PERIODO: APRILE - GIUGNO Il corso tratta problemi di ottimizzazione dinamica in condizioni di incertezza, affrontati mediante algoritmi di programmazione dinamica stocastica. Verranno considerati metodi numerici classici e metodi basati su simulazione Monte Carlo, oltre a problemi in cui le azioni hanno influenza sulla conoscenza del sistema.

 Il quadro generale: programmazione stocastica con ricorso, ottimizzazione robusta, programmazione dinamica stocastica.  Generazione di scenari: metodi Monte Carlo; metodi deterministici (quasi-Monte Carlo, quadrature Gaussiane, moment matching).  Programmazione dinamica: equazione di Bellman.  Metodi numerici classici e ottimizzazione basata sulla simulazione (reinforcement learning).  Optimal learning: approcci Bayesiani e knowledge gradient.

Modalità di esame:

Exam:

...

Gli studenti e le studentesse con disabilità o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unità Special Needs, al fine di permettere al/la docente la declinazione più idonea in riferimento alla specifica tipologia di esame.