Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
2° Anno Attivato nell'A.A. 2021/2022
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
1 module among the following (1st year: Big Data epistemology and Social research; 2nd year: Cybercrime, Data protection in business organizations, Comparative and Transnational Law & Technology)
2 courses among the following (1st year: Business analytics, Digital Marketing and market research; 2nd year: Logistics, Operations & Supply Chain, Digital transformation and IT change, Statistical methods for Business intelligence)
2 courses among the following (1st year: Complex systems and social physics, Discrete Optimization and Decision Making, 2nd year: Statistical models for Data Science, Continuous Optimization for Data Science, Network science and econophysics, Marketing research for agrifood and natural resources)
2 courses among the following (1st year: Data Visualisation, Data Security & Privacy, Statistical learning, Mining Massive Dataset, 2nd year: Machine Learning for Data Science)
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Discrete optimization and decision making (2020/2021)
Codice insegnamento
4S009081
Docente
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
MAT/09 - RICERCA OPERATIVA
Periodo
II semestre dal 1 mar 2021 al 11 giu 2021.
Obiettivi formativi
Il corso mira all’introduzione delle basi della programmazione matematica, al fine di sviluppare abilità di modellizzazione per formulare e risolvere problemi reali complessi in domini tanto deterministici che probabilistici. Il corso coprirà argomenti di programmazione lineare intera e continua, fornendo anche una buona conoscenza nell’ambito della programmazione stocastica e ottimizzazione robusta intesi come metodi nell’ambito della teoria delle decisioni. Le lezioni saranno incentrate sugli aspetti computazionali dei diversi approcci, nonché sulle rispettive caratteristiche di modellizzazione ed applicazione in ambiti concreti.
Al termine del corso lo studente dovrà dimostrare di:
● saper affrontare problemi di modellizzazione, ottimizzazione e scelta decisionale
● saper sviluppare strumenti computazionali per l’applicazione delle soluzioni teoriche in ambito ottimizzazione dei processi di, e.g., routing, produzione industriale e finanza
● saper utilizzare specifiche soluzioni software atte a risolvere formulazioni matematiche, e.g., Gurobi, Cplex
Programma
Programmazione Lineare. Concetti di base e tecniche di modellizzazione.
Programmazione Lineare (Mista) Intera. Concetti di base e tecniche di modellizzazione.
Approcci risolutivi per problemi di ottimizzazione: Metaeuristiche (ALNS, Kernel Search, Tabu Search, VNS) e cenni ai metodi esatti (Branch & Bound, Cutting Planes, Branch & Cut)
Programmazione Stocastica e cenni ad altri paradigmi per i processi decisionali in condizione di incertezza.
Modalità d'esame
L'esame è costituito da 2 parti.
La prima parte consiste in una prova scritta con 2 domande aperte e 1 esercizio.
La seconda parte è costituita da un progetto di gruppo e da una presentazione di un articolo scientifico da effettuare durante il corso.
Il voto finale è dato dalla media del voto ottenuto nelle due parti.