Vai al contenuto

Modellazione PL

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 — la dispensa del corso in versione online, con codice Python/Gurobi, dati e casi di studio riproducibili.

Prerequisiti: Programmazione lineare (dualità e analisi di sensitività).

Comincia Esercizi Laboratorio Quiz Materiale

Provalo subito

Tre modelli LP del corso risolti all'ottimo nel browser: produzione e scorte, ricarica di veicoli elettrici e newsvendor a scenari. Scegli il modello in alto a destra, cambia domanda, capacità, costi o prezzi con i cursori e il simplesso ricalcola il piano ottimo, il costo e i prezzi ombra.

Altre app nel laboratorio

Le parti del corso

  • Strumenti


    Come si costruisce un modello, come si fa girare, come si leggono soluzione, prezzi ombra e costi ridotti: la teoria e il solver.

    I tre capitoli

  • Modelli deterministici


    Produzione e scorte, ricarica dei veicoli elettrici, efficienza delle filiali: tutti i dati sono noti.

    I tre problemi

  • Decisioni sotto incertezza


    Si decide prima di sapere: la regola del quantile, il rischio di coda e la dualità che dà il prezzo agli strumenti finanziari.

    I tre problemi

  • Ottimizzazione e machine learning


    La regressione robusta e quantile come LP: scarti assoluti, punti di appoggio dai duali e il quantile che serve al newsvendor.

    Il problema

Da non perdere

  • Esercizi


    Esercizi di modellazione per ogni capitolo, di livello d'esame, sui casi del corso.

    Gli esercizi

  • 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.

    Mettiti alla prova

  • Laboratorio interattivo


    App che girano nel browser: muovi i parametri e guarda le idee del corso lavorare, un passo alla volta.

    Il laboratorio

  • Dispense in PDF


    Dispense, eserciziari e slide in PDF, con la stessa numerazione del sito.

    Il materiale

  • Notebook in Colab


    Il codice del corso che gira nel browser, senza installare niente.

    I notebook

  • Indice completo


    Tutti i capitoli con le loro sezioni in una pagina, e come è fatto ogni capitolo.

    L'indice


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.

  • Analisi Matematica 1

    numeri reali, funzioni, limiti, derivate e serie, con i grafici interattivi

  • Algebra lineare

    vettori, matrici, determinanti, sistemi lineari e autovalori, con il laboratorio di calcolo

  • Algoritmi

    rappresentazione dei numeri, pseudocodice, ordinamento e ricerca, analisi e algoritmi ricorsivi

  • Programmazione lineare

    poliedri, algoritmo del simplesso, dualità e simplesso duale, con il laboratorio interattivo

  • Programmazione lineare intera

    rilassamento continuo, disuguaglianze valide, piani di taglio, branch-and-bound e branch-and-cut

  • Ottimizzazione convessa

    insiemi e funzioni convesse, problemi di ottimizzazione convessa, con grafici interattivi

  • Ottimizzazione su reti

    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

  • Programmazione dinamica

    principi e algoritmi di PD per zaino, lot sizing, cambio monete e taglio delle aste

  • Algoritmi euristici

    euristiche costruttive, ricerca locale, metaeuristiche ed euristiche MIP per i problemi di ottimizzazione combinatoria

  • Algoritmi di approssimazione

    garanzie di prestazione, schemi di approssimazione e limiti dell'approssimazione per i problemi combinatori

  • Modellazione PL · questo corso

    modelli di programmazione lineare per problemi gestionali, risolti con Python e Gurobi

  • Modellazione PNL

    modelli di programmazione non lineare, dal portafoglio al machine learning, con Python e Gurobi

  • Modellazione MIP

    modelli di programmazione lineare a variabili intere, dalla formulazione alla soluzione con i solver


Materiale didattico di Fabio Furini — DIAG, Sapienza Università di Roma.