| Optimización combinatoria | Código: M0.512 Créditos: 5 |
Bienvenidos a la asignatura Optimización Metaheurística, una disciplina de la Investigación Operativa que hace uso también de la Informática, especialmente de algoritmos y de la teoría de la complejidad computacional, para poder desarrollarse. La optimización combinatoria estudia problemas de los que se consideran "difíciles" (NP-hard), es decir, con un espacio de soluciones muy grande. Los algoritmos metaheurísticos tratan de realizar una búsqueda eficiente y eficaz en dicho espacio de búsqueda, obteniendo una buena solución, aunque en general no se pueda garantizar que sea la mejor de todas (óptima). En esta asignatura se introducen conceptos y se diseñan algoritmos para abordar algunos de los problemas de optimización combinatoria más estudiados en la literatura y en la vida real. Dichos algoritmos son conocidos como métodos heurísticos o metaheurísticos. Se estudiarán métodos existentes en la literatura con el objetivo de aprender y proponer nuevos procedimientos para abordar problemas "difíciles", realizando experimentos computacionales y analizando los resultados obtenidos con el objetivo de que los algoritmos propuestos tengan un buen comportamiento, tanto desde el punto de vista de la eficiencia como de la eficacia.
Esta asignatura está fuertemente relacionada con las de Simulación, Investigación Operativa, y TMF-Modelado & Simulación.
Nota: El máster ha tenido una modificación del plan de estudios para mejorar y actualizar los contenidos de las asignaturas. Esto hace que haya algunos cambios de creditaje en asignaturas que comparten aula y/o cambios de nomenclatura. En los casos que esto ocurre no se producen cambios sustanciales en los contenidos, aunque puede que se pida alguna actividad adicional para las asignaturas de 6 créditos respecto a las de 5 créditos del plan anterior.
La Optimización Metaheurística está en la intersección de las áreas Investigación Operativa, Ciencia de los Computadores, e Inteligencia Artificial. Un excelente vídeo de introducción a la Investigación Operativa (Operations Research) se puede encontrar en: https://www.youtube.com/watch?time_continue=1&v=sFWrmpXPVJw
Se recomienda también consultar las webs siguientes:
- INFORMS: https://www.informs.org
- SEIO: http://www.seio.es/
- EURO: www.euro-online.org
- Capacidad para leer textos científicos en inglés.
- Conocimientos básicos de matemáticas (nivel grado, licenciatura, o ingeniería).
- Capacidad analítica.
- Conocimientos básicos-intermedios de programación en Java o Python.
- Interés por las aplicaciones de la optimización en diferentes áreas (transporte, logística, finanzas, redes de telecomunicaciones, etc.)
Esta asignatura no requiere haber cursado ninguna otra del máster.
Los objetivos principales de la asignatura son:
- Introducir a los estudiantes en el área de la optimización metaheurística en general y en algunos de los problemas más estudiados y cotidianos en particular. Conocer los principales tipos de algoritmos heurísticos y metaheurísticos para abordar dichos problemas.
- Diseñar y desarrollar algoritmos para los problemas estudiados, analizando su comportamiento bajo un banco de pruebas formado por instancias de problemas.
Una vez cursada la asignatura, los estudiantes deben ser capaces de:
- Entender los principales conceptos de la optimización metaheurística.
- Conocer los principales tipos de heurísticos y metaheurísticas para abordar problemas de optimización combinatoria.
- Diseñar y desarrollar algoritmos para algunos de los problemas más estudiados de optimización combinatoria.
- Saber analizar los resultados obtenidos por los métodos desarrollados, realizando comparativas para evaluar su eficiencia y eficacia, utilizando para ello técnicas estadísticas.
- Entender las principales ideas descritas en artículos científicos.
1. Introducción a la optimización metaheurística.
2. Principales tipos de algoritmos para abordar problemas de optimización combinatoria.
3. Aleatorización sesgada (biased randomization).
4. Metaheurísticas.
5. Simheurísticas (simheuristics).
6. Learnheurísticas (learnheuristics).
- Metaheuristics: From design to implementation
- Essentials of metaheuristics
- Artículos sobre VRP
- Artículos sobre Flowshop
- Artículos sobre Parallel Machines
- Artículos sobre Rich VRPs y Simheuristics
- Acceso Web of Science
- Código fuente
La metodología de trabajo consistirá en lo siguiente:
- Consulta de los libros y artículos disponibles para la asignatura
- Lectura y estudio de artículos científicos facilitados para los problemas a estudiar.
- Desarrollo e implementación de métodos heurísticas y/o metaheurísticas para los problemas estudiados.
- Comparativa y análisis de resultados
El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.
La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves.
Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente incluidas las pruebas finales o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular.
Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda.
|
La asignatura solo puede aprobarse con el seguimiento y la superación de la evaluación continua (EC). La calificación final de la asignatura es la nota obtenida en la EC. |
Nota final de asignatura: EC
La asignatura se superará a partir de evaluación continua, en concreto se realizarán 4 pruebas de evaluación continua (PECs). Cada PEC corresponderá a uno de los temas definidos anteriormente excepto el introductorio que incluirá los dos primeros (introducción, aleatorización sesgada, metaheurísticas y simheurísticas). Los trabajos correspondientes a las PECs podrán realizarse en grupos de entre 1 y 3 estudiantes, excepto la primera que es individual. En aquellos casos individuales en los que el equipo docente lo considere oportuno, se podrá solicitar la realización de una prueba oral por videoconferencia, el resultado de la cual se tendría en cuenta a la hora de validar o corregir la nota final de EC. La fórmula de acreditación de la asignatura es la siguiente: EC
Opción para superar la asignatura:
Final de asignatura = Final Continuada (FC) = EC
Final de asignatura: FC
Evaluación final
Esta asignatura corresponde a un Máster "online" con un programa basado en objetivos cuantitativos. Por tanto, para poder alcanzar los objetivos académicos propuestos, los estudiantes deben participar activamente en los foros correspondientes y realizar las tareas de las distintas Pruebas de Evaluación Continua en las fechas establecidas. Las pruebas continuas consisten en la entrega al profesor o profesores de 4 trabajos, antes de una fecha máxima establecida para ello (incluida la fecha). Los entregables pueden incluir tanto conceptos teóricos como desarrollos prácticos y análisis. Es requisito indispensable para aprobar la asignatura entregar todas las PECs y obtener una nota mínima de 3,5 puntos sobre 10 en cada una de ellas.