PRESENTAZIONE

L'insegnamento presenta un insieme di modelli e metodi matematici della Ricerca Operativa per risolvere i problemi  decisionali. Lo scopo dell'insegnamento è fornire agli studenti le competenze per modellare problemi decisionali per mezzo di metodi di ottimizzazione e di utilizzare algoritmi appropriati per la loro soluzione. In particolare, l'insegnamento considera principalmente problemi di ottimizzazione affrontati da tecniche di programmazione matematica e problemi su grafi e reti.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Acquisire familiarità con gli elementi di base della ricerca operativa, con particolare riferimento alla programmazione lineare e alla programmazione lineare intera, apprendendo i principali algoritmi e le loro proprietà.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

L'obiettivo principale è fornire agli studenti le competenze per definire modelli di programmazione matematica per risolvere una serie di problemi decisionali formulandoli come problemi di ottimizzazione. Al termine dell'insegnamento, lo studente/la studentessa sarà in grado di:

• risolvere problemi di programmazione continua e a numeri interi misti utilizzando metodi e algoritmi appropriati.
• risolvere problemi utilizzando modelli su grafi.

PREREQUISITI

Nozioni di base di algebra lineare. 

Nozioni di base di analisi matematica.

MODALITA' DIDATTICHE

Lezioni in aula, utilizzando la lavagna oppure slides. 

PROGRAMMA/CONTENUTO

Introduzione ai problemi e ai modelli decisionali. Processo di formulazione dei problemi mediante modelli quantitativi.

Programmazione matematica lineare. Formulazione grafica e soluzione di programmi lineari. Algoritmo del simplesso. Analisi di sensibilità e  sua interpretazione economica.

Programmazione matematica non-lineare. Programmazione convessa. Metodi di discesa. Programmazione non-lineare non vincolata.

Programmazione intera e ottimizzazione combinatoria. Esempi di formulazioni e metodi risolutivi (branch and bound).

Teoria del grafi: problemi dello shortest path, minimum spanning tree.  Modelli di network flow.

Esempi di uso di un linguaggio di formulazione matematica e di un risolutore per problemi misti interi (OPL-Cplex).

TESTI/BIBLIOGRAFIA

Introduction to Operations Research, 9/e

Frederick S Hillier, Stanford University

Gerald J Lieberman, Late of Stanford University

ISBN: 0073376299

McGraw-Hill Higher Education, 2010

Materiale fornito dai docenti.

DOCENTI E COMMISSIONI

Commissione d'esame

SILVIA VILLA (Presidente)

CESARE MOLINARI

MASSIMO PAOLUCCI (Presidente Supplente)

LEZIONI

INIZIO LEZIONI

In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica: https://corsi.unige.it/corsi/8759/studenti-orario

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

Esame scritto e orale (opzionale dopo superamento dello scritto).

E' necessaria la registrazione nelle date degli appelli e contattare il docente via email.

Indicazioni per studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali sono disponibili a partire da https://corsi.unige.it/corsi/8759/studenti-disabilita-dsa

MODALITA' DI ACCERTAMENTO

Agli studenti verranno chiesti concetti teorici relativi agli argomenti trattati nel corso. Inoltre gli studenti dovranno essere in grado di risolvere problemi utilizzando gli algoritmi appresi e applicando concetti teorici. 

ALTRE INFORMAZIONI

Per ulteriori informazioni, consultare il modulo Aulaweb dell'insegnamento o contattare il docente.