Emanuela GUERRIERO

Emanuela GUERRIERO

Professore II Fascia (Associato)

Settore Scientifico Disciplinare MAT/09: RICERCA OPERATIVA.

Dipartimento di Ingegneria dell'Innovazione

Centro Ecotekne Pal. O - S.P. 6, Lecce - Monteroni - LECCE (LE)

Ufficio, Piano terra

Telefono +39 0832 29 7789

Orario di ricevimento

 Per appuntamento da richiedere inviando un messaggio a emanuela.guerriero@unisalento.it

Visualizza QR Code Scarica la Visit Card

Curriculum Vitae

Emanuela Guerriero graduated in Computer Engineering from the Universita' degli Studi di Lecce in 1999. She got a PhD in Operations Research from the University of Calabria in 2003. In January 2004 she joined the Università of Lecce as Researcher of Operations Research (Dipartimento di Ingegneria dell'Innovazione). Since 2022  she is associate professor in Operations Research and teaches basic and advanced courses in mathematical programming and combinatorial optimization. She obtained the habilitation as Full Professor in Operations Research from the Italian Ministry of Education (Italian Ministry of Education, Italy) on May, 2020.

Her main research interests concern: combinatorial optimization models for planning and scheduling problems, with applications in manufacturing and logistics. I recent years she began to be interested in automated planning algorithms for smart farming and precision agriculture, based on machine learning models. She published more than 37 referred papers on international journals, including, International Transactions in Operational Research, European Journal of Operational Research, Parallel Computing, International Journal of Production Research, International Journal of Production Economics, Discrete Applied Mathematics, Transportation Science, 4OR, Computers and Operations Research. 

 

 

 

Didattica

A.A. 2023/2024

OTTIMIZZAZIONE

Corso di laurea INGEGNERIA INDUSTRIALE

Tipo corso di studio Laurea

Lingua ITALIANO

Crediti 9.0

Docente titolare TOMMASO ADAMO

Ripartizione oraria Ore totali di attività frontale: 81.0

  Ore erogate dal docente Emanuela GUERRIERO: 27.0

Anno accademico di erogazione 2023/2024

Per immatricolati nel 2022/2023

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso Percorso comune

Sede Lecce

OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Anno accademico di erogazione 2023/2024

Per immatricolati nel 2023/2024

Anno di corso 1

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso TEORICO-MODELLISTICO

Sede Lecce

RICERCA OPERATIVA

Corso di laurea MATEMATICA

Tipo corso di studio Laurea

Lingua ITALIANO

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 42.0

Anno accademico di erogazione 2023/2024

Per immatricolati nel 2021/2022

Anno di corso 3

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso PERCORSO COMUNE

Sede Lecce

A.A. 2022/2023

OTTIMIZZAZIONE

Corso di laurea INGEGNERIA INDUSTRIALE

Tipo corso di studio Laurea

Lingua ITALIANO

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 81.0

Anno accademico di erogazione 2022/2023

Per immatricolati nel 2021/2022

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce

OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Anno accademico di erogazione 2022/2023

Per immatricolati nel 2022/2023

Anno di corso 1

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso TEORICO-MODELLISTICO

Sede Lecce

OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Anno accademico di erogazione 2022/2023

Per immatricolati nel 2021/2022

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso APPLICATIVO

Sede Lecce

A.A. 2021/2022

ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Tipo corso di studio Laurea

Lingua ITALIANO

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Anno accademico di erogazione 2021/2022

Per immatricolati nel 2020/2021

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce

OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Anno accademico di erogazione 2021/2022

Per immatricolati nel 2020/2021

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso APPLICATIVO

Sede Lecce

A.A. 2020/2021

ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Tipo corso di studio Laurea

Lingua ITALIANO

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Anno accademico di erogazione 2020/2021

Per immatricolati nel 2019/2020

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce

OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Anno accademico di erogazione 2020/2021

Per immatricolati nel 2019/2020

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso APPLICATIVO

A.A. 2019/2020

ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Tipo corso di studio Laurea

Lingua ITALIANO

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Anno accademico di erogazione 2019/2020

Per immatricolati nel 2018/2019

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce

OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Anno accademico di erogazione 2019/2020

Per immatricolati nel 2018/2019

Anno di corso 2

Struttura DIPARTIMENTO DI MATEMATICA E FISICA "ENNIO DE GIORGI"

Percorso APPLICATIVO

Sede Lecce

A.A. 2018/2019

ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Tipo corso di studio Laurea

Lingua ITALIANO

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Anno accademico di erogazione 2018/2019

Per immatricolati nel 2017/2018

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso Curriculum gestionale

Sede Lecce

ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Tipo corso di studio Laurea

Lingua ITALIANO

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Anno accademico di erogazione 2018/2019

Per immatricolati nel 2017/2018

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso Curriculum meccanica

Sede Lecce

Torna all'elenco
RICERCA OPERATIVA

Corso di laurea INGEGNERIA INFORMATICA

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 81.0

Per immatricolati nel 2023/2024

Anno accademico di erogazione 2024/2025

Anno di corso 2

Semestre Primo Semestre (dal 16/09/2024 al 20/12/2024)

Lingua ITALIANO

Percorso Percorso comune (999)

