Última actualización: 09/05/2018


Curso Académico: 2019/2020

Métodos de Modelado y Simulación por Computador
(14350)
Titulación: Master Universitario en Ingeniería Informática (228)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: CARBO RUBIERA, JAVIER IGNACIO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Competencias que adquiere el estudiante y resultados del aprendizaje.
Competencias: Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería Informática y campos multidisciplinares afines. Capacidad para la aplicación de los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, con la capacidad de integrar conocimientos Capacidad para saber comunicar (de forma oral y escrita) las conclusiones - y los conocimientos y razones últimas que las sustentan - a públicos especializados y no especializados de un modo claro y sin ambigüedades. Capacidad para analizar las necesidades de información que se plantean en un entorno y llevar a cabo en todas sus etapas el proceso de construcción de un sistema de información. Resultados de aprendizaje: Ser capaz de construir modelos de simulación por computador y aplicarlos a problemas de ciencia e ingeniería. Amplio alcance de análisis de metodos de modelado y simulación por computador Prácticas abiertas y no dirigidas con necesidad de capacidad crítica Prácticas que requieren la convergencia de conocimiento y su aplicación práctica en todo el conjunto Convergencia de los conocimientos multidisciplinares
Descripción de contenidos: Programa
TEMA 1. Introducción 11 Introducción 12 Procedimientos de obtención de modelos. 13 Áreas de aplicación 14 Tipos de modelos de simulación. 15 Etapas en un estudio de simulación. 16 Ventajas e inconvenientes. 17 Errores frecuentes en los estudios de simulación. TEMA 2. Generación de números aleatorios. 21 Definición y tipos. 22 Motivación. 23 Orígenes históricos. 24 Propiedades. 25 Estudio de distintos tipos de generadores. 26 Conclusiones. TEMA 3. Generación de distribuciones aleatorias. 31 Conceptos generales. 32 Métodos generales. 33 Métodos específicos 34 Consideraciones finales. TEMA 4. Simulación de eventos discretos. 41 Introducción. 42 Simulación de eventos discretos. 43 Herramientas de modelado 44 Consideraciones finales. TEMA 5. Simulación distribuida 51 Introducción. Motivación y ejemplos. 52 Arquitecturas paralelas. 53 Sincronización. 54 Consideraciones finales. TEMA 6. Método Monte Carlo 61 Introducción. 62 Motivación. 63 Un poco de historia. 64 El método de Monte Carlo. Pasos y ejemplos. 65 Monte Carlo en Excel. Variables aleatoria discretas y continuas. 66 Consideraciones finales. TEMA 7. Análisis de los resultados de la simulación. 71 Introducción. 72 Medias y varianza. 73 Medidas de posición. 74 Gráficos de boxplot. 75 Intervalos de confianza. 76 Contraste de hipótesis. TEMA 8. Simulación y Modelado de sistemas complejos. Simulación de tráfico. 81 Introducción 82 Generación de la red. 83 Generación de tráfico 84 Simulaciones 85 Análisis de resultados. TEMA 9. Análisis de resultados con R. 91 Introducción a R. 92 Acceder a datos en ficheros xml en R. 93 Estadísticas comunes. 94 Contraste de hipótesis. 95 Procesado de resultados. 96 Tests en R.
Actividades formativas, metodología a utilizar y régimen de tutorías
¿ Clases magistrales. o Orientadas a la enseñanza de las competencias específicas de la materia. En ellas se presentarán los conocimientos que los alumnos deben adquirir. Para facilitar su desarrollo los alumnos recibirán las notas de clase y tendrán textos básicos de referencia que les permita completar y profundizar en aquellos temas en los cuales estén más interesados. Prácticas individuales o en grupo. ¿ Las prácticas se realizarán bien individualmente o bien en grupo, dependiendo de su complejidad y duración. Se realizarán diferentes prácticas a lo largo del curso. Por una parte, se realizarán prácticas de corta duración en las que se abordarán desde de un punto de vista práctico los conceptos teóricos estudiados, permitiendo que el alumno conozca el uso y aplicabilidad de dichos los conceptos. Se realizará también una práctica más compleja y de mayor duración en la que el alumno deberá abordar la simulación y modelado de un sistema complejo ¿ Realización de actividades académicamente dirigidas. o Se llevará a cabo la resolución de ejercicios de forma participativas. Adicionalmente se podrán realizar estudios de casos prácticos. ¿ Trabajo personal y estudio del alumno. o Orientado especialmente a la adquisición de la Capacidad para la autoorganización y planificación del trabajo individual y del proceso de aprendizaje. Puede incluir, entre otros ejercicios y lecturas complementarias, así como el estudio personal por parte del estudiante.
Sistema de evaluación
  • Peso porcentual del Examen Final 40
  • Peso porcentual del resto de la evaluación 60
Bibliografía básica
  • Uhrmacher, Adelinde.. Multi-agent systems : simulation and applications. Taylor & Francis. 2009.
  • A.M. Law; W.D. Kelton. SIMULATION MODELLING AND ANALYSIS. McGraw-Hill . 1991
  • Antonio Jimenez Martin, David Rios Insua, Sixto Rios Insua, Jacinto Ramón Martin Jimenez , Mª Luisa Garcia . Simulación. Métodos y aplicaciones (2ª edición). RAMA. 2008
  • David, Nuno; Sichman, Jaime Simao. Multi-Agent-Based Simulation IX. Springer. 2009
  • J. Banks; J.S. Carson; B.L. Nelson. . DISCRETE EVENT SYSTEM SIMULATION. Prentice Hall. 1996
  • Jerry Banks. Handbook of simulation : principles, methodology, advances, applications and practice. Jerry Banks.
  • John A. Sokolowski, Catherine M. Banks . Modeling and Simulation Fundamentals: Theoretical Underpinnings and Practical Domains. John Wiley & Sons, Inc. 2010
  • Levent Yilmaz, Tuncer Ören. Agent-Directed Simulation and Systems Engineering. Wiley. 2009
  • Michael J. North, Charles M. Macal. Managing Business Complexity. Oxford University Press. 2007
  • Phan, Denis, and Amblard, Frédéric. Agent-Based Modelling and Simulation. The Bardwell Press. 2007
Bibliografía complementaria
  • R. L. Woods, K. L. Lawrence,. Modeling and Simulation of Dynamic Systems,. Prentice-Hall.
  • . Banks, J. S. Carson, B.L. Nelson, D.M. Nicol, Pearson, J.. Discrete-Event Systems Simulation,. Prentice Hall.
  • B. S. Bennet,. Simulation Fundamental,. Prentice-Hall.
  • Edited by Jerry Banks. Handbook of simulation : principles, methodology, advances, applications and practice /. John Wiley & Sons,.
  • F. Cellier, E. Kofman,. Continuous systems simulation.. Springer.
  • S.M. Ross.. Simulación. 2ª Edición.. Prentice Hall.

El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.