CODICE 97363 ANNO ACCADEMICO 2024/2025 CFU 6 cfu anno 2 INGEGNERIA GESTIONALE 10716 (L-9) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE MAT/09 LINGUA Italiano SEDE GENOVA PERIODO 1° Semestre MATERIALE DIDATTICO AULAWEB PRESENTAZIONE 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. OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI 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. OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO 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. PREREQUISITI Conoscenze di base di Analisi Matematica e Geometria. MODALITA' DIDATTICHE Lezioni frontali. PROGRAMMA/CONTENUTO - 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 TESTI/BIBLIOGRAFIA 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. DOCENTI E COMMISSIONI MASSIMO PAOLUCCI Ricevimento: Ricevimento su appuntamento. LEZIONI INIZIO LEZIONI https://corsi.unige.it/corsi/10716/studenti-orario Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME Esame scritto eventualmente integrato da esame orale. MODALITA' DI ACCERTAMENTO 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. ALTRE INFORMAZIONI Nessuna.