Sede Lecce

RICERCA OPERATIVA (MAT/09)
OTTIMIZZAZIONE

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 9.0

Docente titolare TOMMASO ADAMO

Ripartizione oraria Ore totali di attività frontale: 81.0

  Ore erogate dal docente Emanuela GUERRIERO: 27.0

Per immatricolati nel 2022/2023

Anno accademico di erogazione 2023/2024

Anno di corso 2

Semestre Primo Semestre (dal 18/09/2023 al 22/12/2023)

Lingua ITALIANO

Percorso Percorso comune (999)

Sede Lecce

- ANALISI MATEMATICA  mod 1 e mod 2; 

- GEOMETRIA E ALGEBRA

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti l'ottimizzazione nel contesto dell'ingegneria industriale.   I contenuti saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema. Saranno fornite conoscenze operative e metodologiche di base per progettare e sviluppare algoritmi.

Dopo il corso lo studente dovrebbe essere in grado di:

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Introduzione alla modellazione di problemi di ottimizzazione

Introduzione alla programmazione lineare. Le ipotesi della programmazione lineare

Metodi risolutivi per la programmazione lineare. Il simplesso

La programmazione intera.  Uso delle variabili binarie nella formulazione dei modelli di ottimizzazione. Risoluzione mediante l'algoritmo del Branch-And-Bound.

Svolgimento di esercizi sugli argomenti trattati.

Programmazione non lineare

Elementi di programmazione scientifica. Tipi, variabili, operatori, espressioni condizionali, metodi, cicli. 

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • Appunti delle lezioni.
OTTIMIZZAZIONE (MAT/09)
OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea Magistrale

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Per immatricolati nel 2023/2024

Anno accademico di erogazione 2023/2024

Anno di corso 1

Semestre Secondo Semestre (dal 26/02/2024 al 07/06/2024)

Lingua ITALIANO

Percorso TEORICO-MODELLISTICO (A217)

Sede Lecce

Conoscenza dei concetti di base della Matematica.

Il corso ha l'obiettivo di fornire una panoramica dei concetti fondamentali dell’Ottimizzazione Combinatoria e di alcuni degli algoritmi principali per la soluzione di problemi combinatori.

Conoscenze e comprensione: Risultati fondamentali e avanzati di Ottimizzazione Combinatoria e problematiche di ricerca classiche e attuali.

Capacità di applicare conoscenze e comprensione: * essere in grado di produrre dimostrazioni rigorose e descrizioni formali di algoritmi per problemi combinatori; * essere in grado di formalizzare e risolvere problemi di moderata difficoltà nell’ambito della Ottimizzazione Combinatoria. * essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell’ambito della Ottimizzazione Combinatoria.

Autonomia di giudizio: L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.

Abilità comunicative: La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare in modo chiaro e privo di ambiguità problemi, idee e soluzioni riguardanti la Ottimizzazione Combinatoria, ad un pubblico specializzato o generico.

Capacità di apprendimento: Sarà sollecitato l’approfondimento di argomenti, correlati con l’insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

 

Lezioni in modalità mista ed esercitazioni in aula.

Orale

Gli studenti dovranno prenotarsi all’esame, utilizzando esclusivamente le modalità on-line previste dal sistema VOL.

Formulazioni ideali ed alternative

Ottimalità, rilassamenti e bound

Problemi naturalmente interi, submodularità e matroidi

Problemi di Matching a di Assegnamento

Programmazione Dinamica

Algoritmi Branch and X

Algoritmi di cutting plane

Algoritmi euristici

Dalla teoria alla pratica: rassegna sui software risolutivi basati su mathematical programming

 

 

 

Integer Programming Laurence A. Wolsey Wiley

Integer and Combinatorial Optimization Nemhauser Wolsey

Lezioni di Ricerca Operativa Matteo Fischietti

Model Building in Mathematical Programming by Paul Williams

MODELLI DI OTTIMIZZAZIONE PER LE DECISIONI by Fabio Schoen

AMPL BOOK https://ampl.com/resources/the-ampl-book/chapter-downloads/

 

 

OTTIMIZZAZIONE COMBINATORIA (MAT/09)
RICERCA OPERATIVA

Corso di laurea MATEMATICA

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 42.0

Per immatricolati nel 2021/2022

Anno accademico di erogazione 2023/2024

Anno di corso 3

Semestre Primo Semestre (dal 18/09/2023 al 15/12/2023)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

Sede Lecce

Si richiedono conoscenze di Geometria ed Algebra.

Il corso introduce ai modelli e metodi di ottimizzazione matematica per la risoluzione di problemi decisionali. I temi affrontati riguardano la modellazione di problemi e i metodi di soluzione tramite la programmazione lineare e lineare intera, dal punto di vista metodologico, teorico ed applicativo.

Conoscenze e comprensione. Il corso intende impartire allo studente conoscenze di base sia operative che metodologiche per affrontare e risolvere problemi di ottimizzazione, sia dal punto di vista della modellazione, che della strategia algoritmica di soluzione. Gli studenti devono possedere una solida preparazione con conoscenze di base relative alle tecniche di analisi matematica e geometria, con riferimento al calcolo combinatorio ed al calcolo matriciale.

