Obiettivo del corso è fornire conoscenze di base sull'uso pratico delle tecniche di Ottimizzazione, comuni a diversi problemi di ingegneria e utili agli ing. informatici. Il corso, pur con salde basi teoriche, è orientato alle applicazioni su problemi concreti e considera in dettaglio le applicazioni possibili. Vengono chiarite le motivazioni e le proprietà delle varie tecniche risolutive, con particolare riferimento alla convergenza e alla robustezza. Al termine del corso lo studente sarà in grado di affrontare con successo problemi di ottimizzazione non lineare, potendo scegliere a ragion veduta le tecniche più adatte al suo problema.

 La struttura geometrica dei problemi di ottimo in spazi a dimensioni finite, con e senza vincoli; caratteristiche dei punti di ottimo e condizioni necessarie (e.g. Kuhn Tucker). Esempi di utilizzazione per la soluzione analitica di problemi di approssimazione e di controllo
 Metodi iterativi di ricerca dell'ottimo:
definizioni comuni e proprietà desiderate (e.g. convergenza e robustezza)
gradiente e metodi derivati (gradiente coniugato, metodi del secondo ordine)
metodi di programmazione quadratica e non lineare
algoritmi probabilistici (e,g. Box and Jenkins, algoritmi genetici)
esempi di utilizzazione per problemi reali
le reti neurali come 'ottimizzatori'
 Il problema di ottimo per sistemi dinamici a tempo discreto.
Formulazione generale
Il caso quadratico (problema di filtraggio e di controllo)

Il corso fa ampio uso di esercitazioni con l'uso di Matlab; lo studente si confronterà con una serie di problemi concreti, per la cui soluzione utilizzerà le diverse tecniche presentate nel corso, confrontandone i risultati. L'uso dello strumento Matlab permette, soprattutto nella prima parte del corso, una rapida comprensione della struttura geometrica dei problemi e delle proprietà delle varie tecniche.

Linear and Non Linear Programming

autore: D.G. Luenberger
casa ed.:J. Wiley