Skip to Main Content (Press Enter)

Logo UNIBS
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione

Competenze & Professionalità
Logo UNIBS

|

Competenze & Professionalità

unibs.it
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione
  1. Insegnamenti

A004022 - OPTIMIZATION ALGORITHMS

insegnamento
Tipo Insegnamento:
Opzionale
Durata (ore):
60
CFU:
6
SSD:
RICERCA OPERATIVA
Sede:
BRESCIA
Url:
Dettaglio Insegnamento:
INGEGNERIA GESTIONALE/comune Anno: 2
Anno:
2025
Course Catalogue:
https://permalink.unibs.it/suacds/afcc/2025?corso=...
  • Dati Generali
  • Syllabus
  • Corsi

Dati Generali

Periodo di attività

Primo Semestre (15/09/2025 - 23/12/2025)

Syllabus

Obiettivi Formativi

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Al termine del corso lo studente possiede una solida comprensione dei principali algoritmi esatti ed euristici per i problemi di ottimizzazione combinatoria. Conosce i fondamenti teorici, le tecniche di modellazione avanzata e le differenze tra metodi specifici per problema e approcci generali.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Lo studente è in grado di applicare autonomamente le tecniche apprese per formulare e risolvere problemi complessi reali. Sa implementare modelli avanzati, selezionare algoritmi adeguati e utilizzare metodi esatti ed euristici per ottenere soluzioni efficaci.
AUTONOMIA DI GIUDIZIO: Lo studente sviluppa la capacità di valutare criticamente l’efficienza, la qualità e l’adeguatezza delle diverse strategie di ottimizzazione. È in grado di analizzare problemi non strutturati, identificare l’approccio più idoneo e giustificare razionalmente le scelte metodologiche effettuate.
ABILITÀ COMUNICATIVE: Lo studente è in grado di presentare in modo chiaro ed efficace modelli, algoritmi e risultati, sia in contesti tecnici sia interdisciplinari. Sa discutere criticamente le soluzioni proposte, motivando le scelte effettuate e illustrando i risultati ottenuti.
CAPACITÀ DI APPRENDIMENTO: Lo studente acquisisce la capacità di aggiornarsi autonomamente su nuovi algoritmi, metodi e strumenti nel campo dell’ottimizzazione. Sa approfondire in modo continuo le proprie competenze, individuando risorse avanzate e integrando nuove tecniche nella propria pratica.

Prerequisiti

Teoria e metodi risolutivi della programmazione lineare. Tecniche per formulare modelli matematici di programmazione lineare e programmazione lineare intera.

Metodi didattici

Lezioni di teoria affiancate da esercitazioni. Discussione e soluzione in aula di problemi applicativi e di articoli scientifici. Attività progettuale svolta in gruppi costituiti da studenti di differente formazione. La finalità è quella di favorire l’applicazione della conoscenza acquisita e lo sviluppo delle abilità di comunicazione e giudizio critico. Utilizzo di tecniche di lezione inversa dove gli studenti sono aiutati a preparare e tenere lezione su argomenti predefiniti.

Verifica Apprendimento

L'esame prevede una prova scritta di teoria e una prova orale focalizzata sulla discussione dei risultati ottenuti nel progetto assegnato all'inizio del corso. A ciascun gruppo di studenti è inoltre assegnato un argomento di approfondimento che costituisce oggetto di lezione tenuta dagli studenti stessi in aula durante il corso (flipped lesson). In preparazione a tale lezione verrà richiesto l'approfondimento di articoli dalla letteratura scientifica di cui verrà valutata la comprensione anche individuale. Sono previsti momenti di discussione sulle difficoltà incontrate nell'affrontare la risoluzione del progetto e lo
studio della letteratura scientifica. Ogni studente è tenuto a sostenere una breve presentazione della propria attività svolta nel gruppo con lo scopo di verificarne l'autonomia di giudizio e la capacità di apprendimento.

Testi

D. BERTSIMAS, J.N. TSITSIKLIS, Introduction to Linear Optimization, Athena Scientific, Belmont, Massachusetts, 1997.
G. AUSIELLO, P. CRESCENZI, G. GAMBOSI, V. KANN, A. MARCHETTISPACCAMELA, M. PROTASI, Complexity and Approximation, Springer Verlag 1999.
C.PAPADIMITRIOU, K.STEIGLITZ, Combinatorial Optimization, Prentice Hall, 1982.
M. GAREY, D. JOHNSON, Computers and Intractability: A Guide to the Theory of NP-Completeness, Freeman, 1979.

Contenuti

Introduzione all'ottimizzazione combinatoria. Formulazioni strong e definizione di Convex Hull. Algoritmi esatti (Branch-and-Bound, Cutting Planes, Branch-and-Cut). Problemi di separazione e loro risoluzione. Problemi polinomiali su reti. Algoritmi euristici e meta-euristici (Tabu Search, Variable Neighborhood Search, Adaptive Large Neighborhood Search, Kernel Search, GRASP). Applicazione delle tecniche apprese a problemi di node routing e arc routing. Studio delle principali proprietà dei problemi di arc routing. Algoritmi approssimati e analisi del caso peggiore (problema del commesso viaggiatore, problema di bin packing, problema del maximum independent set, problema di minimum vertex cover, problema dello zaino binario).

Lingua Insegnamento

INGLESE

Altre informazioni

Sono disponibili slide relative sia alle lezioni di teoria sia alle esercitazioni svolte in aula. Tutto il materiale didattico è disponibile sul sito di E-learning d'Ateneo (comunità didattica di ESSE3).

Corsi

Corsi

INGEGNERIA GESTIONALE 
Laurea Magistrale
2 anni
No Results Found
  • Assistenza
  • Privacy
  • Utilizzo dei cookie
  • Note legali

Realizzato con VIVO | Designed by Cineca | 25.12.1.0