Universidad Pública de Navarra



Año Académico: 2017/2018 | Otros años:  2016/2017  |  2015/2016 
Máster Universitario en Ingeniería Industrial por la Universidad Pública de Navarra
Código: 73043 Asignatura: Optimización avanzada
Créditos: 3 Tipo: Optativa Curso: 2 Periodo: 1º S
Departamento: Estadística e Investigación Operativa
Profesores
MALLOR GIMENEZ, FERMÍN FRANCISCO (Resp) AZCARATE CAMIO, CRISTINA

Partes de este texto:

 

Módulo/Materia

Módulo de Especialización en Organización de Empresas / Técnicas avanzadas de organización de empresas

Subir

Descriptores

Optimización no lineal. Optimización heurística. Aplicaciones en organización industrial.

Subir

Competencias genéricas

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.

Subir

Competencias específicas

CEO11: Conocimiento sobre optimización no lineal y heurística, y representación de problemas reales de organización industrial mediante modelos de optimización.

Subir

Resultados aprendizaje

R1. Conocimiento de los fundamentos de la optimización no lineal y de la optimización heurística.

R2. Conocimiento de los fundamentos en los que se basa la optimización con simulación.

R3. 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.

Subir

Metodología

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

Subir

Relación actividades formativas-competencias

Competencia Actividad formativa
CB6 AF2-AF3-AF4-AF6
CB7 AF2-AF3-AF4-AF6
CB9 AF3-AF6
CB10 AF3-AF4-AF5
CG1 AF1-AF2-AF3-AF4-AF5-AF6
CG8 AF2-AF3-AF4-AF6
CEO11 AF1-AF2-AF3-AF4-AF5-AF6

Subir

Idiomas

Español

Subir

Evaluación

Resultado de aprendizaje Sistema de evaluación Peso (%)
R1, R2, R3 Prueba de duración corta para la evaluación continua 10
R1, R2, R3 Pruebas de respuesta larga 60
R1, R2, R3 Trabajos e informes 30

Subir

Contenidos

Tema 1. Optimización no lineal.

Tema 2. Optimización heurística.

Tema 3. Aplicaciones en organización industrial.  Discusión de casos reales.

Subir

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.

Subir

Bibliografía

Acceda a la bibliografía que su profesor 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.

Subir

Lugar de impartición

Aulario (aula y aula de informática)

Subir