemas de toma de decisiones en términos de programas lineales y no lineales. Conocer el mecanismo del método del símplex. Resolver programas lineales, a mano y con el software adecuada. Programar algoritmos de programación no lineal, y usar bibliotecas existentes.
Resultados de aprendizaje
- CM25 (Evaluar la dificultad de hacer un cálculo de probabilidades analítico en situaciones complejas.) Evaluar la dificultad de hacer un cálculo de probabilidades analítico en situaciones complejas.
- CM27 (Crear modelos de simulación de la realidad para establecer y comprobar hipótesis en el estudio de problemas o realidades más complejas.) Crear modelos de simulación de la realidad para establecer y comprobar hipótesis en el estudio de problemas o realidades más complejas.
- KM22 (Identificar rudimentos de logística y otros campos en los que se aplica la investigación operativa en el ámbito tecnológico e industrial.) Identificar rudimentos de logística y otros campos en los que se aplica la investigación operativa en el ámbito tecnológico e industrial.
- SM20 (Distinguir, de un problema, lo que es importante de cara a la construcción del modelo matemático y su resolución de lo que no lo es.) Distinguir, de un problema, lo que es importante de cara a la construcción del modelo matemático y su resolución de lo que no lo es.
- SM21 (Distinguir cuándo se pueden realizar cálculos de probabilidades analíticos y cuando se debe recurrir a la simulación estocástica.) Distinguir cuándo se pueden realizar cálculos de probabilidades analíticos y cuando se debe recurrir a la simulación estocástica.
- SM22 (Seleccionar modelos de la realidad científica o tecnológica relativa a un problema de toma de decisiones, expresando estos con el lenguaje matemático de los problemas de optimización con programación dinámica o con colas estocásticas.) Seleccionar modelos de la realidad científica o tecnológica relativa a un problema de toma de decisiones, expresando estos con el lenguaje matemático de los problemas de optimización con programación dinámica o con colas estocásticas.
- SM23 (Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para experimentar y resolver problemas.) Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para experimentar y resolver problemas.
Contenidos
2- Programación Lineal: Modelización en términos de programas lineales. El algoritmo del simplex. Programación Lineal Entera. Flujos lineales sobre redes.
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Resolución de problemas teòricos | 32 | 1,28 | CM25, CM27, KM22, SM20, SM21, SM22, SM23 |
| Resolución de problemas mediante programación | 65 | 2,6 | CM25, CM27, KM22, SM20, SM21, SM22, SM23 |
| Clases teóricas y prácticas | 49 | 1,96 | CM25, CM27, KM22, SM20, SM21, SM22, SM23 |
El aprendizaje eficaz de la optimización debe combinar tres actividades fundamentales: el estudio de la teoría matemática, la modelización de problemas reales y la resolución efectiva de problemas tanto académicos como aplicados, en coherencia con el carácter eminentemente práctico del grado. Los problemas reales de optimización suelen ser muy complejos; en este contexto, se entiende por “problemas reales” aquellas simplificaciones de situaciones auténticas que puedan abordarse razonablemente durante el curso y que, a su vez, reflejen la transversalidad de los campos de aplicación de la optimización.
El estudio de la teoría se llevará a cabo mediante lecturas recomendadas y clases magistrales.
Se trabajará con software específico de modelización, cuando sea posible, y con bibliotecas de funciones en un lenguaje de programación general que se adecue a la formación previa del estudiante. Siempre se empleará software libre y/o gratuito. El estudiante también implementará algoritmos básicos completos y resolverá problemas concretos con ellos.
El uso de herramientas de Inteligencia Artificial está permitido. Hay que tener en cuenta que no existe ninguna garantía de que las ayudas que proporcionan sean correctas o útiles, y la responsabilidad es siempre de quien las utiliza, tanto en el aprendizaje de conceptos como en la entrega de trabajos.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Examen de programación lineal | 40% | 2 | 0,08 | CM27, KM22, SM20 |
| Trabajos de Programación No Lineal | 10% | 0 | 0 | CM25, SM23 |
| Trabajos Programación Lineal | 10% | 0 | 0 | CM27, KM22, SM20, SM22, SM23 |
| Examen de optimización no lineal | 40% | 2 | 0,08 | CM25, SM21 |
La evaluación de la asignatura se basará en:
- Entrega de trabajos de cada una de las tres partes del curso. (20% de la nota final)
- Examen de cada una de las dos partes del curso. (80% de la nota final)
Para aprobar la asignatura hay que:
- Obtener una media de 5.0 sobre 10 en los exámenes, con un mínimo de 4.0 en cada uno de los exámenes
- Obtener una media global de 5 sobre 10, que será la nota final de la asignatura.
Las notas que no cumplan estos requisitos se podrán estudiar caso por caso.
De cada uno de los exámenes habrá una segunda convocatoria (“recuperación” en la terminología oficial de la UAB). La asistencia a esta segunda convocatoria anulará automáticamente la nota de la primera.
Cada entrega tendrá en general una calificación de Bien (nota máxima) o Mal (cero), y no se permitirá hacer una segunda entrega. Se considera un mérito hacer las cosas bien a la primera y siguiendo las instrucciones.
Se considerará evaluable al estudiante que haya presentado trabajos o realizado exámenes por un total de al menos el 50% de la asignatura, según el peso que figura en el cuadro de Actividades de evaluación. En caso contrario constará en el acta como No Evaluable. Para la eventual asignación de Matrículas de Honor no se tendrán en cuenta las notas de la segunda convocatoria.
La copia o plagio en las entregas se considera igual de grave que copiar o hacer cualquier tipo de trampa en un examen, y conlleva el Suspenso automático de la asignatura.
Esta asignatura no prevé Evaluación Única.
Bibliografía
Durante el curso se proporcionará el material imprescindible para seguirlo. Se sugerirán referencias bibliográficas y otros recursos en el momento oportuno del curso.
Software
Durante el curso se darán las instrucciones de instalación pertinentes para el software que se utilizará, en el momento oportuno.
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Tipo de docencia | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (TE) Teoría | 1 | Catalán | segundo cuatrimestre | manaña-mixto |
| (PLAB) Prácticas de laboratorio | 1 | Catalán | segundo cuatrimestre | manaña-mixto |
| (SEM) Seminarios | 1 | Catalán | segundo cuatrimestre | manaña-mixto |