UNIVERSIDAD DE LOS ANDES

DEPARTAMENTO DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

MAESTRIA EN INGENIERIA ELECTRICA Y ELECTRONICA

OPTIMIZACIÓN
IELE-4011

DESCRIPCIÓN Este curso es una introducción a las técnicas de optimización que usualmente se requiere emplear al
solucionar problemas en diversas áreas de ingeniería. En la primera componente del curso se introducirán
conceptos de programación no lineal sin y con restricciones, y los principales métodos de solución para este
tipo de problemas. En la segunda parte del curso se estudiará programación lineal, incluyendo aplicaciones
a problemas de transporte y flujo en redes. A lo largo del curso se asignarán tareas y prácticas de laboratorio
en las cuales el estudiante tendrá la oportunidad de aplicar las técnicas estudiadas a problemas prácticos
en ingeniería eléctrica y electrónica.

PRERREQUISITOS: Dominio de matemática básica de ingeniería (álgebra lineal y cálculo multivariable). Conocimiento básico
en Matlab/Simulink es requerido.

DEDICACION: 4 CRÉDITOS

OBJETIVOS: 1. Formular problemas de optimización lineal/no lineal.

2. Resolver problemas de optimización lineal/no lineal utilizando Matlab.
3. Interpretar soluciones de problemas de optimización.

METAS DE APRENDIZAJE Al finalizar este curso el estudiante habrá fortalecido sus competencias principalmente en:
1. ability to identify, formulate, and solve complex engineering problems by applying principles of
engineering, science, and mathematics
2. an ability to apply engineering design to produce solutions that meet specified needs with
consideration of public health, safety, and welfare, as well as global, cultural, social,
environmental, and economic factors
3. an ability to communicate effectively with a range of audiences
4. an ability to recognize ethical and professional responsibilities in engineering situations and
make informed judgments, which must consider the impact of engineering solutions in global,
economic, environmental, and societal contexts
5. an ability to function effectively on a team whose members together provide leadership, create
a collaborative and inclusive environment, establish goals, plan tasks, and meet objectives
6. an ability to develop and conduct appropriate experimentation, analyze and interpret data, and
use engineering judgment to draw conclusions
7. an ability to acquire and apply new knowledge as needed, using appropriate learning strategies.

Resumen:
(1) (2) (3) (4) (5) (6) (7)

3 2 - - 2 3 3

Escala: (3) Aporte Alto, (2) Aporte Medio, (1) Aporte Bajo, (--) No Aplica

METODOLOGIA Se hará una exposición de los temas en clase, incluyendo ejemplos numéricos. Se asignarán tareas a lo
GENERAL largo del semestre que incluirán problemas teóricos y prácticos.

1
 TEMAS: OPTIMIZACIÓN NO LINEAL SIN RESTRICCIONES
- Conceptos de álgebra lineal, funciones cuadráticas, convexidad
- Condiciones para un mínimo local
- Caso con funciones convexas
- Condiciones de optimalidad en problemas convexos
- Métodos basados en gradiente:
o Método de descenso de gradiente
o Método de Newton
o Método de descenso coordinado en bloques
- Métodos heurísticos
o Algoritmo genético
o Particle Swarm Optimization

OPTIMIZACIÓN NO LINEAL CON RESTRICCIONES

- Métodos de penalización y barrera
- Gradiente descendente proyectado
- Optimización multi-objetivo
- Multiplicadores de Lagrange

ESTIMACIÓN
- Regresión lineal y no lineal
- Regularización L2 y L1 en problemas de optimización

APLICACIONES EN INGENIERÍA
- Visión artificial
- Reconocimiento de patrones
- Sistemas de control

PROGRAMACIÓN LINEAL
- Teorema fundamental de la programación lineal
- Dualidad
- Problemas de optimización en redes

BIBLIOGRAFÍA [Chong] Edwin Chong and Stanislaw Zak. An introduction to optimization. Wiley, 2008.
[Lue] David Luenberger. Linear and nonlinear programming. Springer, 2008.
[Taha] Hamdy Taha. Operations research: an introduction. Prentice Hall, 1997.
[Bert] Dimitri Bertsekas. Nonlinear programming. Athena Scientific, 1999.
[Boyd] Stephen Boyd and Lieven Vandenberghe. Convex optimization. Cambridge university press, 2004.
[Ba] Mokhtar Bazaraa, John Jarvis, and Hanif Sherali. Linear programming and Network Flows. Wiley.
2004.

