Undergraduate Elective 1044

• Ελληνικά
• English

Θέματα Επιχειρησιακής Έρευνας

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Προπτυχιακό
Κωδικός Μαθήματος	MAE732A
Εξάμηνο	7
Τίτλος Μαθήματος	Θέματα Επιχειρησιακής Έρευνας
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος	Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων	Ελληνική
Τρόπος Διεξαγωγής Μαθήματος	Δια ζώσης (100%)
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus	Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL)	Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα

Στόχοι του μαθήματος είναι η εισαγωγή των φοιτητών στη μοντελοποίηση προβλημάτων ακέραιου προγραμματισμού, η εξοικείωση των φοιτητών στη μεθοδολογία του δυναμικού προγραμματισμού και σε μεθοδολογίες, τεχνικές και εργαλεία για την υποστήριξη λήψης αποφάσεων υπό συνθήκες αβεβαιότητας / κινδύνου. Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής /τρια θα είναι σε θέση να: μοντελοποιεί και επιλύει προβλήματα ακέραιου προγραμματισμού, και να αντιλαμβάνεται τη διαφορά από τα προβλήματα γραμμικού προγραμματισμού κατανοεί τις βασικές αρχές του δυναμικού προγραμματισμού  διατυπώνει μια απλή αναδρομική εξίσωση δυναμικού προγραμματισμού  επιλυεί με χρήση δυναμικού προγραμματισμού κλασικά προβλήματα βελτιστοποίησης  χειρίζεται βασικά εργαλεία λήψης αποφάσεων, αναπαριστά ένα πρόβλημα λήψης απόφασης γραφικά και μαθηματικά και προσδιορίζει τη βέλτιστη απόφαση.

Γενικές Ικανότητες

Αυτόνομη εργασία  Λήψη αποφάσεων  Προσαρμογή σε νέες καταστάσεις Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης Σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών.

Περιεχόμενο Μαθήματος

Ακέραιος γραμμικός προγραμματισμός (Μοντελοποίηση προβλημάτων ακέραιου και μεικτού ακέραιου προγραμματισμού, Αλγόριθμοι ακέραιου προγραμματισμού). Δυναμικός προγραμματισμός (Αρχή Bellman, Προβλήματα πεπερασμένου και άπειρου ορίζοντα, Εφαρμογές σε προβλήματα διαδρομών, αντικατάστασης εξοπλισμού, αποθεμάτων). Ανάλυση αποφάσεων (Γενικά χαρακτηριστικά των προβλημάτων αποφάσεων, αποφάσεις σε συνθήκες αβεβαιότητας, αποφάσεις σε συνθήκες κινδύνου, δένδρα αποφάσεων, ανάλυση κινδύνου).

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας	Πρόσωπο με πρόσωπο.
Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές	Η επικοινωνία με τους φοιτητές γίνεται: Μέσω email. Δια ζώσης στο γραφείο. Κατά τη διάρκεια των διαλέξεων. Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.
Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών	Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών	Χρήση Lindo/Lingo Οι φοιτητές επικοινωνούν μαζί μου με email.
Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας	Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής	Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης	Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
Οργάνωση Διδασκαλίας	Δραστηριότητα Φόρτος Εργασίας Εξαμήνου Διαλέξεις (13Χ3) 39 Αυτοτελής Μελέτη 78 Ασκήσεις Πεδίου (δίνονται 3-4 σύνολα ασκήσεων) 33 Σύνολο Μαθήματος 150
Αξιολόγηση Φοιτητών	100%)

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

Topics in Operations Research

General

School	School of Science
Academic Unit	Department of Mathematics
Level of Studies	Undergraduate
Course Code	MAE732A
Semester	7
Course Title	Topics in Operations Research
Independent Teaching Activities	Lectures (Weekly Teaching Hours: 3, Credits: 6)
Course Type	Special Background
Prerequisite Courses	-
Language of Instruction and Examinations	Greek
Mode of Course Delivery	Face-to-face (100%)
Is the Course Offered to Erasmus Students	Yes
Course Website (URL)	See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes

The course learning outcomes are: the introduction of  the students to integer programming formulations, the introduction of  the students to the dynamic programming methodology, the introduction of the students to techniques and tools for decision-making under uncertainty. Upon successful completion of the course the student  will be able to: model and solve integer programming problems and understand their differences with the linear programming problems. understand the basic principles of dynamic programming construct simple recursive dynamic programming equations solve known optimization problems using dynamic programming  describe and handle decision making problems under uncertainty.

General Competences

Working independently Decision-making  Adapting to new situations  Production of free, creative and inductive thinking Synthesis of data and information, with the use of the necessary technology

Syllabus

Integer linear programming (integer and mixed integer problems formulation, integer programming algorithms). Dynamic programming (Bellman principle of optimality, finite and infinite horizon problems, Applications on: Routing problems, Equipment-Replacement Problem, inventory problems, etc). Decision analysis (General characteristics of decision problems, decisions under uncertainty, decision trees, risk analysis).

Teaching and Learning Methods - Evaluation

Mode of Instruction	Face-to-face.
Mode and Frequency of Communication with Students	Communication with students takes place through: Email. In-person meetings during office hours. During lectures. The frequency of communication with students is determined by their needs.
Ensuring Communication Among Students	Collaboration and interaction are encouraged within the context of course delivery.
Use of Information and Communications Technology	Lindo/Lingo Software, Email, class web.
Required Technological Equipment and Technology Skills	No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
Course Policy on Plagiarism and Plagiarism Detection Tools	Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
Course Policy on the Use of Artificial Intelligence	The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
Teaching Methods	Activity Semester Workload Lectures 39 Independent study 78 Fieldwork (3-4 set of homework) 33 Course total  150
Student Performance Evaluation	Language of Evaluation: Greek  Methods of Evaluation: Final exam (100%)

Attached Bibliography

See the official Eudoxus site. Books and other resources, not provided by Eudoxus:

• Bellman, R.E.. Dynamic Programming, Princeton University Press, 1957, Princeton, NJ. Republished 2003
• Bertsekas  D. P. Dynamic Programming and Optimal Control, Vols. I and II, Athena Scientific, 1995, (3 Edition Vol. I, 2005, 4th Edition Vol. II, 2012),
• BERTSIMAS D. and J. N. TSITSIKLIS Introduction to Linear Optimization,  Athena Scientific  1997
• HADLEY G. Linear Programming, Addison-Wesley Publishing Company, INC, 1965
• HILLIER F. S.  and G. J. Lieberman. Introduction Operations research. The McGraw-Hill Companies, 2001
• WINSTON W. L., Operations research (Applications and algorithms). Duxbury Press (International Thomson Publishing) 1994.
• [Περιοδικό / Journal] Mathematical Programming Journal, Series A and Series B 
• [Περιοδικό / Journal] INFORMS Transactions on Education (ITE)