Raffaele CERULLI | ALGORITMI DI OTTIMIZZAZIONE

cod. 0622600026

ALGORITMI DI OTTIMIZZAZIONE

	0622600026
	DIPARTIMENTO DI INGEGNERIA INDUSTRIALE
	CORSO DI LAUREA MAGISTRALE
	INGEGNERIA GESTIONALE
	2018/2019

PERCORSO COMUNE Coorte 2017/2018

	ANNO CORSO 2
	ANNO ORDINAMENTO 2016
	PRIMO SEMESTRE

MODULI

	SSD	CFU	ORE	ATTIVITÀ	TIPO DI ATTIVITÁ FORMATIVA
	MAT/09	6	60	LEZIONE	AFFINE/INTEGRATIVA

DOCENTI

	RAFFAELE CERULLI T Curriculum
	LUIGI RARITA' Curriculum

	Obiettivi
	CONOSCENZA E CAPACITÀ DI COMPRENSIONE: IL CORSO SI PROPONE DI APPROFONDIRE ED AMPLIARE LE CONOSCENZE SUI PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA, INTRODOTTI NEL CORSO DI RICERCA OPERATIVA, CON PARTICOLARE RIGUARDO A CLASSI DI PROBLEMI DI RILEVANTE INTERESSE APPLICATIVO. CONOSCERE LA CLASSIFICAZIONE DEI PROBLEMI SECONDO LA TEORIA DELLA COMPLESSITÀ. CONOSCERE METODI DI SOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE LINEARE CON UN ELEVATISSIMO NUMERO DI VARIABILI O DI VINCOLI. RELATIVAMENTE AI PROBLEMI DI OTTIMIZZAZIONE LINEARE A VARIABILI INTERE E BINARIE, IL CORSO SI PROPONE DI CONOSCERE I PRINCIPALI FONDAMENTI DI MODELLAZIONE MATEMATICA DI PROBLEMI DI OTTIMIZZAZIONE COMBINATORIALE E DI CONOSCERE ALGORITMI DI TIPO ESATTO ED APPROSSIMATO PER LA RISOLUZIONE DI PROBLEMI DI OTTIMIZZAZIONE A VARIABILI INTERE O BINARIE. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: CAPACITÀ DI RICONOSCERE E ABILITÀ DI FORMULARE PROBLEMI DECISIONALI DI INTERESSE APPLICATIVO CHE RIENTRANO NELLA CLASSE DEI PROBLEMI DI OTTIMIZZAZIONE LINEARE A VARIABILI INTERE. CONOSCENZA DELLE PROPRIETÀ MATEMATICHE DEI PROBLEMI E DELLA LORO INTRINSECA COMPLESSITÀ COMPUTAZIONALE. CONOSCENZA DEGLI ALGORITMI PIÙ RECENTI ED EFFICIENTI PER LA RISOLUZIONE ESATTA DEI PROBLEMI DI PLI. CONOSCENZA DEGLI ELEMENTI PRINCIPALI PER LA RISOLUZIONE DI PROBLEMI DI GRANDI DIMENSIONI: CALCOLO DI LOWER BOUND E PROGETTAZIONE DI ALGORITMI EURISTICI. AUTONOMIA DI GIUDIZIO: CAPACITÀ DI VALUTARE E COMPARARE AUTONOMAMENTE LE SOLUZIONI MATEMATICHE DI UN PROBLEMA DI MEDIA COMPLESSITÀ FORMULATO TRAMITE UN MODELLO MATEMATICO A GRANDI DIMENSIONI O TRAMITE UN MODELLO MATEMATICO A VARIABILI INTERE. ABILITÀ COMUNICATIVE: CAPACITÀ DI ORGANIZZARSI IN GRUPPI DI LAVORO. CAPACITÀ DI COMUNICARE EFFICACEMENTE IN FORMA SCRITTA E/O ORALE ANCHE IN INGLESE. CAPACITÀ DI APPRENDIMENTO: CAPACITÀ DI CATALOGARE, SCHEMATIZZARE E RIELABORARE LE NOZIONI ACQUISITE.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
IL CORSO SI PROPONE DI APPROFONDIRE ED AMPLIARE LE CONOSCENZE SUI PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA, INTRODOTTI NEL CORSO DI RICERCA OPERATIVA, CON PARTICOLARE RIGUARDO A CLASSI DI PROBLEMI DI RILEVANTE INTERESSE APPLICATIVO. CONOSCERE LA CLASSIFICAZIONE DEI PROBLEMI SECONDO LA TEORIA DELLA COMPLESSITÀ. CONOSCERE METODI DI SOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE LINEARE CON UN ELEVATISSIMO NUMERO DI VARIABILI O DI VINCOLI. RELATIVAMENTE AI PROBLEMI DI OTTIMIZZAZIONE LINEARE A VARIABILI INTERE E BINARIE, IL CORSO SI PROPONE DI CONOSCERE I PRINCIPALI FONDAMENTI DI MODELLAZIONE MATEMATICA DI PROBLEMI DI OTTIMIZZAZIONE COMBINATORIALE E DI CONOSCERE ALGORITMI DI TIPO ESATTO ED APPROSSIMATO PER LA RISOLUZIONE DI PROBLEMI DI OTTIMIZZAZIONE A VARIABILI INTERE O BINARIE.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
CAPACITÀ DI RICONOSCERE E ABILITÀ DI FORMULARE PROBLEMI DECISIONALI DI INTERESSE APPLICATIVO CHE RIENTRANO NELLA CLASSE DEI PROBLEMI DI OTTIMIZZAZIONE LINEARE A VARIABILI INTERE.
CONOSCENZA DELLE PROPRIETÀ MATEMATICHE DEI PROBLEMI E DELLA LORO INTRINSECA COMPLESSITÀ COMPUTAZIONALE.
CONOSCENZA DEGLI ALGORITMI PIÙ RECENTI ED EFFICIENTI PER LA RISOLUZIONE ESATTA DEI PROBLEMI DI PLI.
CONOSCENZA DEGLI ELEMENTI PRINCIPALI PER LA RISOLUZIONE DI PROBLEMI DI GRANDI DIMENSIONI: CALCOLO DI LOWER BOUND E PROGETTAZIONE DI ALGORITMI EURISTICI.

