PORTALE DELLA DIDATTICA

PORTALE DELLA DIDATTICA

PORTALE DELLA DIDATTICA

Elenco notifiche



Ottimizzazione per il problem solving

01QNKOA, 01QNKJM, 01QNKLI, 01QNKLM, 01QNKLN, 01QNKLP, 01QNKLS, 01QNKLX, 01QNKLZ, 01QNKMA, 01QNKMB, 01QNKMC, 01QNKMH, 01QNKMK, 01QNKMN, 01QNKMO, 01QNKMQ, 01QNKNX, 01QNKOD, 01QNKPC, 01QNKPM

A.A. 2021/22

Lingua dell'insegnamento

Italiano

Corsi di studio

Corso di Laurea in Ingegneria Informatica - Torino
Corso di Laurea in Ingegneria Meccanica (Mechanical Engineering) - Torino
Corso di Laurea in Ingegneria Dell'Autoveicolo (Automotive Engineering) - Torino
Corso di Laurea in Ingegneria Informatica (Computer Engineering) - Torino
Corso di Laurea in Ingegneria Dell'Autoveicolo - Torino
Corso di Laurea in Electronic And Communications Engineering (Ingegneria Elettronica E Delle Comunicazioni) - Torino
Corso di Laurea in Ingegneria Dei Materiali - Torino
Corso di Laurea in Ingegneria Elettrica - Torino
Corso di Laurea in Ingegneria Aerospaziale - Torino
Corso di Laurea in Ingegneria Biomedica - Torino
Corso di Laurea in Ingegneria Chimica E Alimentare - Torino
Corso di Laurea in Ingegneria Civile - Torino
Corso di Laurea in Ingegneria Edile - Torino
Corso di Laurea in Ingegneria Energetica - Torino
Corso di Laurea in Ingegneria Meccanica - Torino
Corso di Laurea in Ingegneria Per L'Ambiente E Il Territorio - Torino
Corso di Laurea in Matematica Per L'Ingegneria - Torino
Corso di Laurea in Ingegneria Elettronica - Torino
Corso di Laurea in Ingegneria Fisica - Torino
Corso di Laurea in Ingegneria Del Cinema E Dei Mezzi Di Comunicazione - Torino
Corso di Laurea in Architettura - Torino

Organizzazione dell'insegnamento
Didattica Ore
Lezioni 40
Esercitazioni in aula 20
Docenti
Docente Qualifica Settore h.Lez h.Es h.Lab h.Tut Anni incarico
Ghirardi Marco Professore Associato MATH-06/A 20 10 0 0 4
Collaboratori
Espandi

