Programma
Ogni capitolo parte da un problema gestionale concreto — quanto rischio accettare, quale prezzo fissare, dove localizzare un servizio, quanto regolare tenere un piano — lo trasforma in un modello non lineare, lo risolve con Gurobi chiamato da Python e lo interroga: quanto vale una risorsa in più? quanto costa un piano più regolare?
Tutti i modelli si possono eseguire subito nel browser: ogni capitolo ha il suo notebook che si apre in Colab, senza installare niente. Prerequisiti: Modellazione PL e Ottimizzazione convessa.
L'elenco completo dei capitoli, nell'ordine in cui si affrontano.
- Introduzione al corso — questa pagina e la prima pagina
- Teoria: ottimizzazione non lineare — convessità, QP, KKT
- Solver: modelli non lineari — vincoli funzionali e bilineari, moltiplicatori
- Produzione con smoothing quadratico — QP convesso
- Supply chain con congestione e CO₂ — NLP convesso
- Portafoglio di Markowitz — QP convesso
- Pricing e revenue management — NLP
- Budget pubblicitario — NLP convesso
- Localizzazione continua — NLP convesso
- Ricarica EV con profilo regolare — QP convesso
- Code e capacità di servizio — NLP convesso
Ottimizzazione e machine learning
- Support Vector Machine — QP convesso
- Regressione ai minimi quadrati — QP convesso
Il corso
- Organizzazione del corso — laboratori ed errori da evitare