OTTIMIZZAZIONE - MOD. 2
Stampa
Anno immatricolazione
2019/2020
Anno offerta
2019/2020
Normativa
DM270
SSD
MAT/08 (ANALISI NUMERICA)
Dipartimento
DIPARTIMENTO DI MATEMATICA 'FELICE CASORATI'
Corso di studio
MATEMATICA
Curriculum
PERCORSO COMUNE
Anno di corso
Periodo didattico
Secondo Semestre (02/03/2020 - 09/06/2020)
Crediti
3
Ore
24 ore di attività frontale
Lingua insegnamento
ITALIANO
Tipo esame
ORALE
Docente
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 + esame orale
Altre informazioni
Obiettivi Agenda 2030 per lo sviluppo sostenibile