Última modificació: 23-07-2013
200614 - MCI - Mètodes de Computació Intensiva
L'avaluació de l'alumnat es realitzarà en funció de:
- Exercicis realitzats i lliurats durant el curs (50%)
- Examen tipus test amb preguntes sobre els conceptes teòrics treballats durant el curs (50%) Sistema de qualificació
Continguts
Última modificació: 23-07-2013
200614 - MCI - Mètodes de Computació Intensiva
Normes de realització de les activitats
Per tal de ser avaluats es requerirà a l'alumnat una assistència mínima al 80% de les classes.
Bibliografia
Campus virtual Altres recursos:
Bàsica:
Complementària:
Santner,Thomas J.; Williams, Brian J.; Notz, William. The Design and analysis of computer experiments. Springer (Springer Series in Statistics), 2003. ISBN 0387954201.
Efron, B.; Tibshirani, R. An introduction to the bootstrap. Chapman & Hall, 1993.
Manly, Bryan F.J. Randomization, bootstrap and Monte Carlo methods in biology. Chapman & Hall/CRC, 2007.
Robert, Christian P.; Casella, George. Monte Carlo statistical methods. Springer, 2004. ISBN 0387212396.
Gamerman, Dani; Lopes, Hedibert F. Markov chain Monte Carlo: stochastic simulation for bayesian inference. Chapman &
Hall/CRC, 2006. ISBN 1-58488-587-4.
Gentle, J. E. Elements of computational statistics. Springer, 2002. ISBN 0387954899.
Chernick, Michael R. Bootstrap methods: a guide for practitioners and researchers. J. Wiley & Sons (Wiley Series in Probability and Statistics), 2008. ISBN 9780471756217.
Gentle, J. E.; Härdle, W.; Mori, Y. (editors). Handbook of computational statistics: concepts and methods. Springer, 2004.
ISBN 3540404643.
Hjorth, J. S. Urban. Computer intensive statistical methods validation model selection and bootstrap. Chapman and Hall, 1994. ISBN 0412491605.
Good, Philip I. Permutation, parametric, and bootstrap tests of hypotheses. New York: Springer (Springer Series in Statistics), 2005. ISBN 9780387271583.
Chen, Ming-Hui; Shao, Qi-Man; Ibrahim, Joseph G. Monte Carlo methods in bayesian computation. Springer (Springer Series in Statistics), 2000. ISBN 0387989358.
Rao, C.R. (Editor). Computational statistics. North-Holland, 1993.
Última modificación: 23-07-2013
200615 - OEC - Optimización Entera y Combinatoria
Competencias de la titulación a las que contribuye la asignatura Otros:
ELENA FERNÁNDEZ ARÉIZAGA - A Responsable: ELENA FERNÁNDEZ ARÉIZAGA Unidad que imparte:
Curso:
Créditos ECTS:
715 - EIO - Departamento de Estadística e Investigación Operativa 2013
5 Idiomas docencia: Castellano Unidad responsable: 200 - FME - Facultad de Matemáticas y Estadística
Profesorado
Específicas:
Transversales:
3. Capacidad para dominar la terminologia propia de algún ámbito en el que sea necesaria la aplicación de modelos y métodos estadísticos o de investigación operativa para resolver problemas reales.
4. Capacidad para formular, analizar y validar modelos aplicables a problemas de índole práctica. Capacidad de seleccionar el método y/o técnica estadística o de investigación operativa más adecuado para aplicar dicho modelo a cada situación o problema concreto.
5. Capacidad para formular y resolver problemas reales de toma de decisiones en los diferentes ámbitos de aplicación sabiendo elegir el método estadístico y el algoritmo de optimización más adecuado en cada ocasión.
6. Capacidad para utilizar el software más adecuado para realizar los cálculos necesarios en la resolución de un problema.
1. TRABAJO EN EQUIPO: Ser capaz de trabajar como miembro de un equipo interdisciplinar, ya sea como un miembro más o realizando tareas de dirección, con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.
