Emanuela GUERRIERO

Emanuela GUERRIERO

Ricercatore Universitario

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 Operation 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). She obtained the Italian Habilitation for the functions of Associate Professor for the Scientific Sector “01/A6 –Operations Research” on March 30, 2016.

Her main research interests concern combinatorial optimization models for planning and scheduling problems, with applications in manufacturing and logistics. She published on international journals, including Journal of Optimization Theory and Applications, International Transactions in Operational Research, European Journal of Operational Research, Parallel Computing, International Journal of Production Research, International Journal of Production Economics. 

 

 

 

Didattica

A.A. 2018/2019

ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Lingua ITALIANO

Crediti 6.0

Ripartizione oraria Ore 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 - Università degli Studi

ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Lingua ITALIANO

Crediti 6.0

Ripartizione oraria Ore 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 - Università degli Studi

A.A. 2017/2018

ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Lingua ITALIANO

Crediti 9.0

Ripartizione oraria Ore Attività frontale: 81.0

Anno accademico di erogazione 2017/2018

Per immatricolati nel 2016/2017

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce - Università degli Studi

A.A. 2016/2017

ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Crediti 9.0

Ripartizione oraria Ore Attività frontale: 81.0 Ore Studio individuale: 144.0

Anno accademico di erogazione 2016/2017

Per immatricolati nel 2015/2016

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce - Università degli Studi

A.A. 2015/2016

ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Crediti 9.0

Ripartizione oraria Ore Attività frontale: 81.0 Ore Studio individuale: 144.0

Anno accademico di erogazione 2015/2016

Per immatricolati nel 2014/2015

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce - Università degli Studi

A.A. 2014/2015

ALGORITMI DI OTTIMIZZAZIONE ED ELEMENTI DI STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Crediti 9.0

Ripartizione oraria Ore Attività frontale: 78.0 Ore Studio individuale: 147.0

Anno accademico di erogazione 2014/2015

Per immatricolati nel 2013/2014

Anno di corso 2

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce - Università degli Studi

Torna all'elenco
ELEMENTI DI OTTIMIZZAZIONE E STATISTICA

Corso di laurea INGEGNERIA INDUSTRIALE

Settore Scientifico Disciplinare MAT/09

Crediti 6.0

Ripartizione oraria Ore 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 - 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 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

Crediti 6.0

Ripartizione oraria Ore 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 - 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 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

Crediti 9.0

Ripartizione oraria Ore 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 - 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

Crediti 9.0

Ripartizione oraria Ore Attività frontale: 81.0 Ore Studio individuale: 144.0

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

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

Crediti 9.0

Ripartizione oraria Ore Attività frontale: 81.0 Ore Studio individuale: 144.0

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

Crediti 9.0

Ripartizione oraria Ore Attività frontale: 78.0 Ore Studio individuale: 147.0

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