AUTONOMIA DI GIUDIZIO:
CAPACITÀ DI VALUTARE E COMPARARE AUTONOMAMENTE LE SOLUZIONI MATEMATICHE DI UN PROBLEMA DI MEDIA COMPLESSITÀ FORMULATO TRAMITE UN MODELLO MATEMATICO A GRANDI DIMENSIONI O TRAMITE UN MODELLO MATEMATICO A VARIABILI INTERE.

ABILITÀ COMUNICATIVE:
CAPACITÀ DI ORGANIZZARSI IN GRUPPI DI LAVORO. CAPACITÀ DI COMUNICARE EFFICACEMENTE IN FORMA SCRITTA E/O ORALE ANCHE IN INGLESE.

CAPACITÀ DI APPRENDIMENTO:
CAPACITÀ DI CATALOGARE, SCHEMATIZZARE E RIELABORARE LE NOZIONI ACQUISITE.

	Prerequisiti
	LO STUDENTE DOVREBBE AVERE CHIARI I CONCETTI BASE DI RICERCA OPERATIVA.

	Contenuti
	PROGRAMMAZIONE MATEMATICA E CONDIZIONI DI OTTIMALITÀ. TEORIA DELLA DUALITÀ. ELEMENTI PRINCIPALI DEL METODO ELLISSOIDE. SIMPLESSO DUALE. ALGORITMI DI SOLUZIONE PER PROBLEMI DI GRANDI DIMENSIONI: METODO DI GENERAZIONE DI COLONNE, METODO PRIMALE-DUALE. OTTIMIZZAZIONE DISCRETA: PROBLEMI DI FLUSSO DI RETE. PRINCIPALI CLASSI DI PROBLEMI COMBINATORI. DISUGUAGLIANZE VALIDE. RILASSAMENTI. DECOMPOSIZIONE DI BENDERS. METODI RISOLUTIVI DI TIPO ESATTO: BRANCH AND BOUND, PIANI DI TAGLIO, BRANCH AND CUT. METODI RISOLUTIVI DI TIPO APPROSSIMATO: ALGORITMI DI RICERCA LOCALI E METODI METAEURISTICI.

Contenuti

PROGRAMMAZIONE MATEMATICA E CONDIZIONI DI OTTIMALITÀ. TEORIA DELLA DUALITÀ. ELEMENTI PRINCIPALI DEL
METODO ELLISSOIDE. SIMPLESSO DUALE. ALGORITMI DI SOLUZIONE PER PROBLEMI DI GRANDI DIMENSIONI: METODO DI GENERAZIONE DI COLONNE, METODO PRIMALE-DUALE.
OTTIMIZZAZIONE DISCRETA: PROBLEMI DI FLUSSO DI RETE. PRINCIPALI CLASSI DI PROBLEMI COMBINATORI. DISUGUAGLIANZE VALIDE. RILASSAMENTI. DECOMPOSIZIONE DI BENDERS. METODI RISOLUTIVI DI TIPO ESATTO: BRANCH AND BOUND, PIANI DI TAGLIO, BRANCH AND CUT. METODI RISOLUTIVI DI TIPO APPROSSIMATO: ALGORITMI DI RICERCA LOCALI E METODI METAEURISTICI.

	Metodi Didattici
	LEZIONI FRONTALI.

	Verifica dell'apprendimento
	PROVA ORALE.

	Testi
	APPUNTI.

	Altre Informazioni
	EMAILS: RAFFAELE@UNISA:IT SITE: WWW.DIPMAT.UNISA.IT/PEOPLE/CERULLI/WWW

BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2019-10-21]

Raffaele CERULLI | ALGORITMI DI OTTIMIZZAZIONE