Didattica
SSD CFU Attivita' formative Ambiti disciplinari
MAT/09 6 D - A scelta dello studente A scelta dello studente
2021/22
L'insegnamento di Ottimizzazione per il Problem Solving permette di affrontare e risolvere una vasta gamma di problemi di decisione propri dell’ingegneria o di altri settori del mondo reale: informatica, telecomunicazioni, industria manifatturiera, trasporti, logistica, economia, management, finanza, energia, terziario ed altri ancora. L’ottimizzazione richiede la modellazione del problema allo studio, cioè la costruzione di un modello matematico, sufficientemente rappresentativo del problema stesso, costituito dalle variabili del problema e da un obiettivo da perseguire nel rispetto di opportuni vincoli. Questo modello viene quindi risolto mediante opportuni algoritmi e solver di ottimizzazione.
The course Optimization for Problem Solving allows us to face and solve a wide range of decision problems in engineering or other areas of the real world: information technology, telecommunications, manufacturing, transportation, logistics, economics, management, finance, energy, services, and others. The optimization requires modeling of the problem to the study, namely the construction of a mathematical model that is sufficiently representative of the problem itself. Objective function and variables constitute this model, and appropriate constraints to be satisfied. Suitable algorithms and optimization solvers then solve the above model.
Conoscenze che l’insegnamento si propone di trasmettere agli studenti: gli studenti approfondiranno la teoria, i metodi e gli algoritmi per la risoluzione di problemi di ottimizzazione lineare continua (cioè, dove le variabili sono continue), intera (cioè, dove le variabili sono intere) e di flussi su reti. Abilità che l’insegnamento si propone di trasmettere agli studenti: gli studenti svilupperanno l’abilità di costruire, dato un problema reale, un corrispondente ed adeguato modello matematico e risolverlo mediante opportuni algoritmi e solver di ottimizzazione, acquisendo un corretto approccio al problem solving, che potranno proficuamente utilizzare nelle più svariate situazioni decisionali della loro vita.
Non sono richiesti prerequisiti. Le uniche conoscenze pregresse sono quelle già acquisite nei corsi di base di Ingegneria.
1. Ottimizzazione lineare: problemi e modelli. Metodo del simplesso e derivati (25% del corso). 2. Analisi della complessità computazionale dei problemi decisionali (5%). 3. Flussi su reti: concetti fondamentali di teoria dei grafi, ricerca di un albero ricoprente di costo minimo, problema dei trasporti, problema della ricerca di cammino minimo, problema del flusso di costo minimo, problema del massimo flusso, problema del minimo taglio (35% del corso). 4. Ottimizzazione lineare intera (ad es. problemi di progettazione di reti, localizzazione di servizi, instradamento di traffico, schedulazione): metodi esatti (Branch and Bound) e metodi euristici (ad es. algoritmi Greedy, Metaeuristiche, Ricerca locale, Tabu Search, Algoritmi Genetici) (35% del corso).
L’insegnamento integra opportunamente ore di lezione ed ore di esercitazioni, nella misura di circa 66% e 33% del corso, rispettivamente. Le esercitazioni vengono svolte in aula e seguono gli argomenti delle lezioni. Nel laboratorio LADISPE http://www.ladispe.polito.it/ sono a disposizione degli studenti i migliori solver di ottimizzazione esistenti sul mercato per risolvere problemi reali, anche di grandi dimensioni. In alcuni casi è possibile installarli anche sui PC personali degli studenti. Vengono fornite in aula le istruzioni per il loro uso. Non sono comunque richieste particolari competenze di programmazione.
Testi utilizzati per l’insegnamento: R. Tadei, F. Della Croce, Elementi di Ricerca Operativa, Progetto Leonardo, Editrice Esculapio, Bologna, 2010. R. Tadei, F. Della Croce, A. Grosso, Fondamenti di Ottimizzazione, Progetto Leonardo, Editrice Esculapio, Bologna, 2005. M. Ghirardi, A. Grosso, G. Perboli, Esercizi di Ricerca Operativa, Progetto Leonardo, Editrice Esculapio, Bologna, 2009. Altro materiale didattico, assieme ad esempi di esami precedenti, è disponibile sul portale della didattica. Testi consigliati per approfondimenti: H. P. Williams, Model building in Mathematical Programming, 4th ed., Wiley, 1999. H. P. Williams, Logic and Integer Programming, Springer, 2009. D.G. Luenberger, Y. Ye (2008), Linear and Non Linear Programming, Addison Wesley - https://web.stanford.edu/class/msande310/310trialtext.pdf M. Fischetti (2018), Lezioni di Ricerca Operativa, EAN:9781980835011 R.K. Ahuja et al., Network Flows, Prentice-Hall, New Jersey, 1993.
Modalità di esame: Prova scritta (in aula);
Exam: Written test;
... L’esame è scritto ed è volto ad accertare la conoscenza degli argomenti elencati nel programma del corso e la capacità di applicare le teorie ed i metodi di ottimizzazione visti a lezione alla soluzione degli esercizi proposti. L'esame ha una durata di 1,5 ore e consiste in una prova scritta con diversi quesiti sugli argomenti contenuti nel programma del corso. L’esame si pone l’obiettivo di verificare le competenze di cui al paragrafo "Risultati dell’apprendimento attesi": l'esame, infatti, comprende una prima domanda, di particolare importanza, che consiste nello scrivere, per un dato problema reale, un corrispondente modello matematico di ottimizzazione lineare che lo rappresenti opportunamente. Le restanti domande sono relative alla complessità computazionale e ai metodi di risoluzione di problemi di ottimizzazione continui ed interi visti a lezione. Durante la prova scritta non si potranno consultare testi, dispense e formulari. Inoltre, non è ammesso portare in aula dispositivi multimediali con accesso al web (ad esempio, smartphone, smartwatch e tablet). L’esame è superato se l’elaborato scritto ottiene un voto da 18/30 a 30/30 (lode inclusa). Verrà utilizzata una scala da 0 a 32 punti per la valutazione. La lode verrà assegnata se la votazione è di 32/30. L’esito della prova sarà comunicato agli studenti tramite un avviso sul portale della didattica.
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.
Modalità di esame: Prova scritta tramite PC con l'utilizzo della piattaforma di ateneo;
L’esame si svolge tramite l'ausilio della piattaforma Exam (accessibile dalla propria pagina studente, nella sezione “Esami in remoto”, 30 minuti prima dell’inizio dell’appello a cui si risulta iscritti). Il software Respondus viene utilizzato per garantire l’inibizione di qualsiasi software oltre al browser sul proprio computer. L'esame prevede, analogamente a quello in presenza, una domanda relativa alla modellazione di un problema di ottimizzazione, e una serie di quesiti (a risposta aperta e/o multipla) relativi alla complessità computazionale e ai metodi di risoluzione di problemi di ottimizzazione continui ed interi visti a lezione. Dotazione necessaria: un computer dotato di webcam, microfono, altoparlanti e accesso a internet. Sul PC deve essere installato il programma “Respondus LockDown Browser”. Il PC deve essere collegato alla presa di corrente per tutta la durata della prova. Non è consentito l’uso di qualsiasi altro dispositivo elettronico, accessorio o periferica (es: auricolari, cuffie, smart watch, cellulari, schermi aggiuntivi, ecc.). Non è consentito l’utilizzo e la consultazione di libri, appunti o altro materiale. È tuttavia ammesso l’utilizzo di matite, gomma e righello. È anche possibile avere qualcosa da bere (es. bottiglietta d’acqua). Non è consentito alzarsi o allontanarsi dalla postazione per tutta la durata della prova. L’esame deve essere svolto in un luogo silenzioso e correttamente illuminato della propria abitazione, privo di altre persone per tutta la durata della prova. Viene invalidato il compito a chiunque, per qualsiasi motivo, non rispetti anche una sola delle regole citate o che sia scoperto (anche successivamente tramite l’ausilio delle registrazioni) in comportamenti non conformi ad esse. In base alla gravità dell’infrazione, il docente può decidere se comunicare tale comportamento alle opportune commissioni disciplinari d’Ateneo.
Modalità di esame: Prova scritta (in aula); Prova scritta tramite PC con l'utilizzo della piattaforma di ateneo;
Esame da remoto: Si veda "Criteri, regole e procedure per l'esame in remoto". Esame in presenza: Come per l'esame da remoto, ma in questo caso l'esame scritto viene sostenuto in classe invece che da remoto.
Esporta Word