Otimização Linear

Caracterização geral

Pré-requisitos

Os alunos devem ter conhecimentos de Álgebra Linear, Análise Matemática e alguma capacidade de conceber e implementar algoritmos.

Bibliografia

Operations Research: Applications and Algorithms, Wayne L. Winston, Brooks/Cole; 4th edition edition, 2004.

Introduction to Mathematical Optimization, Matteo Fischetti, Kindle Direct Publishing, 2019.

A First Course in Linear Optimization, Jon Lee, Reex Press, 4th edition, 2013-2021 https://github.com/jon77lee/JLee_LinearOptimizationBook/blob/master/JLee.4.01.pdf

Método de ensino

As aulas são teóricas/práticas participadas, com exposição oral dos conceitos e metodologias devidamente complementada com exemplos e resoluções de problemas. Eventuais dúvidas poderão ser esclarecidas no decurso das aulas ou em sessões individuais marcada com o professor.

A avaliação contínua é baseada em dois testes. Se um aluno não obtiver aprovação através de avaliação contínua poderá vir a obtê-la num exame de recurso. 

Método de avaliação

Avaliação:

Por testes:
Dois testes a realizar durante o período letivo, cada um com a cotação de 10 valores. 
Considera-se aprovado o aluno com frequência e soma das classificações obtidas nos testes >=10. A classificação final será o valor dessa soma.

Por exame final:

Considera-se aprovado o aluno que obtenha classificação no exame final >=10 valores. Ao optar pela realização do exame as classificações obtidas nos testes não têm efeito. 

Conteúdo

Programação linear (PL): formulação de problemas em PL, geometria da PL, método do simplex, dualidade, análise de sensibilidade.

Programação linear inteira (PI): formulação de problemas em PI, PL vs PI, relaxações, método do branch and bound, métodos heurísticos, complexidade computacional.

Cursos

Cursos onde a unidade curricular é leccionada: