Metodi di Ottimizzazione

Denominazione dell’insegnamento:  Metodi di Ottimizzazione                   
Corso di Laurea o di Laurea Magistrale :  Laurea Magistrale in Ingegneria della Informazione           
SSD:  ING-IND/31                                                          Numero C.F.U.:  6             
Titolari:  Raffaele Martone                          

 

Obiettivi del corso

 

 Obiettivo del Corso è la acquisizione delle metodiche per la progettazione ottima e la loro implementazione in casi di interesse per la
Ingegneria della Informazione (IdI)
L'obiettivo viene perseguito analizzando e familiarizzando con i seguenti elementi principali
· Formulazione dei problemi di ottimizzazione, mono e pluri obiettivo, in termini di minimizzazione vincolata di funzioni e
implementazione per casi applicativi di interesse della IdI.

· Strumenti deterministici e stocastici; implementazione per casi applicativi di interesse della IdI. Strumenti commerciali.
· Vincoli. Trattamenti diretti; trasformazione di vincoli in obiettivi e di obiettivi in vincoli. Illustrazione esemplificativa di
applicazioni
· Strumenti per la soluzione di problemi di decisione.
· Trattamento di problemi di identificazione. Illustrazione di casi di interesse della IdI.

 

 

 

Programma del corso

 Il Programma del Corso include i seguenti principali capitoli
Elementi introduttivi. Minimi relativi e assoluti. Gradiente e hessiano. Proprietà delle funzioni lineari e quadratiche.
Classificazione dei problemi di ottimizzazione: ottimizzazione lineare e non, vincolata e non, scalare e vettoriale. Classificazione
delle tecniche di ottimizzazione: tecniche deterministiche e stocastiche. Trattamento di vincoli di uguaglianza e disuguaglianza,
lineari e non. Calcolo numerico di derivate; approccio della variabile aggiunta. Esercizi e applicazioni su funzioni test.
Metodi di ottimizzazione deterministici. Vantaggi, limiti e campi di applicazione. Metodi di ordine zero: simplesso; pattern
search. Metodi del primo e del secondo ordine. La ottimizzazione di funzioni quadratiche. Il trattamento dei vincoli: le funzioni
di penalità. Esercizi e applicazioni ai campi e ai circuiti.
Metodi di ottimizzazione stocastici. Vantaggi, limiti e campi di applicazione. Metodi evoluzionistici. Tecniche genetiche:
algoritmi binari e floating point. La tecnica del Simulated Annealing. La tecnica del Particle Swarm Optimization. Cenni alle
tecniche basate sugli Immune System. Cenni alle tecniche basate sui Fuzzy Sustem. Cenno agli approcci neurali. Esercizi e
applicazioni ai circuiti.
Approfondimenti. Metodi combinati. Criteri di arresto. il trattamento della robustezza e delle incertezze. Trattamento vincoli con
funzioni di penalità. Trattamento dei problemi vettoriali: tecniche della media pesata; tecniche di fuzzificazione; cenno alla
formulazione alla Pareto. Problemi di identificazione e riconoscimento. Metaottimizzazione delle procedure. Soluzioni multiple.
Pacchetti commerciali per la simulazione e la ottimizzazione.
Applicazioni.
Esempi e applicazioni a problemi di campi. Progetto ottimo di campi elettrici da sorgenti di varia natura. Progetto ottimo di
campi magnetici da avvolgimenti uniformi e non. Problemi di schermaggio attivo. Identificazione di sorgenti da misure esterne.
Impatto delle incertezze.
Esempi e applicazioni a problemi circuitali. Progetto ottimo di circuiti semplici (filtri, adattatori di impedenza, ecc).
Identificazione di parametri, analisi di guasti nei circuiti. Impatto delle incertezze.

Curricula scientifici dei docenti

Sono resi disponibili a cura del docente:_______________

Competenze attese in ingresso e/o Propedeuticità

 Nessuna Propedeuticità.
Per una fruttifera frequenza del corso, sono richieste le competenze fisico-matematiche e tecnico-scientifiche dei corsi di laurea Triennale della Ingegneria della Informazione.

