(*)1.- Introducción al diseño de sistemas de ingeniería: objetivos y disciplinas técnicas; modelización y simulación. Variables de diseño y
parámetros. Restricciones requisitos/especificaciones. Ciclos de
diseño.
2. Diseño de experimentos y post-optimalidad. Mu
estreo: factorial, central compuesto y aleatorio.
Correlaciones, matriz de correlación, correlaciones lineales múltiples. Superficies de respuesta y modelos surrogados: mínimos cuadrados, inte
rpolación (incluída Kriging), aproximaciones de baja dimensión.
Análisis de post-optimalidad; robustez. Uso de las herramientas del entorno MatLab.
3. Métodos de optimización de tipo gradiente. Op
timización sin restricciones: Newton, casi-Newton y gradiente conjugado; descenso y regiones de confianza. Optimización con restricciones: multiplicadores de Lagrange y condiciones KKT. Resolución adaptativa del sistema Lagrange-KKT. Uso de las herramientas de optimización del entorno MatLab.
4. Otros métodos. Programación lineal, simulated
annealing, algoritmos genéticos, Particle Swarm,
Simulating Annealing, redes neuronales. Métodos híbridos. Optimización mixta. Optimización multiobjetivo; frentes de Pareto; medias ponderadas; formulación en términos de las condiciones KKT. Uso de las herramientas de optimización del entorno MatLab.
5. Formulaciones continuas vs. formulaciones discretas. Ideas básicas de cálculo de variaciones. Cálculo del gradiente, método del adjunto. Adjunto discreto y adjunto continuo; aplicación a las ecuaciones de Navier-Skokes. Diseño de forma y optimización topológica.
6. Diseño multidisciplinar en varios campos.
Motores Alternativos y Aerorreactores. Diseño
aerodinámico. Diseño estructural. Optimización de Órbitas.
