| Corsi di Laurea | Corsi di Laurea Magistrale | Corsi di Laurea Magistrale a Ciclo Unico |
| Scuola di Scienze | ||
| INFORMATICA | ||
Insegnamento
METODI E MODELLI PER L'OTTIMIZZAZIONE COMBINATORIA
SC01122975, A.A. 2018/19
Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19
METODI E MODELLI PER L'OTTIMIZZAZIONE COMBINATORIA
SC01122975, A.A. 2018/19
Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19
Principali informazioni sull'insegnamento
| Corso di studio |
Corso di laurea magistrale in INFORMATICA SC1176, ordinamento 2014/15, A.A. 2018/19 |
 porta questa pagina con te |
|---|---|---|
| Crediti formativi | 6.0 | |
| Tipo di valutazione | Voto | |
| Denominazione inglese | METHODS AND MODELS FOR COMBINATORIAL OPTIMIZATION | |
| Sito della struttura didattica | http://informatica.scienze.unipd.it/2018/laurea_magistrale | |
| Dipartimento di riferimento | Dipartimento di Matematica | |
| Obbligo di frequenza | No | |
| Lingua di erogazione | INGLESE | |
| Sede | PADOVA | |
| Corso singolo | È possibile iscriversi all'insegnamento come corso singolo | |
| Corso a libera scelta | È possibile utilizzare l'insegnamento come corso a libera scelta |
Docenti
| Responsabile | LUIGI DE GIOVANNI | MAT/09 | |
|---|---|---|---|
| Altri docenti | MARCO DI SUMMA | MAT/09 |
Mutuazioni
| Codice | Insegnamento | Responsabile | Corso di studio |
|---|---|---|---|
| INP5070470 | METHODS AND MODELS FOR COMBINATORIAL OPTIMIZATION | LUIGI DE GIOVANNI | IN2191 |
| SCP7079402 | METHODS AND MODELS FOR COMBINATORIAL OPTIMIZATION | LUIGI DE GIOVANNI | SC2377 |
| SC01122975 | METODI E MODELLI PER L'OTTIMIZZAZIONE COMBINATORIA | LUIGI DE GIOVANNI | SC1176 |
Dettaglio crediti formativi
| Tipologia | Ambito Disciplinare | Settore Scientifico-Disciplinare | Crediti |
|---|---|---|---|
| AFFINE/INTEGRATIVA | Attività formative affini o integrative | MAT/09 | 6.0 |
Organizzazione dell'insegnamento
| Periodo di erogazione | Primo semestre |
|---|---|
| Anno di corso | I Anno |
| Modalità di erogazione | frontale |
| Tipo ore | Crediti | Ore di didattica assistita |
Ore Studio Individuale |
|---|---|---|---|
| ESERCITAZIONE | 0.5 | 4 | 8.5 |
| LABORATORIO | 1.5 | 12 | 25.5 |
| LEZIONE | 4.0 | 32 | 68.0 |
| Inizio attività didattiche | 01/10/2018 |
|---|---|
| Fine attività didattiche | 18/01/2019 |
| Visualizza il calendario delle lezioni | Lezioni 2019/20 Ord.2014 |
Commissioni d'esame
| Commissione | Dal | Al | Membri |
|---|---|---|---|
| 6 a.a. 2018/2019 | 01/10/2018 | 28/02/2020 |
DE GIOVANNI
LUIGI
(Presidente)
DI SUMMA MARCO (Membro Effettivo) CONFORTI MICHELANGELO (Supplente) DE FRANCESCO CARLA (Supplente) RINALDI FRANCESCO (Supplente) |
| 5 a.a. 2017/2018 | 01/10/2017 | 28/02/2019 |
DE GIOVANNI
LUIGI
(Presidente)
CONFORTI MICHELANGELO (Membro Effettivo) DE FRANCESCO CARLA (Membro Effettivo) DI SUMMA MARCO (Membro Effettivo) RINALDI FRANCESCO (Membro Effettivo) |
| Prerequisiti: | Elementi di ricerca operativa, elementi di programmazione lineare, elementi di base di programmazione. |
| Conoscenze e abilita' da acquisire: | Uso di metodologie avanzate di supporto alle decisioni per la modellazione e la soluzione di problemi di ottimizzazione
combinatoria. Il corso intende fornire strumenti matematici e algoritmici per la soluzione di problemi pratici di ottimizzazione con l'utilizzo dei pacchetti software e delle librerie di ottimizzazione più diffusi. |
| Modalita' di esame: | Esame orale sui contenuti del corso. Realizzazione facoltativa di un progetto individuale sulla soluzione di un problema, reale o realistico, di ottimizzazione combinatoria (definizione del problema, modellazione, applicazione di un metodo di soluzione esatto e/o euristico). |
| Criteri di valutazione: | L'esame verifica il livello di apprendimento degli argomenti svolti e la capacita` dello studente di applicarli per la soluzione di problemi reali di ottimizzazione combinatoria. |
| Contenuti: | 1. Approfondimenti e applicazioni di Programmazione Lineare e dualità : metodo del simplesso primale-duale, tecniche di generazione di colonne, applicazioni a problemi di ottimizzazione su grafo.
2. Metodi avanzati di Programmazione Lineare Intera (PLI): Branch & Bound e tecniche di rilassamento, formulazioni alternative di modelli PLI, metodo dei piani di taglio e tecniche di Branch & Cut, applicazioni ad esempi notevoli: commesso viaggiatore, problemi di localizzazione, problemi di network design etc. 3. Meta-euristiche di Ottimizzazione Combinatoria: ricerca di vicinati e varianti, algoritmi evolutivi. 4. Applicazione di metodi di modellazione e ottimizzazione su grafo. 5. Laboratori: utilizzo di software e librerie di ottimizzazione. |
| Attivita' di apprendimento previste e metodologie di insegnamento: | L'insegnamento prevede lezioni frontali, esercitazioni in laboratorio e discussione di esempi notevoli. Le esercitazioni in laboratorio consistono nell'implementazione di algoritmi di ottimizzazione combinatoria sia esatti (con l'uso di librerie di programmazione lineare intera) sia euristici). |
| Eventuali indicazioni sui materiali di studio: | Dispense fornite dal docente. Articoli scientifici. |
| Testi di riferimento: |
|
- Lecturing
- Laboratory
- Problem based learning
- Case study
- Questioning
- Action learning
- Story telling
- Problem solving
- Files e pagine caricati online (pagine web, Moodle, ...)
