 |
MANUEL IORI
Professore Ordinario
Dipartimento di Scienze e Metodi dell'Ingegneria
|
Insegnamento: Metodi e Algoritmi per l'Ottimizzazione nell'Industria Digitale e Creativa
Ingegneria gestionale (D.M.270/04) (Offerta formativa 2023)
Obiettivi formativi
Il corso si pone l'obiettivo di fornire una serie di strumenti per affrontare problemi decisionali caratterizzati da un alto livello di complessità, da situazioni di incertezza sui dati, o dalla presenza di obiettivi conflittuali.
Il corso ha una forte connotazione di laboratorio, e sfrutta ampiamente l'approccio "Learning by Doing". Quindi, oltre che sul necessario inquadramento teorico, verrà posta particolare enfasi sull'utilizzo di strumenti software (sia generali che specifici) e sullo sviluppo di esempi e progetti da parte degli studenti.
Prerequisiti
Si richiede la conoscenza preliminare di: Basi di programmazione lineare e intera; concetti elementari di analisi e di calcolo delle probabilità.
Programma del corso
Verranno considerate tre tipologie di strumenti:
(1) Analisi Decisionale: tratta i problemi decisionali caratterizzati da incertezza o rischio, cioè da una informazione incompleta sul comportamento del sistema.
(2) Programmazione Multicriterio: estende le tecniche classiche dell'ottimizzazione ai problemi in cui le alternative sono valutate in relazione a diversi obiettivi, tipicamente tra loro conflittuali.
(3) Simulazione Discreta: consente di rappresentare la dinamica di sistemi particolarmente complessi, analizzandone il comportamento in maniera quantitativa.
Metodi didattici
Lezioni introduttive sulle basi teoriche, esercitazioni ed attività di auto-apprendimento in laboratorio.
Testi di riferimento
Tutto il materiale didattico verrà fornito direttamente dal docente o sarà reperibile via web. Per ulteriori approfondimenti si consiglia "Multicriteria Optimization", di Matthias Ehrgott. Springer, 2◦ edizione, lingua inglese.
Verifica dell'apprendimento
Progetti di gruppo sui principali argomenti del corso.
Risultati attesi
(1) Conoscenza e capacità di comprensione.
Attraverso le lezioni introduttive lo studente comprende i fondamenti concettuali necessari per la modellizzazione di problemi decisionali di particolare complessità.
(2) Capacità di applicare conoscenza e comprensione.
Attraverso le attività di laboratorio lo studente apprende ad applicare le metodologie di supporto al processo decisionale, ad utilizzare e integrare strumenti software diversi, e a confrontare ed interpretare i risultati da essi forniti.
(3) Autonomia di giudizio.
L’insegnamento fornisce agli studenti gli strumenti per valutare con spirito critico diversi strumenti per modellare sistemi complessi.
(4) Abilità comunicative.
Il lavoro di gruppo richiesto permette agli studenti di migliorare le loro capacità comunicative e di interazione reciproca.
(5) Capacità di apprendimento.
L’insegnamento fornisce le basi per ulteriori approfondimenti su temi di ottimizzazione e simulazione.