I.

IDENTIFICACIÓN

Nombre Asignatura: MODELOS DE OPTIMIZACIÓN

Código: Tipo de Curso: Obligatorio x Electivo ☐

Programa Magíster en Ingeniería Industrial Facultad: Facultad de Ingeniería

Nº Créditos 6 Total de horas cronológicas: 180 Año/ 1/1° Semestre

SCT: semestre:
Total de horas pedagógicas: 270

Horas presenciales: 81 Horas trabajo autónomo: 189

II. DESCRIPCIÓN

Presentación: Relación de la Asignatura con las Competencias del Perfil del Graduado

Actividad curricular de naturaleza teórico-práctico de carácter obligatorio, cuya finalidad es

entregar conocimientos necesarios para la modelación de problemas de optimización. Al finalizar
la asignatura el estudiante estará habilitado para aplicar conocimiento especializado en la
formulación y resolución de modelos de optimización en los diversos ámbitos de producción de
bienes y servicios, identificando necesidades de mejora y proponiendo soluciones a los problemas
con enfoque sustentable.
Contribuirá a las siguientes competencias del perfil del graduado:

C1: Demostrar conocimientos especializados en optimización y heurísticas de sistemas de

ingeniería y/o en simulación y minería de datos, para apoyar la toma de decisiones y resolviendo
problemas de manera autónoma, en los ámbitos de la producción de bienes y servicios.
III. DESCRIPTOR DE COMPETENCIAS

Tiempo Tiempo
Resultados de Sistema de
Contenidos Metodología Presencial Autónomo
Aprendizaje (RA) Evaluación
(Hrs) (Hrs)
RA 1: Conceptual: - Clases Criterios: 32 76
Identifica problemas de -Variables de expositivas. -Demuestra
optimización lineal en el decisión conocimiento
ámbito de la producción continuas, - Trabajos especializado en
de bienes y servicios, restricciones y prácticos en optimización
formulando modelos función objetivo. grupos e -Formula
apropiados para -Modelos de individuales modelos clásicos
encontrar la solución optimización desarrollando de optimización
óptima. lineal con guías de lineal con dos
variables ejercicios. variables de
continuas decisión.
-Problemas - Proyecto de -Formula
clásicos de aplicación. modelos de
optimización optimización
lineal tales como: lineal con varias
problemas de variables.
producción, -Resuelve
problema de la problemas de
dieta, problemas optimización
de transporte, lineal.
entre otros. -Demuestra
rigurosidad en la
Procedimental: formulación
-Utilización matemática de
eficiente de las modelos de
unidades de optimización
medida en el lineal.
proceso de A través de:
modelamiento -Trabajos
matemático. individuales o
grupales
-Formulación de 30%
modelos clásicos
de optimización
lineal con dos
variables de
decisión.
-Formulación de
modelos de
optimización
lineal con varias
variables.
 Actitudinal:
- Rigurosidad por
la formulación
matemática de
los modelos de
optimización
lineal.
Valoración por
trabajo
colaborativo para
lograr soluciones
asertivas.
-Interesarse por
la modelación
matemática como
herramienta de
apoyo a la toma
de decisiones.
RA 3: Conceptual: - Clases -Identifica 17 37
Reconoce y clasifica -Modelos de expositivas modelos clásicos
problemas de optimización de optimización
optimización lineal lineal con - Trabajos lineal entera con
entera y de optimización variables binarias prácticos variables
no lineal para y enteras. binarias.
comprender la existencia -Optimización no - Desarrollo de
de otros problemas de lineal en una sola guías de -Identifica
ingeniería que requieren variable. ejercicios modelos clásicos
de otras técnicas de de optimización
optimización para -Multiplicadores - no lineal.
resolverlos. de Lagrange. -Resuelve
problemas de
-Condiciones de optimización no
Kuhn-Tucker. lineal mediante
Procedimental: métodos
-Representa en clásicos.
forma gráfica el
conjunto de
soluciones A través de
factibles de -Trabajos
modelos de individuales o
optimización no grupales
lineal con dos 30%
variables.
Actitudinal:
-Apreciar las
ventajas de la
optimización
 como una
herramienta para
abordar
problemas de
toma de
decisiones en la
industria de
bienes y servicios.

-Valorar la
importancia de la
optimización en la
toma de
decisiones y en su
futuro desarrollo
profesional.
RA 2: Conceptual: - Clases Criterios 32 76
Resuelve problemas de -Modelos de expositivas. -Formula
optimización lineal programación modelos clásicos
utilizando las lineal escritos en de optimización
herramientas de forma genérica. - Trabajos lineal en forma
software disponibles prácticos en genérica.
actualmente en el -Lenguajes de grupos e -Formula
mercado. modelamiento individuales modelos de
matemático desarrollando optimización
guías de lineal con varias
Procedimental: ejercicios. variables en
-Modelamiento forma genérica.
de problemas de -Resuelve
optimización - Proyecto de problemas de
lineal mediante aplicación. optimización
lenguajes de lineal utilizando
modelamiento un software de
matemático. optimización.
-Demuestra
-Utilización de rigurosidad en la
lenguajes de formulación
programación matemática de
matemática para modelos de
resolver optimización
aplicaciones lineal.
reales de A través de:
optimización -Trabajos
lineal con individuales o
enfoque grupales
sustentable. 40%
Actitudinal:
 -Rigurosidad en la
formulación
matemática de
los modelos de
optimización
lineal.
-Perseverancia
para modelar
problemas de
programación
lineal en forma
genérica

IV. BIBLIOGRAFÍA

Fundamental:

- Hillier y Lieberman, (2010). Introducción a la Investigación de Operaciones. México: Mc Graw Hill 9°

Ed.
- Winston, W., (2005). Investigación de Operaciones: Aplicaciones y Algoritmos. Thompson, 4ª Ed.
- Taha, Hamdy A., (2008). Investigación de operaciones. 7a. ed. Pearson Educación.

Complementaria:

- Gould, F.J.; Eppen, Gary D.; Schmidt, C.P. (1992). Investigación de Operaciones en la Ciencia
Administrativa / 2a ed. española. – México: Prentice-Hall Hispanoamericana.
- Bierman, H; Bonini, P.; Hausman, H. (2000). Análisis Cuantitativo para la Toma de Decisiones / 9a ed.
Bogotá: McGraw-Hill.