Modellazione MIP
Un corso della collana Ricerca Operativa e Matematica · tutti i corsi
Materiale didattico ideato e sviluppato da Fabio Furini, professore associato al DIAG, Sapienza Università di Roma.
Modelli di programmazione lineare intera per prendere decisioni ottime.
Prerequisiti: Programmazione lineare intera.
Provalo subito
Tre modelli del corso risolti all'ottimo nel browser: localizzazione capacitata, lotti con costo di lancio e progetti con vincoli logici. Scegli il modello in alto a destra, cambia i dati con i cursori e guarda la soluzione ottima, le binarie a 1, il rilassamento continuo e il gap.
Le parti del corso
-
Modellazione
Che cos'è un MIP, logica e variabili binarie, i legami fra variabili (attivazione, lotto minimo, big-M, massimi, se e solo se…), i bound dal basso e dall'alto, il solver.
-
I problemi
Tre famiglie — assegnamento e scheduling, localizzazione e copertura, pianificazione della produzione — più un capitolo di problemi misti, per i problemi che una famiglia non ce l'hanno. Esercizi risolti e domande aggiuntive.
-
Il corso
Organizzazione, il formato degli esercizi, le dispense in PDF, i notebook.
Da non perdere
-
Esercizi
Esercizi di modellazione per ogni capitolo, di livello d'esame, sui casi del corso.
-
Quiz di autovalutazione
Un facsimile d'esame nuovo a ogni avvio: 13 domande, 33 punti, con la soluzione e il link alle dispense. In Materiale c'è anche la banca completa delle domande.
-
Laboratorio interattivo
App che girano nel browser: muovi i parametri e guarda le idee del corso lavorare, un passo alla volta.
-
Dispense in PDF
Dispense, eserciziari e slide in PDF, con la stessa numerazione del sito.
-
Notebook in Colab
Il codice del corso che gira nel browser, senza installare niente.
-
Indice completo
Tutti i capitoli con le loro sezioni in una pagina, e come è fatto ogni capitolo.
La collana
Tutti i corsi della collana hanno la stessa impostazione: dispense online e in PDF, esercizi con le soluzioni, laboratorio interattivo e quiz di autovalutazione.
-
numeri reali, funzioni, limiti, derivate e serie, con i grafici interattivi
-
vettori, matrici, determinanti, sistemi lineari e autovalori, con il laboratorio di calcolo
-
rappresentazione dei numeri, pseudocodice, ordinamento e ricerca, analisi e algoritmi ricorsivi
-
poliedri, algoritmo del simplesso, dualità e simplesso duale, con il laboratorio interattivo
-
rilassamento continuo, disuguaglianze valide, piani di taglio, branch-and-bound e branch-and-cut
-
insiemi e funzioni convesse, problemi di ottimizzazione convessa, con grafici interattivi
-
grafi, alberi ricoprenti, cammini minimi, flussi su reti, simplesso su reti e gestione dei progetti
-
Problemi di ottimizzazione combinatoria
zaino, bin packing, colorazione, TSP, scheduling e lot sizing: i problemi, le formulazioni e gli algoritmi ad hoc
-
principi e algoritmi di PD per zaino, lot sizing, cambio monete e taglio delle aste
-
euristiche costruttive, ricerca locale, metaeuristiche ed euristiche MIP per i problemi di ottimizzazione combinatoria
-
garanzie di prestazione, schemi di approssimazione e limiti dell'approssimazione per i problemi combinatori
-
modelli di programmazione lineare per problemi gestionali, risolti con Python e Gurobi
-
modelli di programmazione non lineare, dal portafoglio al machine learning, con Python e Gurobi
-
Modellazione MIP · questo corso
modelli di programmazione lineare a variabili intere, dalla formulazione alla soluzione con i solver
Materiale didattico di Fabio Furini — DIAG, Sapienza Università di Roma.