Código: 73043 | Asignatura: Optimización avanzada | ||||
Créditos: 3 | Tipo: Optativa | Curso: 2 | Periodo: 1º S | ||
Departamento: Estadística e Investigación Operativa | |||||
Profesorado: | |||||
MALLOR GIMENEZ, FERMÍN FRANCISCO (Resp) [Tutorías ] | AZCARATE CAMIO, CRISTINA [Tutorías ] |
Módulo de Especialización en Organización de Empresas / Técnicas avanzadas de organización de empresas
Tema 1. Optimización no lineal.
Tema 2. Optimización heurística.
Tema 3. Aplicaciones en organización industrial. Discusión de casos reales.
Optimización no lineal. Optimización heurística. Aplicaciones en organización industrial.
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB7: Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CB9: Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
CB10: Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
CG1: Tener conocimientos adecuados de los aspectos científicos y tecnológicos de: métodos matemáticos, analíticos y numéricos en la ingeniería, ingeniería eléctrica, ingeniería energética, ingeniería química, ingeniería mecánica, mecánica de medios continuos, electrónica industrial, automática, fabricación, materiales, métodos cuantitativos de gestión, informática industrial, urbanismo, infraestructuras, etc.
CG8: Aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares.
CMG5: Conocimientos de sistemas de información a la dirección, organización industrial, sistemas productivos y logística y sistemas de gestión de calidad.
CMG6: Capacidades para organización del trabajo y gestión de recursos humanos.
CMG9: Capacidad para la gestión de la Investigación, Desarrollo e Innovación tecnológica.
COE3: Conocimiento sobre gestión de la cadena logística, estructura de procesos logísticos y sistemas de información logística.
CEO9: Conocimiento sobre gestión por procesos, reingeniería de procesos y soportes de sistemas de información.
CEO11: Conocimiento sobre optimización no lineal y heurística, y representación de problemas reales de organización industrial mediante modelos de optimización.
R1. Conocimiento de los fundamentos de la optimización no lineal y de la optimización heurística.
R2. Capacidad para la representación problemas reales mediante un modelo de optimización, para resolverlo utilizando el software adecuado, y para recoger, analizar e interpretar sus resultados.
La medición de la consecución de estos resultados se realizará a través de todas las actividades recogidas en el apartado de evaluación.
Actividad formativa |
Horas |
% Presencialidad del alumno |
AF1.- Clases expositivas/participativas |
15 |
100 |
AF2.- Prácticas |
12 |
100 |
AF3.- Actividades de aprendizaje cooperativo |
3 |
100 |
AF4.-Realización de proyectos en grupo |
10 |
0 |
AF5.- Estudio y trabajo autónomo del estudiante |
30 |
0 |
AF6.-Tutorías y pruebas de evaluación |
5 |
100 |
Sistema de evaluación |
% ponderación mínima |
% ponderación máxima |
Pruebas de duración corta para la evaluación continua |
5 % |
10 % |
Pruebas de respuesta larga |
40% |
70% |
Pruebas tipo test |
|
|
Presentaciones orales |
5% |
10% |
Trabajos e informes |
10% |
40% |
Pruebas e informes de trabajo experimental |
|
|
Tema 1: Optimización no lineal.
Optimización no lineal sin restricciones.
Optimización no lineal con restricciones.
Tema 2: Optimización heurística.
Métodos GRASP.
Algoritmos genéticos.
Algoritmos de optimización inspirados en colonias de animales.
Otros algoritmos heurísticos.
Tema 3: Aplicaciones en ingeniería industrial. Discusión de casos reales.
Análisis de casos reales.
Lectura de artículos publicados en revistas científicas.
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
BALDICK, R. (2006): “Applied optimization”. Cambridge University Press.
BAZARAA, M.S. (2006): “Nonlinear programming: theory and algorithms”. 3rd Ed. Wiley.
BURKE, E.K., KENDALL, G. (2014) “Search Methodologies”. 2nd Ed, Springer.
GENDREAU, M., POTVIN, J.-Y. (2010): “Handbook of metaheuristics”. Springer.
MICHALEWICZ, Z., FOGEL, D.B. (2004): “How to solve it: modern heuristics”. Springer.
SIARRY, P. (2013): Heuristics: theory and applications. Nova
TALBI, E.-G. (2009): “Metaheuristics: from design to implementaion”. Wiley.
Revistas científicas: Optimization and Engineering, International Journal of Metaheuristics, Journal of Heuristics, Interfaces, Engineering Optimization, European Journal of Industrial Engineering, European Journal of Operational Research, Computers and Industrial Engineering, Evolutionary Computation, etc.