2. USO SOLVENTE DE LOS RECURSOS DE INFORMACIÓN: Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de especialidad, y valorar de forma crítica los resultados de dicha gestión.
Capacidades previas
Conocimientos básicos de Investigación Operativa y de modelización en Programación Matemática. Programación lineal.
Recomendables: Optimización de gran escala.
Horario: Cita previa.
Horario de atención
Última modificación: 23-07-2013
200615 - OEC - Optimización Entera y Combinatoria
- Dar un complemento de formación básica en investigación operativa y familiarizar al estudiante en métodos que permiten resolver algunas aplicaciones prácticas de problemas de programación entera y optimización combinatoria.
- Conocer les posibles alternativas de modelización para los diferentes problemas de optimización discreta, así como sus posibles aplicaciones.
- Conocer la metodología básica de la programación entera y, en particular los métodos enumerativos y los de planos de corte, así como las posibles combinaciones de los anteriores.
- Conocer los resultados de la teoria de la dualidad y sus implicaciones en el caso de la programación discreta. Explorar las propiedades de la dualidad y las características inherentes a la estructura del modelo matemático para la resolución de problemas discretos. Conocer las propiedades del dual lagrangiano en el caso de la programación discreta.
- Conocer algunos métodos heurísticos básicos para algunos problemas concretos de optimización combinatoria.
Capacidades a adquirir:
-Ser capaz de formular un modelo adecuado y de diseñar e implementar un prototipo de un método para la resolución de un problema concreto de optimización combinatoria.
-Ser capaz de resolver un problema de programación entera mediante un algoritmo enumerativo.
- Ser capaz de identificar desigualdades válidas para problemas típicos de programación entera como, por ejemplo, el problema de la mochila y el problema del viajante de comercio.
-Ser capaz de formular una relajación lagrangiana para un problema de optimización discreta. Poder determinar la existencia o no de gap de dualidad para un problema concreto de optimización. Saber aplicar la técnica de optimización subgradiente para la resolución del dual lagrangiano.
Objetivos de aprendizaje de la asignatura Teoría:
Sesiones en las que se presentan y discuten los contenidos de la asignatura. En algunos de los temas se utilizarán transparencias. En otros temas se harán clases tradicionales en la pizarra. Se utilizará la intranet docente para hacer público material docente relacionado con la asignatura: apuntes de algunos de los temas, enunciados de problemas y exámenes resueltos.
Problemas:
Sesiones en las que se plantean y se resuelven problemas numéricos relacionados con los temas vistos en clase de teoría.
Se da cierto tiempo para que el estudiante intente resolver los problemas y posteriormente los problemas se resuelven y se discuten.
Prácticas:
Hay una práctica que se realiza bien individualmente. Para introducir al estudiante a la práctica se harán un par de sesiones en el aula de PCs.
La práctica consta de tres partes. La primera está orientada a la resolución del dual lagrangiano de un problema de optimización combinatoria medioante un método de optimización subgradiente. La segunda parte está dirigida a la obtención de una nueva cota inferior para el mismo problema mediante un método iterativo de resolución de la relajación lineal + identificación de desigualdades violadas. Esta segunda parte se resuelve utilizando un paquete estandard de software. La tercera parte consiste en la programación de un método heurístico para obtener una solución factible para el problema.
Metodologías docentes
Última modificación: 23-07-2013
200615 - OEC - Optimización Entera y Combinatoria
Dedicación total: 125h Grupo grande/Teoría:
Grupo mediano/Prácticas:
Grupo pequeño/Laboratorio:
Actividades dirigidas:
Aprendizaje autónomo:
30h 0h 15h 0h 80h
24.00%
0.00%
12.00%
0.00%
64.00%
Horas totales de dedicación del estudiantado
Última modificación: 23-07-2013
200615 - OEC - Optimización Entera y Combinatoria
Contenidos