Capacità di applicare conoscenze e comprensione. Dopo il corso lo studente dovrebbe essere in grado di:

  • formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione;
  • individuare l’algoritmo risolutivo più adatto per determinare la soluzione ottima di un problema di ottimizzazione.

Autonomia di giudizio. Gli studenti devono possedere la capacità di modellare e risolvere problemi di ottimizzazione combinatoria. Il corso promuove l’autonomia di giudizio nella scelta appropriata della tecnica da utilizzare per modellare e risolvere problemi di ottimizzazione.

Abilità comunicative. Gli studenti devono essere in grado di comunicare in modo chiaro con un pubblico eterogeneo, utilizzando gli strumenti metodologici acquisiti nell'ambito del corso, facendo uso della terminologia più appropriata.

Capacità di apprendimento. Gli studenti devono acquisire la capacità critica di rapportarsi alle problematiche tipiche dell'ottimizzazione. Devono essere in grado di rielaborare e di applicare autonomamente le conoscenze e i metodi appresi in vista di un’eventuale prosecuzione degli studi a livello superiore (laurea magistrale) o nella più ampia prospettiva di auto-aggiornamento culturale e professionale dell'apprendimento permanente.

Lezioni frontali ed esercitazioni.

Esame Scritto

Formulazione di modelli di ottimizzazione.

Programmazione lineare: il metodo del gradiente ed il metodo del simplesso.

Programmazione lineare intera: algoritmo di Branch & Bound.

Svolgimento di esercizi sugli argomenti trattati.

  • Matteo Fischetti, Lezioni di Ricerca Operativa, Kindle Direct Publishing, 4/ed, 2018.
  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • Appunti delle lezioni.
RICERCA OPERATIVA (MAT/09)
OTTIMIZZAZIONE

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 81.0

Per immatricolati nel 2021/2022

Anno accademico di erogazione 2022/2023

Anno di corso 2

Semestre Primo Semestre (dal 19/09/2022 al 16/12/2022)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

Sede Lecce

- ANALISI MATEMATICA  mod 1 e mod 2; 

- GEOMETRIA E ALGEBRA

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti l'ottimizzazione nel contesto dell'ingegneria industriale.   I contenuti saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema. Saranno fornite conoscenze operative e metodologiche di base per progettare e sviluppare algoritmi.

Dopo il corso lo studente dovrebbe essere in grado di:

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Introduzione alla modellazione di problemi di ottimizzazione

Introduzione alla programmazione lineare. Le ipotesi della programmazione lineare

Metodi risolutivi per la programmazione lineare. Il simplesso

La programmazione intera.  Uso delle variabili binarie nella formulazione dei modelli di ottimizzazione. Risoluzione mediante l'algoritmo del Branch-And-Bound.

Svolgimento di esercizi sugli argomenti trattati.

Programmazione non lineare

Elementi di programmazione scientifica. Tipi, variabili, operatori, espressioni condizionali, metodi, cicli. 

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • Appunti delle lezioni.
OTTIMIZZAZIONE (MAT/09)
OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea Magistrale

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Per immatricolati nel 2022/2023

Anno accademico di erogazione 2022/2023

Anno di corso 1

Semestre Secondo Semestre (dal 27/02/2023 al 09/06/2023)

Lingua ITALIANO

Percorso TEORICO-MODELLISTICO (A217)

Sede Lecce

Conoscenza dei concetti di base della Matematica.

Il corso ha l'obiettivo di fornire una panoramica dei concetti fondamentali dell’Ottimizzazione Combinatoria e di alcuni degli algoritmi principali per la soluzione di problemi combinatori.

Conoscenze e comprensione: Risultati fondamentali e avanzati di Ottimizzazione Combinatoria e problematiche di ricerca classiche e attuali.

Capacità di applicare conoscenze e comprensione: * essere in grado di produrre dimostrazioni rigorose e descrizioni formali di algoritmi per problemi combinatori; * essere in grado di formalizzare e risolvere problemi di moderata difficoltà nell’ambito della Ottimizzazione Combinatoria. * essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell’ambito della Ottimizzazione Combinatoria.

Autonomia di giudizio: L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.

Abilità comunicative: La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare in modo chiaro e privo di ambiguità problemi, idee e soluzioni riguardanti la Ottimizzazione Combinatoria, ad un pubblico specializzato o generico.

Capacità di apprendimento: Sarà sollecitato l’approfondimento di argomenti, correlati con l’insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

 

Lezioni in modalità mista ed esercitazioni in aula.

Orale

Gli studenti dovranno prenotarsi all’esame, utilizzando esclusivamente le modalità on-line previste dal sistema VOL.

Programmazione Matematica

Modelli di programmazione Lineare (Intera).  

