Ciências da Decisão
Código
11632
Unidade Orgânica
Faculdade de Ciências e Tecnologia
Departamento
Departamento de Matemática
Créditos
6.0
Professor responsável
Oleksiy Karlovych
Língua de ensino
Português
Objectivos
No final desta unidade curricular o estudante terá adquirido conhecimentos, aptidões e competências que lhe permitam:
- Ser capaz de identificar as diferenças entre decisão em situação de incerteza, de risco, mono-critério e multicritério. Conhecer as principais desvantagens do métodos quantitativos de apoio à decisão e ser capaz de fazer uma análise critica das soluções obtidas.
- Compreender as diferenças entre os paradigmas da optimização mono e multiobjectivo. Conhecer e aplicar diferentes técnicas para a determinação da solução de compromisso.
- Conhecer conceitos como simulação discreta, entidade, estado, número pseudo-aleatório, réplica, entre outros. Identificar qual método mais adequado para a simulação de diferentes sistemas.
- Conhecer os conceitos de Data Mining e ser capaz de identificar e aplicar algoritmos adequados a grandes estruturas de dados.
- Ser capaz de escolher e utilizar ferramentas informáticas adequadas.
Conteúdo
(Os tópicos abordados poderão ter algumas variações de ano para ano, adaptando-se ao perfil dos alunos que no ano frequentam a unidade curricular)
- Tópicos de Decisão Uni-critério e Multi-critério (Decisão em situação de incerteza e risco, árvores de decisão, teoria da utilidade; Modelos multicritério: compensatórios, não-compensatórios e hierárquicos).
- Tópicos de Optimização Multi-Objectivo (Dominância e Eficiência; Métodos escalarizantes: Método da soma ponderada agregada; Métodos baseados na distância a um ponto de referência; Método das restrições; Métodos baseados em metas).
- Tópicos de Simulação no contexto da tomada de decisão (Simulação em Tempo Discreto vs em Tempo contínuo; Métodos de Geração de números pseudo-aleatórios; Planeamento de experiências e análise estatística de resultados).
- Tópicos de Data Mining (conceitos básicos, regras de associação, algoritmos de classificação, detecção de outliers, previsão, análise de resultados).
Bibliografia
J.Banks et al., Discrete-Event System Simulation, Prentice-Hall, 2004.
J.Clímaco,C.Antunes, M.Alves, Programação linear multiobjectivo, Universidade de Coimbra, 2003.
J.Figueira,S.Greco,M.Ehrgott, Multiple Criteria Decision Analysis. State of the Art Surveys, Springer, 2005.
P. Flach, Machine Learning: The Art and Science of Algorithms that Make Sense of Data, Cambridge University Press, 2005.
P.Goodwin,G.Wright, Decision Analysis for Management Judgement, John Wiley&Sons, 2010.
A.Law,W.Kelton, Simulation Modeling and Analysis, McGraw-Hill, 2007.
R.Steuer, Multiple Criteria Optimizations: Theory, Computation, and Application, Krieger, 1989.
T.Tanino, T.Tanaka, M.Inuiguchi, Multi-Objective Programming and Goal Programming, Springer, 2003.
G.Tzeng, J.Huang, Multiple Attribute Decision Making: Methods and Applications, Chapman and Hall, 2011.
I.Witten,E.Frank, Data Mining: Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2011.