Ejercicios resueltos de investigación operativa : exámenes propuestos en la Facultad de Ciencias Económicas y Empresariales

La asignatura Investigación Operativa es una asignatura cuatrimestral dedicada fundamentalmente a la introducción de los modelos deterministas más elementales dentro de la investigación de operaciones. Esta asignatura se ha impartido en los últimos años en el tercer curso de la Licenciatura de Administración y Dirección de Empresas (L.A.D.E.) en la Facultad de Ciencias Económicas y Empresariales de la UPV/EHU. Esta publicación recoge los problemas resueltos propuestos en los exámenes de las distintas convocatorias entre los años 2005 y 2010. El temario oficial de la asignatura desglosado por temas es el siguiente: 1. Programación lineal entera: 1.1 Formulación de problemas de Programación Lineal Entera. 1.2 Método de ramificación y acotación (Branch and Bound). 1.3 Otros métodos de resolución. 2. Programación multiobjetivo y por metas: 2.1 Introducción a la Programación Multiobjetivo. 2.2 Programación por metas. 2.3 Programación por prioridades. 3. Modelos en redes: 3.1 Conceptos básicos. 3.2 Problema del árbol de expansión minimal. 3.3 Problema del camino más corto. 3.4 Problema del camino más largo. 3.5 Problema del flujo máximo. 3.6 Problema de asignación. 3.7 Planificación de Proyectos: Métodos C.P.M. y P.E.R.T.

Framework for the Shape Optimization of Aerodynamic Profiles Using Genetic Algorithms

This study developed a framework for the shape optimization of aerodynamics profiles using computational fluid dynamics (CFD) and genetic algorithms. Agenetic algorithm code and a commercial CFD code were integrated to develop a CFD shape optimization tool. The results obtained demonstrated the effectiveness of the developed tool. The shape optimization of airfoils was studied using different strategies to demonstrate the capacity of this tool with different GA parameter combinations.

Some experiments on solving multistage stochastic mixed 0-1 programs with time stochastic dominance constraints

In this work we extend to the multistage case two recent risk averse measures for two-stage stochastic programs based on first- and second-order stochastic dominance constraints induced by mixed-integer linear recourse. Additionally, we consider Time Stochastic Dominance (TSD) along a given horizon. Given the dimensions of medium-sized problems augmented by the new variables and constraints required by those risk measures, it is unrealistic to solve the problem up to optimality by plain use of MIP solvers in a reasonable computing time, at least. Instead of it, decomposition algorithms of some type should be used. We present an extension of our Branch-and-Fix Coordination algorithm, so named BFC-TSD, where a special treatment is given to cross scenario group constraints that link variables from different scenario groups. A broad computational experience is presented by comparing the risk neutral approach and the tested risk averse strategies. The performance of the new version of the BFC algorithm versus the plain use of a state-of-the-artMIP solver is also reported.