Modelli avanzati

Richiami di Programmazione Lineare

Richiami sulla dualità in programmazione Lineare

Algoritmi risolutivi esatti ed euristici per la soluzione di problemi di ottimizzazione combinatoria

 

 

 

Integer Programming Laurence A. Wolsey Wiley

Integer and Combinatorial Optimization Nemhauser Wolsey

Lezioni di Ricerca Operativa Matteo Fischietti

Model Building in Mathematical Programming by Paul Williams

MODELLI DI OTTIMIZZAZIONE PER LE DECISIONI by Fabio Schoen

AMPL BOOK https://ampl.com/resources/the-ampl-book/chapter-downloads/

 

 

OTTIMIZZAZIONE COMBINATORIA (MAT/09)
OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea Magistrale

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Per immatricolati nel 2021/2022

Anno accademico di erogazione 2022/2023

Anno di corso 2

Semestre Secondo Semestre (dal 27/02/2023 al 09/06/2023)

Lingua ITALIANO

Percorso APPLICATIVO (022)

Sede Lecce

Conoscenza dei concetti di base della Matematica.

Il corso ha l'obiettivo di fornire una panoramica dei concetti fondamentali dell’Ottimizzazione Combinatoria e di alcuni degli algoritmi principali per la soluzione di problemi combinatori.

Conoscenze e comprensione: Risultati fondamentali e avanzati di Ottimizzazione Combinatoria e problematiche di ricerca classiche e attuali.

Capacità di applicare conoscenze e comprensione: * essere in grado di produrre dimostrazioni rigorose e descrizioni formali di algoritmi per problemi combinatori; * essere in grado di formalizzare e risolvere problemi di moderata difficoltà nell’ambito della Ottimizzazione Combinatoria. * essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell’ambito della Ottimizzazione Combinatoria.

Autonomia di giudizio: L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.

Abilità comunicative: La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare in modo chiaro e privo di ambiguità problemi, idee e soluzioni riguardanti la Ottimizzazione Combinatoria, ad un pubblico specializzato o generico.

Capacità di apprendimento: Sarà sollecitato l’approfondimento di argomenti, correlati con l’insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

 

Lezioni in modalità mista ed esercitazioni in aula.

Orale

Gli studenti dovranno prenotarsi all’esame, utilizzando esclusivamente le modalità on-line previste dal sistema VOL.

Programmazione Matematica

Modelli di programmazione Lineare (Intera).  

Modelli avanzati

Richiami di Programmazione Lineare

Richiami sulla dualità in programmazione Lineare

Algoritmi risolutivi esatti ed euristici per la soluzione di problemi di ottimizzazione combinatoria

 

 

 

Integer Programming Laurence A. Wolsey Wiley

Integer and Combinatorial Optimization Nemhauser Wolsey

Lezioni di Ricerca Operativa Matteo Fischietti

Model Building in Mathematical Programming by Paul Williams

MODELLI DI OTTIMIZZAZIONE PER LE DECISIONI by Fabio Schoen

AMPL BOOK https://ampl.com/resources/the-ampl-book/chapter-downloads/

 

 

OTTIMIZZAZIONE COMBINATORIA (MAT/09)
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Per immatricolati nel 2020/2021

Anno accademico di erogazione 2021/2022

Anno di corso 2

Semestre Primo Semestre (dal 20/09/2021 al 17/12/2021)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

Sede Lecce

ANALISI MATEMATICA E GEOMETRIA I mod A e mod B

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati.  I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica.

Statistica Descrittiva - Plot dei dati, misura di centralità e variazione.

Introduzione alla probabilità . Tipi di probabilità- Addition Rules - Probabilità Condizionata - Multiplication Rule - Teorema di Bayes

Elementi di calcolo Combinatorio - Permutazioni e Combinazioni - Distribuzioni di Probabilità

Distribuzioni Discrete di Probabilità - Distribuzione Binomial

Distribuzioni di probabilità continue . Distribuzione Normale - Regola Empirica -

Svolgimento di esercizi sugli argomenti trattati.

Elementi di ottimizzazione. 

Introduzione alla modellazione di problemi di ottimizzazione

Introduzione alla programmazione lineare. Le ipotesi della programmazione lineare

Metodi risolutivi per la programmazione lineare. Il simplesso

Teoria della dualità e analisi della sensitività

La programmazione intera.  Uso delle variabili binarie nella formulazione dei modelli di ottimizzazione. Risoluzione mediante l'algoritmo del Branch-And-Bound.

Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Statistics Problems Michael Kelley, Robert A. Donnelly Jr. - alpha Books -2009
  • D. Freedman, R. Pisani, R. Purves, “Statistics” 4th ed. Norton international student edition

  • Appunti delle lezioni.
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA (MAT/09)
OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea Magistrale

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Per immatricolati nel 2020/2021

Anno accademico di erogazione 2021/2022

Anno di corso 2

Semestre Secondo Semestre (dal 21/02/2022 al 27/05/2022)

Lingua ITALIANO

Percorso APPLICATIVO (022)

Sede Lecce

Conoscenza dei concetti di base della Matematica.

Il corso ha l'obiettivo di fornire una panoramica dei concetti fondamentali dell’Ottimizzazione Combinatoria e di alcuni degli algoritmi principali per la soluzione di problemi combinatori.

Conoscenze e comprensione: Risultati fondamentali e avanzati di Ottimizzazione Combinatoria e problematiche di ricerca classiche e attuali.

Capacità di applicare conoscenze e comprensione: * essere in grado di produrre dimostrazioni rigorose e descrizioni formali di algoritmi per problemi combinatori; * essere in grado di formalizzare e risolvere problemi di moderata difficoltà nell’ambito della Ottimizzazione Combinatoria. * essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell’ambito della Ottimizzazione Combinatoria.

