Modelos e Técnicas de Optimización

Coñecer os modelos e as técnicas matemáticas para resolver problemas de optimización, así como as súas aplicacións: problemas de programación lineais e enteiros, análise de redes, problemas no contexto da aprendizaxe automática.

Resolver casos prácticos empregando ferramentas informáticas adecuadas.

Tema 1. Fundamentos da optimización matemática.
Tema 2. Programación linear.
Tema 3. Programación enteira.
Tema 4. Problemas de Optimización en redes.
Tema 5. Optimización e Aprendizaxe Automática.

Básica
- Bazaraa, M.; Jarvis, J.; Sherali, H. (2010): "Linear Programming and Networks Flows". Wiley. Dispoñible en liña a través da USC.
(Versión en castelán, más antiga: Bazaraa, M., Jarvis, J. y Sherali, H. (2005): “Programación lineal y flujo en redes”, Limusa).
- Ahuja, R. K.; Magnanti, T. L.; Orlin, J. B. (1993): “Network Flows. Theory, Algorithms and Applications”. Prentice-Hall.


Complementaria
- Salazar González, J.J. (2001). “Programación Matemática”. Díaz de Santos.
- Hillier, F.; Lieberman, G. (2002): “Investigación de operaciones”, McGraw-Hill.

Nesta materia traballaranse as competencias básicas, xerais e transversais recollidas na memoria do título. Destaca de xeito singular a competencia “Coñecemento dos temas e tecnoloxías básicas que lles permitan aprender e desenvolver novos métodos e tecnoloxías, así como aqueles que lles confiren unha gran versatilidade para adaptarse a novas situacións”. Ademais, esta materia contribuirá a alcanzar as seguintes competencias e resultados da aprendizaxe: CG8, CG9, TR1, TR2, TR3, FB1, FB3, RI6, RI15, TI5.

As competencias mencionadas anteriormente traballaranse nas clases expositivas, onde se aprenderán os contidos teóricos da materia e os procedementos para resolver problemas prácticos; e tamén nas clases interactivas, que serán na aula de informática, onde se aprenderá o manexo de programas informáticos para a execución de técnicas de optimización matemática, facendo fincapé na aplicación práctica de conceptos teóricos. O software de referencia será R (http://www.r-project.org) e tamén AMPL (https://ampl.com/).

En concreto, para acadar as competencias TR1 e FB1, proporanse actividades para os estudantes, que consistirán na resolución de preguntas, exercicios e exemplos relacionados co modelado e resolución de problemas de optimización aplicada. Estas actividades formarán parte da avaliación final.

O Campus Virtual da USC tamén se empregará como ferramenta para proporcionar material aos estudantes e como posible foro de discusión.

Avaliación continua: a avaliación continua realizarase ao longo do cuadrimestre. Consistirá na resolución de exercicios ou traballos nos que o alumno utilizará as técnicas e coñecementos adquiridos nas clases.

A asistencia a clase é recomendable, pero non terá incidencia na avaliación final.

Exame final: o exame final consistirá en preguntas teórico-prácticas sobre os contidos da materia.

A nota final, tanto na primeira como na segunda oportunidade, será o máximo entre: a) a nota do exame final teórico-práctico e b) a media ponderada entre a avaliación continua (25%) e a nota do exame teórico-práctico (75%).

Recoméndase dedicar polo menos unha hora e media de traballo adicional por cada hora de clase expositiva e interactiva, ademais das horas de titoría.

Para superar con éxito a materia, é moi recomendable asistir regularmente ás clases expositivas, interactivas e titorías. Ademais, a realización das tarefas propostas debería servir para alcanzar os obxectivos do curso.

En caso de realización fraudulenta de exercicios ou probas, aplicarase o disposto no “Regulamento para a avaliación do rendemento académico dos estudantes e a revisión das cualificacións”.