L’insegnamento di Ricerca Operativa fornisce competenze relative alla costruzione di modelli e all'utilizzo di algoritmi per la soluzione di problemi decisionali formulati in termini di problemi di ottimizzazione.
L'insegnamento fornisce le nozioni di base dei metodi di ottimizzazione per risolvere problemi decisionali. In particolare, L'insegnamento fornisce conoscenza per modellare matematicamente un problema di decisione e risolverlo attraverso tecniche di programmazione lineare, programmazione lineare a numeri interi, programmazione non lineare, e ottimizzazione su grafi.
L’insegnamento ha come obiettivo lo studio dei principali metodi di ottimizzazione per la soluzione di problemi decisionali. In particolare, si vuole fornire agli studenti le competenze di base per la formulazione in termini matematici di problemi decisionali nonché le conoscenze per poter risolvere tali problemi attraverso l'applicazione di algoritmi di ottimizzazione. L’insegnamento presenta i concetti di variabili decisionali, funzione obiettivo, e vincoli di un problema di ottimizzazione, nonché le nozioni di base della programmazione lineare a variabili reali, della programmazione lineare intera e dell’ottimizzazione sui grafi e reti.
Per tutti gli argomenti, sono presentati sia gli aspetti più metodologici, sia i risvolti maggiormente applicativi. I vari concetti sono esposti attraverso lezioni teoriche e mediante soluzione di esercizi. Durante le lezioni inoltre viene anche mostrato come utilizzare un solver per la programmazione matematica a numeri misti interi e un risolutore grafico per problemi di programmazione matematica a variabili continue.
Al termine dell’insegnamento, lo studente sarà in grado sia di formulare un modello matematico per alcune classi di problemi decisionali di tipo combinatorio, sia di scegliere e applicare gli algoritmi più adeguati per la soluzione di problemi di programmazione matematica lineare e di problemi su grafi e reti.
Conoscenze di base di Analisi Matematica, Geometria e Informatica.
Lezioni frontali.
Gli studenti in possesso di certificazioni in corso di validità per disabilità, per disturbi specifici dell’apprendimento (DSA) o per bisogni educativi speciali (BES) possono fare riferimento ai servizi, strumenti compensativi, misure dispensative e ausili specifici e alle condizioni di possibile fruizione illustrate su https://unige.it/disabilita-dsa.
Dispense fornite dal Docente e disponibili in formato elettronico su Aulaweb
Testi per eventuale approfindimento:
[1] Hillier, Lieberman – Introduction to operations research. McGraw-Hill, 2004.
[2] D. Bertsimas, J.N. Tsitsiklis – Introduction to linear optimization. Athena Scientific, 1999
Tutte le slides utilizzate durante le lezioni e altro materiale didattico saranno disponibili su Aulaweb. In generale, gli appunti presi durante le lezioni e il materiale su Aulaweb sono sufficienti per la preparazione dell'esame.
Ricevimento: Ricevimento su appuntamento.
https://corsi.unige.it/corsi/10716/studenti-orario
L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy
Esame scritto eventualmente con domande che richiedono la soluzione di esercizi (applicazione di algoritmi) per le classi di problemi presentati nell’insegnamento, che chiedono di esporre brevemente alcuni aspetti teorici insegnati e che chiedono di formulare semplici problemi decisionali di natura combinatoria.
Al termine dell’insegnamento lo studente dovrà dimostrare di:
Rivolgersi al docente per ulteriori informazioni non comprese nella scheda insegnamento.
