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.
- Introduzione alla modellazione PL — questa pagina e la prima pagina
- Teoria: programmazione lineare — dualità, prezzi ombra, protocollo di sensitività
- Solver, modelli lineari — costruire il modello, farlo girare, recuperare la soluzione, interpretare l'output
- Produzione e scorte multiperiodali — LP
- Ricarica di veicoli elettrici — LP
- Data Envelopment Analysis — LP e dualità
- Il Newsvendor e le sue varianti — LP stocastico
- VaR e CVaR — LP a scenari
- Arbitraggio e prezzatura — LP e dualità che prezza
Ottimizzazione e machine learning
Il corso
- 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.