Currículo

Optimização Heurística 03597

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

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

Programa

Conteúdos programáticos (CP): CP1. OTIMIZAÇÃO MULTIOBJETIVO 1.1. Conceitos básicos 1.2. Metodologias 1.2.1. Programação por Metas não Preemptiva 1.2.2. Programação por Metas Preemptiva CP2. METAHEURÍSTICAS 2.1. Conceitos e terminologia 2.2. Algoritmos com uma única solução inicial 2.2.1. Pesquisa Tabu 2.2.2. Simulated Annealing 2.3. Algoritmos Genéticos

Método de Avaliação

AVALIAÇÃO de 1ª ÉPOCA Na 1ª Época, a avaliação da Unidade Curricular pode ser feita recorrendo à Avaliação ao Longo do Semestre ou à realização de um Projeto Individual. --> AVALIAÇÃO AO LONGO DO SEMESTRE - Trabalho Individual (30%): nota mínima igual a 8 valores; - Projeto de Grupo (70%) : escrita de relatório e código (45%) + apresentação oral (10%) + teste individual (15%). CONDIÇÕES ASSOCIADAS À AVALIAÇÃO AO LONGO DO SEMESTRE: (i) Número máximo de estudantes que podem constituir um grupo de trabalho: 5; (ii) O estudante tem de participar em todos os momentos da avaliação ao longo do semestre. --> AVALIAÇÃO ATRAVÉS DA REALIZAÇÃO DE UM PROJETO INDIVIDUAL - Escrita de relatório e código (75%) - Discussão oral (25%) O estudante tem de participar em ambas as partes da avaliação individual. AVALIAÇÃO de 2ª ÉPOCA Na 2ª Época, a avaliação da Unidade Curricular é feita através da realização de um Projeto Individual --> AVALIAÇÃO ATRAVÉS DA REALIZAÇÃO DE UM PROJETO INDIVIDUAL - Escrita de relatório e código (75%) - Discussão oral (25%). O estudante tem de participar em ambas as partes da avaliação individual. Em ambas as épocas, o aluno pode ser sujeito a exame oral mesmo que classificação final >= 9,5 valores. Escala 0-20

Carga Horária

Bibliografia

Principal

• - Chopard, B.; Tomassini, M. (2018). An Introduction to Metaheuristics for Optimization, Springer. - 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. - Ke-Lin Du; M. N. S. Swamy (2016). Search and Optimization by Metaheuristics: Techniques and Algorithms Inspired by Nature. Birkhäuser. - Ragsdale, C.T. (2022). Spreadsheet Modeling and Decision Analysis: A Practical Introduction to Business Analytics, 9th Ed. Cemgage Learning. - Taha, Handy A. (2023). Operations Research: An Introduction, 11th Ed. Pearson. (não tem Goal Programming e tem heurísticas) - Taha, Handy A. (2017). Operations Research: An Introduction, 10th Ed. Pearson. (tem Goal Programming e tem heurísticas):

Secundária

• - Burke, E. K.; Kendall, G. (Eds.) (2014). Search Methodologies: Introductory Tutorials in Optimization and Decision Support, 2nd edition, Springer. - Ehrgott, M. (2005). Multicriteria Optimization, 2nd edition, Springer. - Lobato, F. S.; Valder, S. Jr. (2017). Multi-Objective Optimization Problems: Concepts and Self-Adaptive Parameters with Mathematical and Engineering Applications. Springer Cham. - Open Access documents such as instructor notes, book chapters, research articles, and tutorials that will be provided via Fenix. - Siarry, P. (Ed.) (2016). Metaheuristics, Springer.:

Disciplinas de Execução