CODICE | 97363 |
---|---|
ANNO ACCADEMICO | 2022/2023 |
CFU |
|
SETTORE SCIENTIFICO DISCIPLINARE | MAT/09 |
SEDE |
|
PERIODO | 1° Semestre |
MATERIALE DIDATTICO | AULAWEB |
L’insegnamento di Ricerca Operativa fornisce competenze relative alla costruzione di modelli e alla soluzione di problemi decisionali formulati in termini di problemi di ottimizzazione.
Il corso fornisce le nozioni di base dei metodi di ottimizzazione per risolvere problemi decisionali. In particolare, il corso 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 maggior dettaglio, l’insegnamento ha l’obiettivo di fornire agli studenti le competenze di base per la formalizzazione in termini matematici e la successiva risoluzione di problemi decisionali, in cui occorre prendere la decisione ottima nell’ambito di più decisioni possibili, sulla base di opportuni criteri. In particolare, 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, della programmazione non lineare, e dell’ottimizzazione sui grafi.
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, oltre che tramite l’implementazione software di alcuni problemi di esempio.
Al termine dell’insegnamento, lo studente sarà in grado di costruire un modello matematico di un processo decisionale e di scegliere e applicare l’algoritmo più adeguato per la sua soluzione.
Conoscenze di base di Analisi Matematica e Geometria.
Lezioni frontali.
- Introduzione alla programmazione matematica e ai problemi decisionali
- Programmazione lineare a variabili reali
- Programmazione lineare a variabili intere
- Programmazione non lineare
- Ottimizzazione sui grafi
- Applicativi software per la programmazione matematica
Dispense fornite dal Docente e disponibili in formato elettronico.
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.
[3] D. Luenberger, Y. Ye – Linear and nonlinear programming. Springer, 2008.
[4] D. Bertsekas – Nonlinear Programming. Athena Scientific, 1999.
Ricevimento: Su appuntamento da richiedere via email.
MAURO GAGGERO (Presidente)
MASSIMO PAOLUCCI
MARCELLO SANGUINETI (Presidente Supplente)
L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.
Esame scritto eventualmente integrato da esame orale.
Al termine dell’insegnamento lo studente dovrà dimostrare di aver compreso i concetti visti a lezione ed essere capace di esporli con un linguaggio adeguato. Inoltre, lo studente dovrà dimostrare capacità di costruire un modello matematico di un processo decisionale e di scegliere e applicare l’algoritmo migliore per la sua soluzione.
Data | Ora | Luogo | Tipologia | Note |
---|---|---|---|---|
20/12/2022 | 09:00 | GENOVA | Scritto | |
10/01/2023 | 09:00 | GENOVA | Scritto | |
02/02/2023 | 09:00 | GENOVA | Scritto | |
06/06/2023 | 09:00 | GENOVA | Scritto | |
30/06/2023 | 09:00 | GENOVA | Scritto | |
15/09/2023 | 09:00 | GENOVA | Scritto |
Nessuna.