Año académico
2022/2023
Optimización
Código: 42250 Créditos ECTS: 6| Titulación | Tipo | Curso | Semestre |
|---|---|---|---|
| 4313136 Modelización para la Ciencia y la Ingeniería / Modelling for Science and Engineering | OB | 0 | 1 |
Contacto
- Nombre:
- Albert Ruiz Cirera
- Correo electrónico:
- albert.ruiz@uab.cat
Uso de idiomas
- Lengua vehicular mayoritaria:
- inglés (eng)
Equipo docente
- Albert Ruiz Cirera
- Judit Chamorro Servent
Prerequisitos
-
Conocimiento de matemáticas a nivel de un grado en ciencias.
-
Saber programar.
Objetivos y contextualización
El curso está dedicado a estudiar y practicar varios algoritmos de optimización heurística y combinatoria con especial énfasis en enrutamiento y optimización convexa. El curso también tratará otros temas de optimización.
Este curso pretende dar a los estudiantes el conocimiento necesario y las herramientas básicas para crear algoritmos con la finalidad de resolver problemas de la vida real.
Este curso pretende dar a los estudiantes el conocimiento necesario y las herramientas básicas para crear algoritmos con la finalidad de resolver problemas de la vida real.
Competencias
- "Aplicar el pensamiento lógico/matemático: el proceso analítico a partir de principios generales para llegar a casos particulares; y el sintético, para a partir de diversos ejemplos extraer una regla general."
- Analizar, sintetizar, organizar y planificar proyectos de su campo de estudio.
- Aplicar la metodología de investigación, técnicas y recursos específicos para investigar en un determinado ámbito de especialización.
- Aplicar las técnicas de resolución de los modelos matemáticos y sus problemas reales de implementación.
- Comunicar en lengua inglesa los resultados de los trabajos del ámbito de estudio.
- Concebir y diseñar soluciones eficientes, aplicando técnicas computacionales, que permitan resolver modelos matemáticos de sistemas complejos.
- Extraer de un problema complejo la dificultad principal, separada de otras cuestiones de índole menor.
- Formular, analizar y validar modelos matemáticos de problemas prácticos de distintos campos.
- Usar métodos numéricos apropiados para solucionar problemas específicos.
Resultados de aprendizaje
- "Aplicar el pensamiento lógico/matemático: el proceso analítico a partir de principios generales para llegar a casos particulares; y el sintético, para a partir de diversos ejemplos extraer una regla general."
- Analizar, sintetizar, organizar y planificar proyectos de su campo de estudio.
- Aplicar técnicas de optimización para estudiar modelos asociados a problemas prácticos.
- Aplicar la metodología de investigación, técnicas y recursos específicos para investigar en un determinado ámbito de especialización.
- Comunicar en lengua inglesa los resultados de los trabajos del ámbito de estudio.
- Extraer de un problema complejo la dificultad principal, separada de otras cuestiones de índole menor.
- Identificar problemas que requieran aplicar técnicas de optimización para construir modelos asociados a problemas prácticos.
- Implementar las soluciones propuestas de forma fiable y eficiente.
- Implementar los algoritmos que constan en el programa
- Usar softwares específicos para la resolución de problemas de optimización.
Contenido
Contenidos principales:
- Algoritmos combinatorios para grafos y enrutamientos: algoritmos Dijstra y A *. Optimitzación sobre grafos.
- Optimitzación determinista (problemas con y sin restricciones).
- Algoritmos genéticos.
- Simulated annealing.
- Algoritmos de colonias de hormigas.
- Otros.
Metodología
La metodología consiste en clases teóricas (presentaciones con transparencias y pizarra), y sesiones prácticas.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Actividades
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Asistir a las clases y actividades relacionadas | 37,75 | 1,51 | 1, 2, 4, 3, 5, 6, 7, 9, 8, 10 |
| Evaluación del profesorado y de la asignatura | 0,25 | 0,01 | |
| Tipo: Autónomas | |||
| Tareas (implementación de los algoritmos – actividad individual y en grupo) | 42 | 1,68 | 1, 2, 4, 3, 6, 7 |
Evaluación
Hay tres tipos de evaluación:
- Trabajos individuales: informe resumido y código solucionando el problema planteado.
- Trabajos en grupos de dos: informe resumido y código solucionando el problema planteado.
- Trabajo en grupos de cuatro: informe, código y presentación oral.
Actividades de evaluación
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Entrega y exposición del trabajo final (grupos de 4) | 30% | 21 | 0,84 | 1, 2, 4, 3, 6, 7, 9, 8, 10 |
| Proyectos de casos realistas de forma individual | 40% | 28 | 1,12 | 1, 2, 4, 3, 6, 7, 9, 8, 10 |
| Proyectos en casos realistas en grupos de dos alumnos (excepcionalmente tres) | 30% | 21 | 0,84 | 1, 2, 4, 3, 5, 6, 7, 9, 8, 10 |
Bibliografía
- David Beasley, David R. Bully and Ralph R. Martinz, An Overview of Genetic Algorithms (Part 1: Fundamentals and Part 2: Research Topics).
- Marco Dorigoa and Christian Blum, Ant colony optimization theory: A survey, Theoretical Computer Science 344 (2005) 243 - 278.
- S. Kirkpatrick, C. D. Gelatt Jr. and M. P. Vecchi, Optimization by Simulated Annealing, Science, May 1983, Vol. 220, no. 4598, 671-680.
- Melanie Mitchell, An Introduction to Genetic Algorithms, A Bradford Book, The MIT Press, Cambridge Massachusetts, 1999.
- Judea Pearl, A* Algorithms and such: Heuristics: Intelligent Search Strategies for Computer Problem Solving, Addison-Wesley, 1984.
- William H. Press, Saul A. Teukolsky, William T. Vetterling, Brian P. Flannery, Numerical Recipes in C. The Art of Scientific Computing (second edition), Cambridge University Press.
- Alfio Quarteroni, Riccardo Sacco, Fausto Saleri, Numerical Mathematics, Texts in Applied Mathematics 37, Springer, 1991.
Software
Sofware recomendado:
- C
- MATLAB