|
Docente
|
LUCIDI STEFANO
(programma)
1. Introduzione ai problemi di ottimizzazione continua: definizioni e richiami, esempi di applicazioni, condizioni di ottimalità,
caratterizzazione delle soluzioni.
2. Metodi di ottimizzazione locale: caratterizzazioni e proprietà generali, metodi per problemi di ottimizzazione locale non
Vincolati (metodo del gradiente, metodi che usano direzioni coniugate, metodi Quasi-Newton, metodo di Newton, metodi
che non usano le derivate), metodi per problemi di ottimizzazione locale vincolata (tecniche di penalizzazione, metodi
quadratico recursivi).
3. Metodi di ottimizzazione globale: caratterizzazioni e proprietà generali, metodi probabilistici (metodo del campionamento
uniforme, metodi di tipo multistart, metodi di tipo simulated annealing, metodi di tipo controlled random search, algoritmi
genetici, algoritmi evolutivi, metodi di tipo swarm), metodi deterministici (metodi che utilizzano partizioni dell’insieme
ammissibile, metodi che utilizzano le funzioni di tipo filled), introduzione ai metodi per problemi di ottimizzazione globale
vincolata.
 Il materiale didattico è reso disponibile sul sito web del corso a cura del docente. Tale materiale consiste in
dispense appositamente redatte dal docente, che riportano tutti gli argomenti trattati nelle lezioni alle quali
si aggiungono una raccolta di esercizi svolti e di esercizi di esame. Inoltre verranno proposte agli studenti prove
di autovalutazione in itinere.
|
