Informazioni in aggiornamento fino al 30/06/2026 CODICE 111883 ANNO ACCADEMICO 2026/2027 CFU 6 cfu anno 2 INGEGNERIA INFORMATICA 11880 (L-8 R) - GENOVA 6 cfu anno 3 INFORMATICA 8759 (L-31) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE MAT/09 LINGUA Italiano SEDE GENOVA PERIODO 2° Semestre MATERIALE DIDATTICO AULAWEB PRESENTAZIONE L'insegnamento presenta un insieme di modelli e metodi matematici della Ricerca Operativa per risolvere i problemi decisionali e di ottimizzazione. 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. 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 lineare utilizzando il metodo del simplesso risolvere problemi di programmazione nonlineare con algoritmi appropriati. PREREQUISITI Nozioni di base di algebra lineare. Nozioni di base di analisi matematica. MODALITA' DIDATTICHE Lezioni in aula, utilizzando la lavagna oppure slides. In laboratorio, tramite l'utilizzo di notebooks, alcuni degli algoritmi proposti verranno utilizzati per verificarne l'efficacia pratica e i dettagli relativi all'implementazione. 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 del primo ordine. 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 Convex Analysis Stephan Boyd, Lieven Vandenberghe Cambridge University Presso, 20204 Amir Beck Introduction to Nonlinear Optimization -Theory, Algorithms and Applications with Python and Matlab MOS-SIAM Series on Optimization. SIAM. 2023 Materiale fornito dai docenti. DOCENTI E COMMISSIONI SILVIA VILLA Ricevimento: Su appuntamento: parlare direttamente con il docente oppure scrivere a silvia.villa@unige.it CESARE MOLINARI 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.
