Servizi per la didattica
PORTALE DELLA DIDATTICA

Ricerca operativa

07CESPL, 07CESMQ, 07CESPI

A.A. 2019/20

Lingua dell'insegnamento

Italiano

Corsi di studio

Corso di Laurea in Ingegneria Gestionale - Torino
Corso di Laurea in Matematica Per L'Ingegneria - Torino
Corso di Laurea in Ingegneria Gestionale - Torino

Organizzazione dell'insegnamento
Didattica Ore
Lezioni 50
Esercitazioni in aula 30
Docenti
Docente Qualifica Settore h.Lez h.Es h.Lab h.Tut Anni incarico
Della Croce Di Dojola Federico - Corso 1 Professore Ordinario MAT/09 40 0 0 0 19
Della Croce Di Dojola Federico - Corso 2 Professore Ordinario MAT/09 40 0 0 0 19
Salassa Fabio Guido Mario - Corso 3   Ricercatore a tempo det. L.240/10 art.24-B MAT/09 20 0 0 0 1
Collaboratori
Espandi

Didattica
SSD CFU Attivita' formative Ambiti disciplinari
MAT/09 8 A - Di base Matematica, informatica e statistica
2018/19
La Ricerca Operativa consiste nella costruzione di modelli razionali per la rappresentazione di problemi complessi e dei relativi algoritmi risolutivi. Il corso si propone di dotare lo studente degli strumenti di base per modellizzare e risolvere una serie di problemi propri dell'ingegneria. Il corso si propone inoltre, quando il contesto lo richiede e la situazione problematica e informativa lo permette, di sintetizzare adeguatamente gli elementi necessari ad affrontare problemi decisionali.
Operations Research consists in building up rational models for the representation of complex problems and in devising the related solution algorithms. The course intends to provide the student the basic tools to model and solve various complex engineering problems. Further objective of the course is to be able to adequately synthesize the necessary elements when coping with decisional problems.
Alla conclusione del corso lo studente deve conoscere un insieme di metodi e comprenderne l'uso in contesti differenti. Inoltre, deve essere in grado di a) strutturare problemi di media complessità, selezionare un particolare metodo di risoluzione per il problema considerato e applicarlo al problema stesso; b) utilizzare strumenti software per risolvere problemi di maggiore complessità.
At the end of the course the student must know a set of methods, understand the use of the methods in different problem contexts and must be able to a) structure singular problems of medium complexity, choose a particular method in relation to the characteristics of the problem, and use that method in the right way; b) use software tools to deal with more complex problems.
Elementi di algebra lineare.
Elements of linear algebra
Programmazione Lineare: problemi e modelli; soluzioni di base; metodo del simplesso. Dualità: modelli primali e duali e loro proprietà. Analisi di sensibilità. Problemi e algoritmi su grafo. Programmazione Lineare Intera. Cenni di complessità computazionale Cenni di Programmazione multiobiettivi. Elementi di Analisi multicriteri e metodi di Surclassamento.
Linear programming: problems and models; base solutions; simplex method. Duality: primal and dual models and their properties. Sensitivity analysis. Integer linear programming. Problems that can be represented and solved as a network and graph theory algorithms. Elements of computational complexity. Elements of Multiobjective optimisation. Elements of Multi-criteria analysis for the decision aid and outranking methods
Le esercitazioni seguono gli argomenti delle lezioni.
The exercise classes are related to the topics presented in the course.
I testi, scelti tra quelli elencati, saranno comunicati a lezione dal docente titolare dell’insegnamento. Testi/dispense di riferimento per l’insegnamento - R. Tadei, F. Della Croce (2005), Elementi di Ricerca Operativa, Esculapio, Bologna - R. Tadei, F. Della Croce, A. Grosso (2005), Fondamenti di Ottimizzazione, Esculapio, Bologna. - M.F. Norese (2014), Strumenti di supporto alla decisione e metodi di analisi multicriteri. (dispense disponibili in rete). Testi/dispense consigliati per l’approfondimento - D.G. Luenberger, Y. Ye (2008), Linear and Non Linear Programming, Addison Wesley - https://web.stanford.edu/class/msande310/310trialtext.pdf - C.H. Papadimitriou, K. Steiglitz (1982), Combinatorial Optimization. Algorithms and Complexity, Prentice Hall. - P. Vincke (1992), Multicriteria decision-Aid, Wiley, Chichester. - L.A. Wolsey (1999), Integer Programming and Combinatorial Optimization, Wiley.
Textbooks that contain the topics presented in the course are: - R. Tadei, F. Della Croce (2005), Elementi di Ricerca Operativa, Esculapio, Bologna - R. Tadei, F. Della Croce, A. Grosso (2005), Fondamenti di Ottimizzazione, Esculapio, Bologna. - M.F. Norese (2014), Strumenti di supporto alla decisione e metodi di analisi multicriteri. (dispense disponibili in rete). Reference textbooks that contain part of the topics presented in the course are among others: - D.G. Luenberger, Y. Ye (2008), Linear and Non Linear Programming, Addison Wesley - https://web.stanford.edu/class/msande310/310trialtext.pdf - C.H. Papadimitriou, K. Steiglitz (1982), Combinatorial Optimization. Algorithms and Complexity, Prentice Hall. - P. Vincke (1992), Multicriteria decision-Aid, Wiley, Chichester. - L.A. Wolsey (1999), Integer Programming and Combinatorial Optimization, Wiley.
Modalità di esame: prova scritta;
Docente: Maria Franca Norese. L'esame consiste in una prova scritta della durata di due ore e relativa a tutti gli argomenti presentati a lezione. Una prima parte, della durata di circa un ora, comprende solo esercizi numerici di applicazione della teoria, con cui lo studente pu dimostrare di conoscere i metodi proposti e di saperli utilizzare in relazione a problemi di complessit ridotta. La seconda parte, che inizia dopo la consegna del lavoro effettuato nella prima, dura ancora circa un ora e comprende due soli esercizi di modellistica e analisi dei risultati dell applicazione dei metodi, in relazione a problemi di media complessità. Testi ed appunti possono essere utilizzati durante entrambe le prove. Il voto finale puo' arrivare sino a 30/30 e lode e consiste della somma dei voti delle due parti, ognuna contribuendo per circa il 50%.
Exam: written test;
Teacher: Maria Franca Norese The final exam is a written test in relation to all the topics presented during the course. It is composed by two different parts. The first part lasts around one hour and includes only numerical exercises of method application. The student has to demonstrate knowledge of the proposed methods and of their use in relation to problems of limited complexity. The second part, which starts after the delivering of the work made in the first part, lasts around one hour and includes only two exercises of modelling and result analysis, in relation of problems that present some elements of complexity. Texts and personal documentation can be used during both the parts of the written exam. The final score can arrive to 30/30 with Laude. It is obtained by summing the results of the first and the second part, each one contributing in terms of approximately 50% of the final score.


© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
m@il