2. Docenti
  3. D'AMBROSIO CIRIACO
  4. Didattica

OPTIMIZATION TECHNIQUES FOR DATA SCIENCE AND CYBERSECURITY

CIRIACO D'AMBROSIO OPTIMIZATION TECHNIQUES FOR DATA SCIENCE AND CYBERSECURITY

0222800030
DIPARTIMENTO DI SCIENZE AZIENDALI - MANAGEMENT & INNOVATION SYSTEMS
CORSO DI LAUREA MAGISTRALE
DATA SCIENCE E GESTIONE DELL'INNOVAZIONE
2025/2026



OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2022
PRIMO SEMESTRE
CFUOREATTIVITÀ
535LEZIONE
17LABORATORIO
CIRIACO D'AMBROSIO T Curriculum
Obiettivi
OBIETTIVO GENERALE
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.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE
LO STUDENTE, AL TERMINE DEL PERCORSO FORMATIVO, AVRÀ ACQUISITO CONOSCENZE TEORICHE E CAPACITÀ PRATICHE PER FORMULARE E RISOLVERE PROBLEMI DECISIONALI ATTRAVERSO OPPORTUNI MODELLI MATEMATICI.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
LO STUDENTE SVILUPPERÀ:
-CAPACITÀ DI PROGETTARE ALGORITMI EURISTICI IN GRADO DI OTTENERE IN BREVE TEMPO SOLUZIONI AMMISSIBILI PER IL PROBLEMA IN ESAME;
-CAPACITÀ DI UTILIZZARE SOFTWARE PER LA SOLUZIONE DI PROBLEMI DI OTTIMIZZAZIONE.

AUTONOMIA DI GIUDIZIO
LO STUDENTE SVILUPPERÀ:
-CAPACITÀ DI VALUTARE LA COMPLESSITÀ COMPUTAZIONALE DEL PROBLEMA DECISIONALE;
-CAPACITÀ DI INDIVIDUARE GLI ALGORITMI PIÙ EFFICACI PER LA RISOLUZIONE DEI PROBLEMI.


ABILITÀ COMUNICATIVE
LO STUDENTE SVILUPPERÀ, INOLTRE, LA CAPACITÀ DI TRASFERIRE CORRETTAMENTE I CONCETTI DI MODELLAZIONE E OTTIMIZZAZIONE AI DECISION MAKER.

CAPACITÀ DI APPRENDIMENTO
LO STUDENTE SARÀ STIMOLATO A MIGLIORARE LE PROPRIE ATTITUDINI ALL'AGGIORNAMENTO FLESSIBILE DI CONOSCENZE E COMPETENZE NEL CAMPO DELL'OTTIMIZZAZIONE E DEI PROBLEMI DI OTTIMIZZAZIONE AL FINE DI AFFRONTARE PROBLEMI DI CYBERSECURITY.
Prerequisiti
NESSUN PREREQUISITO SPECIFICO OLTRE A QUELLI DI INGRESSO PER IL CORSO DI LAUREA
Contenuti
1. LA PROGRAMMAZIONE LINEARE (PL) (LEZIONI 8 ORE; ESERCITAZIONI 2 ORE)
- RICHIAMI DI ALGEBRA LINEARE, OPERAZIONI SUI VETTORI E SULLE MATRICI, SISTEMI DI EQUAZIONI LINEARI;
- PASSAGGIO DAL PROBLEMA REALE AL MODELLO DI OTTIMIZZAZIONE;
- IPERPIANI, SEMISPAZI, POLIEDRI.

2) ALGORITMO DEL SIMPLESSO (LEZIONI 4 ORE; ESERCITAZIONI 2 ORE)

3) PROBLEMI DI OTTIMIZZAZIONE SU GRAFI (LEZIONI 6 ORE; ESERCITAZIONI 2 ORE)
MODELLI MATEMATICI E ALGORITMI RISOLUTIVI PER PROBLEMI DI OTTIMIZZAZIONE SU GRAFI.

