• Non ci sono risultati.

Metodi e Modelli per l’Ottimizzazione Combinatoria Informazioni sul corso

N/A
N/A
Protected

Academic year: 2021

Condividi "Metodi e Modelli per l’Ottimizzazione Combinatoria Informazioni sul corso"

Copied!
3
0
0

Testo completo

(1)

Metodi e Modelli per l’Ottimizzazione Combinatoria Informazioni sul corso

Luigi De Giovanni

Docente

Luigi De Giovanni

Dipartimento di Matematica Pura e Applicata, uff. 427 tel. 049 827 1349

luigi@math.unipd.it

ricevimento: gioved`ı, h 9:30 - 11:30 (appuntamento per email)

Obiettivi del corso

Introduzione a 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 ottimiz- zazione pi`u diffusi.

1

(2)

Informazioni sul corso

Programma A.A. 2011/2012

Approfondimenti e applicazioni di Programmazione Lineare e dualit`a

- Ripasso: problemi di programmazione lineare, metodo del simplesso, cenni di teoria della dualit`a

- Tecniche di generazione di colonne

Metodi avanzati di Programmazione Lineare Intera (PLI) - Branch & Bound e tecniche di rilassamento

- Formulazioni alternative di problemi in PLI

- Metodo dei piani di taglio e tecniche di Branch & Cut

- Metodi di decomposizione (Dantzig-Wolfe) e algoritmi di Branch & Price Meta-euristiche di Ottimizzazione Combinatoria

- Ricerca di vicinati e varianti - Algoritmi evolutivi

Laboratori

- Librerie di ottimizzazione (Cplex)

Progetto (soluzione di un problema reale/realistico di ottimizzazione combinatoria) - Problema proposto dal docente

- Formulazione di un modello matematico

- Implementazione di metodi alternativi di soluzione (algoritmi esatti e metaeuristici) - Redazione di una relazione (descrizione del problema, modello matematico, de-

scrizione degli algoritmi, risultati su diverse istanze del problema)

L. De Giovanni - Metodi e Modelli per l’Ottimizzazione Combinatoria 2

(3)

Informazioni sul corso

Organizzazione del corso

Orario delle lezioni

- mercoled`ı 15:30 - 17:30 - gioved`ı 13:30 - 15:30 - venerd`ı 13:30 - 15:30

Le lezioni si svolgeranno in aula (1B50) o in laboratorio labP036 (controllare sempre la sezione Avvisi della pagina web del corso).

Testi di riferimento e materiale didattico - dispense e articoli forniti dai docenti

- software di ottimizzazione reperibile in rete / disponibile in laboratorio Modalit`a d’esame

Realizzazione e discussione di un progetto individuale + esame orale sugli argomenti del corso.

Durante lo svolgimento del corso `e prevista la possibilit`a di realizzare il progetto in 4 fasi, con consegne a scadenze fisse (modalit`a pubblicate sulla pagina web del corso).

Gli studenti che rispettano le consegne ricevono un bonus da sommare al voto finale dell’esame. Inoltre, gli stessi studenti, se sostengono l’esame nella prima sessione (entro il 14 gennaio 2012), possono accedere direttamente all’orale, senza la consegna del progetto complessivo (codici e relazione), che rimane obbligatoria per tutti gli altri studenti.

Materiali e avvisi su

http://www.math.unipd.it/∼luigi/courses/metmodoc/metmodoc.html

L. De Giovanni - Metodi e Modelli per l’Ottimizzazione Combinatoria 3

Riferimenti

Documenti correlati

La seconda parte del corso prevede lo studio di diversi problemi classici di ottimizzazione combinatoria (per lo più su grafi) e delle principali tecniche algoritmiche per il

§ Nei problemi di programmazione lineare intera (PLI) alcune delle variabili del problema sono vincolate ad assumere valori interi. • in questo modo si riducono drasticamente i

Define linear objective function that optimal solution must mini(maxi)mize.. Solve by Branch

Trovare i punti di equilibrio (suggerimento: la ricerca dei punti di equilibrio si riduce allo studio di un’oppurtuna funzione di una singola variabile).. (3

Poichè abbiamo scoperto (al punto c) sopra) che i punti di equilibrio della ED associata a g sono solo due, essi devono essere per forza quelli della ED associata a f.. Curiosità:

Infatti in tal caso i due gradienti sono non nulli e sono LI perché la prima componente del primo gradiente vale sempre 1 e la prima componente del secondo gradiente vale sempre 0

Dimostrazione ( ⇒ ): Nessun ciclo può essere dispari altrimenti ci sarebbero due archi dello stesso matching incidenti sullo stesso nodo e questo è impossibile. Non tutti

Wolsey, Integer Programming, capitolo 2, paragrafi 2.1, 2.2 [4] Slide del corso di Ottimizzazione Combinatoria 2, prof. Wolsey, Integer Programming,