Universidad Pública de Navarra



Año Académico: 2020/2021
Graduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarra
Código: 505309 Asignatura: OPTIMIZACIÓN II
Créditos: 6 Tipo: Obligatoria Curso: 3 Periodo: 2º S
Departamento: Estadística, Informática y Matemáticas
Profesorado:
MALLOR GIMENEZ, FERMÍN FRANCISCO (Resp)   [Tutorías ] CILDOZ ESQUIROZ, MARTA   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

  • Materia Nivel 1: Optimización
  • Materia Nivel 2: Optimización

Subir

Descripción/Contenidos

Optimización metaheurística. Fundamentos de búsqueda estocástica. Generación artificial de aleatoriedad. Scatter search. Tabú search. Simulated annealing. Greedy randomized adaptive search procedures. Variable neighborhood search. Aplicación en problemas reales de organización, planificación y logística.

Subir

Competencias genéricas

  • CG5 - Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo.
  • CG6 - Crear modelos y tomar decisiones basadas en los datos disponibles combinando los conocimientos adquiridos y siendo capaz de aplicar otros nuevos para la resolución de problemas.
  • CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
  • CT5 - Capacidad para trabajar por proyectos.

Subir

Competencias específicas

  • CE12 - Dominar las técnicas de optimización metaheurísticas, incluyendo las basadas en poblaciones y en sociedades, así como el uso de combinaciones de las mismas en metaheurísticas híbridas.
  • CE20 - Resolver problemas de optimización complejos y dinámicos aplicando las técnicas más adecuadas a cada situación.

Subir

Resultados aprendizaje

  • RA5. Conocer el concepto de metaheurística como base para la resolución de problemas de optimización complejos.
  • RA6. Aplicar métodos de búsqueda estocástica para la resolución de problemas de optimización complejos.
  • RA7. Identificar los algoritmos metaheurísticos más apropiados para la resolución de un problema.
  • RA8. Diseñar e implementar algoritmos metaheurísticos adaptados a cada problema específico.
  • RA9. Combinar diferentes estrategias de optimización para resolver problemas complejos.
  • RA10. Evaluar las ventajas y desventajas de los diferentes algoritmos de optimización.

Subir

Metodología

Metodología-Actividad 

Horas presenciales 

Horas no presenciales 

Clases expositivas/ participativas 

32 

 

Prácticas 

24 

 

Realización de trabajos/proyectos en 

grupo 

 

13 

Estudio y trabajo autónomo del estudiante 

 

75 

Tutorías 

2 

 

Pruebas de evaluación 

4 

 
Total

 

60

90

Subir

Evaluación

Resultado de aprendizaje 

Sistema de evaluación 

Peso (%) 

Carácter recuperable 

RA5, RA6, RA7, RA8, RA9 

Pruebas escritas 

50  

Sí

RA6, RA7, RA8, RA9, RA10 

Trabajos e informes 

50 

No

 

Subir

Temario

  • Problemas de optimización combinatoria
  • Naturaleza de los algoritmos heurísticos y metaheurísticos
  • Tabú search
  • Simulated Annealing
  • Métodos GRASP
  • Scatter Search
  • Variable Neighborhood Search
  • Algoritmos híbridos
  • Otros algoritmos heurísticos
  • Aplicaciones reales

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


La bibliografía de la asignatura es la que sigue:

  • MARTÍ, R., PARDALOS, P. M., RESENDE, M. G. C. (Editors) (2018) ¿Handbook of Heuristics¿. Springer.
  • 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 implementation¿. Wiley.

Subir

Idiomas

Castellano.

Subir

Lugar de impartición

Universidad Pública de Navarra, Campus Arrosadía.

Subir