Última actualización: 24/07/2020


Curso Académico: 2020/2021

Métodos y técnicas de optimización
(16169)
Máster Universitario en Mecánica Industrial (Plan: 274 - Estudio: 265)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: MUÑOZ ABELLA, MARIA BELEN

Departamento asignado a la asignatura: Departamento de Ingeniería Mecánica

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Se recomienda tener conocimientos de graduado en ingeniería del ámbito de la ingeniería industrial
Objetivos
COMPETENCIAS - Conocimiento de algoritmos de optimización local y global para la resolución de problemas en el campo de la ingeniería mecánica. - Conocimiento de técnicas paramétricas y no paramétricas para estimar modelos de predicción. Aplicación en el campo de ingeniería mecánica. RESULTADOS DEL APRENDIZAJE - Capacidad analítica para la resolución de problemas reales. - Uso de herramientas informáticas.
Descripción de contenidos: Programa
1. Conceptos generales de optimización. 2. Métodos de optimización local 3. Métodos de optimización global. Algoritmos genéticos. 4. Redes neuronales
Actividades formativas, metodología a utilizar y régimen de tutorías
-Clases magistrales: Tienen por objetivo alcanzar las competencias de la asignatura. - Clases prácticas: Tienen por objetivo iniciar el desarrollo de las competencias. - Trabajos prácticos: Desarrollado sin presencia del profesor, tiene por objetivo completar e integrar el desarrollo de todas las competencias. - Examen final: Tiene por objeto evaluar los conocimientos adquiridos.
Sistema de evaluación
  • Peso porcentual del Examen Final 40
  • Peso porcentual del resto de la evaluación 60

Bibliografía básica
  • Arora. Introduction to optimum design. Elsevier.
  • Goldberg, D.. Genetic algorithms in search, optimization and machine learning. Addison-Wesley.
  • Haykin,S.. Neural Networks. A comprehensive foundation. Prentice Hall.

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