- Docente: Valentina Cacchiani
- Crediti formativi: 6
- SSD: MAT/09
- Lingua di insegnamento: Inglese
- Moduli: Valentina Cacchiani (Modulo 1) Valentina Cacchiani (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Bologna
-
Corso:
Laurea Magistrale in
Automation engineering / ingegneria dell'automazione (cod. 8891)
Valido anche per Laurea Magistrale in Ingegneria elettronica (cod. 0934)
Laurea Magistrale in Ingegneria dell'energia elettrica (cod. 9066)
Laurea Magistrale in Telecommunications engineering (cod. 9205)
Conoscenze e abilità da conseguire
At the end of the course, the students know the foundations of mathematical optimization and graph theory, are able to model optimization problems, and know the main algorithms used for their solution.
Contenuti
Prerequisiti: si richiede una buona conoscenza dei concetti di base della teoria degli insiemi e del calcolo vettoriale e matriciale.
Il corso viene fornito in inglese: le slide e gli esercizi sono in inglese. L'esame deve essere sostenuto in inglese.
Il corso riguarda problemi di ottimizzazione in ambito decisionale con particolare attenzione ai problemi di Ottimizzazione Combinatoria. Il primo obiettivo del corso e' di insegnare la teoria che riguarda la Programmazione Lineare e la Programmazione Lineare Intera, e come formulare modelli matematici per problemi di ottimizzazione appartenenti a tali categorie. Vengono presentati i problemi classici di Programmazione Lineare Intera e vengono presentate alcune formulazioni. Il secondo obiettivo e' di presentare algoritmi per la risoluzione di tali problemi. Inoltre, vengono introdotto i concetti di base della complessita' computazionale e i problemi classici modellati su grafo. L'ultima parte del corso e' dedicata alle applicazioni pratiche: vengono presentate applicazioni reali di ottimizzazione e si mostra l'utilizzo di software di ottimizzazione.
Testi/Bibliografia
Slide disponibili su IOL (Insegnamenti On Line)
Per approfondimenti:Fischetti M. Introduction to Mathematical Optimization. Kindle Direct Publishing, 2019.
Christos H. Papadimitriou and Ken Steiglitz, Combinatorial optimization: algorithms and complexity. Dover, 1998.
D. Bertsimas and J. Tsitsiklis, Introduction to linear programming. Dynamic Ideas and Athena Scientific, Belmont, Massachusetts, 2008.
D. Bertsimas, D. and R. Weismantel, Optimization over integers. Dynamic Ideas, Belmont, Massachusetts, 2005.
Metodi didattici
Il corso consiste in lezioni frontali ed esercitazioni.
Modalità di verifica e valutazione dell'apprendimento
L'esame consiste in un compito scritto in cui lo studente risolve alcuni esercizi sugli argomenti visti nel corso (durata circa 60 minuti). Uno o due giorni dopo lo scritto, una discussione orale sugli argomenti del compito scritto e su tutti gli argomenti del corso (inclusi teoremi e dimostrazioni) completa l'esame.
Se, a causa del perdurare della pandemia, sara' utilizzata la modalita' d'esame online: il compito scritto sara' svolto tramite EOL e ZOOM, la discussione orale tramite TEAMS. Dettagli ulteriori verranno forniti durante il corso.
Strumenti a supporto della didattica
Software di ottimizzazione
Orario di ricevimento
Consulta il sito web di Valentina Cacchiani