Última actualización: 13/05/2022


Curso Académico: 2022/2023

Optimización
(18777)
Titulación: Máster Universitario en Matemática Aplicada y Computacional (372)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: MOSCOSO CASTRO, MIGUEL ANGEL

Departamento asignado a la asignatura: Departamento de Matemáticas

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Los estudiantes deben haber superado un primer curso de Álgebra lineal y Cálculo.
Objetivos
- Aprender los conocimientos teóricos básicas para resolver problemas de optimización en ciencia e ingeniería. - Aprender algunas de las herramientas computacionales más populares. Códigos de competencias: CB6, CB7, CB8, CB9, CB10, CG2, CG4, CG5, CG6, CG7, CE1, CE2, CE3, CE4, CE8
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción a la optimización matemática. a. Optimización sin ligaduras. b. Ligaduras de igualdad. c. Ligaduras de desigualdad. 2. Programación lineal a. Intepretación geométrica. b. Método simplex. c. Dualidad. 3. Programación cuadrática. a. Ejemplos. b. Algoritmos para problemas cuadráticos. 4. Optimización convexa. a. Conjuntos convexos y funciones convexas. b. Condiciones de optimalidad. c. Algoritmos. 5. Aplicaciones.
Actividades formativas, metodología a utilizar y régimen de tutorías
- Sesiones teóricas ilustradas con aplicaciones y ejemplos. Material adicional para el trabajo del alumno. - Sesiones de problemas en las que se discutirán problemas en ciencias e ingeniería. Se propondrá proyectos para resolver en casa.
Sistema de evaluación
  • Peso porcentual del Examen Final 30
  • Peso porcentual del resto de la evaluación 70
Calendario de Evaluación Continua
Bibliografía básica
  • Ross Baldick. Applied optimization: formulation and algorithms for engineering systems. Cambridge University Press. 2009
  • S. Boyd and L. Vandenberghe. Convex Optimization. Cambridge University Press. 2004
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • David G. Luenberger and Yinyu Ye. Linear and Nonlinear Programming. 3rd ed. Springer. 2008
  • Jorge Nocedal and Stephen J. Wright. Numerical Optimization. Springer-Verlag. 2006
  • R. Fletcher. Practical Methods of Optimization. Wiley. 1987
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


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