Risultati d’apprendimento attesi

 Nel contesto degli Obiettivi dichiarati (vedi specifico riquadro), il corso persegue i seguenti risultati:
· familiarizzazione con i concetti di funzione di ottimo e di funzione di errore e con le formulazioni dei problemi progettazione e
di identificazione come ricerca di massimi e minimi vincolati
· approfondimento dei concetti di robustezza nella progettazione e di incertezze nei problemi di identificazione
· acquisizione di strumenti metodologici e applicativi per la minimizzazione
· rivisitazione di temi di interesse della Ingegneria della Informazione, alla luce degli strumenti della progettazione ottima
Sotto il profilo del "Saper Fare" il corso si propone di fornire i seguenti strumenti tipici di una scuola di Ingegneria:
· sapere analizzare un problema di progetto del settore della IdI e formularlo in termini di ottimizzazione
· sapere analizzare un problema di identificazione del settore della IdI e formularlo in termini di minimizzazione
· sapere scegliere e integrare strumenti di calcolo (commerciali e non) più adatti, saperli implementare e valutarne la efficacia
· sapere operare in gruppo e saper gestire le relazioni tra gruppi di lavoro
· saper post elaborare e presentare risultati tecnici con i principali strumenti di comunicazione scritti e orali

Anno del corso di studio in cui è inserito

 Primo anno laurea magistrale in Ingegneria Informatica.
Il corso è anche adatto ad allievi di altri Corsi di Laurea Magistrali, a partire da quello in Ingegneria Elettronica

Testi di riferimento

 Testi di riferimento
· Ulrike Baumgartner, Thomas Ebner & Christian Magele, Technical University of Graz: Appunti dalle lezioni del corso di
“Optimization in Electrical Engineering”
· Gill,P.E., W. Murray and M. H. Wright: Practical Optimization Academic Press, 1981
Materiale di consultazione
· Goldberg, D.E: Genetic Algorithms in Search, Optimization and Machine Learning Addison, Wessely, 1989
· Fletcher, R. Practical: Methods of Optimization, Wiley, 1987
· Comencioli Analisi Numerica: Metodi Modelli, Applicazioni Mc Graw Hill
· Holland, J.H., Genetic algorithms, Scientific American 1992
· Otten R. H. J. M., van Ginneken L. P. P., The Annealing Algorithm, Kluwer, Academic, Boston, MA, 1989.
· Testi e documenti didattici forniti di volta in volta dal docente

Materiale didattico aggiuntivo

Materiale didattico distribuito a cura del docente

Modalità di erogazione

Lezioni frontali, esercitazioni e dimostrazioni. Lavori individuali e di gruppo. Seminari su temi specifici

Sede

Sede del Dipartimento di Ingegneria Industriale e dell'informazione, Real Casa dell'Annunziata, Via Roma 29 Aversa.

Organizzazione della didattica

 Lezioni ed esercitazioni a cura del docente. Lavori di gruppo: impostazione, discussione e presentazione finale alla classe. Assistenza individuale e di gruppo a cura del docente.

Modalità di frequenza

La frequenza regolare e partecipata a tutte le attività didattiche è di estrema importanza per perseguire efficacemente gli obiettivi del corso.

Metodi di valutazione

 Il corso prevede una prova individuale di accertamento, svolta in forma orale.
La valutazione complessiva del profitto include l'esito del contributo individuale al lavoro di gruppo.

Dati statistici delle votazioni conseguite dagli studenti

Materiale trattato a cura del docente in armonia con le indicazioni dell'Ateneo e del Dipartimento.

Calendario delle attività didattiche

http://www.cdcinformazione.unina2.it/calendari

Eventuali attività di supporto alla didattica

 (Eventuali) seminari, dibattiti tecnico-scientifici, visite di istruzione.

Orari di ricevimento studenti

Sono resi disponibili a cura del docente:_______________

Calendario delle prove di esame

https://esse3.ceda.unina2.it/Home.do