- 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
Automation engineering / ingegneria dell’automazione (cod. 8891)
Valido anche per Laurea Magistrale in Ingegneria elettronica (cod. 0934)
Laurea Magistrale in Ingegneria gestionale (cod. 0936)
Laurea Magistrale in Ingegneria dell'energia elettrica (cod. 8611)
Laurea Magistrale in Telecommunications engineering (cod. 9205)
Conoscenze e abilità da conseguire
The course aims to introduce the most effective techniques for the solution of complex decisional problems arising in the optimal planning and management of large scale systems. The definition of mathematical models and heuristic algorithms for the practical solution of the corresponding optimization problems is the main goal of the class. At the end of course students will have the ability of formulating mathematical models of complex decisional problems taken from the real life and master software tools for practical solutions.
Contenuti
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 delle performance degli algoritmi (sia sperimentale che worst-case).
- 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).
Strumenti a supporto della didattica
Il materiale didattico relativo a tutte le lezioni del corso è reso disponibile su AMS campus
Orario di ricevimento
Consulta il sito web di Michele Monaci