[vc_row][vc_column][vc_column_text]<\/p>\n
Docente responsable: <\/b><\/span>Marcovecchio, Marian Gabriela Licenciatura en Ciencia de Datos: Ciclo b\u00e1sico \u2013 Aprobado y \u201cModelos y m\u00e9todos de la programaci\u00f3n lineal\u201d – Regular<\/p>\n Licenciatura en Matem\u00e1tica Aplicada: \u201cProgramaci\u00f3n lineal\u201d – Aprobada<\/p>\n<\/div>\n [\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column][vc_empty_space height=\u00bb20px\u00bb][\/vc_column][\/vc_row][vc_row][vc_column][vc_column_text]Objetivos generales de la asignatura:<\/strong><\/p>\n Este curso tiene por objeto introducir las nociones b\u00e1sicas de optimizaci\u00f3n matem\u00e1tica determin\u00edstica para la resoluci\u00f3n de distintos tipos de problemas de programaci\u00f3n matem\u00e1tica. Se pretende que el alumno conozca los fundamentos te\u00f3ricos e implementaciones de los m\u00e9todos m\u00e1s aplicados para cada tipo de problema. Se estudiar\u00e1n las distintas clases de problemas en orden creciente de complejidad. <\/p>\n Temas principales de la asignatura:<\/strong> <\/p>\n Tipo de clases y carga horaria aproximada:<\/strong> Docente: Marcovecchio, Marian. Optativa de: LCD. Cuatrimestre de cursado: Primero.<\/p>\n","protected":false},"author":11,"featured_media":10239,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"video","meta":[],"categories":[147,155],"tags":[],"_links":{"self":[{"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/posts\/10165"}],"collection":[{"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/comments?post=10165"}],"version-history":[{"count":2,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/posts\/10165\/revisions"}],"predecessor-version":[{"id":10267,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/posts\/10165\/revisions\/10267"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/media\/10239"}],"wp:attachment":[{"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/media?parent=10165"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/categories?post=10165"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/tags?post=10165"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\nCuatrimestre de cursado: <\/b><\/span>Primero
\nUnidad acad\u00e9mica: <\/b><\/span>FIQ
\nModalidad de cursado:<\/span> <\/b>Presencial
\n\u00c1rea perteneciente: <\/b><\/span>Aplicaciones Espec\u00edficas de Ciencia de Datos
\nCarga horaria: <\/b>90 h<\/span><\/span>
\nCarreras para la cual es optativa<\/b>:<\/span> Licenciatura en Ciencia de Datos, Licenciatura en Matem\u00e1tica Aplicada
\nCorrelativas<\/b>:<\/span><\/p>\n
\nEn cada caso: se caracterizar\u00e1n las soluciones a trav\u00e9s de las condiciones de optimalidad; se estudiar\u00e1n los m\u00e9todos de resoluci\u00f3n m\u00e1s aplicados para cada tipo, analizando sus fundamentos te\u00f3ricos, implementaci\u00f3n computacional, alcances y limitaciones. Se estudiar\u00e1n las estructuras b\u00e1sicas y los m\u00e9todos de resoluci\u00f3n m\u00e1s aplicados para resolver problemas complejos a optimalidad global determin\u00edstica. Se analizar\u00e1n las competencias, alcances, eficiencia y dificultades de aplicaci\u00f3n de estos m\u00e9todos. A trav\u00e9s de la resoluci\u00f3n de problemas de diferentes dimensiones y complejidades, se pretende que el alumno identifique las potencialidades, capacidades de aplicaci\u00f3n y deficiencias de los m\u00e9todos estudiados.<\/p>\n
\nUnidad 1 – Introducci\u00f3n a los problemas de optimizaci\u00f3n. Clasificaci\u00f3n y caracterizaciones. \u00d3ptimos locales y globales. Uso de software.
\nUnidad 2 – Optimizaci\u00f3n sin restricciones. Condiciones de optimalidad. M\u00e9todos cl\u00e1sicos de b\u00fasqueda unidimensional y multidimensional para funciones diferenciables y no diferenciables. M\u00e9todos del gradiente conjugado.
\nUnidad 3 – Optimizaci\u00f3n con restricciones. Condiciones de optimalidad de primer y segundo orden. M\u00e9todos de direcciones factibles. M\u00e9todo del gradiente proyectado. M\u00e9todos de punto interior, barrera y regi\u00f3n de confianza. M\u00e9todos del Lagrangiano aumentado y penalizaci\u00f3n.
\nUnidad 4 \u2013 Optimizaci\u00f3n de problemas de programaci\u00f3n entera y mixta – entera lineal. Estructuras del tipo ramificaci\u00f3n y acotamiento. Planos de corte y estructuras del tipo ramificaci\u00f3n y corte.
\nUnidad 5 \u2013 Introducci\u00f3n a m\u00e9todos de optimizaci\u00f3n global. T\u00e9cnicas de generaci\u00f3n de envolturas convexas. Estructuras de ramificaci\u00f3n y acotamiento. Enfoque \u03b1BB. Aritm\u00e9tica de intervalos. Acotamiento primal-dual. Aproximaci\u00f3n externa convexa.
\nUnidad 6 \u2013 Optimizaci\u00f3n global de problemas con estructuras particulares. Programaci\u00f3n cuadr\u00e1tica. Optimizaci\u00f3n de problemas de diferencias de convexidades. Optimizaci\u00f3n de Lipschitz. Algoritmos de descomposici\u00f3n.
\nUnidad 7 – Abordajes de problemas de optimizaci\u00f3n: multiobjetivo, bi-nivel y programaci\u00f3n de metas.<\/p>\n
\nClases\u00a0 de teor\u00eda: 2 hs semanales
\nClases de pr\u00e1ctica: 4 hs semanales.[\/vc_column_text][\/vc_column][\/vc_row]<\/p>\n","protected":false},"excerpt":{"rendered":"