1) Modelli e algoritmi di ottimizzazione lineare
2) Modelli e algoritmi di ottimizzazione lineare intera
3) modelli di regressione
4) classificazione e regressione mediante Support Vector Machines
3) dispense sull'ottimizzazione non lineare e Support Vector Machines
Obiettivi Formativi
Il corso presenta la teoria ed i metodi per l'ottimizzazione lineare e intera, con applicazioni sia di tipo generale che specifiche al campo dell'analisi statistica dei dati sperimentali
Prerequisiti
E’ richiesta la conoscenza dell’algebra lineare, dell’Analisi matematica e della geometria a livello del biennio di una Laurea triennale in Ingegneria.
Metodi Didattici
Lezioni frontali
Modalità di verifica apprendimento
L’esame consiste in una prova (orale o, in alternativa, scritta) di verifica delle conoscenze acquisite. Gli studenti dovranno sapere presentare I modelli previsti dal programma, illustrare gli algoritmi e dimostrare di averne compreso il funzionamento, le possibilità applicative, i limiti.
Programma del corso
Introduzione alla Programmazione Lineare (PL)
Teoria della PL
Geometria della PL
Algoritmo del Simplesso
Teoria della dualità
Programmazione Lineare Intera
Algoritmo di taglio, algoritmo Branch & Bound
Grafi e reti di flusso, relazioni con la PL
Modelli di regressione minimax, assoluta, quadratica
Sipport Vector Machines, Support Vector Regression