Caricamento in corso...
Advanced techniques for optimization
01XAIRV
A.A. 2026/27
Course Language
Inglese
Degree programme(s)
Doctorate Research in Ingegneria Elettrica, Elettronica E Delle Comunicazioni - Torino
Course structure
| Teaching | Hours |
|---|---|
| Lezioni | 15,75 |
| Esercitazioni in aula | 4,25 |
Lecturers
| Teacher | Status | SSD | h.Les | h.Ex | h.Lab | h.Tut | h.Sem | Years teaching |
|---|---|---|---|---|---|---|---|---|
| Pirinoli Paola | Professore Ordinario | IINF-02/A | 15,75 | 4,25 | 0 | 0 | 0 | 1 |
Co-lectures
Context
| SSD | CFU | Activities | Area context | *** N/A *** | 4 |
|---|
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.
PERIOD: February
The course aims to introduce several global optimization techniques and to discuss their application to different engineering problems. Even if the proposed approaches are general purpose techniques and could in principle be applied to the optimization of any kind of problems, after the study of several well-known or more innovative methods their behavior will be analyzed when applied to different problems, to enlighten their strengths and their drawbacks.
The course will give both the competences on different optimization techniques, and on their use for the optimization of complex problems, as for instance the design of microwave components. The course outcome will be not only the knowledge of the principal and more innovative global optimization methods, but also the capability of choosing the proper approach for a given problem and to mathematically model this last in the most suitable way.
The course is organized in theoretical classes, during which the considered algorithms are presented, and labs, during which the students are asked to apply some of the analyzed techniques to the optimization of several benchmark functions, with the aim to become familiar with them, to study the effects of their characteristic parameters on their behavior and to compare their performance on different classes of problems.
The acquired competences will be tested through the development of a project, that could be carried on in small groups or individually, focused on the application of one or more of the considered optimization techniques to a problem of their own interest. The results are then presented to the other course attendees during a dedicated class.
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.
The course is devoted to all the Engineering PhD students, and therefore any particular prerequirement is asked, except the Matlab programming capability.
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
Quantum Optimization
Introduction to optimization: global vs. local, deterministic vs. non-deterministic techniques
Global optimization methods: evolutionary approaches
Genetic Algorithms
Particle Swarm Optimization
Innovative techniques: BBO, SNO, ...
Hybrid methods
Multi-objective approaches
Introduction to neural networks
Estimation distribution algorithms: Bayesian Optimization Algorithm, Compact Genetic Algorithm
Quantum Optimization
In presenza
On site
Sviluppo di project work in team
Team project work development
P.D.1-1 - Febbraio
P.D.1-1 - February
Il calendario delle lezioni sarà reso disponibile alla fine del 2026
Timetable will be available at the end of 2026