Autonomia di giudizio: L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.

Abilità comunicative: La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare in modo chiaro e privo di ambiguità problemi, idee e soluzioni riguardanti la Ottimizzazione Combinatoria, ad un pubblico specializzato o generico.

Capacità di apprendimento: Sarà sollecitato l’approfondimento di argomenti, correlati con l’insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

 

Lezioni in modalità mista ed esercitazioni in aula.

Orale

Gli studenti dovranno prenotarsi all’esame, utilizzando esclusivamente le modalità on-line previste dal sistema VOL.

Programmazione Matematica

Modelli di programmazione Lineare (Intera).  

Il linguaggio AMPL

Modelli avanzati

Richiami di Programmazione Lineare

Richiami sulla dualità in programmazione Lineare

Algoritmi risolutivi esatti ed euristici per la soluzione di problemi di ottimizzazione combinaoria

 

 

 

Integer and Combinatorial Optimization Nemhauser Wolsey

Lezioni di Ricerca Operativa Matteo Fischietti

Model Building in Mathematical Programming by Paul Williams

MODELLI DI OTTIMIZZAZIONE PER LE DECISIONI by Fabio Schoen

AMPL BOOK https://ampl.com/resources/the-ampl-book/chapter-downloads/

Integer Programming Laurence A. Wolsey Wiley

 

OTTIMIZZAZIONE COMBINATORIA (MAT/09)
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Per immatricolati nel 2019/2020

Anno accademico di erogazione 2020/2021

Anno di corso 2

Semestre Primo Semestre (dal 22/09/2020 al 18/12/2020)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

Sede Lecce

ANALISI MATEMATICA E GEOMETRIA I mod A e mod B

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati.  I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica.

Statistica Descrittiva - Plot dei dati, misura di centralità e variazione.

Introduzione alla probabilità . Tipi di probabilità- Addition Rules - Probabilità Condizionata - Multiplication Rule - Teorema di Bayes

Elementi di calcolo Combinatorio - Permutazioni e Combinazioni - Distribuzioni di Probabilità

Distribuzioni Discrete di Probabilità - Distribuzione Binomial

Distribuzioni di probabilità continue . Distribuzione Normale - Regola Empirica -

Svolgimento di esercizi sugli argomenti trattati.

Elementi di ottimizzazione. 

Introduzione alla modellazione di problemi di ottimizzazione

Introduzione alla programmazione lineare. Le ipotesi della programmazione lineare

Metodi risolutivi per la programmazione lineare. Il simplesso

Teoria della dualità e analisi della sensitività

Modelli di Ottimizzazione su rete

La programmazione intera.  Uso delle variabili binarie nella formulazione dei modelli di ottimizzazione. Risoluzione mediante l'algoritmo del Branch-And-Bound.

Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Statistics Problems Michael Kelley, Robert A. Donnelly Jr. - alpha Books -2009
  • D. Freedman, R. Pisani, R. Purves, “Statistics” 4th ed. Norton international student edition

  • Appunti delle lezioni.
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA (MAT/09)
OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea Magistrale

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Per immatricolati nel 2019/2020

Anno accademico di erogazione 2020/2021

Anno di corso 2

Semestre Primo Semestre (dal 21/09/2020 al 18/12/2020)

Lingua ITALIANO

Percorso APPLICATIVO (022)

Conoscenza dei concetti di base della Matematica.

Il corso ha l'obiettivo di fornire una panoramica dei concetti fondamentali dell’Ottimizzazione Combinatoria e di alcuni degli algoritmi principali per la soluzione di problemi combinatori.

Conoscenze e comprensione: Risultati fondamentali e avanzati di Ottimizzazione Combinatoria e problematiche di ricerca classiche e attuali.

Capacità di applicare conoscenze e comprensione: * essere in grado di produrre dimostrazioni rigorose e descrizioni formali di algoritmi per problemi combinatori; * essere in grado di formalizzare e risolvere problemi di moderata difficoltà nell’ambito della Ottimizzazione Combinatoria. * essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell’ambito della Ottimizzazione Combinatoria.

Autonomia di giudizio: L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.

Abilità comunicative: La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare in modo chiaro e privo di ambiguità problemi, idee e soluzioni riguardanti la Ottimizzazione Combinatoria, ad un pubblico specializzato o generico.

Capacità di apprendimento: Sarà sollecitato l’approfondimento di argomenti, correlati con l’insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

 

Lezioni frontali ed esercitazioni in aula.

Orale

Gli studenti dovranno prenotarsi all’esame, utilizzando esclusivamente le modalità on-line previste dal sistema VOL.

Programmazione Matematica.  

Modelli di programmazione Lineare (Intera).  

Il linguaggio AMPL

Modelli avanzati

Dualità in programmazione Lineare

Programmazione Lineare Intera

Ottimizzazione su grafi

 

 

Lezioni di Ricerca Operativa Matteo Fischietti

Integer and Combinatorial Optimization Nemhauser Wolsey

Model Building in Mathematical Programming by Paul Williams

AMPL BOOK https://ampl.com/resources/the-ampl-book/chapter-downloads/

OTTIMIZZAZIONE COMBINATORIA (MAT/09)
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Per immatricolati nel 2018/2019

Anno accademico di erogazione 2019/2020

Anno di corso 2

Semestre Secondo Semestre (dal 02/03/2020 al 05/06/2020)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

Sede Lecce

ANALISI MATEMATICA E GEOMETRIA I mod A e mod B

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati.  I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica.

