Gli obiettivi del corso di Metodi e Modelli di Ottimizzazione sono i seguenti:

 determinare cammini di lunghezza minima e massima a partire da un nodo radice;

 applicare i concetti di derivate generalizzate alle funzioni;
 applicare la teoria lagrangiana ai problemi di ottimizzazione vincolata;
 affrontare la teoria della dualità.

Conoscenza e capacità di comprensione (knowledge and understanding):

Alla fine del corso di Metodi e Modelli di Ottimizzazione, lo studente, avrà acquisito le conoscenze e le
capacità di base nell’ambito dell'ottimizzazione e della modellizzazione matematica e dimostrerà di:

 riconoscere problemi di ottimizzazione vincolata

 essere in grado di formulare poroblemi concreti in termini matematici
 possedere conoscenze e capacità di comprensione di testi.

Capacità di applicare conoscenza e comprensione (applying knowledge and understanding):

Le conoscenze teoriche e pratiche acquisite durante il corso permetteranno allo studente di:

 individuare le caratteristiche funzionali dei dati forniti;

 analizzare criticamente varie situazioni aziendali;
 proporre soluzioni ottimali a problemi complessi;
 identificare l'essenza di un problema e applicare principi generali a casi specifici.

Autonomia di giudizio (making judgements):

Lo studente, in virtù della formazione acquisita, anche di tipo analitico-quantitativo, sarà in grado di
analizzare ed interpretare criticamente i dati forniti.

Abilità comunicative (communication skills):

Alla fine del corso di Metodi e Modelli di Ottimizzazione lo studente sarà in grado di:

 trasmettere la propria esperienza e conoscenza ad altri;

 confrontarsi con gli altri, specialmente nell'elaborazione di progetti in cui si lavora in gruppo.

Capacità di apprendimento (learning skills):

 Lo studente avrà acquisito capacità di apprendere, anche in modo autonomo, ulteriori conoscenze
sui problemi di ottimizzazione. Tali capacità gli consentiranno di affrontare e risolvere problemi
concreti.

L'insegnamento verrà svolto mediante lezioni frontali, esercitazioni in aula e presso i laboratori informatici e
seminari.

Sono richiesti i concetti di base dell'Analisi Matematica I e II (differenziabilità, convessità di insiemi e

funzioni, topologia, ...) e della Ricerca Operativa (concetto di rete e di disequazione variazionale).
La frequenza è fortemente consigliata

Teoria dei grafi (circa 12 ore):

Digrafi e grafi: definizioni e nozioni preliminari. Rappresentazione mediante matrici. Algoritmo di Kruskal e
sua variante. Algoritmo di Dijkstra e sua variante. Algoritmo di Ford. Ordinamento in livelli dei nodi in un
digrafo privo di circuiti. Algoritmo di Bellmann-Kalaba. Il problema del commesso viaggiatore.

Derivate generalizzate (circa 10 ore)

Derivate direzionali. Derivate di Gâteaux e di Fréchet. Sottodifferenziali

Metodi risolutivi (circa 8 ore)

Metodo del sottogradiente, metodo di discretizzazione.

Condizioni di ottimalità (circa 10 ore)

Lemma di Farkas. Problemi di ottimo vincolato. Condizioni di Karush-Kuhn-Tucker. Teoria della dualità.

Applicazioni (circa 7 ore):

Esempi di problemi concreti formulati in termini di ottimo vincolato.

1. L. Daboni, P. Malesani, P. Manca, G. Ottaviani, F. Ricci, G. Sommi, “Ricerca Operativa”, Zanichelli,

Bologna, 1975.
2. P. Daniele, “Dynamic Networks and Evolutionary Variational Inequalities", Edward Elgar Publishing,
2006.
3. J. Jahn, "Introduction to the Theory of Nonlinear Optimization", Springer, 1996.
4. Dispense su STUDIUM

Si consultino le dispense presenti su STUDIUM

Inglese

Optimization Models and Methods

The objectives of the course Networks and Supernetworks are as follows:

 to determine paths of minimum and maximum length starting from a root node;
 to apply the concepts of generalized derivatives to functions;
 to apply the Lagrange theory to constrained optimization problems;
 to deal with the duality theory.
The course will be taught through lectures and exercises in the classroom and at the computer labs.

Graph theory (about 12 hours):

Graphs and digraphs: Definitions and preliminary notions, associated matrices. Kruskal's algorithm and its
variant. Dijkstra's algorithm and its variant. Ford algorithm. Bellman-Kalaba’s algorithm. The traveling
salesman problem.

Generalized derivatives (about 10 hours)

Directional derivatives, Gâteaux and Fréchet derivatives. Subdifferential.

Computational methods (about 8 hours)

The subgradient method. The discretization method.

Optimality conditions (about 10 hours)

Farkas lemma. Constrained optimization problems. Karush-Kuhn-Tucker conditions. Duality theory.

Applications (about 7 hours):

Examples of concrete constrained problems.

1. L. Daboni, P. Malesani, P. Manca, G. Ottaviani, F. Ricci, G. Sommi, “Ricerca Operativa”, Zanichelli,

Bologna, 1975.
2. P. Daniele, “Dynamic Networks and Evolutionary Variational Inequalities", Edward Elgar Publishing,
2006.
3. J. Jahn, "Introduction to the Theory of Nonlinear Optimization", Springer, 1996.
4. Papers on STUDIUM