Vai al contenuto

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.

Strumenti

  1. Introduzione al corso — questa pagina e la prima pagina
  2. Teoria: ottimizzazione non lineare — convessità, QP, KKT
  3. Solver: modelli non lineari — vincoli funzionali e bilineari, moltiplicatori

Modelli deterministici

  1. Produzione con smoothing quadratico — QP convesso
  2. Supply chain con congestione e CO₂ — NLP convesso
  3. Portafoglio di Markowitz — QP convesso
  4. Pricing e revenue management — NLP
  5. Budget pubblicitario — NLP convesso
  6. Localizzazione continua — NLP convesso
  7. Ricarica EV con profilo regolare — QP convesso
  8. Code e capacità di servizio — NLP convesso

Ottimizzazione e machine learning

  1. Support Vector Machine — QP convesso
  2. Regressione ai minimi quadrati — QP convesso

Il corso

  1. Organizzazione del corso — laboratori ed errori da evitare