Statistica Descrittiva - Plot dei dati, misura di centralità e variazione.

Introduzione alla probabilità . Tipi di probabilità- Addition Rules - Probabilità Condizionata - Multiplication Rule - Teorema di Bayes

Elementi di calcolo Combinatorio - Permutazioni e Combinazioni - Distribuzioni di Probabilità

Distribuzioni Discrete di Probabilità - Distribuzione Binomial

Distribuzioni di probabilità continue . Distribuzione Normale - Regola Empirica - Distribuzione Uniforme

Correlazione e Regressione

Svolgimento di esercizi sugli argomenti trattati.

Elementi di ottimizzazione. 

Introduzione alla moderazione di problemi di ottimizzazione

Introduzione alla programmazione lineare. Le ipotesi della programmazione lineare

Metodi risolutivi per la programmazione lineare. Il simplesso

Teoria della dualità e analisi della sensitività

Modelli di Ottimizzazione su rete

La programmazione intera.  Uso delle variabili binarie nella formulazione dei modelli di ottimizzazione. Risoluzione mediante l'algoritmo del Branch-And-Bound.

Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Statistics Problems Michael Kelley, Robert A. Donnelly Jr. - alpha Books -2009
  • D. Freedman, R. Pisani, R. Purves, “Statistics” 4th ed. Norton international student edition

  • Appunti delle lezioni.
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA (MAT/09)
OTTIMIZZAZIONE COMBINATORIA

Corso di laurea MATEMATICA

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea Magistrale

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 63.0

Per immatricolati nel 2018/2019

Anno accademico di erogazione 2019/2020

Anno di corso 2

Semestre Primo Semestre (dal 30/09/2019 al 20/12/2019)

Lingua ITALIANO

Percorso APPLICATIVO (022)

Sede Lecce

Conoscenza dei concetti di base della Matematica.

Il corso ha l'obiettivo di fornire una panoramica dei concetti fondamentali dell’Ottimizzazione Combinatoria e di alcuni degli algoritmi principali per la soluzione di problemi combinatori.

Conoscenze e comprensione: Risultati fondamentali e avanzati di Ottimizzazione Combinatoria e problematiche di ricerca classiche e attuali.

Capacità di applicare conoscenze e comprensione: * essere in grado di produrre dimostrazioni rigorose e descrizioni formali di algoritmi per problemi combinatori; * essere in grado di formalizzare e risolvere problemi di moderata difficoltà nell’ambito della Ottimizzazione Combinatoria. * essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell’ambito della Ottimizzazione Combinatoria.

Autonomia di giudizio: L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.

Abilità comunicative: La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare in modo chiaro e privo di ambiguità problemi, idee e soluzioni riguardanti la Ottimizzazione Combinatoria, ad un pubblico specializzato o generico.

Capacità di apprendimento: Sarà sollecitato l’approfondimento di argomenti, correlati con l’insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

 

Lezioni frontali ed esercitazioni in aula.

Orale

Gli studenti dovranno prenotarsi all’esame, utilizzando esclusivamente le modalità on-line previste dal sistema VOL.

Programmazione Matematica.  

Modelli di programmazione Lineare (Intera).  

Il linguaggio AMPL

Modelli avanzati

Dualità in programmazione Lineare

Programmazione Lineare Intera

Ottimizzazione su grafi

 

 

Lezioni di Ricerca Operativa Matteo Fischietti

Integer and Combinatorial Optimization Nemhauser Wolsey

Model Building in Mathematical Programming by Paul Williams

AMPL BOOK https://ampl.com/resources/the-ampl-book/chapter-downloads/

OTTIMIZZAZIONE COMBINATORIA (MAT/09)
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Per immatricolati nel 2017/2018

Anno accademico di erogazione 2018/2019

Anno di corso 2

Semestre Primo Semestre (dal 24/09/2018 al 21/12/2018)

Lingua ITALIANO

Percorso Curriculum gestionale (A91)

Sede Lecce

È necessario aver superato l’esame di "Analisi Matematica e Geometria I".

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati.  I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica. Istogrammi, media e deviazione standard. La distribuzione normale. Correlazione e regressione. Variabili aleatorie. Modelli di variabili aleatorie. Svolgimento di esercizi sugli argomenti trattati.

Elementi di ottimizzazione. Programmazione lineare: il metodo del gradiente ed il metodo del simplesso. Programmazione lineare intera: algoritmo di Branch & Bound. Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Appunti delle lezioni.
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA (MAT/09)
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 6.0

Ripartizione oraria Ore totali di attività frontale: 54.0

Per immatricolati nel 2017/2018

Anno accademico di erogazione 2018/2019

Anno di corso 2

Semestre Primo Semestre (dal 24/09/2018 al 21/12/2018)

Lingua ITALIANO

Percorso Curriculum meccanica (A86)

Sede Lecce

È necessario aver superato l’esame di "Analisi Matematica e Geometria I".

