Vai al contenuto

Programma

Ogni capitolo parte da un problema gestionale concreto — quanto produrre, come ricaricare una flotta, quanto è efficiente una filiale, quanto rischio accettare — lo trasforma in un modello di programmazione lineare, lo risolve con Gurobi chiamato da Python e, soprattutto, lo interroga: quanto vale un'ora di capacità in più? La soluzione resiste se i dati cambiano del 5%?

Tutti i modelli si possono eseguire subito nel browser: ogni capitolo ha il suo notebook che si apre in Colab, senza installare niente.

La domanda giusta

Alla fine di ogni esercitazione la domanda non è soltanto «qual è l'ottimo?», ma «quale decisione suggeriamo e quanto è robusta?». Tutte le variabili di decisione sono continue e tutti i modelli sono lineari: la soluzione si legge con la dualità, i prezzi ombra e i costi ridotti.

L'elenco completo dei capitoli, nell'ordine in cui si affrontano. Ogni capitolo ha la sua pagina, il suo script Python e il suo notebook che si apre in Colab.

Strumenti

  1. Introduzione alla modellazione PL — questa pagina e la prima pagina
  2. Teoria: programmazione lineare — dualità, prezzi ombra, protocollo di sensitività
  3. Solver, modelli lineari — costruire il modello, farlo girare, recuperare la soluzione, interpretare l'output

Modelli deterministici

  1. Produzione e scorte multiperiodali — LP
  2. Ricarica di veicoli elettrici — LP
  3. Data Envelopment Analysis — LP e dualità

Decisioni sotto incertezza

  1. Il Newsvendor e le sue varianti — LP stocastico
  2. VaR e CVaR — LP a scenari
  3. Arbitraggio e prezzatura — LP e dualità che prezza

Ottimizzazione e machine learning

  1. Regressione robusta e quantile — LP

Il corso

  1. Organizzazione del laboratorio — laboratori ed errori da evitare

Prerequisito: il modulo Programmazione lineare, in particolare la dualità e l'analisi di sensitività. I modelli quadratici e non lineari sono nel modulo Modellazione PNL.


Le quattro parti e a che cosa serve ciascuna sono descritte nella prima pagina.