Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
03597
Acrónimo :
03597
Ciclo :
1.º ciclo
Línguas de Ensino :
Português (pt)
Língua(s) amigável(eis) :

Carga Horária / Course Load


Semestre :
2
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
24.0h/sem
Aula Prática e Laboratorial (PL) :
12.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
37.0h/sem
Trabalho Autónomo :
113.0
Horas de Trabalho Total :
150.0h/sem

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