Informació general


Tipus d'assignatura: Obligatòria

Coordinador: Jesus Ezequiel Martínez Marín

Trimestre:2

Crèdits: 3

Professorat: Rosa Herrero Antón

Descripció


Models Matemàtics per a la Logística. 

 

Aquesta assignatura disposa de recursos metodològics i digitals per fer possible la seva continuïtat en modalitat no presencial en el cas de ser necessari per motius relacionats amb la Covid-19. D’aquesta forma s’assegurarà l’assoliment dels mateixos coneixements i competències que s’especifiquen en aquest pla docent.

El TecnoCampus posarà a l’abast del professorat i l’alumnat les eines digitals necessàries per poder dur a terme l’assignatura, així com guies i recomanacions que facilitin l’adaptació a la modalitat no presencial.

Resultats d'aprenentatge


Modelitzar i resoldre problemes logístics amb incertesa i risc 

Programar models matemàtics en Logística 

Metodologia de trabajo


L'assignatura utilitza les següents metodologies de treball: 

Classe magistral, estudi de casos, aprenentatge col·laboratiu i resolució de problemes. 

Continguts


Tema 1: Introducció 

1.1 Concepte de model matemàtic 

1.2 Tipologia de sistemes 

1.3 Metodologies i algoritmes 

Tema 2: Teoria de grafs 

2.1 Definició, representació i topologia 

2.2 Exemples d'aplicació 

2.3 Matrius associades a un graf i isomorfisme de grafs 

2.4 Algorismes en grafs 

2.4.1 Arbre parcial mínim i els algoritmes de Prim i Kruskal 

2.4.2 Camí més curt i l'algoritme de Dijkstra 

2.4.3 Problema de flux en una xarxa i l'algoritme de Ford-Fulkerson 

Tema 3: Processos estocàstics 

3.1 Definició de processos estocàstics i variables aleatòries 

3.2 Exemples i casos especials 

3.3 Cadena de Markov a temps discret 

3.4 Cadena de Markov a temps continu 

Tema 4: Problema del Viatjant de Comerç 

4.1 Definició del problema 

4.2 Variants més utilitzades 

4.3 Metodologies de resolució 

Tema 5: Problema de Rutes de Vehicles 

5.1 Definició del problema 

5.2 Variants més utilitzades 

5.3 Metodologies de resolució 

Tema 6: Programació no lineal 

6.1 Definició i qualificació de no linealitat 

6.2 Exemples 

6.3 Cas especial: problemes amb restriccions lineals 

6.4 Condicions de Karush-Kuhn-Tucker i interpretació de multiplicadors de Lagrange 

6.5 Metodologies de resolució 

Activitats d'aprenentatge


L'assignatura utilitza les següents metodologies de treball: 

Classe magistral, estudi de casos, aprenentatge col·laboratiu i resolució de problemes. 

Sistema d'avaluació


Amb l'objectiu de recollir evidència de l'assoliment dels resultats d'aprenentatge esperats es realitzaran les següents activitats de caràcter avaluatiu: 

  
A1. Exercici a casa: Teoria de Grafs (10%) 

Exercicis a resoldre a través de l'aula virtual a partir del contingut teòric. 

  
A2. Exercici a casa: Processos Estocàstics (10%) 

Exercicis a resoldre a través de l'aula virtual a partir del contingut teòric. 

  
A3. Exercici a casa: Problema del Viatjant de Comerç (15%) 

Exercicis a resoldre a través de l'aula virtual a partir del contingut teòric. 

  
A4. Exercici a casa: Problema de Rutes de Vehicles (15%) 

Exercicis a resoldre a través de l'aula virtual a partir del contingut teòric. 

  
A5. Examen final (50%) 

Examen del contingut de tota l'assignatura. 

  
La nota de cada alumne es calcularà seguint els percentatges corresponents: 

Nota final = A1 0,1 + A2 0,1 + A3 0,15 + A4 0,15 + A5 0,5 

  
Consideracions: 
- Cal obtenir una nota superior a 4 en l'examen final per aprovar l'assignatura. 

- El professor informarà de les dates i format del lliurament dels exercicis a casa. Una activitat no lliurada o lliurada amb retard i sense justificació (citació judicial o assumpte mèdic) compta com un 0. 

- És responsabilitat de l'alumne evitar el plagi en totes les seves formes. En el cas de detectar un plagi, independentment del seu abast, en alguna activitat correspondrà a tenir una nota de 0. A més, el professor comunicarà la situació perquè es prenguin mesures aplicables en matèria de règim sancionador. 

Bibliografia


Bàsic

Hillier, F. S.,  Lieberman, G.J. (2016). Introduction to Operations Research. 10th. ed. McGraw-Hill Education.

Grassmann, W. K., Tremblay, J. P. (2000). Logic and Discrete Mathematics. Prentice Hall.

Golden, B. L., Raghavan, S., Wasil, E. A.  (2008). The vehicle routing problem: latest advances and new challenges (Vol. 43). Springer Science & Business Media.

Gutin, G., Punnen, A. P. (2006). The traveling salesman problem and its variations (Vol. 12). Springer Science & Business Media.

Luenberger, D.G., Ye, Y. (2015). Linear and Nonlinear Programming. 4th. ed. Springer.

Nelson, B. L. (2010). Stochastic modeling: analysis & simulation. Courier Corporation.

Taha, H.A. (2019). Operations Research: An Introduction. 10th ed. Pearson.

Complementary

Moreno S., Ma. Isabel, Sistachs V., Vivian, Díaz G., L. (2016). Selección de modelos en regresión logística binaria, un enfoque clásico. VDM Verlag.

Derbel, H., Jarboui, B., Siarry, P. (Eds.). (2020). Green Transportation and New Advances in Vehicle Routing Problems. 1st ed. Springer.