| Corsi di Laurea | Corsi di Laurea Magistrale | Corsi di Laurea Magistrale a Ciclo Unico |
| Scuola di Scienze | ||
| STATISTICA PER LE TECNOLOGIE E LE SCIENZE | ||
Insegnamento
OTTIMIZZAZIONE: MODELLI E METODI
SCP4063834, A.A. 2024/25
Informazioni valide per gli studenti immatricolati nell'A.A. 2023/24
OTTIMIZZAZIONE: MODELLI E METODI
SCP4063834, A.A. 2024/25
Informazioni valide per gli studenti immatricolati nell'A.A. 2023/24
Principali informazioni sull'insegnamento
| Corso di studio |
Corso di laurea in STATISTICA PER LE TECNOLOGIE E LE SCIENZE SC2094, ordinamento 2014/15, A.A. 2024/25 |
 porta questa pagina con te |
|---|---|---|
| Crediti formativi | 9.0 | |
| Tipo di valutazione | Voto | |
| Denominazione inglese | OPTIMIZATION: MODELS AND METHODS | |
| Dipartimento di riferimento | Dipartimento di Scienze Statistiche | |
| Obbligo di frequenza | No | |
| Lingua di erogazione | ITALIANO | |
| 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 | |
| Corso per studenti Erasmus | Gli studenti Erasmus+ o di altri programmi di mobilità possono frequentare l'insegnamento |
Docenti
| Responsabile | CARLA DE FRANCESCO | MATH-06/A |
|---|
Dettaglio crediti formativi
| Tipologia | Ambito Disciplinare | Settore Scientifico-Disciplinare | Crediti |
|---|---|---|---|
| CARATTERIZZANTE | Informatico-matematico applicato | MAT/09 | 9.0 |
Organizzazione dell'insegnamento
| Periodo di erogazione | Primo semestre |
|---|---|
| Anno di corso | II Anno |
| Modalità di erogazione | in presenza |
| Tipo ore | Crediti | Ore di didattica erogata |
Ore Studio Individuale |
Turni |
|---|---|---|---|---|
| LABORATORIO | 1.5 | 12 | 25.5 | 2 |
| LEZIONE | 7.5 | 52 | 135.5 | Nessun turno |
| Inizio attività didattiche | 30/09/2024 |
|---|---|
| Fine attività didattiche | 18/01/2025 |
| Visualizza il calendario delle lezioni | Lezioni 2024/25 Ord.2014 |
| Prerequisiti: | Conoscenze elementari di Informatica (fogli di calcolo), di Calcolo delle probabilità e di Algebra Lineare. |
| Conoscenze e abilita' da acquisire: | Lo studente acquisirà conoscenze di ottimizzazione, analisi decisionale e programmazione lineare. Imparerà ad analizzare problemi decisionali in lingua corrente e a costruire modelli matematici che li rappresentino. Tali modelli verranno poi risolti con l'ausilio di alcuni software, ma si cercherà di sviluppare competenza e senso critico per capire se la soluzione fornita è accettabile o se il modello va perfezionato. Lo studente acquisirà anche alcune competenze più teoriche sui metodi di risoluzione dei problemi di ottimizzazione, in particolare nel caso lineare. |
| Modalita' di esame: | L'esame consiste in una prova scritta individuale, eventualmente integrata da una prova orale su richiesta della docente. La prova scritta contiene alcuni esercizi che richiedono: l'analisi di un problema decisionale e la costruzione del relativo modello, la risoluzione di un modello di ottimizzazione tramite software, la risoluzione di modelli lineari applicando la teoria della programmazione lineare e la teoria della dualità, la risoluzione di modelli lineari in via grafica. |
| Criteri di valutazione: | I criteri di valutazione con cui verrà effettuata la verifica delle conoscenze e delle abilità acquisite sono: 1. completezza delle conoscenze acquisite; 2. capacità di analisi dei problemi e e di costruzione del relativo modello; 3. abilità nell'utilizzo del software; 4. comprensione della teoria della programmazione lineare e capacità di applicarla. |
| Contenuti: | Il programma del corso si articola nei seguenti argomenti: Introduzione alla modellizzazione Modelli di ottimizzazione Uso dei fogli elettronici per la modellizzazione e risoluzione di problemi di ottimizzazione Uso di un modellatore algebrico (AMPL) collegato ad un risolutore per modellizzare e risolvere problemi di ottimizzazione Modelli di ottimizzazione lineare Programmazione lineare (PL): metodo grafico per la soluzione di problemi di PL in due dimensioni, geometria della PL, metodo del simplesso, teoria della dualità, analisi della sensitività Modelli a rete Modelli di ottimizzazione con variabili intere e binarie Modelli di ottimizzazione non lineare Decisioni in condizioni di incertezza Gestione di progetti |
| Attivita' di apprendimento previste e metodologie di insegnamento: | La maggior parte delle lezioni non sarà di tipo teorico, ma si baserà su una serie di esempi applicativi, alcuni svolti dal docente in aula, altri affrontati assieme agli studenti con l'ausilio di specifici software. Alcune lezioni più teoriche riguarderanno la programmazione lineare e la relativa teoria della dualità. |
| Eventuali indicazioni sui materiali di studio: | Oltre al libro di testo, ulteriore materiale sarà messo a disposizione nel sito dedicato al corso. |
| Testi di riferimento: |
|
- Problem solving
- Case study
- Problem based learning
- Utilizzo delle tecnologie per la didattica (moodle e/o altri strumenti per la didattica, software, video, quiz, wooclap)
