Currículo

Inteligência Computacional e Otimização 03363

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

(SABER) OA1. Formulação matemática de problemas de otimização linear (OL), não linear (ONL), de critério único, multicritério, com ou sem restrições. OA2. Conhecer os tipos de problemas e técnicas mais adotadas de otimização de critério único (OCU) e de ODM, conhecer os seus fundamentos, compreender os correspondentes resultados matemáticos genéricos e específicos. OA3. Avaliar e comparar a qualidade de técnicas de OCU e de ODM. OA4. Utilizar ferramentas de desenvolvimento de software genéricas e específicas para a resolução de problemas de ODM. OA5. Identificar os desafios atuais em ODM. (SABER FAZER) OA6. Adequar, adaptar e aplicar os conhecimentos teóricos à resolução de problemas de ODM nas áreas da engenharia informática, dos sistemas de informação e das telecomunicações e da gestão. (COMPETÊNCIAS TRANSVERSAIS) OA7. Desenvolver capacidades de investigação e inovação através da formulação e resolução de problemas de ODM. OA8. Treinar competências de trabalho em grupo.

Programa

CP1-Programação linear Convexidade;Interpretação geométrica;Simplex;Teoremas de dualidade. CP2-Métodos Analíticos para otimização não-linear Formas quadráticas;Funções convexas;Condições ótimas necessária e suficiente para problemas de otimização não linear sem e com restrições;Otimização convexa. CP3-Métodos Numéricos para otimização não-linear Eliminação e interpolação, método dos gradientes, Newton e quasi-Newton CP4- Programação matemática avançada Programação quadrática, programação por metas e programação inteira. Aplicações em problemas de redes. CP5-Métodos de otimização multiobjetivo Modelos determinísticos e estocásticos, OCU e ODM; Conceito de Pareto-Optimal; Tratameto de restrições; OM inspirada na natureza; Qualidade de algoritmos de OM. CP6- Introdução a ferramentas de software para ODM

Método de Avaliação

Avaliação ao longo do semestre: Dois trabalhos práticos em grupo, com avaliação individual e peso de 50% cada um na nota final da UC, um trabalho com entrega a meio do semestre e outro com entrega no final do período de avaliação da 1ª época. Avaliação por Exame Final: Exame final escrito, sem consulta, sobre a totalidade da matéria, com peso de 100% na nota final da UC: 1ª época, 2ª época e época especial.

Carga Horária

Bibliografia

Principal

• Bertsekas, D. (1998). Network optimization: Continuous and discrete models. Athena Scientific. Barabasi, A.-L. (2016). Network Science. Cambridge, England: Cambridge University Press. Nocedal, J., & Wright, S. (2006). Numerical Optimization. Springer Verlag. Bonnans, J.F, Gilbert, J.C., Lemarechal, C. and Sagastizábal, C.A.: Numerical Optimization: Theoretical and Practical Aspects, Springer Verlag, 2006. Bonnans, J.-F., Gilbert, J. C., Lemarechal, C., & Sagastizábal, C. A. (2006). Numerical optimization: Theoretical and Practical Aspects, Springer Verlag. Deb, K. (2012). Optimization for engineering design - algorithms and examples. Delhi, India: PHI Learning.:

Secundária

• Thomas Back. (1996). Evolutionary algorithms in theory and practice. Oxford University Press. Conn, A. R. (andrew R. ). (2009). Introduction to derivative-free optimization. SIAM Series on Optimization. Emmerich, M. & Deutz, A. (2014). Multicriteria Optimization and Decision Making: Principles, Algorithms, and Applications, Leiden Institute of Computer Science, The Netherlands. Miettinen, K. (1999). Nonlinear Multiobjective Optimization. Kluwer.:

Disciplinas de Execução

2018/2019 - 1º Semestre