Modelización y optimización I
GUÍA DOCENTE Curso 2013-14
Titulación: | Grado en Ingeniería Informática | 801G |
Asignatura: | Modelización y optimización I | 477 |
Materia: | Computación |
Módulo: | Optativas |
Carácter: | Optativa | Curso: | 4 | Semestre: | Semestral |
Créditos ECTS: | 6,00 | Horas presenciales: | 60,00 | Horas estimadas de trabajo autónomo: | 90,00 |
Idiomas en que se imparte la asignatura: | Español |
Idiomas del material de lectura o audiovisual: | Inglés, Español |
Departamentos responsables de la docencia
MATEMÁTICAS Y COMPUTACIÓN | R111 |
Dirección: | C/ Luis de Ulloa, s/n | Código postal: | 26004 |
Localidad: | Logroño | Provincia: | La Rioja |
Teléfono: | 941299452 | Fax: | 941299460 | Correo electrónico: | |
Profesorado previsto
Profesor responsable de la asignatura: | Pérez Lázaro, Francisco Javier |
Teléfono: | 941299466 | Correo electrónico: | javier.perezl@unirioja.es |
Despacho: | 219 | Edificio: | Edificio Vives |
Horario de tutorías: | 1er semestre: L18-20, M17-19, X16-18. 2º semestre: L10-12, M10-12, X11-13. |
Descripción de los contenidos
- Introducción a la optimización. Programación lineal. Aplicaciones.
- Modelos probabilísticos.
Se aconseja conocer los conceptos básicos de álgebra lineal, probabilidad y estadística.
Relación de asignaturas que proporcionan los conocimientos y competencias requeridos
Cálculo matricial y vectorial
Estadística
Contexto
La asignatura de Modelización y Optimización I tiene como objetivo presentar a los alumnos del Grado en Ingeniería Informática algunos conocimientos de investigación operativa. Se analizarán los modelos bajo certidumbre (optimización), en concreto los modelos de programación lineal. También se introducirán los modelos bajo incertidumbre (probabilísticos). Los conocimientos adquiridos en esta asignatura son ampliamente usados en contextos económicos y de planificación logística.
Competencias
Competencias generales
CG1 Estar capacitado para analizar, razonar y evaluar de modo crítico, lógico y, en caso necesario, formal, sobre problemas que se planteen en su entorno.
CG2 Estar capacitado para, utilizando el nivel adecuado de abstracción, establecer y evaluar modelos que representen situaciones reales.
CG5 Estar capacitado tanto para trabajar autónomamente, como para integrarse de modo eficaz en equipos de trabajo.
CG7 Haber desarrollado aquellas habilidades de aprendizaje necesarias para continuar su formación.
Competencias específicas
CE5 Capacidad para concebir, desarrollar y mantener sistemas, servicios y aplicaciones informáticas empleando los métodos de la ingeniería del software como instrumento para el aseguramiento de su calidad.
CE8 Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones.
CE10 Conocimientos para la realización de mediciones, cálculos, valoraciones, tasaciones, peritaciones, estudios, informes, planificación de tareas y otros trabajos análogos de informática.
Resultados del aprendizaje
Formular problemas reales como problemas de optimización y entender la necesidad de su resolución numérica. Utilizar técnicas computacionales para resolver problemas de optimización. Resolver problemas de optimización restringida no lineal. Plantear y resolver problemas de programación lineal.
