Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 73231 | Asignatura: Optimización avanzada | ||||
| Créditos: 3 | Tipo: Optativa | Curso: 2 | Periodo: 1º S | ||
| Departamento: | |||||
| Profesorado: | |||||
| MALLOR GIMENEZ, FERMÍN FRANCISCO (Resp) [Tutorías ] | AZCARATE CAMIO, CRISTINA [Tutorías ] | ||||
Descripción/Contenidos
Tema 1. Optimización no lineal.
Tema 2. Optimización heurística.
Tema 3. Aplicaciones en organización industrial. Discusión de casos reales.
Descriptores
Optimización no lineal. Optimización heurística. Aplicaciones en organización industrial.
Competencias genéricas
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.
CG4: Capacidad para el modelado matemático, cálculo y simulación encentros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería de Telecomunicación y campos multidisciplinares afines.
Competencias específicas
CEO9: Conocimiento sobre optimización lineal, no lineal y heurística, y representación de problemas reales de organización industrial mediante modelos de optimización.
Resultados aprendizaje
R1. Conocimiento de los fundamentos de la optimización lineal y 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.
Evaluación
| Resultado de aprendizaje | Sistema de evaluación | Peso (%) | Carácter recuperable |
| R1, R2 | Prueba de duración corta para la evaluación continua | 5-10 | NO |
| R1, R2 | Pruebas de respuesta larga | 40-70 | SÍ |
| R1, R2 | Trabajos e informes | 10-40 | NO |
| R1, R2 | Presentaciones orales | 5-10 | NO |
Temario
Tema 1: Optimización no lineal.
-
Optimización no lineal sin restricciones.
-
Optimización no lineal con restricciones.
Tema 2: Optimización heurística.
-
Búsqueda Tabú.
- Simulated Annealing.
- GRASP: Greedy Randomized Adaptative Search Procedures.
-
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.
Bibliografía
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.