2. Docenti
  3. Didattica

OPTIMIZATION FOR CYBERSECURITY

Raffaele CERULLI OPTIMIZATION FOR CYBERSECURITY

0222800026
DIPARTIMENTO DI SCIENZE AZIENDALI - MANAGEMENT & INNOVATION SYSTEMS
CORSO DI LAUREA MAGISTRALE
DATA SCIENCE E GESTIONE DELL'INNOVAZIONE
2024/2025

OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2022
PRIMO SEMESTRE
CFUOREATTIVITÀ
535LEZIONE
17LABORATORIO
RAFFAELE CERULLI T Curriculum
CIRIACO D'AMBROSIO Curriculum
Obiettivi
IL PERCORSO FORMATIVO SI PROPONE DI FAR ACQUISIRE AGLI STUDENTI LE CONOSCENZE DEI FONDAMENTI DI MODELLAZIONE MATEMATICA DI PROBLEMI DI OTTIMIZZAZIONE LINEARE CONTINUA, INTERA E BINARIA, DI ALGORITMI ESATTI E APPROSSIMATI E DI SOFTWARE PER LA RISOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE LINEARE. LO STUDENTE, AL TERMINE DEL PERCORSO FORMATIVO, AVRA ACQUISITO CONOSCENZE TEORICHE E CAPACITA PRATICHE PER FORMULARE E RISOLVERE PROBLEMI DECISIONALI ATTRAVERSO OPPORTUNI MODELLI MATEMATICI. INOLTRE AVRA SVILUPPATO
•AUTONOMIA NELLE SCELTE MODELLISTICHE RELATIVE A PROBLEMI DECISIONALI COMPLESSI
•CAPACITA DI VALUTARE LA COMPLESSITA COMPUTAZIONALE DEL PROBLEMA DECISIONALE
•CAPACITA DI INDIVIDUARE GLI ALGORITMI PIU EFFICACI PER LA RISOLUZIONE DEI PROBLEMI
•CAPACITA DI PROGETTARE ALGORITMI EURISTICI IN GRADO DI OTTENERE IN BREVE TEMPO SOLUZIONI AMMISSIBILI PER IL PROBLEMA IN ESAME
•CAPACITA DI TRASFERIRE CORRETTAMENTE I CONCETTI DI MODELLAZIONE E OTTIMIZZAZIONE AI DECISION MAKER
•CAPACITA DI UTILIZZARE SOFTWARE PER LA SOLUZIONE DI PROBLEMI DI OTTIMIZZAZIONE
•ATTITUDINI ALL'AGGIORNAMENTO FLESSIBILE DI CONOSCENZE E COMPETENZE NEL CAMPO DELL'OTTIMIZZAZIONE E DEI PROBLEMI DI OTTIMIZZAZIONE AL FINE DI AFFRONTARE PROBLEMI DI CYBERSECURITY.
LO STUDENTE DURANTE IL PERCORSO FORMATIVO SARA STIMOLATO ALL’ANALISI E ALLA MODELLAZIONE E ALL’OTTIMIZZAZIONE DI SISTEMI COMPLESSI NELL’AMBITO DELLA CYBERSECURITY.
Prerequisiti
NESSUN PREREQUISITO SPECIFICO OLTRE A QUELLI DI INGRESSO PER IL CORSO DI LAUREA
Contenuti
1. LA PROGRAMMAZIONE LINEARE (PL) (7 ORE DI LEZIONE E 1 DI LABORATORIO)

2 ALGORITMO DEL SIMPLESSO (9 ORE DI LEZIONE E 1 DI LABORATORIO)
- TABLEAU DEL SIMPLESSO.

3. LA PROGRAMMAZIONE LINEARE INTERA (PLI) (10 ORE DI LEZIONE E 2 DI LABORATORIO)
- VARIABILI E VINCOLI LOGICI; PROBLEMI CON FUNZIONI OBIETTIVO MULTIPLE;
- PRESENTAZIONE DEI PRINCIPALI PROBLEMI COMBINATORICI;
- DISUGUAGLIANZE VALIDE.

4. APPROCCI RISOLUTIVI PER PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA: (9 ORE DI LEZIONE E 3 DI LABORATORIO)
METODI RISOLUTIVI DI TIPO ESATTO E APPROCCI EURISTICI:
BRANCH AND BOUND;
- ALGORITMI DI RICERCA LOCALE;
- ALGORITMO GREEDY;
- TABU SEARCH.
Metodi Didattici
L’INSEGNAMENTO PREVEDE 42 ORE DI ATTIVITÀ DIDATTICHE (35 ORE DI LEZIONI FRONTALI E 7 ORE DI LABORATORIO) CHE SI SVOLGONO IN AULA CON L’AUSILIO DI PROIEZIONI; ALLA FINE DELLA PRESENTAZIONE DI UN ARGOMENTO SONO PREVISTI VARI ESEMPI APPLICATIVI ED ESERCITAZIONI. LA FREQUENZA ALLE LEZIONI NON È OBBLIGATORIA MA È FORTEMENTE CONSIGLIATA.
Verifica dell'apprendimento
LA PROVA DI ESAME (ORALE) È FINALIZZATA A VALUTARE NEL SUO COMPLESSO LE CONOSCENZE E LE CAPACITÀ DI COMPRENSIONE DEI CONCETTI PRESENTATI A LEZIONE, NONCHÉ LA CAPACITÀ DI APPLICARE TALI CONOSCENZE NELLA RISOLUZIONE DI PROBLEMI DI OTTIMIZZAZIONE. LA PROVA DI ESAME CONSISTE IN UN COLLOQUIO ORALE SUI CONTENUTI DEL CORSO TRAMITE IL QUALE SARANNO VALUTATE LE CONOSCENZE ACQUISITE IN MERITO SIA AGLI ASPETTI TEORICI CHE A QUELLI APPLICATIVI PER LA RISOLUZIONE DI PROBLEMI OTTIMIZZAZIONE. IL PUNTEGGIO FINALE, QUANDO L'ESAME È SUPERATO, VIENE ESPRESSO SULLA BASE DELLA SCALA DA 18/30 (CONOSCENZA LIMITATA DEGLI ARGOMENTI) AL 30/30 LODE (IL CANDIDATO DIMOSTRA SIGNIFICATIVA PADRONANZA DEI CONTENUTI).




Testi
- M.S. BAZARAA, J.J. JARVIS & H.D. SHERALI, LINEAR PROGRAMMING AND NETWORK FLOWS, FOURTH EDITION, JOHN WILEY, 2010.
- APPUNTI DELLE LEZIONI.
Altre Informazioni
-IL CORSO È EROGATO IN ITALIANO.
-SI RACCOMANDA LA FREQUENZA.
- L'INDIRIZZO DI POSTA ELETTRONICA DEL DOCENTE E': RAFFAELE@UNISA.IT
Orari Lezioni

  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-11-18]