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati.  I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica. Istogrammi, media e deviazione standard. La distribuzione normale. Correlazione e regressione. Variabili aleatorie. Modelli di variabili aleatorie. Svolgimento di esercizi sugli argomenti trattati.

Elementi di ottimizzazione. Programmazione lineare: il metodo del gradiente ed il metodo del simplesso. Programmazione lineare intera: algoritmo di Branch & Bound. Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Appunti delle lezioni.
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA (MAT/09)
ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 81.0

Per immatricolati nel 2016/2017

Anno accademico di erogazione 2017/2018

Anno di corso 2

Semestre Secondo Semestre (dal 01/03/2018 al 01/06/2018)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

Sede Lecce

È necessario aver superato l’esame di "Analisi Matematica e Geometria I".

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica, la programmazione scientifica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati. Gli elementi di programmazione scientifica forniranno le conoscenze operative e metodologiche di base per progettare e sviluppare algoritmi. I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Scrivere ed analizzare un semplice codice scritto in un linguaggio di programmazione, con particolare riferimento alla programmazione scientifica.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica(3CFU). Istogrammi, media e deviazione standard. La distribuzione normale. Correlazione e regressione. Variabili aleatorie. Modelli di variabili aleatorie. Svolgimento di esercizi sugli argomenti trattati.

Elementi di programmazione scientifica (3 CFU). Tipi, variabili, operatori, espressioni condizionali, metodi, cicli. Programmazione ricorsiva. Svolgimento di esercizi al calcolatore sugli argomenti trattati.

Elementi di ottimizzazione (3 CFU). Programmazione lineare: il metodo del gradiente ed il metodo del simplesso. Programmazione lineare intera: algoritmo di Branch & Bound. Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Appunti delle lezioni.
ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA (MAT/09)
ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 81.0

Per immatricolati nel 2015/2016

Anno accademico di erogazione 2016/2017

Anno di corso 2

Semestre Secondo Semestre (dal 01/03/2017 al 02/06/2017)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

Sede Lecce

È necessario aver superato l’esame di "Analisi Matematica e Geometria I".

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica, la programmazione scientifica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati. Gli elementi di programmazione scientifica forniranno le conoscenze operative e metodologiche di base per progettare e sviluppare algoritmi. I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Scrivere ed analizzare un semplice codice scritto in un linguaggio di programmazione, con particolare riferimento alla programmazione scientifica.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica. Istogrammi, media e deviazione standard. La distribuzione normale. Correlazione e regressione. Variabili aleatorie. Modelli di variabili aleatorie. Svolgimento di esercizi sugli argomenti trattati.

Elementi di programmazione scientifica. Tipi, variabili, operatori, espressioni condizionali, metodi, cicli. Programmazione ricorsiva. Svolgimento di esercizi al calcolatore sugli argomenti trattati.

Elementi di ottimizzazione. Programmazione lineare: il metodo del gradiente ed il metodo del simplesso. Programmazione lineare intera: algoritmo di Branch & Bound. Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Appunti delle lezioni.
ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA (MAT/09)
ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 0.0

Per immatricolati nel 2014/2015

Anno accademico di erogazione 2015/2016

Anno di corso 2

Semestre Secondo Semestre (dal 29/02/2016 al 03/06/2016)

Lingua

Percorso PERCORSO COMUNE (999)

Sede Lecce - Università degli Studi

È necessario aver superato l’esame di "Analisi Matematica e Geometria I".

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica, la programmazione scientifica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati. Gli elementi di programmazione scientifica forniranno le conoscenze operative e metodologiche di base per progettare e sviluppare algoritmi. I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Scrivere ed analizzare un semplice codice scritto in un linguaggio di programmazione, con particolare riferimento alla programmazione scientifica.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica. Istogrammi, media e deviazione standard. La distribuzione normale. Correlazione e regressione. Variabili aleatorie. Modelli di variabili aleatorie. Svolgimento di esercizi sugli argomenti trattati.

Elementi di programmazione scientifica. Tipi, variabili, operatori, espressioni condizionali, metodi, cicli. Programmazione ricorsiva. Svolgimento di esercizi al calcolatore sugli argomenti trattati.

Elementi di ottimizzazione. Programmazione lineare: il metodo del gradiente ed il metodo del simplesso. Programmazione lineare intera: algoritmo di Branch & Bound. Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Appunti delle lezioni.
ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA (MAT/09)
ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Tipo corso di studio Laurea

Crediti 9.0

Ripartizione oraria Ore totali di attività frontale: 0.0

Per immatricolati nel 2013/2014

Anno accademico di erogazione 2014/2015

Anno di corso 2

Semestre Secondo Semestre (dal 02/03/2015 al 06/06/2015)

Lingua

Percorso PERCORSO COMUNE (999)

Sede Lecce - Università degli Studi

È necessario aver superato l’esame di "Analisi Matematica e Geometria I".

