Universidad Pública de Navarra



Año Académico: 2023/2024 | Otros años:  2022/2023  |  2021/2022 
Graduado o Graduada en Ciencia de Datos/Graduado o Graduada en Administración y Dirección de Empresas por la Universidad Pública de Navarra
Código: 507305 Asignatura: OPTIMIZACIÓN I
Créditos: 6 Tipo: Obligatoria Curso: 3 Periodo: 1º S
Departamento: Estadística, Informática y Matemáticas
Profesorado:
AZCARATE CAMIO, CRISTINA (Resp)   [Tutorías ] GARCIA DE VICUÑA BILBAO, DANIEL   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

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

Subir

Descripción/Contenidos

Optimización lineal. Optimización entera. Optimización no lineal. Optimización multiobjetivo. 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 en-torno 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
    Subir

Subir

Competencias específicas

  • CE20 - Resolver problemas de optimización complejos y dinámicos aplicando las técnicas más adecuadas a cada situación.

Subir

Resultados aprendizaje

  • RA1. Identificar los problemas resolubles mediante técnicas de optimización.
  • RA2. Representar problemas reales mediante un modelo de optimización.
  • RA3. Conocer los fundamentos de las principales técnicas de optimización lineal, entera, no lineal y multiobjetivo.
  • RA4. Resolver un problema de optimización utilizando las técnicas de optimización más adecuadas y recoger, analizar e interpretar sus resultados

Subir

Metodología

Metodología-Actividad Horas presenciales Horas no presenciales
Clases expositivas/participativas 33  
Prácticas 21  
Realización de trabajos/proyectos en grupo   15
Estudio y trabajo autónomo del estudiante   75
Tutorías 2  
Pruebas de evaluación 4  
Total 60 90

 

Subir

Idiomas

Castellano.

Subir

Evaluación

 

Resultados de
aprendizaje		 Actividad de
evaluación		 Peso (%) Carácter
recuperable		 Nota mínima
requerida
RA1-RA2-RA3-RA4  Pruebas escritas  50   SÍ  5
RA3  Pruebas tipo test  10  NO  
RA1-RA2-RA4  Trabajos e informes  40  NO  

Si en alguna de las actividades no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,9 sobre 10 (suspenso).

Subir

Temario

  • Tema 1: Optimización lineal.
    • 1.1 Formulación de problemas de optimización lineal.
    • 1.2 Fundamentos matemáticos de la optimización lineal.
    • 1.3 Algoritmo del simplex.
    • 1.4 Otros algoritmos de optimización lineal.
    • 1.5 Dualidad y análisis de sensibilidad.
    • 1.6 Software de optimización lineal.
  • Tema 2: Optimización entera.
    • 2.1 Formulación de problemas de optimización lineal entera.
    • 2.2 Técnicas de resolución: Algoritmos de ramificación y acotación.
    • 2.3 Otras técnicas de resolución.
    • 2.4 Software de optimización lineal entera.
  • Tema 3: Optimización no lineal.
    • 3.1 Formulación de problemas de optimización no lineal.
    • 3.2 Optimización no lineal sin restricciones: condiciones para la optimalidad.
    • 3.3 Algoritmos de optimización no lineal sin restricciones.
    • 3.4 Optimización no lineal con restricciones: condiciones para la optimalidad.
    • 3.5 Algoritmos de optimización no lineal con restricciones.
    • 3.6 Software de optimización no lineal.
  • Tema 4: Optimización multiobjetivo.
    • 4.1 Formulación de problemas multiobjetivo.
    • 4.2 Solución eficiente y conjunto eficiente.
    • 4.3 Técnicas de resolución: métodos generadores y con información a priori.
    • 4.4 Otras técnicas de resolución: introducción a las técnicas interactivas.
  • Tema 5: Aplicaciones en organización, planificación y logística. Discusión de casos reales.
    • 5.1 Análisis de casos reales.
    • 5.2 Lectura de artículos publicados en revistas científicas.

Subir

Bibliografía

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


La bibliografía de la asignatura es la siguiente:

  • ANDERSON, D. R., SWEENEY, D. J., WILLIAMS, T. A., CAMM, J., FRY, M. OHLMANN ,J.W, (2016): Introduction to Management Science. Quantitative Methods for Decision Making. Thomson. Cincinnati, USA. 14e
  • BAZARAA, MS., JARVIS, J.J., SHERALI, H.D. (2010): Linear programming and network flows. Wiley, 4ªEd.
  • BAZARAA, MS., SHERALI, H.D., SHETTY, C.M. (2006): Nonlinear programming: theory and algorithms. Wiley, 3ªEd.
  • ANTUNES, C.H., ALVES, M.J., CLIMACO, J. (2016): Multiobjective Linear and Integer Programming. Springer.
  • COLLIER, D.A., EVANS, J.R. (2020): Operations and Supply Chain Management. Cengage, 2e.
  • EHRGOTT, M. (2005): Multicriteria optimization. Springer.
  • HILLIER, F.S., LIEBERMAN, G.J. (2021): Introduction to Operations Research. McGraw Hill, 11e.
  • LUENBERGER, D.G., Ye, Y.Y. (2016): Linear and Nonlinear Programming. Springer, 4ª Ed.
  • ZOPOUNIDIS, C., PARDALOS, P. (2010): Handbook of Multicriteria Analysis. Springer.
  • WINSTON, W.L., ALBRIGHT, S.L. (2016): Practical management science. South-Western Cengage Learning, 6e.

Subir

Lugar de impartición

Universidad Pública de Navarra, Campus Arrosadía.

Subir