Concepción García Vázquez

Introducir al alumno en los problemas de optimización.
Familiarizar al alumno con las técnicas básicas de la optimización.
Capacitar al alumno en el uso de software de optimización.

1. Introducción a los problemas de optimización. Revisión de resultados previos.

2. Optimización sin restricciones.

2.1. Introducción
2.2. Métodos de búsquedas unidimensionales.
2.4. Método de Newton. Aproximaciones sucesivas.
2.3. Métodos de descenso: relajación, gradiente, sub y superrelajación.
2.5. Método del gradiente conjugado.
2.6. Métodos Quasi-Newton
2.7. Análisis de algunas aplicaciones: Redes neuronales, algoritmos
genéticos, etc.

3. Optimización con restricciones.

3.1. Problemas con restricciones de igualdad.
3.2. Problemas con restricciones de desigualdad.
3.3. Problemas de optimización convexa.
3.4. Algoritmos para optimización con restricciones: métodos de relajación,
de tipo gradiente y métodos de penalización.

* Explicación de la teoría.
* Resolución de problemas teóricos.
* Resolución de problemas con el computador.

La realización de sesiones prácticas semanalmente permite un control fiable
por parte del profesor del grado de aprovechamiento que los alumnos adquieren
en las clases teóricas.

Explicación de la teoría, mediante clases magistrales.
Resolución de problemas, en pequeños grupos, mediante talleres.
Aplicación a la resolución computacional de problemas, mediante la utilización
de un software científico de optimización.
Realización autónoma de ejercicios computacionales.

El examen de la asignatura que constará de dos partes:

a) Una prueba práctica, de aproximadamente una o dos horas, y que constará
de la resolución computacional de un problema similar a los
trabajados en las clases en aula informática.

En él se valorará la correcta formulación del problema, la adecuada
presentación y estructura del problema y la resolución final del
del mismo.

Aportará a la calificación final un 30%.

b) Una prueba escrita con una duración aproximada de dos horas y que
versará sobre los contenidos teóricos y prácticos desarrollados a lo
largo del curso.

Aportará a la calificación final de la asignatura un 70%.

Chong, E.K.P. y Zak, S.H.
An Introduction to Optimization
John Wiley & Sons

Bertsekas, D.P.
Nonlinear Programming
Athena Scientific

Bazaraa, M.S. y Shetty, C.M.
Nonlinear Programming. Theory and Algorithms.
John Wiley & Sons