4) LA PROGRAMMAZIONE LINEARE INTERA (PLI) (LEZIONI 8 ORE; ESERCITAZIONI 2 ORE)
- TEORIA DELLA COMPLESSITÀ: CLASSIFICAZIONE DEI PROBLEMI DI OTTIMIZZAZIONE IN BASE ALLA LORO DIFFICOLTÀ;
-VARIABILI E VINCOLI LOGICI; PROBLEMI CON FUNZIONI OBIETTIVO MULTIPLE;
-PRESENTAZIONE DEI PRINCIPALI PROBLEMI COMBINATORICI;

5) APPROCCI RISOLUTIVI PER PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA: (LEZIONI 6 ORE; ESERCITAZIONI 2 ORE)
METODI RISOLUTIVI DI TIPO ESATTO E APPROCCI EURISTICI:
-BRANCH AND BOUND;
-ALGORITMO GREEDY;
-ALGORITMI DI RICERCA LOCALE;
-TABU SEARCH.
Metodi Didattici
L’INSEGNAMENTO PREVEDE 42 ORE DI ATTIVITÀ DIDATTICHE CHE SI SVOLGONO IN AULA CON L’AUSILIO DI PROIEZIONI (LEZIONI FRONTALI); ALLA FINE DELLA PRESENTAZIONE DI UN ARGOMENTO SONO PREVISTI VARI ESEMPI APPLICATIVI ED ESERCITAZIONI PRATICHE ANCHE CON SOFTWARE PRESENTATO AL CORSO. LA FREQUENZA ALLE LEZIONI NON È OBBLIGATORIA MA È FORTEMENTE CONSIGLIATA.
Verifica dell'apprendimento
LA PROVA DI ESAME 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 ANCHE ATTRAVERSO SOFTWARE DI OTTIMIZZAZIONE, 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.
LA VALUTAZIONE DELL'ORALE È ESPRESSA IN TRENTESIMI E TIENE CONTO:
-DELLA CAPACITÀ DI DESCRIZIONE DEL FUNZIONAMENTO DEGLI ALGORITMI DI OTTIMIZZAZIONE PRESENTATI A LEZIONE
-E DELLA CAPACITÀ DI ESPORRE IN MODO CHIARO E SINTETICO GLI ARGOMENTI STUDIATI.
IL LIVELLO DI VALUTAZIONE MINIMO (18) È ATTRIBUITO QUANDO LO STUDENTE MOSTRA UNA CONOSCENZA FRAMMENTARIA DEI CONTENUTI TEORICI E UNA LIMITATA CAPACITÀ DI FORMULARE I PROBLEMI DI OTTIMIZZAZIONE E DI APPLICARE GLI ALGORITMI RISOLUTIVI.
IL LIVELLO DI VALUTAZIONE MASSIMO (30) È ATTRIBUITO QUANDO LO STUDENTE DIMOSTRA UNA CONOSCENZA COMPLETA ED APPROFONDITA DEGLI ARGOMENTI DEL CORSO E MOSTRA UNA NOTEVOLE CAPACITÀ DI INDIVIDUARE I METODI PIÙ APPROPRIATI PER RISOLVERE I PROBLEMI DI OTTIMIZZAZIONE AFFRONTATI.
LA LODE VIENE ATTRIBUITA QUANDO IL CANDIDATO DIMOSTRA SIGNIFICATIVA PADRONANZA DEI CONTENUTI TEORICI ED OPERATIVI E MOSTRA DI SAPER PRESENTARE GLI ARGOMENTI CON NOTEVOLE PROPRIETÀ DI LINGUAGGIO E CAPACITÀ DI ELABORAZIONE AUTONOMA ANCHE IN CONTESTI DIVERSI DA QUELLI PROPOSTI DAL DOCENTE NELLE ATTIVITÀ DIDATTICHE.
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': CDAMBROSIO@UNISA.IT
Orari Lezioni

  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2025-10-07]