Modelos de Otimização

Métodos de Ensino

A atividade letiva decorre em regime presencial ou por videoconferência, com exposição de conceitos, técnicas e métodos, com grande enfoque em aplicações práticas. Será utilizado software de apoio à resolução de problemas de maior dimensão, maioritariamente dentro das bibliotecas do Python.
O aluno será avaliado por um trabalho realizado no âmbito da unidade curricular e por uma prova escrita de avaliação final. O trabalho é facultativo, sendo a prova escrita obrigatória. A nota final será igual a 50% da nota média do  realização do trabalho, a respetiva nota final será determinada na totalidade pela prova escrita.

Resultados de Aprendizagem

Nesta disciplina introduzem-se técnicas de modelização matemática dirigidas a problemas complexos de Planeamento e Gestão, recorrendo a modelos de programação linear e linear inteira.
A disciplina terá forte incidência na resolução de casos aplicados, incidindo em: planeamento de investimentos, seleção de projetos, gestão da produção, gestão financeira, planeamento de projetos e escalas e turnos de trabalho.
Face à dimensão dos problemas envolvidos, serão adotados meios computacionais de otimização para a resoluções dos modelos matemáticos propostos. Esses meios recorrem sobretudo às bibliotecas do Python, procurando uma utilização fácil dos dados e dos resultados dos problemas propostos.
Pretende-se que o aluno seja capaz de modelizar problemas de otimização no âmbito dos temas anteriormente referidos, recorrendo à programação linear e linear inteira. Deve também conseguir tratar os dados desses problemas e explorar os resultados gerados, usando ferramentas do Python.

Programa

1 – Modelos de Programação linear e linear inteira. Interpretação económica
2 – Ferramentas computacionais para resolução de modelos linear e lineares inteiros.
2.1 – Ferramentas do Python
2.2 – Outras ferramentas de otimização linear
3 – Interpretação económica das soluções. Análise de sensibilidade e análise paramétrica
4 – Tratamento de dados e tratamento de resultados usando ferramentas do Python
5 – Estudo dos seguintes problemas de decisão:
5.1 – Planeamento de investimentos
5.2 – Gestão da produção
5.3 – Gestão financeira
5.4 – Planeamento de projetos
5.5 – Escalas e turnos de trabalho

Estágio(s)

NAO

Bibliografia

Cornuejols, G., & Tütüncü, R. (2006). Optimization methods in finance (Vol. 5). Cambridge U Press.
Hart, W. E., Laird, C. D., Watson, J. P., Woodruff, D. L., Hackebeil, G. A., Nicholson, B. L., & Siirola, J. D. (2017). Pyomo-optimization modeling in python (Vol. 67). Berlin: Springer.
Hillier, F. S., & Lieberman, G. J. (1995). Introduction to operations research. McGraw-Hill Science, Engineering &Mathematics.
Rardin, R.L. (1998). Optimization in Operations Research, Prentice Hall, New Jersey.
Cornuejols, G., & Tütüncü, R. (2006). Optimization methods in finance (Vol. 5). Cambridge U Press.
Hart, W. E., Laird, C. D., Watson, J. P., Woodruff, D. L., Hackebeil, G. A., Nicholson, B. L., & Siirola, J. D. (2017). Pyomo-optimization modeling in python (Vol. 67). Berlin: Springer.
Hillier, F. S., & Lieberman, G. J. (1995). Introduction to operations research. McGraw-Hill Science, Engineering &Mathematics.
Rardin, R.L. (1998). Optimization in Operations Research, Prentice Hall, N Jersey.