Temario
1. Introducción.
2. Modelos de programación lineal. Solución gráfica.
3. El método del simplex.
4. Dualidad en programación lineal.
5. Análisis de sensibilidad y programación paramétrica.
6. Modelos probabilísticos: cadenas de Markov.
Trabajo en grupo. Versará sobre temas de programación matemática o cadenas de Markov
Bibliografía
Tipo: | Título |
Complementaria | Winston, Wayne L. Investigación de operaciones : aplicaciones y algoritmos. Thomson, 2005. Absys |
Complementaria | Bazaraa, M.S.; Jarvis, J.J.; Sherali, H.D. Linear programming and network flows, 4th ed. Wiley (2009). Otra edición disponible en biblioteca Absys |
Complementaria | Bertsimas, D.; Tsitsiklis, J.N. Introduction to linear optimization. Athena Scientific Series in Optimization and Neural Computation (1997) |
Complementaria | D.G. Luenberg, Y. Ye, Linear and Nonlinear Programming, Springer, 2008 Absys |
Complementaria | Feller W. Introducción a la teoría de probabilidades y sus aplicaciones. Mexico-Limusa 1973 Absys |
Complementaria | Grinstead and Snell, Introduction to Probability. GNU |
Complementaria | Z. Brzezniak, T. Zastawniak, Basic stochastic processes : a course through exercises, Springer, 1999 Absys |
Complementaria | G.B. Dantzig, M.N. Thapa, Linear Programming, Springer, 1997. Absys |
Complementaria | Dantzig, Thapa: Linear programming vol. 2 theory and extensions. Springer, 2003 |
Complementaria | Dantzig, George B. Linear programming and extensions [11th printing] Princeton, New Jersey : Princeton University Press, 1998 Absys |
Complementaria | G. Hurlbert, Linear Optimization. The simplex workbook, Springer, 2010. Absys |
Complementaria | J. Matousek, B. Gärtner, Understanding and Using Linear Programming, Springer, 2007 Absys |
Complementaria | P. Kall, J. Mayer, Stochastic Linear Programming, Springer, 2005 Absys |
Complementaria | Q. Martín y otros, Investigación operativa: problemas y ejercicios resueltos, Pearson Prentice Hall, 2005. Absys |
Complementaria | R.J. Vanderbei, Linear Programming. Foundations and Extensions. Springer, 2008 Absys |
Complementaria | J. Osorio, Problemas de programación lineal, Servicio de publicaciones de la Universidad de Las Palmas de Gran Canaria, 1999 Absys |
Complementaria | R. Rodríguez Huertas y otros; ¿Investigación Operativa: Teoría, ejercicios y prácticas con ordenador¿. Servicio de Publicaciones de la Universidad de Cádiz. 2002. Absys |
Complementaria | S. Ríos Insua y otros: "Programación lineal y aplicaciones. Ejercicios resueltos". Ed. Ra-Ma. Madrid. 1997 Absys |
Recursos en Internet |
Metodología
Modalidades organizativas
Clases teóricas
Seminarios y talleres
Clases prácticas
Tutorías
Estudio y trabajo en grupo
Estudio y trabajo autónomo individual
Métodos de enseñanza
Método expositivo - Lección magistral
Resolución de ejercicios y problemas
Aprendizaje basado en problemas
Aprendizaje orientado a proyectos
Aprendizaje cooperativo
Organización
Actividades presenciales | Tamaño de grupo | Horas |
Clases prácticas de aula | Reducido | 24,00 |
Clases prácticas de laboratorio o aula informática | Informática | 4,00 |
Clases teóricas | Grande | 32,00 |
Total de horas presenciales | 60,00 |
Trabajo autónomo del estudiante | Horas |
Estudio autónomo individual o en grupo | 30,00 |
Preparación en grupo de trabajos, presentaciones (orales, debates,...), actividades en biblioteca | 40,00 |
Resolución individual de ejercicios, cuestiones u otros trabajos, actividades en biblioteca o simi | 20,00 |
Total de horas de trabajo autónomo | 90,00 |
Evaluación
Sistemas de evaluación | % | ¿Recuperable? |
Elaboración, exposición y corrección de un trabajo en grupo | 50 | Sí |
Examen teórico-práctico | 50 | Sí |
Total | 100% | |
Comentarios
En la realización del trabajo en grupo, el profesor orientará sobre los temas elegidos o el enfoque, extensión, etc. También, en algunos casos, podrá aconsejar recursos bibliográficos o de otro tipo o incluso resolver alguna duda puntual. En ningún caso el profesor realizará explicaciones exhaustivas sobre la materia del trabajo en grupo.
Para los estudiantes a tiempo parcial (reconocidos como tales por la Universidad), las actividades de evaluación no recuperable podrán ser sustituidas por otras, a especificar en cada caso. Esta posibilidad se habilitará siempre y cuando la causa que le impida la realización de la actividad de evaluación programada sea la que ha llevado al reconocimiento de la dedicación a tiempo parcial.
Criterios críticos para superar la asignatura
Para superar la asignatura hará falta obtener una nota mínima de 3.5 puntos (sobre 10) en la nota del examen teórico-practico. De igual modo, hará falta obtener una nota mínima de 3.5 puntos (sobre 10) en la nota del trabajo.