Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
INFORMATICA
Insegnamento
RICERCA OPERATIVA
SCP4065562, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea in
INFORMATICA
SC1167, ordinamento 2011/12, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 7.0
Tipo di valutazione Voto
Denominazione inglese OPERATIONS RESEARCH
Sito della struttura didattica http://informatica.scienze.unipd.it/2019/laurea
Dipartimento di riferimento Dipartimento di Matematica
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

Docenti
Responsabile LUIGI DE GIOVANNI MAT/09

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative MAT/09 7.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso III Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
ESERCITAZIONE 1.5 12 25.5
LABORATORIO 1.0 12 13.0
LEZIONE 4.5 36 76.5

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2011

Syllabus
Prerequisiti: Conoscenze di base di analisi matematica e algebra.
E' propedeutico l'insegnamento di "Algebra e Matematica Discreta".
Conoscenze e abilita' da acquisire: Costruzione di modelli matematici per il supporto alle decisioni e relativi algoritmi, con particolare riferimento alla programmazione
lineare nel continuo e nel discreto e all'ottimizzazione su grafi. Uso di pacchetti software per la soluzione di problemi di ottimizzazione.
Modalita' di esame: L’esame è scritto, comprensivo di un problema da formulare con un modello di programmazione lineare, esercizi e domande di teoria
Se necessario, si terrà una discussione orale dello scritto. Il candidato può inoltre, a sua discrezione, preparare un mini-progetto facoltativo.
Criteri di valutazione: L'esame scritto richiede lo svolgimento di esercizi per la valutazione del livello di apprendimento degli argomenti svolti (ad esempio, modellazione di un problema di ottimizzazione in programmazione lineare intera, applicazione dell'algoritmo del simplesso, applicazione di algoritmi di ottimizzazioni su rete, applicazione della teoria della dualità, applicazione dell'algoritmo del Branch-and-Bound, domande sui diversi argomenti svolti etc.)
Contenuti: 1. Problemi di ottimizzazione e modelli: modellazione e utilizzo di risolutori software in laboratorio.

2. Programmazione lineare: teoria e metodo del simplesso, teoria della dualità e applicazioni.

3. Ottimizzazione su grafi: modelli e algoritmi per il problema dell'albero di copertura di costo minimo, il problema del cammino minimo (algortimi di Dijkstra e Bellman-Ford), il problema del flusso massimo (algoritmo di Ford-Fulkerson) e del flusso di costo minimo.

4. Elementi di Programmazione Lineare Intera e Ottimizzazione Combinatoria: metodi esatti (Branch-and-Bound), cenni su metodi euristici e metaeuristici (ricerca locale e varianti).
Attivita' di apprendimento previste e metodologie di insegnamento: L'insegnamento prevede lezioni frontali ed esercitazioni in laboratorio. Le esercitazioni in laboratorio consistono nell'implementazione in un linguaggio di modellazione algebrica di semplici modelli di programmazione lineare (mista intera).
Eventuali indicazioni sui materiali di studio: Vengono rese disponibili delle dispense degli argomenti trattati a lezione e dei lucidi degli argomenti trattati in laboratorio, che contengono tutte le nozioni richieste all'esame.
Gli studenti interessati possono approfondire gli argomenti sui seguenti testi:
- D. Bertsimas, J. Tsitsiklis, Introduction to linear optimization, 1996, Athena Scientific.
- R. K.Ahuja, T. L. Magnanti, J. B. Orlin "Network flows. Theory, algorithms, and applications", 1993, Prentice Hall.
- L. A. Wolsey: "Integer programming", 1998, Wiley.
Testi di riferimento:

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Problem based learning
  • Case study
  • Interactive lecturing
  • Questioning
  • Problem solving
  • Utilizzo di video disponibili online o realizzati

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • One Note (inchiostro digitale)
  • Kaltura (ripresa del desktop, caricamento di files su MyMedia Unipd)
  • Camtasia (montaggio video)
  • Latex
  • AMPL, Excel Spreadsheet and Solver

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Lavoro dignitoso e crescita economica Industria, innovazione e infrastrutture Consumo e produzione responsabili Agire per il clima