Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 72.5 Horas de Tutorías: 2 Clase Expositiva: 20 Clase Interactiva: 18 Total: 112.5
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Grado RD 1393/2007 - 822/2021
Departamentos: Estadística, Análisis Matemático y Optimización
Áreas: Estadística e Investigación Operativa
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
Conocer los modelos matemáticos y las técnicas para la resolución de los problemas de optimización, así como sus aplicaciones: problemas de programación lineal y entera, análisis de redes, problemas en el contexto del aprendizaje automático.
Resolver casos prácticos mediante el empleo de herramientas informáticas apropiadas.
Tema 1. Fundamentos de optimización matemática.
Tema 2. Programación lineal.
Tema 3. Programación entera.
Tema 4. Optimización en redes.
Tema 5. Optimización y Aprendizaje Automático.
Básica
- Bazaraa, M.; Jarvis, J.; Sherali, H. (2010): "Linear Programming and Networks Flows". Wiley. Disponible en línea a través de la USC.
(Versión en castellano, más antigua: Bazaraa, M., Jarvis, J. y Sherali, H. (2005): “Programación lineal y flujo en redes”, Limusa).
- Ahuja, R. K.; Magnanti, T. L.; Orlin, J. B. (1993): “Network Flows. Theory, Algorithms and Applications”. Prentice-Hall.
- Bazaraa, M., Jarvis, J. y Sherali, H. (2010): “Linear Programming and Network Flows”, Wiley and Sons.
Complementaria
- Salazar González, J.J. (2001). “Programación Matemática”. Díaz de Santos.
- Hillier, F.; Lieberman, G. (2002): “Investigación de operaciones”, McGraw-Hill.
En esta materia se trabajarán las competencias básicas, generales y transversales recogidas en la memoria del título. Destaca de manera singular la competencia “Conocimiento de técnicas de la investigación operativa que puedan usarse en el desarrollo de algoritmos para la resolución de problemas de ingeniería”. Además, esta materia contribuirá a alcanzar las siguientes competencias y resultados del aprendizaje: CG8, CG9, TR1, TR2, TR3, FB1, FB3, RI6, RI15, TI5.
Las competencias citadas anteriormente se trabajarán en las clases expositivas, donde se aprenderán los contenidos teóricos de la materia y los procedimientos de resolución de los problemas prácticos; y también en las clases interactivas, que serán en aula de informática, donde se aprenderá el manejo de los programas informáticos para la ejecución de las técnicas de optimización matemática, poniendo énfasis en la aplicación práctica de los conceptos teóricos. El software de referencia será R (http://www.r-project.org) y también AMPL (https://ampl.com/).
En particular, para alcanzar las competencias TR1 y FB1 se propondrán actividades para el alumnado, que consistirán en la resolución de cuestiones, ejercicios y ejemplos relacionados con el modelado y resolución de problemas de optimización aplicados. Estas actividades formarán parte de la evaluación final.
Se usará también el Campus Virtual de la USC como herramienta para facilitar material a los alumnos y como posible foro de discusión.
Evaluación continua: la evaluación continua se llevará a cabo a lo largo del cuatrimestre. Constará de la resolución de ejercicios o trabajos en los que el alumno empleará las técnicas y los conocimientos adquiridos en las clases.
La asistencia a clase es recomendable, pero no tendrá incidencia en la evaluación final.
Examen final: el examen final constará de cuestiones teórico-prácticas sobre los contenidos de la materia.
La nota final, tanto en la primera como en la segunda oportunidad, será el máximo entre: a) la calificación del examen final teórico-práctico y b) la media ponderada entre la evaluación continua (25%) y la calificación del examen teórico-práctico (75%).
Se recomienda dedicar por lo menos una hora y media de trabajo adicional por cada hora de clase expositiva e interactiva, además de las horas de tutorías.
Para superar con éxito la materia es muy recomendable asistir regularmente a las clases expositivas, interactivas y tutorías. Asimismo, la realización de las tareas propuestas deberá servir para alcanzar los objetivos del curso.
Para los casos de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la “Normativa de evaluación del rendimiento académico de los estudiantes y de la revisión de las calificaciones”.
Julio Gonzalez Diaz
- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Teléfono
- 881813207
- Correo electrónico
- julio.gonzalez [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
| Martes | |||
|---|---|---|---|
| 11:30-13:00 | Grupo /CLIL_02 | Castellano | IA.S2 |
| Miércoles | |||
| 09:00-10:00 | Grupo /CLIS_01 | Castellano | Aula A4 |
| 10:00-11:30 | Grupo /CLIL_01 | Castellano | IA.S2 |
| 21.01.2026 16:00-20:00 | Grupo /CLIL_02 | Aula A10 |
| 21.01.2026 16:00-20:00 | Grupo /CLIL_01 | Aula A10 |
| 21.01.2026 16:00-20:00 | Grupo /CLE_01 | Aula A10 |
| 21.01.2026 16:00-20:00 | Grupo /CLIS_01 | Aula A10 |
| 01.06.2026 10:00-14:00 | Grupo /CLE_01 | IA.11 |
| 01.06.2026 10:00-14:00 | Grupo /CLIL_02 | IA.11 |
| 01.06.2026 10:00-14:00 | Grupo /CLIL_01 | IA.11 |
| 01.06.2026 10:00-14:00 | Grupo /CLIS_01 | IA.11 |
| 25.06.2026 16:00-20:00 | Grupo /CLIL_02 | IA.03 |
| 25.06.2026 16:00-20:00 | Grupo /CLIL_01 | IA.03 |
| 25.06.2026 16:00-20:00 | Grupo /CLIS_01 | IA.03 |
| 25.06.2026 16:00-20:00 | Grupo /CLE_01 | IA.03 |