OTTIMIZZAZIONE - MOD. 1
Stampa
Anno immatricolazione
2021/2022
Anno offerta
2021/2022
Normativa
DM270
SSD
MAT/09 (RICERCA OPERATIVA)
Dipartimento
DIPARTIMENTO DI MATEMATICA 'FELICE CASORATI'
Corso di studio
MATEMATICA
Curriculum
PERCORSO COMUNE
Anno di corso
Periodo didattico
Secondo Semestre (01/03/2022 - 10/06/2022)
Crediti
3
Ore
24 ore di attività frontale
Lingua insegnamento
ITALIANO
Tipo esame
ORALE
Docente
PAVARINO LUCA FRANCO (titolare) - 3 CFU
Prerequisiti
Corsi di base di Analisi ed Analisi Numerica
Obiettivi formativi
Il corso intende offrire agli studenti una panoramica degli aspetti teorici e applicativi più semplici legati all'ottimizzazione, mostrando i principali risultati e offrendo la possibilità di applicare la teoria a problemi concreti.
Programma e contenuti
1. Introduzione ai metodi di Ottimizzazione. Matlab Optimization Toolbox.
2. Metodi derivative – free: Nelder – Mead.
3. Metodo di Newton
4. Metodi di discesa (line search):
- Scelta del passo, condizioni di Wolfe, backtracking.
- Direzioni di Newton.
- Direzioni Quasi – Newton (update di rango 1, metodi DFP e BFGS)
- Direzioni del gradiente.
- Direzioni del gradiente coniugato (metodi di Fletcher – Reeves, Polak – Ribiere, Hestenes – Stiefel).
5. Metodi Trust – Region.
6. Nonlinear Least – Square:
- Gauss – Newton.
- Levenberg - Marquardt.
7. Applicazioni a reti neurali e metodi Deep Learning.
Metodi didattici
Lezioni e laboratorio Matlab
Testi di riferimento
Nocedal, Jorge; Wright, Stephen J. Numerical optimization. Second edition. Springer, 2006.
Modalità verifica apprendimento
Progetto finale, presentazione ed esame orale
Altre informazioni
Obiettivi Agenda 2030 per lo sviluppo sostenibile