Ficha

English version

Curso Académico: 2023/2024

Técnicas de optimización en diseño

(19550)

Máster Universitario en Ingeniería del Diseño Industrial (Plan: 498 - Estudio: 385)

Escuela de Ingeniería y Ciencias Básicas

Coordinador/a: RUBIO RUIZ DE AGUIRRE, MARIA LOURDES

Departamento asignado a la asignatura: Departamento de Ingeniería Mecánica

Tipo: Obligatoria

Créditos: 3.0 ECTS

Curso: 1º

Cuatrimestre: 2º

Requisitos (Asignaturas o materias cuyo conocimiento se presupone)

Se recomienda tener conocimientos de graduado en ingeniería del ámbito de la ingeniería industrial

Objetivos

Al terminar con éxito esta asignatura, los estudiantes serán capaces de: 1. Identificar y plantear un problema de optimización. 2. Aplicar métodos de optimización local para resolver un problema de optimización. 3. Aplicar algoritmos genéticos para resolver un problema de optimización. 4. Aplicar redes neuronales para resolver un problema de optimización.

Competencias y resultados del aprendizaje

Enlace al documento

Descripción de contenidos: Programa

1. Conceptos generales de optimización. 2. Métodos de optimización local 3. Métodos de optimización global. Algoritmos genéticos. 4. Otras técnicas de optimización. Redes neuronales

Actividades formativas, metodología a utilizar y régimen de tutorías

La actividades formativas incluyen: - Clases magistrales - Clases de resolución de dudas - Presentaciones de los alumnos - Tutorías individuales - Trabajo personal del alumno

Sistema de evaluación

El sistema de evaluación se hace por evaluación continua que incluye ejercicios a lo largo del cuatrimestre y un trabajo y su presentación al final del mismo.
El peso porcentual de la evaluación continua es del 100%, con un 65% del peso para los  ejercicios y un 35% para el trabajo.

La evaluación extraordinaria se realizará mediante la entrega de todos los trabajos y ejercicios de la asignatura, con un peso del 100% de la nota final.

Peso porcentual del Examen Final 0
Peso porcentual del resto de la evaluación 100

Calendario de Evaluación Continua

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.