Politecnico di Torino
Politecnico di Torino
   
Login  
en
Politecnico di Torino
Anno Accademico 2014/15
01OUWOQ, 01OUWNG, 01OUWOT, 01OUWOV, 01OUWPE, 01OUWQW
Convex optimization and engineering applications
Corso di Laurea Magistrale in Ingegneria Elettronica (Electronic Engineering) - Torino
Corso di Laurea Magistrale in Ingegneria Matematica - Torino
Corso di Laurea Magistrale in Ingegneria Delle Telecomunicazioni (Telecommunications Engineering) - Torino
Espandi...
Docente Qualifica Settore Lez Es Lab Anni incarico
Calafiore Giuseppe Carlo ORARIO RICEVIMENTO O2 ING-INF/04 40 20 0 6
SSD CFU Attivita' formative Ambiti disciplinari
ING-INF/04 6 D - A scelta dello studente A scelta dello studente
Presentazione
Il corso fornisce agli studenti la capacità di riconoscere e risolvere problemi di ottimizzazione convessa, che sono diventati pervasivi nelle moderne applicazioni ingegneristiche. Argomenti trattati sono: preliminari di analisi convessa, insiemi e funzioni convesse, problemi di ottimizzazione; minimi quadrati, programmazione lineare e quadratica; programmazione conica e semidefinita; problemi minimax, problemi geometrici (estremal volume, linear discrimination, support vectors machines). Condizioni di ottimalità, dualità, teorema delle alternative. Metodi di soluzione interior-point. Applicazioni nell’ambito del signal processing, dei sistemi dinamici e del controllo, del progetto di circuiti digitali e analogici, del progetto di filtri, della geometria computazionale, della statistica e della meccanica strutturale.
Risultati di apprendimento attesi
Capacità di riconoscere e modellare problemi ingegneristici sotto forma di programmi convessi, conoscere la teoria di base di tali problemi ed acquisire l’abilità a risolverli sia sviluppando algoritmi ad-hoc, sia utilizzando solver e ambienti software esistenti.
Prerequisiti / Conoscenze pregresse
Buona conoscenza di algebra lineare e geometria; basi di analisi matematica e probabilità. Conoscenze introduttive di calcolo numerico, ricerca operativa, teoria dei sistemi e di altre materie applicative sono utili ma non indispensabili per la fruizione del corso.
Programma
Systems of linear equations, Least Squares (LS), Linear Programming (LP), Ell-one norm optimization, Chebychev approximation.
Introduction, convex sets and convex functions. Optimization problems in standard form,
Introduzione, insiemi e funzioni convesse, proprietà. Ellissoidi, norm-balls, poliedri, etc.
Problemi di ottimo in forma standard, criteri di ottimalità.
Sistemi di equazioni lineari, minimi quadrati (LS), Programmazione Lineare (LP), problemi di ottimizzazione in norma \ell_1, approssimazione di Chebichev.
Esempi applicativi: generazione di forza-coppia tramite thrusters, illuminazione uniforme di superfici a patch, etc.
Programmazione Quadratica (QP), Ottimizzazione su coni del secondo ordine (SOCP).
Esempi e applicazioni: progetto di filtri a risposta all'impulso finita (FIR), antenna array design, beamforming con minimizzazione livelli sidelobe.
Linear Matrix Inequalities (LMI) e programmazione semidefinita (SDP).
Geometric programming (GP).
Introduzione agli ambienti di ottimizzazione convessa CVX e/o YALMIP.
Applicazioni: data-fitting, stima e approssimazione, dimensionamento di strutture meccaniche a truss, transistor sizing, minimi quadrati con dati incerti (Robust Least Squares), Bounded-Real Lemma, passività e applicazioni nella teoria dei circuiti.
Problemi geometrici: contenimento di poliedri, classificazione, ellissoidi di Lowner-John, linear discrimination, support vector machines.
Metodi e algoritmi interior-point.
Focus seminariali (mutuamente esclusivi, a rotazione negli anni):
- LMI nella teoria dei sistemi e del controllo
- Sparse optimization e compressed sensing
- Ottimizzazione convessa in finanza
- Ottimizzazione convessa e geometria algebrica, positività di polinomi
- Ottimizzazione distribuita
Organizzazione dell'insegnamento
Il corso si articola il circa 30 ore di lezione in aula e 30 ore di esercitazioni in laboratorio informatico.
Testi richiesti o raccomandati: letture, dispense, altro materiale didattico
1. S. Boyd and L. Vandenberghe; Convex Optimization, Cambridge Univ. Press, 2004.
2. L. El Ghaoui, G. Calafiore; Optimization Models, Cambridge Univ. Press (in preparation) (draft to be made available to students)
Criteri, regole e procedure per l'esame
Scritto
Orario delle lezioni
Statistiche superamento esami

Programma definitivo per l'A.A.2014/15
Indietro



© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
WCAG 2.0 (Level AA)
m@il