Irakasgaiaren azalpena eta testuingurua

La Optimización es un área de la Investigación Operativa en la que se aplican herramientas matemáticas de programación para escoger la mejor decisión que optimice un cierto objetivo, satisfaciendo una serie de limitaciones. Esta asignatura tiene como objetivo el desarrollo de las bases teóricas y algoritmos para resolver problemas de optimización lineales, no lineales y estocásticos con variables continuas y enteras. Dadas las dimensiones de los problemas reales en la actualidad, es imprescindible el conocimiento de las técnicas clásicas de optimización, así como el software, tanto libre como comercial, específico de optimización disponible para su resolución. Este tipo de problemas se presentan en campos tan diversos como el financiero, logístico, humanitario e industrial, entre otros.

Ohiko deialdia: orientazioak eta uko egitea

CRITERIOS DE LA EVALUACIÓN CONTINUA:



La evaluación consistirá principalmente en la realización de un trabajo por parte del/la estudiante que deberá entregarse antes de la fecha determinada por la Comisión Académica del Máster. Dicho trabajo consistirá en una serie de ejercicios de cada una de las dos partes de la asignatura: (I) optimización lineal y entera y (II) optimización no lineal y estocástica. La calificación de dicho trabajo (60%) junto con la de la participación, asistencia y tareas en clase (40%) determinará la calificación global del/la estudiante. Para aprobar la asignatura será necesario alcanzar una nota de 5 sobre 10.



CRITERIOS DE LA EVALUACIÓN FINAL:



De forma excepcional y previo visto bueno del Coordinador del Máster/Comisión académica, en caso de no poder asistir con regularidad a las sesiones, el/la estudiante debería realizar una prueba adicional como alternativa a la “participación, asistencia y tareas en clase”. No obstante, la evaluación consistirá principalmente en la realización de un trabajo por parte del/la estudiante que deberá entregarse antes de la fecha determinada por la Comisión Académica del Máster. Dicho trabajo consistirá en una serie de ejercicios de cada una de las dos partes de la asignatura: (I) optimización lineal y entera y (II) optimización no lineal y estocástica. La calificación de dicho



trabajo (60%) junto con la de la prueba adicional (40%) determinará la calificación global del/la estudiante. Para aprobar la asignatura será necesario alcanzar una nota de 5 sobre 10. RENUNCIA: El alumnado que haya asistido y participado en el curso pero que no se presente a la convocatoria ordinaria, es decir, no entregue el trabajo correspondiente, será calificado como No presentado/a.

Ezohiko deialdia: orientazioak eta uko egitea

Los criterios de evaluación serán los mismos que en la convocatoria ordinaria.

Irakasgai-zerrenda

Programación lineal

Programación entera mixta. Programación binaria

Optimización no-lineal: condiciones de optimalidad y algoritmos

Algunos modelos de programación no lineal: programación cuadrática, separable y fraccionaria

Optimización bajo incertidumbre. Algoritmos de descomposición

Manejo de software de optimización, COIN-OR, CPLEX, etc.

Bibliografia

Nahitaez erabili beharreko materiala

Apuntes y prácticas de la asignatura "Técnicas Clásicas de Optimización" publicados en la plataforma virtual de apoyo a la docencia Moodle (UPV/EHU)

Oinarrizko bibliografia

Birge J.R. y Louveaux F. Introduction to Stochastic Programming. Springer, 1997



Calvete H. y Mateo P. Programación lineal, entera y meta, Colección Textos Docentes. Prensa Universitaria de Zaragoza, 1994



Hillier, Frederich y Lieberman. Introducción a la investigación de operaciones. Editorial McGraw-Hill (2001)



Pérez G. y Garín A. On downloading and using COIN-OR for solving lineal/integer optimization problems Biltoki, 2010. http://ideas.repec.p/ehu/biltok/201005.html

Gehiago sakontzeko bibliografia

Dennis J.E. y Schnable R.B., Numerical methods for unconstrained optimization and nonlinear equations. Prentice-Hall, Inc., New Jersey, 1983







Escudero L.F, Garín A., Merino M. y Pérez G., A general algorithm for solving two-stage stochastic mixed 0-1 first-stage problems. Computers and Operations Research, 36,pp. 2590-2600, 2009







Maroto C., Alcaraz J. y Ruiz R., Investigación Operativa. Modelos y Técnicas de optimización. Editorial Universidad Politécnica de Valencia, 2002







Nocedal J. y Wright S.J., Numerical optimization. Springer, USA, 1999







Pérez G. y Garín A. On downloading and using CPLEX within COIN-OR for solving lineal/integer optimization problems. Biltoki, 2011. http://hdl.andle.net/10810/5504







Ramos, A., Alonso-Ayuso A. y Pérez G. (eds.) Optimización bajo incertidumbre. Publicaciones de la Universidad Pontificia Comillas, 2009







Wayne L. Winston. Operations Research: Applications and Algorithms. International Thomson Publishing, 3rd edition, 1994

Aldizkariak

European Journal of Operational Research



http://www.elsevier.com/wps/find/journaldescription.cws\_home/505543/description\#description







Journal of Global Optimization



http://www.kluweronline.com/issn/0925-5001







Journal of the Operational Research Society



http://www.palgrave-journals.com/jors/index.html







Operations Research Letters



http://www.elsevier.com/wps/find/journaldescription.cws\_home/505567/description\#description







TOP



http://www.springer.com/business+%26+management/operations+research/journal/11750

Estekak

http://www.seio.es



SEIO, Sociedad de Estadística e Investigación Operativa







http://www.euro-online.org



EURO, The Association of European Operational Research Societies







http://www.coin-or.org



COIN-OR INFORMS (2008). Computational Infrastructure for Operations Research. CPLEX IBM (2011). IBM ILOG







http://www-01.ibm.com/software/integration/optimization/cplex-optimizer



CPLEX Optimizer.