Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
INGEGNERIA DELL'AUTOMAZIONE
Insegnamento
RICERCA OPERATIVA
INL1000878, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
INGEGNERIA DELL'AUTOMAZIONE
IN0527, ordinamento 2008/09, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese OPERATIONS RESEARCH
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
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 MATTEO FISCHETTI MAT/09

Mutuante
Codice Insegnamento Responsabile Corso di studio
IN11112347 RICERCA OPERATIVA 1 MATTEO FISCHETTI IN0521

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative MAT/09 9.0

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
LEZIONE 9.0 72 153.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2008

Commissioni d'esame
Commissione Dal Al Membri
9 A.A. 2018/2019 01/10/2018 15/03/2020 FISCHETTI MATTEO (Presidente)
SALVAGNIN DOMENICO (Membro Effettivo)
FERRANTE AUGUSTO (Supplente)
PIETRACAPRINA ANDREA ALBERTO (Supplente)

Syllabus
Prerequisiti: Nozioni di base di informatica e di calcolo matriciale
Conoscenze e abilita' da acquisire: Conoscere i fondamenti della Ricerca Operativa, ed in particolare le tecniche di ottimizzazione per problemi di tipo lineare e di tipo combinatorio, applicandole ad esempi (semplificati) di interesse applicativo. Essere in grado di classificare un modello matematico di decisione (decisori, obiettivi, variabili, vincoli, dati, contesto decisionale).
Modalita' di esame: Tradizionale
Criteri di valutazione: Prova scritta
Contenuti: Problemi di ottimizzazione. Programmazione Lineare (PL). Programmazione Lineare Intera (PLI). Teoria della Complessita` Computazionale. Teoria dei Grafi. Problemi NP-completi.
Attivita' di apprendimento previste e metodologie di insegnamento: Problemi di ottimizzazione: Programmazione matematica e programmazione convessa.
Programmazione Lineare (PL) : Generalita`. Modelli di PL. Geometria della PL. Algoritmo del simplesso: metodo delle 2 fasi, forma matriciale e tableau, simplesso rivisto. Degenerazione. Dualita` in PL. Algoritmo del simplesso duale. Analisi di sensitivita`.
Programmazione Lineare Intera (PLI): Modelli di PLI. Totale unimodularita`. Metodo dei piani di taglio di Chvatal-Gomory. Algoritmo branch-and-bound. Problema di separazione ed algoritmo branch-and-cut.
Teoria della Complessita` Computazionale: Classi P, NP, co-NP e problemi NP-completi. Riduzioni polinomiali.
Teoria dei Grafi: Definizioni. Problemi polinomiali (con modelli ed algoritmi di risoluzione): albero minimo, cammini minimi, flussi.
Problemi NP-completi (con modelli ed algoritmi di risoluzione): knapsack, commesso viaggiatore, set covering e set packing, alberi di Steiner, plant location.
Eventuali indicazioni sui materiali di studio:
Testi di riferimento:
  • Matteo Fischetti, Lezioni di Ricerca Operativa. Padova: Progetto, 1999. Cerca nel catalogo