FICHA DEL CURSO

2020-I
PROFESOR(ES) Profesor Luis Felipe Giraldo Trujillo
Oficina: ML-324
Email: lf.giraldo404@uniandes.edu.co
Horario clase: Miércoles y viernes de 3:30pm a 4:50pm
Horas de oficina: Por definir

EVALUACIÓN Tareas+quices: 10%

Examen parcial: 35%
Examen Final: 35%
Laboratorio: 20%

METODOLOGIA Exámenes: Soluciones sin procedimiento, o ilegibles, o redactadas en forma desordenada, serán calificados con 0.0.
La duración de los exámenes es de 40 minutos para el parcial, y 60 minutos para el final.

Tareas: Todos tienen la misma ponderación. Cualquier inquietud o inconformidad con respecto la nota de una tarea
debe ser dada a conocer al profesor, de acuerdo con lo estipulado en el reglamento general de estudiantes de

2
 posgrado. La presentación será tenida en cuenta en la calificación, y algunas requerirán del uso de Matlab/Simulink.
Se hace una entrega por grupo. El grupo DEBE redactar la solución a la tarea utilizando algún editor de
texto/ecuaciones (e.g., MS Word, Latex), y subirla como archivo PDF en SICUAPLUS.

Quices: Serán asignados en cualquier momento de la clase. Tienen una duración de 10 minutos aproximadamente.
Al final serán ponderados junto con las tareas (es decir, valen lo mismo que una tarea).

Laboratorio: Ejercicios prácticos donde todos tienen la misma ponderación. El grupo DEBE redactar la solución a la
tarea utilizando algún editor de texto/ecuaciones (e.g., MS Word, Latex), y subirla como archivo PDF en SICUAPLUS.

REGLAS - Para aprobar el curso es necesario obtener una nota definitiva superior o igual a 3.0.
La calificación final del curso será aproximada al múltiplo de 0.01 más cercano.
- Las tareas son en grupo, pero no puede haber copia entre grupos.
- Las tareas deben ser subidas en SICUAPLUS antes de la fecha/hora de entrega estipulada. No se recibirán
entregas tardías, ni por un medio diferente de SICUAPLUS.

Si usted lo considera, siéntase en libertad de informar a su profesor/a lo antes posible si usted tiene alguna condición o discapacidad visible
o invisible y requiere de algún tipo de apoyo o ajuste para estar en igualdad de condiciones con el resto de estudiantes, de manera que se
puedan tomar las medidas necesarias. Lo invitamos a buscar asesoría y apoyo en la Decanatura de Estudiantes
http://centrodeapoyo.uniandes.edu.co Bloque Ñf, ext.2207 o 2330, horario de atención L-V 8:00 a.m. a 5:00 p.m. La Decanatura cuenta con
los recursos para acompañar en este proceso y facilitar la coordinación con quienes pueden contribuir en la puesta en práctica de ajustes
razonables.

Protocolo MAAD

El miembro de la comunidad que sea sujeto, presencie, o tenga conocimiento de una conducta de maltrato, acoso, amenaza, discriminación,
violencia sexual o de género (MAAD) deberá poner el caso en conocimiento de la Universidad. Ello, con el propósito de que se puedan tomar
acciones institucionales para darle manejo al caso, a la luz de lo previsto en el protocolo, velando por el bienestar de las personas afectadas.
Para poner en conocimiento el caso y recibir apoyo, usted puede contactar a:

1. Línea MAAD: lineamaad@uniandes.edu.co

2. Ombudsperson: ombudsperson@uniandes.edu.co
3. Decanatura de Estudiantes: centrodeapoyo@uniandes.edu.co
4. Red de Estudiantes: PACA (Pares de Acompañamiento contra el Acoso): paca@uniandes.edu.coC

Consejo Estudiantil Uniandino(CEU): comiteacosoceu@uniandes.edu.co