Conhecimentos de Base Recomendados
Antes de frequentarem esta unidade curricular, os alunos devem ter obtido aprovação à unidade curricular de Investigação Operacional (do 2º ano desta licenciatura).
Métodos de Ensino
É usada uma estratégia de aprendizagem apoiada na experimentação da matéria exposta nas aulas teóricas, quer através da resolução de exercícios teórico-práticos sobre os temas tratados, quer através da resolução computacional dos mesmos.
- Na componente teórica é feita a exposição da matéria, sendo incentivada a participação ativa dos alunos mediante a colocação frequente de questões a serem respondidas pelos mesmos.
- Na componente teórico-prática os alunos resolvem manualmente exercícios de aplicação da componente teórica.
- Na componente prática-laboratorial os alunos resolvem computacionalmente vários tipos de problemas abordados, recorrendo a bibliotecas de Python.
Resultados de Aprendizagem
Com base nos conceitos adquiridos em Investigação Operacional, nesta unidade curricular pretende-se que os alunos alarguem os seus conhecimentos nas áreas de otimização e apoio à tomada de decisão. Nesse sentido, serão introduzidas metodologias a aplicar a problemas de decisão mais complexos do que os estudados anteriormente, como é o caso de problemas envolvendo múltiplos objetivos, variáveis inteiras, entre outros. Depois de frequentarem esta unidade curricular, os alunos devem: 1 – Conhecer e perceber as características fundamentais dos problemas mais representativos de otimização e apoio à decisão; 2 – Identificar as distintas abordagens que podem ser utilizadas para os resolver; 3 – Resolver problemas práticos simples usando os algoritmos de otimização e apoio à decisão apropriados e interpretar a(s) solução(ões) obtida(s); 4 – Ser capazes de implementar computacionalmente alguns dos algoritmos / usar ferramentas computacionais, para resolver os tipos de problemas abordados.
Programa
Programa teórico
0. Revisões de Programação Linear
1. Pós-Otimização e Análise de Sensibilidade
2. Programação Linear Inteira
3. Problemas de Decisão Multi-Objetivo
4. Métodos de Previsão
Programa teórico-prático/prático:
- Resolução manual / computacional dos vários tipos de problemas
Docente(s) responsável(eis)
Teresa Raquel Corga Teixeira da RochaMétodos de Avaliação
São possibilitados dois modos de avaliação:
a) Avaliação por exame final
- Exame final (17 valores): abrangendo toda a matéria lecionada.
- 2 Mini-testes práticos (3 valores = 1.5 + 1.5): a realizar durante as aulas práticas.
b) Avaliação por testes
- 2 Testes escritos (17 valores = 8.5 + 8.5): juntos abrangendo toda a matéria lecionada.
- 2 Mini-testes práticos (3 valores = 1.5 + 1.5): a realizar durante as aulas práticas.
Observações:
- Os dois testes escritos serão realizados nas aulas teóricas / teórico-práticas (em datas a confirmar).
- O 1º teste abrangerá o 1º e 2º capítulos da matéria, enquanto o 2º teste contemplará os 2 últimos capítulos.
- É exigida a classificação mínima de 35% em cada um dos testes.
- A não realização de um dos testes, ou a não obtenção de mínimos em algum deles, implica a passagem do(a) aluno(a) para o regime de avaliação por exame final.
- Os mini-testes práticos serão realizados durante as aulas práticas, em datas a confirmar, e terão por base a análise e adaptação da resolução computacional de um problema de otimização em Python.
- Não existe a imposição de uma nota mínima para os mini-testes.
- Faltar a um mini-teste prático, corresponde a ter 0.0 valores atribuídos à nota do mesmo.
- Os alunos que obtenham nota superior ou igual a 9.5 valores, na soma das notas dos testes com a nota dos mini-testes, desde que tenham cumprido os mínimos exigidos, ficarão automaticamente dispensados da realização do exame final.
- O exame final abrangerá toda a matéria e não poderá ser resolvido por partes.
- A nota dos mini-testes práticos será válida para todas as épocas de exame. No entanto, na época especial, o exame poderá ser realizado para 20 valores, se o(a) aluno(a) assim o pretender.
- As provas escritas serão sem consulta, exceto a que for disponibilizada pelos docentes.
- Nestas provas, os alunos poderão usar uma calculadora não gráfica.
Estágio(s)
NAO
Bibliografia
Recomendada
- Documentação de suporte às aulas (disponível no Moodle).
- Clímaco, J. N., Antunes, C. H., & Alves, M. J. G. (2003). Programação linear multiobjectivo: Do modelo de programação linear clássico à consideração explícita de várias funções objectivo. Imprensa da Universidade de Coimbra.
- Hill, M. M., & Santos, M. M. (2009). Investigação operacional: Programação linear (2.ª ed., Vol. 1). Edições Sílabo.
- Hill, M. M., & Santos, M. M. (2009). Investigação operacional: Exercícios de programação linear (2.ª ed., Vol. 2). Edições Sílabo.
- Hillier, F. S., & Lieberman, G. J. (2021). Introduction to operations research (11th ed.). McGraw-Hill Education.
- Ramalhete, M., Guerreiro, J., & Magalhães, A. (1984). Programação linear (Vol. 1). McGraw-Hill.
- Ramalhete, M., Guerreiro, J., & Magalhães, A. (1985). Programação linear (Vol. 2). McGraw-Hill.
- Winston, W. L. (2003). Operations research: Applications and algorithms (4th ed.). Cengage Learning.
Suplementar
- Rama Murthy, P. (2007). Operations research (2nd ed.). New Age International.
- Ravindran, A., Phillips, D. T., & Solberg, J. J. (1987). Operations research: Principles and practice (2nd ed.). Wiley.
- Taha, H. A. (1995). Operations research: An introduction (5th ed.). Prentice Hall.