Heuristic algorithms for Combinatorial Optimization (Corso di dottorato)

Orari e aule


Le lezioni si tengono presso il Dipartimento di Informatica in - Via Comelico 39 a Milano

  • lunedì 08/01/2018: 10:00 - 13:00 (1st Floor Meeting Room)
  • martedì 09/01/2018: 10:00 - 13:00 (Sala Lauree)
  • giovedì 11/01/2018: 14:00 - 17:00 (1st Floor Meeting Room)
  • venerdì 12/01/2018: 14:00 - 17:00 (1st Floor Meeting Room)
  • lunedì 15/01/2018: 10:00 - 13:00 (1st Floor Meeting Room)
  • mercoledì 17/01/2018: 10:00 - 13:00 (1st Floor Meeting Room)
  • venerdì 19/01/2018: 14:00 - 17:00 (1st Floor Meeting Room)

Esame


L'esame finale per gli studenti di dottorato che ne fanno richiesta consiste in un seminario di circa un'ora (in stile plenary session), su un argomento da concordare, legato al corso:

  • una tecnica generale o una variante significativa (esempi: i metodi a convergenza, le ipereuristiche, le matheuristics)
  • un aspetto generale (esempi: gestione dell'inammissibilità)
  • una metodologia di valutazione (esempi: vedi testo fra i materiali)
  • un risultato teorico generale (esempi: classi di complessità per la ricerca locale, proprietà di convergenza)
  • un campo di applicazione ampio (esempi: euristiche per l'ottimizzazione a molti obiettivi)
Gli esempi non sono esaustivi e cercherò di arricchirli via via.

Materiali


Ho raccolto in un file compresso da 40MB alcuni testi di approfondimento, sconfinando anche nell'Ottimizzazione Combinatoria esatta e nell'Ottimizzazione Continua

Lezioni


Prima lezione (8 gennaio 2017)

Introduzione agli algoritmi euristici (concetti di base e classificazione), e all'Ottimizzazione Combinatoria (problemi di esempio, proprietà e aspetti interessanti)

Seconda lezione (9 gennaio 2017)

Valutazione delle prestazioni (misure di qualità e costo), convergenza, valutazione a priori (cenni) e sperimentale

Terza lezione (11 gennaio 2017)

Euristiche costruttive/distruttive e relative metaeuristiche (GRASP, Ant System)

Quarta lezione (12 gennaio 2017)

Euristiche di ricerca locale

Quinta lezione (15 gennaio 2017)

Metaeuristiche di ricerca locale (Iterated Local Search, Variable Neighbourhood Search, Variable Neighbourhood Descent, Dynamic Local Search)

Sesta lezione (17 gennaio 2017)

Metaeuristiche di ricerca locale (Simulated Annealing, Tabu Search)

Settima lezione (19 gennaio 2017)

Metaeuristiche di ricombinazione (Scatter Search, Path Relinking, algoritmi genetici ed evoluzionistici)