35192 - RESOURCES OPTIMIZATION M

Anno Accademico 2019/2020

  • Docente: Michele Monaci
  • Crediti formativi: 6
  • SSD: MAT/09
  • Lingua di insegnamento: Inglese
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Bologna
  • Corso: Laurea Magistrale in Ingegneria gestionale (cod. 0936)

Conoscenze e abilità da conseguire

Presentare gli algoritmi euristici più efficaci per la soluzione dei problemi decisionali concernenti la pianificazione e la gestione ottima delle risorse in sistemi complessi. Analizzare le prestazioni sperimentali degli algoritmi considerati e la loro applicazione a problemi reali nei settori della logistica e dei trasporti.

Contenuti

Prerequisiti/propedeuticità consigliate

L'allievo che accede a questo insegnamento deve conoscere i concetti fondamentali della Ricerca Operativa, della implementazione di codici di calcolo e dell'analisi della loro complessità.

Tutte le lezioni saranno tenute in inglese. È quindi necessaria la comprensione della lingua inglese.

Programma
  • Richiami di Integer Programming: modelli, formulazioni ILP, rilassamento continuo, algoritmi branch-and-bound.
  • Algoritmi euristici di base: algoritmi costruttivi e di ricerca locale. Esempi per KP01 e TSP. 
  • Analisi worst-case delle performance degli algoritmi.
  • Metaeuristici: Multistart, Tabu Search, Simulated Annealing, Genetic Algorithms, Iterated Local Search, Variable Neighborhood Search, Large Neighborhood Search, Ruin and Recreate, Ant Systems.
  • Ottimizzazione su reti: problemi di cammino, albero e flusso.
  • Algoritmi euristici e metaeuristici per problemi di ottimizzazione combinatoria della letteratura.
  • Applicazioni a casi reali.


Testi/Bibliografia

Testi consigliati:

slides disponibili online

Testi consigliati per consultazione ed approfondimento:

S. Martello, P. Toth, Knapsack Problems: Algortihms and Computer Implementations, J. Wiley, 1990.

E.Aarts, J.K. Lenstra (editors), Local Search in Combinatorial Optimization, J.Wiley, 1997.

G. Gutin, A. Punnen (editors), The Traveling Salesman Problem and Its Variations, Kluwer, 2002.

P.Toth, D. Vigo (editors), The Vehicle Routing Problem, SIAM Monographs on Discrete Mathematics and Applications, 2002.

C. Barnhart, G. Laporte (editors), Transportation, Handbooks in Operations Research and Management Science, North Holland, 2007.

Metodi didattici

Il corso prevede lezioni frontali in aula integrate con esempi relativi ad applicazioni reali.

Le lezioni sono relative agli aspetti teorici ed algoritmici dei vari argomenti trattati. Ogni argomento verrà accompagnato dallo studio di casi che ne mettano in luce le applicazioni pratiche.





Modalità di verifica e valutazione dell'apprendimento

L'esame si divide in due parti principali:

a) “Teoria” sugli algoritmi per risolvere i problemi di ottimizzazione;

b) “Applicazione” a problemi specifici;

Per ciascuna parte è previsto un esame scritto (senza utilizzo di libri/appunti) ed una discussione orale (da effettuare nella stessa giornata).

 

Per svolgere l'esame è necessario iscriversi in lista su Almaesami.

Strumenti a supporto della didattica

Il materiale didattico utilizzato è reperibile tramite username e password presso InsegnamentiOnLine.

Orario di ricevimento

Consulta il sito web di Michele Monaci