Saltar para:
Logótipo
Você está em: Início > M3013
Mapa das Instalações
FC6 - Departamento de Ciência de Computadores FC5 - Edifício Central FC4 - Departamento de Biologia FC3 - Departamento de Física e Astronomia e Departamento GAOT FC2 - Departamento de Química e Bioquímica FC1 - Departamento de Matemática

Otimização e Aplicações

Código: M3013     Sigla: M3013     Nível: 300

Áreas Científicas
Classificação Área Científica
OFICIAL Matemática

Ocorrência: 2018/2019 - 1S Ícone do Moodle

Ativa? Sim
Unidade Responsável: Departamento de Matemática
Curso/CE Responsável: Licenciatura em Biologia

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
L:B 0 Plano de Estudos Oficial 3 - 6 56 162
L:CC 1 Plano de estudos a partir de 2014 2 - 6 56 162
3
L:F 1 Plano de Estudos Oficial 2 - 6 56 162
3
L:G 1 Plano estudos a partir do ano letivo 2017/18 3 - 6 56 162
L:M 45 Plano de Estudos Oficial 2 - 6 56 162
3
L:Q 0 Plano estudos a partir do ano letivo 2016/17 3 - 6 56 162

Docência - Responsabilidades

Docente Responsabilidade
Sílvio Marques de Almeida Gama Regente

Docência - Horas

Teorico-Prática: 4,00
Tipo Docente Turmas Horas
Teorico-Prática Totais 1 4,00
Sílvio Marques de Almeida Gama 4,00
Mais informaçõesA ficha foi alterada no dia 2018-09-29.

Campos alterados: Objetivos, Fórmula de cálculo da classificação final, Palavras Chave, Componentes de Avaliação e Ocupação, Programa

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Pretende-se que os alunos


  1. Se familiarizem com vários problemas que podem ser modelados por programação linear (PL), programação inteira (PI), programação inteira binária (PIB) ou mista (PIM) e programação não linear.

  2. Adquiram competências de modelação e resolução algorítmica de situações reais frequentes em várias actividades económicas e científicas.

  3. Se familiarizem com os principais conceitos teóricos, métodos e algoritmos da programação linear (PL), programação inteira (PI), programação inteira binária (PIB) ou mista (PIM) e programação dinâmica, nomeadamente, dualidade, complementaridade, relaxação Lagrangeanas e outros.

  4. Adquiram competências numéricas em otimização de funções.

Resultados de aprendizagem e competências

Pretende-se que os alunos adquiram competências de modelação e resolução algorítmica de situações reais frequentes em várias actividades económicas e científicas.

Modo de trabalho

Presencial

Programa

Primeiros conceitos. Modelos, exemplos e aplicações de Programação Linear (PL), Programação inteira (PI), Binária e Mista (PIM).

Uso de python em programação linear.

Minimização ou maximização de funções. Aplicações em python.

Optimização não linear. Conceitos teóricos de dualidade.

Métodos de otimização uni-dimensional.
Métodos de comparação de pontos de rede.
Método de bisseção.
Método da seção áurea.
Otimização livre e com restrições.
Métodos de descida.
Esquema geral dos métodos de descida. Busca linear.
O método do gradiente.
O método de Newton.
Métodos de direções conjugadas.
Métodos de direções conjugadas para funções quadráticas.

Bibliografia Obrigatória

Jensen Paul A.; Operations research. ISBN: 0-471-38004-0
Press William H. 070; Numerical recipes. ISBN: 0-521-30811-9
Bakhvalov N. S.; Numerical methods

Bibliografia Complementar

Stewart James; Cálculo. ISBN: 0-534-39-321-7

Observações Bibliográficas

Apontamentos disponíveis no Moodle.

Métodos de ensino e atividades de aprendizagem

Ensino presencial com recurso a vários modelos em python (pacotes numpy e scipy). Análise de casos de estudo expostos nas aulas.

Software

python

Palavras Chave

Ciências Físicas > Matemática > Matemática aplicada > Análise numérica
Ciências Físicas > Matemática > Matemática aplicada > Investigação operacional

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação Peso (%)
Teste 85,00
Trabalho prático ou de projeto 15,00
Total: 100,00

Componentes de Ocupação

Designação Tempo (Horas)
Estudo autónomo 106,00
Frequência das aulas 52,00
Total: 158,00

Obtenção de frequência

Classificação final superior ou igual a 9,5 valores.

Fórmula de cálculo da classificação final

Classificação final = t1 + t2 + tc1 + tc2
t1  = classificação do 1º teste que vale 8,5 valores
t2  = classificação do 2º teste que vale 8,5 valores
tc1 = classificação do 1º trabalho computacional que vale 1,5 valores
tc1 = classificação do 2º trabalho computacional que vale 1,5 valores

NOTA: tc1 e tc2 obtidos no decorrer da parte lectiva.

EXAME ÉPOCA DE RECURSO:
Classificação final = er1 + er2 + tc1 + tc2
er1 = classificação da 1ª parte que vale 8,5 valores
er2 = classificação da 2ª parte que vale 8,5 valores
tc1, tc2 = obtidos no decorrer da parte lectiva.

(1) O exame da época de recurso consiste em duas partes correspondentes à divisão da matéria para os testes. 

(2) No exame de recurso, o estudante pode escolher uma ou duas das suas partes. Se a(s) entregar para correção, substitui(em) a(s) classificação(ões) correspondente(s) obtida(s) no(s) teste(s).
Recomendar Página Voltar ao Topo
Copyright 1996-2022 © Faculdade de Ciências da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2022-10-03 às 16:53:48 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias