Syllabus del corso
Obiettivi
Presentare le tecniche fondamentali di ottimizzazione. Il corso è organizzato per coprire le tecniche di ottimizzazione sia in contesti discreti che continui, sia singolo- sia multi-obiettivo.
Contenuti sintetici
Nozioni e concetti riguardanti alcune delle principali tecniche di ottimizzazione. Il corso fornisce gli strumenti concettuali e teorici necessari per comprendere come implementare tali tecniche per affrontare problemi computazionalmente complessi.
Programma esteso
Ripasso sui metodi di ottimizzazione (2 ore)
Algoritmi Evolutivi per l'Ottimizzazione Discreta: Algoritmi Genetici e Genetic programming (4 ore)
Intelligenza Collettiva (4 ore)
Algoritmi Evolutivi per l'Ottimizzazione Continua: Evoluzione Differenziale e CMA-ES (4 ore)
Ottimizzazione Multi-obiettivo (4 ore)
Problemi su larga scala (2 ore)
Prerequisiti
Conoscenza degli algoritmi fondamentali e delle tecniche algoritmiche
Teoria della computazione e complessità computazionale
Modalità didattica
La lingua di erogazione prevista è l'Inglese. Tuttavia, le lezioni potranno essere erogate in Italiano se tutti gli studenti presenti in aula parlano Italiano, e nessuno studente fa richiesta di seguire le lezioni in lingua Inglese.
Materiale didattico
Fornito dai docenti.
Periodo di erogazione dell'insegnamento
Primo semestre
Modalità di verifica del profitto e valutazione
Discussione orale di un articolo scientifico riguardante le tematiche del corso e concordato con i docenti.
Orario di ricevimento
Su appuntamento
Sustainable Development Goals
Aims
To present fundamental optimization techniques. The course is organized to cover optimization techniques in both discrete and continuous settings and for both single- and multi-objective optimization problems.
Contents
Notions and concepts concerning some of the main Optimization techniques. The course provides the conceptual and theoretical tools that allow to understand how to implement such tecniques to approach computationally complex problems.
Detailed program
Recall on optimization methods (2 hours)
Evolutionary Algorithms for Discrete Optimization: Genetic Algorithms and Genetic Programming (4 hours)
Swarm Intelligence (4 hours)
Evolutionary Algorithms for Continuous Optimization: Differential Evolution and CMA-ES (4 hours)
Multi-objective Optimization (4 hours)
Approaching Large-Scale Problems (2 hours)
Prerequisites
Knowledge of fundamental algorithms and algorithmic techniques
Computation theory and computational complexity
Teaching form
The expected language of instruction is English. However, classes may be conducted in Italian if all students present in the classroom speak Italian and no student requests to attend the lessons in English.
Textbook and teaching resource
Provided by the teachers.
Semester
First semester
Assessment method
Oral presentation of a scientific article regarding the techniques presented during the course and agreed upon with the teachers.
Office hours
On appointment
