PERIODO: Febbraio Lo scopo del corso è quello di presentare diverse tecniche di ottimizzazione globale e di discutere la loro applicazione a differenti problemi di carattere ingegneristico. Infatti, anche se le metodologie considerate sono “general purpose” e quindi in linea di principio possono essere impiegate efficacemente per la soluzione di ogni tipo di problema, attraverso lo studio degli algoritmi più assestati e diffusi come di altri più innovativi applicati a differenti classi di problemi, si metteranno in evidenza come dalle caratteristiche di questi dipendano i loro punti di forza ed i loro limiti. Il corso intende fornire competenze sia su diverse tecniche di ottimizzazione che sulla loro applicazione per la soluzione di problemi complessi, come ad esempio il progetto di componenti a microonde. Lo scopo del corso non è solo quello analizzare i principali ed i più innovativi metodi di ottimizzazione globali, ma anche di sviluppare la capacità di saper scegliere l’approccio più appropriato per un dato problema e di saper sviluppare un suo efficiente modello matematico. Il corso è organizzato in lezioni teoriche, durante le quali vengono presentati i diversi approcci, ed in laboratori numerici, duranti i quali è richiesto agli studenti di applicare alcune di queste tecniche all’ottimizzazione di funzioni di benchmark, allo scopo di acquisire familiarità con gli algoritmi stessi, di studiare gli effetti che hanno i loro parametri caratteristici sul loro comportamento e di confrontare le loro prestazioni su diverse classi di problemi. L’accertamento delle competenze acquisite viene effettuato mediante lo sviluppo di un progetto, che può essere svolto in gruppi o singolarmente, nel quale viene richiesto agli studenti di applicare una o più delle tecniche analizzate ad un problema di loro interesse. I risultati ottenuti nei singoli progetti vengono presentati agli altri studenti scritti al corso durante una lezione dedicata a questa attività.

Poiochè il corso è volto agli studenti di tutti i Corsi di Dottorato dell'Ingegneria, non è richiesto nessun particolare prerequisito, se non la capacità di programmare in Matlab.

Introduzione: tecniche di ottimizzazione locali e globali, approcci deterministici e non deterministici Metodi di ottimizzazione globali: approcci evoluzionistici Algoritmi Genetici Particle Swarm Optimization Tecniche innovative: BBO, SNO, … Metodi ibridi Approcci multi-obiettivo Introduzione alle reti neurali Estimation Distribution Algorithms: Bayesian Optimization Algorithm, Compact Genetic Algorithm

In presenza

Sviluppo di project work in team

P.D.1-1 - Febbraio