INTRODUZIONE ALL'OTTIMIZZAZIONE

Obiettivi formativi

Obiettivi generali: acquisire conoscenze specialistiche di base ed esperienza pratica su alcuni argomenti classici dell’ottimizzazione a dimensione finita. Obiettivi specifici Conoscenze e comprensione: conoscenza dei fondamenti teorici e pratici della teoria dell’ottimizzazione e delle principali classi di problemi e di metodi risolutivi. Applicare conoscenza e comprensione: al termine del corso lo studente sarà in grado di classificare un problema di ottimizzazione e scegliere quale metodo risolutivo sia il più adatto alla sua soluzione, tenendo conto dei vincoli derivanti dal tipo di applicazione (per esempio, accuratezza richiesta o limiti al tempo di calcolo a disposizione). Inoltre lo studente sarà in grado di interpretare correttamente i risultati forniti da codici risolutivi commerciali o ad-hoc. Capacità critiche e di giudizio: capacita' di enucleare gli aspetti significativi di un problema di ottimizzazione e dei suoi algoritmi risolutivi. Capacità comunicative: capacità di enucleare i punti signifivativi della teoria, di saper illustrare con esempi opportuni le parti più interessanti, di discutere matematicamente dei punti più sottili. Capacità di apprendimento: le conoscenze acquisite permetteranno di affrontare lo studio di argomenti più avanzati e di inserirsi adeguatamente in ambienti industriali e di ricerca dove si faccia uso di tecniche di ottimizzazione.

Canale 1
MARCO SCIANDRONE Scheda docente

Programmi - Frequenza - Esami

Programma
Modelli di programmazione matematica Condizioni di ottimalità Programmazione convessa Programmazione lineare Programmazione non lineare Algoritmi di ottimizzazione non vincolata Algoritmi di ottimizzazione vincolata Metodi per problemi a larga scala
Prerequisiti
Algebra lineare Funzioni di più variabili
Testi di riferimento
Introduction to Methods for Nonlinear Optimization, L. Grippo and M. Sciandrone, Springer, 2023
Modalità insegnamento
Lezioni frontali
Frequenza
In presenza
Modalità di esame
Esame orale con domande teoriche ed esercizi
Bibliografia
Introduction to Linear Optimization, D. Bertsimas and J. Tsitsiklis, 2008. Nonlinear programming, D. Bertsekas, third edition, 2016.
Modalità di erogazione
Lezioni frontali
  • Anno accademico2025/2026
  • CorsoMatematica applicata
  • CurriculumMatematica per Data Science - 10
  • Anno1º anno
  • Semestre2º semestre
  • SSDMAT/09
  • CFU6