L'obiettivo del corso è impartire allo studente conoscenze di base sia operative che metodologiche inerenti la statistica, la programmazione scientifica e l'ottimizzazione nel contesto dell'ingegneria industriale. Lo studente sarà  introdotto all'analisi dei dati, al ragionamento probabilistico e all'inferenza statistica, mostrando come l'uso di opportuni metodi statistici permetta di risolvere una varietà  di problemi concreti a partire dall'analisi dei dati. Gli elementi di programmazione scientifica forniranno le conoscenze operative e metodologiche di base per progettare e sviluppare algoritmi. I contenuti inerenti l'ottimizzazione saranno finalizzati a fornire i concetti sia di carattere modellistico che algoritmico relativi ai problemi decisionali strutturati che un ingegnere industriale tipicamente incontra nella fase di progettazione e/o gestione di un sistema.

Dopo il corso lo studente dovrebbe essere in grado di:

Programmare con rigore statistico un'indagine campionaria, analizzarne i risultati in chiave inferenziale e predisporre i relativi rapporti di sintesi.

Scrivere ed analizzare un semplice codice scritto in un linguaggio di programmazione, con particolare riferimento alla programmazione scientifica.

Formulare un problema di decisione strutturato sotto forma di un modello matematico di ottimizzazione ed individuare l’algoritmo risolutivo più adatto per determinarne la soluzione ottima.

Lezioni frontali ed esercitazioni. 

Scritto.

Elementi di Statistica. Istogrammi, media e deviazione standard. La distribuzione normale. Correlazione e regressione. Variabili aleatorie. Modelli di variabili aleatorie. Svolgimento di esercizi sugli argomenti trattati.

Elementi di programmazione scientifica. Tipi, variabili, operatori, espressioni condizionali, metodi, cicli. Programmazione ricorsiva. Svolgimento di esercizi al calcolatore sugli argomenti trattati.

Elementi di ottimizzazione. Programmazione lineare: il metodo del gradiente ed il metodo del simplesso. Programmazione lineare intera: algoritmo di Branch & Bound. Svolgimento di esercizi sugli argomenti trattati.

  • F.S. Hillier e G.J. Lieberman, Ricerca Operativa, McGraw-Hill, 9/ed, 2010.
  • S.M. Ross, Probabilità e statistica per l’ingegneria e le scienze, Apogeo, 3/ed, 2015.
  • Appunti delle lezioni.
ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA (MAT/09)

Pubblicazioni

 

 1.     P. Caricato, G. Ghiani, A. Grieco, E. Guerriero (2003), " Parallel Tabu Search for a Pickup and Delivery Problem under Track Contention ", Parallel Computing 29, 631-639.

 

2.     G. Ghiani, A. Grieco, E. Guerriero, R. Musmanno (2003), "Allocating Production Batches to Subcontractors by Fuzzy Goal Programming", International Transactions in Operational  Research 10/3, 295-306.

 

3.     Grieco A., Guerriero M., Musumanno R., Tolio T., Anglani A. (2003). Scheduling in dial-indexed production lines. International Journal Of Production Research. vol. 41/14, 3139-3158.

 

4.     Anglani, G.Grieco, E. Guerriero, R. Musmanno (2005), "Robust scheduling of parallel machines with sequence dependent set-up costs", European Journal of Operational Research. 161/3, 704-720

 

5.     P.Beraldi, G. Ghiani, A. Grieco, E. Guerriero (2005) “A heuristic approach to solve lot-sizing and scheduling problems",  Computational Optimization and Applications. ISSN: 0926-6003 (Paper) 1573-2894 (Online).

 

6.     P.Beraldi, G. Ghiani, A. Grieco, E. Guerriero (2006), "A Scenario-based planning for lot-sizing and scheduling with uncertain processing times", International Journal of Production Economics. 101/01,140-149

 

7.     P.Beraldi, G. Ghiani, A. Grieco, E. Guerriero (2007), "Rolling horizon and fix-and-relax heuristcs for the parallel machines lot-sizing and scheduling problem with sequence dependent set-up costs", Accettato per la pubblicazione su Computer and Operation Research

8.     G. Ghiani, A. Grieco, E. Guerriero (2007), “An exact solution to the TLP problem in a NC Machine” accettato per la pubblicazione su Robotics and Computer Integrated Manufacturing

 

9.     G. Ghiani, A. Grieco, E. Guerriero, (2008)“Solving the jobsequencing and tool switching problem as a nonlinear least cost Hamiltonian cycle problem” accepted on Networks

 

10. G. Ghiani, L. Grandinetti, E. Guerriero, F. Guerriero “Heuristics for the local Grid scheduling problem” submitted to Journal of heuristics

 

11. J.F. Cordeau, G. Ghiani, E. Guerriero “Heuristic and optimal algorithms for the Time Dependent Travelling Salesman Problem” submitted to Transportation Science

 

12. G. Ghiani, E. Guerriero “A note on the Time Dependent Vehicle Routing Problems ” submitted to Operation Research Letters

 

13. Grieco, E. Guerriero “Operation Research advances high-throughput clinical analyzers ” submitted to Interfaces

 

14. Grieco, E. Guerriero “Heuristic and optimal algorithms for minimizing total completion time on identical parallel machines with precedence constraints” sottoposto a Journal of Scheduling

Scarica pubblicazioni

Temi di ricerca

Time Dependent Vehicle Routing Problems

Machine learning algorithms for automatic heuristic design