RICERCA OPERATIVA

RICERCA OPERATIVA

_
iten
Ultimo aggiornamento 03/03/2021 23:32
Codice
97363
ANNO ACCADEMICO
2020/2021
CFU
6 cfu al 2° anno di 10716 INGEGNERIA GESTIONALE (L-9) GENOVA
SETTORE SCIENTIFICO DISCIPLINARE
MAT/09
SEDE
GENOVA (INGEGNERIA GESTIONALE )
periodo
1° Semestre
materiale didattico

PRESENTAZIONE

L’insegnamento di Ricerca Operativa fornisce competenze relative alla costruzione di modelli e alla soluzione di problemi decisionali formulati in termini di problemi di ottimizzazione. 

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso fornisce le competenze per affrontare problemi applicativi sviluppando modelli e metodi che operino in modo efficiente in presenza di risorse limitate. Il corso fornisce le nozioni di base riguardanti la teoria dei sistemi dinamici, la loro rappresentazione formale. Vengono studiate le proprietà strutturali dei sistemi. Viene introdotto il concetto di feedback.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

L’insegnamento ha come obiettivo lo studio dei principali metodi di ottimizzazione per la soluzione di problemi decisionali. In maggior dettaglio, l’insegnamento ha l’obiettivo di fornire agli studenti le competenze di base per la formalizzazione in termini matematici e la successiva risoluzione di problemi decisionali, in cui occorre prendere la decisione ottima nell’ambito di più decisioni possibili, sulla base di opportuni criteri. In particolare, l’insegnamento presenta i concetti di variabili decisionali, funzione obiettivo, e vincoli di un problema di ottimizzazione, nonché le nozioni di base della programmazione lineare a variabili reali, della programmazione lineare intera, della programmazione non lineare, e dell’ottimizzazione sui grafi.

Per tutti gli argomenti, sono presentati sia gli aspetti più metodologici, sia i risvolti maggiormente applicativi. I vari concetti sono esposti attraverso lezioni teoriche e mediante soluzione di esercizi, oltre che tramite l’implementazione software di alcuni problemi di esempio.

Al termine dell’insegnamento, lo studente sarà in grado di costruire un modello matematico di un processo decisionale e di scegliere e applicare l’algoritmo più adeguato per la sua soluzione. 

PREREQUISITI

Conoscenze di base di Analisi Matematica e Geometria.

Modalità didattiche

Lezioni frontali.

PROGRAMMA/CONTENUTO

- Introduzione alla programmazione matematica e ai problemi decisionali
- Programmazione lineare a variabili reali
- Programmazione lineare a variabili intere
- Programmazione non lineare
- Ottimizzazione sui grafi
- Applicativi software per la programmazione matematica

TESTI/BIBLIOGRAFIA

Dispense fornite dal Docente e disponibili in formato elettronico.

Testi per eventuale approfindimento:

[1] Hillier, Lieberman – Introduction to operations research. McGraw-Hill, 2004.

[2] D. Bertsimas, J.N. Tsitsiklis – Introduction to linear optimization. Athena Scientific, 1999.

[3] D. Luenberger, Y. Ye – Linear and nonlinear programming. Springer, 2008.

[4] D. Bertsekas – Nonlinear Programming. Athena Scientific, 1999.

DOCENTI E COMMISSIONI

Ricevimento: Students may take appointment via email sent to mauro.gaggero@cnr.it

Commissione d'esame

MAURO GAGGERO (Presidente)

MASSIMO PAOLUCCI

MARCELLO SANGUINETI (Presidente Supplente)

LEZIONI

Modalità didattiche

Lezioni frontali.

INIZIO LEZIONI

Come da calendario accademico.

ORARI

L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

ESAMI

Modalità d'esame

Esame scritto eventualmente integrato da esame orale.

Modalità di accertamento

Al termine dell’insegnamento lo studente dovrà dimostrare di aver compreso i concetti visti a lezione ed essere capace di esporli con un linguaggio adeguato. Inoltre, lo studente dovrà dimostrare capacità di costruire un modello matematico di un processo decisionale e di scegliere e applicare l’algoritmo migliore per la sua soluzione.

ALTRE INFORMAZIONI

Nessuna.