Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Investigação Operacional
Departamento / Department
Departamento de Métodos Quantitativos para Gestão e Economia
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
Programação
Objetivos Gerais / Objectives
Aprofundar conhecimentos em programação matemática, para abordar problemas de decisão. Nesta Unidade Curricular serão apresentados modelos matemáticos com múltiplos objetivos, heurísticas e metaheurísticas para resolver problemas de otimização. No final do curso, os alunos devem ser capazes de definir heurísticas para problemas específicos, codificá-las e usar o código gerado para resolver instâncias de problemas.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
Objectivos de aprendizagem (OA): OA1- Discutir os desafios enfrentados em problemas reais de otimização, nomeadamente nos de grande dimensão OA2 - Explicar e discutir as metodologias disponíveis para resolver problemas de otimização difíceis OA3 - Formular e especificar métodos de solução eficazes para resolver problemas de otimização OA4 - Usar ferramentas avançadas para resolver problemas de otimização
Conteúdos Programáticos / Syllabus
Conteúdos programáticos (CP): CP1. OTIMIZAÇÃO MULTIOBJETIVO 1.1. Conceitos básicos 1.2. Metodologias CP2. METAHEURÍSTICAS 2.1. Conceitos e terminologia 2.2. Algoritmos com uma única solução inicial 2.3. Algoritmos Genéticos
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
O alinhamento dos conteúdos programáticos com os objectivos de aprendizagem é o seguinte: OA1: CP1 and CP2; OA2: CP1 and CP2; OA3: CP2; OA4: CP2.
Avaliação / Assessment
1ª época: i) Trabalhos Individuais (TI): 50% - TI 1: 25% - TI 2: 25% ii) Projeto de Grupo (até 5 estudantes): 50%; Nos Trabalhos Individuais (TI1 e TI2) e no Projeto de Grupo pode ser necessária discussão oral. 2ª época i) Projeto Individual: 100% (pode ser necessária discussão oral). Em ambas as épocas, o aluno pode ser sujeito a exame oral mesmo que classificação final >= 9,5 valores.
Metodologias de Ensino / Teaching methodologies
A metodologia de ensino-aprendizagem (ME) incluí quatro componentes: ME1: Expositivas, para apresentação dos quadros teóricos de referência. ME2: Participativas, com análise e resolução de exercícios práticos. ME3- Ativa, mediante a realização de trabalhos individuais e em grupo ME3: Auto-estudo relacionado com o trabalho autónomo do aluno, tal como consta no planeamento das aulas.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
ME1: todos ME2: todos ME3: todos ME4: todos
Observações / Observations
- Os alunos abrangidos pelo "Regulamento de Estudantes com Estatuto Especial" deverão contactar o docente da UC, ou o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e de avaliação na UC. - No atual contexto de resposta à situação epidemiológica do novo coronavírus/Covid-19 e após a aprovação de novas medidas para todo o território nacional (decreto nº 3C/2021 de 22 de janeiro), o início das atividades letivas decorrerá em formato de ensino à distância. Todas as alterações que possam acontecer serão comunicadas aos estudantes.
Bibliografia Principal / Main Bibliography
- Ke-Lin Du; M. N. S. Swamy (2018). Search and Optimization by Metaheuristics: Techniques and and Algorithms Inspired by Nature. Birkhäuser. - Gutierrez, A. M; Ramirez-Mendoza, R. A.; Flores, E. M.; Ponce-Cruz, P; Espinoza, A.A. O.; Silva, D. C. B. (Eds.) (2020). A Practical Approach to Metaheuristics using LabVIEW and MATLAB (R). Taylor & Francis Ltd. - Lobato, F. S.; Valder, S. Jr. (2017). Multi-Objective Optimization Problems: Concepts and Self-Adaptive Parameters with Mathematical and Engineering Applications. Springer Cham. - Ragsdale, C.T. (2017). Spreadsheet Modeling and Decision Analysis: A Practical Introduction to Business Analytics. 8th Ed. Cemgage Learning. - Burke, E. K.; Kendall, G. (Eds.) (2014). Search Methodologies: Introductory Tutorials in Optimization and Decision Support, 2nd edition, Springer. - Siarry, P. (Ed.) (2016). Metaheuristics, Springer. - Ehrgott, M. (2005). Multicriteria Optimization, 2nd edition, Springer.
Bibliografia Secundária / Secondary Bibliography
- Open Access documents such as instructor notes, book chapters, research articles, and tutorials that will be provided via Moodle.
Data da última atualização / Last Update Date
2024-02-16