Dotare lo studente di basi metodologiche e di tecniche algoritmiche per la soluzione di varie classi di problemi delle scienze applicate di notevole difficoltà.
Prerequisiti
Algebra lineare, analisi matematica.
Metodi Didattici
Lezioni frontali
Modalità di verifica apprendimento
Esame orale
Programma del corso
Metodi di decomposizione per ottimizzazione non vincolata e ottimizzazione vincolata. Metodi di decomposizione per l'apprendimento automatico. Metodi della discesa più ripida per problemi di ottimizzzazione multiobiettivo. Giochi ed equilibri di Nash. Algoritmi esatti per l'ottimizzazione globale. Euristiche per problemi di ottimizzazione globale. Metodi di tipo LASSO per l'ottimizzazione sparsa. Metodi di programmazione concava per la minimizzazione in norma zero.
Algoritmi per ottimizzazione multiobiettivo.