Ma Matemáticas

.

Ma-95-070 Programación Entera y Teoría de Poliedros

(3-0-8 Requisito:In95-841, Ma95-075, Ma95-076, Ma95-078)
Programa Suplementario de Educación
Equivalencia:No tiene

Objetivo general:Introducir a los alumnos al estudio de la programación entera, así como a sus diferentes técnicas de solución con
el fin de desarrollar en ellos las habilidades de resolver problemas con variables discretas, además de interpretar los resultados
obtenidos mediante la experimentación. Estudio de la técnica de Ramificación y Acotamiento. Estudio del poliedro de restricciones
mediante la obtención de desigualdades válidas y facetas.

Bibliografía:

G. L. Nemhauser, and Wolsey, L. A.. Integer and Combinatorial Optimization, John Wiley & Sons, New York. 1988.

A. Schrijver. Theory of Linear and Integer Programming, John Wiley & Sons, Chichester. 1986.

S. Martello and Toth, P. Knapsack Problems ? Algorithms and Computer Implementations, John Wiley & Sons, New York. 1991.

Perfil del profesor:Profesor con doctorado en el área de optimización y graduado de una carrera de matemáticas o ingeniería.

Campus origen: Monterrey

 .Ma-95-072. Topología

(3-0-8)

Carrera: Ingeniero Físico Industrial

Requisito: Ecuaciones Diferenciales Parciales (Ma95-842)

Objetivo: Describir las principales ideas de la teoría de topología, proporcionando las bases para el entendimiento de su aplicación a la ciencias físicas.

Contenido: Espacios topológicos, limites y continuidad, construcción de espacios topológicos, espacios compactos, espacios métricos y normados.

Bibliografía

Simmons, Introduction to Topology and Analysis

Editorial McGraw-Hill

Campus origen: Monterrey

 .Ma-95-074.  Introducción a la Mecánica Celeste

(3-0-8) Carreras a las que se imparte: 6º. Semestre IFI

Objetivos generales:

Introducir al alumno en los conceptos y métodos matemáticos relacionados con los sistemas dinámicos de n partículas.

Campus origen: Monterrey

 .Ma-95-075.  Programación de flujos sobre redes.

(3-0-8) Requisitos:  In95841

Objetivo General: El objetivo de este curso es dar una introducción a la teoría, el diseño y el análisis de algoritmos, así como a las aplicaciones de los flujos determinísticos sobre redes.

Campus origen: Monterrey

.Ma-95-076. Programación Entera

Tópicos de todas las carreras

(3-0-8) Requisitos:  In95-841, Ma95-075

Equivalencia:  NT

Fecha de apertura: Julio de 2001

Formulación  de los modelos entero puro, entero mixto y binario. Modelación de los problemas clásicos de la Programación Entera. Introducción a la complejidad computacional. Algoritmo de ramificación y acotamiento. Algoritmo de los planos cortantes. Algoritmo de ramificación y corte. Dualidad lagrangiana. Texto: L. A. Wolsey, “Integer Programming”. Wiley-Interscience Series in Discrete Mathematics and Optimization, 1998.

Campus origen: Monterrey

Ma 95 079 Procesos Estocásticos

(3-0-8 Requisito:Haber aprobado el curso: Ma 00 835 o equivalente Semestre y carrera:IFI, sexto semestre )

Equivalencia:Ninguna

Objetivo general de la materia:El curso está dirigido a introducir al estudiante al estudio de modelos no determinísticos. El enfoque es principalmente heurístico para desarrollar una intuición probabilística en el estudiante. Las demostraciones están basadas más en argumentos probabilísticos que analíticos. Se presentan los siquientes procesos: Poisson, Markov y de renovación.

LIBRO DE TEXTO:

• An Introduction to Stochastic Modeling, Howard M. Taylor and Samuel Karlin; Academic Press, Inc. Libro de texto
• Applied Probability Models with Optimization Applications, Sheldon M. Ross; Hodeln Day.

PERFIL DEL PROFESOR:

Grado de Maestría o Doctorado en Estadística o Ingeniería con experiencia en Procesos Estocásticos.

Campus origen: Monterrey

Ma-95-080 Optimización Heurística

3-0-8 Requisito:Haber aprobado el curso:In95-841,Ma95-075,Ma95-076,Ma95-078
Semestre y carrera:IFI, ISE, IIS, IEC Séptimo Semestre
Equivalencia:Ninguna

Objetivo general:Introducir a los estudiantes al diseño y análisis de los métodos heurísticos de optimización combinatoria. Esto incluye el desarrollo de habilidades para identificar problemas que no pueden ser resuletos de una manera exacta por algoritmos eficientes y ameritan entonces de soluciones aproximadas. Las técnicas que serán abordadas en este curso son aquellas conocidas como metaheurísticas, en particular serán tratadas las siguientes: Búsqueda Tabú, Algoritmos Genéticos y Redes Neuronales.

Bibliografía:

• F. Glover and Laguna, M. Tabu Search. Kluwer Academic Publishers, 1997.
• Zurada, J., Introduction to Artificial Neural System. PWS Publishing Company, 1992.
• Haykin, S. Neural Networks: A comprehensive foundation. Prentice Hall, 2nd Edition, 1999.
• Goldberg, David Genetic Algorithms in Search, Optimization and Machine Learning, Addison Wesley, 1989

Perfil del profesor:Profesor con doctorado en el área de optimización y graduado en una carrera de matemáticas o ingeniería.

Campus origen: Monterrey