Ingegneria Gestionale
Cod 108608
- Laurea triennale
- 3 anni
- 180 CFU
- L-8 R / L-9 R
MAT/09
Ricerca Operativa
Codice: 20840008
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Ingegneria Gestionale
- Periodo di erogazione
- Secondo semestre
- CFU
- 9 CFU
- Lingua
- Italiano
- SSD
- MAT/09
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027. L’insegnamento è diviso in canali: ogni canale ha il suo programma.
- Docente
- Dario Pacciarelli
- Curriculum
- Ingegneria Gestionale L-8 R
- Anno di corso
- 2
- Periodo
- Secondo semestre
- Ore
- 72
- CUIN
- 260001135
Programma
I parte (docente: prof. Pacciarelli)
1. Introduzione ai problemi di ottimizzazione a numeri reali
programmazione convessa
programmazione lineare (PL)
2. Formulazione di tipici problemi di PL
allocazione di risorse
gestione delle scorte
pianificazione di attività
3. Soluzione di problemi di PL
geometria della PL
algoritmo del simplesso
4. Teoria della dualità
teorema debole e teorema forte della dualità
condizioni di complementarità
analisi di sensitività
II parte (docente: prof.ssa Nicosia)
5. Introduzione problemi di ottimizzazione a numeri interi
programmazione lineare a numeri interi (PLI)
relazione fra PL e PLI
formulazioni equivalenti
rilassamenti
tecniche standard per la formulazione di problemi di PLI
6. Formulazione di tipici problemi di PLI
localizzazione di impianti
scelta di investimenti
sequenziamento di attività
allocazione di risorse
ottimizzazione su reti
trasporti
set covering
set partitioning
set packing
turni del personale.
7. Soluzione di problemi di programmazione lineare a numeri interi
branch and bound
tecniche di programmazione dinamica (PD)
Prerequisiti
Elementi di calcolo vettoriale (combinazione lineare, prodotto scalare, indipendenza lineare) e matriciale (combinazione lineare, prodotto, determinante, inversa, rango).
Testi adottati
Materiale a cura del docente disponibile sulla pagina Moodle dell'insegnamento
Bibliografia di riferimento
Caramia, Giordani, Guerriero, Musmanno, Pacciarelli, "Ricerca Operativa", Isedi, Italia, 2014.
Modalità di erogazione
Lezioni ed esercitazioni in aula.
Modalità di frequenza
Non obbligatoria ma consigliata.
Modalità di valutazione
La verifica dell’apprendimento avviene attraverso una prova scritta selettiva, della durata di 90-120 minuti, finalizzata a verificare il livello di comprensione effettiva dei concetti appresi nel corso e la capacità degli studenti di applicarli in contesti reali, seguita da un’eventuale prova orale.
L'insegnamento prevede anche una prova in itinere facoltativa scritta, che si tiene orientativamente a metà corso, consistente in due esercizi e una domanda di teoria articolata in punti a risposta aperta, finalizzata a verificare il livello di apprendimento dei contenuti erogati nella prima parte del corso. Il tempo previsto è di 90-120 minuti.
La prova d'esame prevede una prova scritta selettiva seguita da un’eventuale prova orale, consistente in alcuni esercizi e domande di teoria. Il tempo previsto è di 90-120 minuti. I testi d'esame degli ultimi anni sono disponibili sulla pagina Moodle dell'insegnamento.
Nella valutazione dell'esame, la determinazione del voto finale terrà conto di diversi elementi, tra cui: il livello e la qualità della conoscenza degli argomenti; la capacità di analizzare criticamente i temi affrontati; la coerenza e la solidità delle argomentazioni a sostegno di una tesi; la capacità di applicare teorie e concetti a casi e contesti specifici; l’utilizzo di un lessico appropriato alla disciplina oggetto di studio.
Prove previste
- Prova orale
- Prova scritta
- Prove intermedie
- Docente
- Gaia Nicosia
- Curriculum
- Ingegneria Gestionale L-8 R
- Anno di corso
- 2
- Periodo
- Secondo semestre
- Ore
- 72
- CUIN
- 260001135
Programma
I parte (docente: prof. Pacciarelli)
1. Introduzione ai problemi di ottimizzazione a numeri reali
programmazione convessa
programmazione lineare (PL)
2. Formulazione di tipici problemi di PL
allocazione di risorse
gestione delle scorte
pianificazione di attività
3. Soluzione di problemi di PL
geometria della PL
algoritmo del simplesso
4. Teoria della dualità
teorema debole e teorema forte della dualità
condizioni di complementarità
analisi di sensitività
*II parte* (docente: prof.ssa Nicosia)
5. Introduzione problemi di ottimizzazione a numeri interi: programmazione lineare a numeri interi (PLI), relazione fra PL e PLI, formulazioni equivalenti, rilassamenti, tecniche standard per la formulazione di problemi di PLI
6. Formulazione di tipici problemi di PLI (e.g. localizzazione di impianti, scelta di investimenti, sequenziamento di attività, allocazione di risorse, ottimizzazione su reti, trasporti, set covering, set partitioning, set packing, turni del personale).
7. Soluzione di problemi di programmazione lineare a numeri interi: branch and bound e tecniche di programmazione dinamica (PD)
Prerequisiti
Elementi di calcolo vettoriale (combinazione lineare, prodotto scalare) e matriciale (combinazione lineare, prodotto, determinante, inversa, rango).
Testi adottati
[1] M. FISCHETTI, "LEZIONI DI RICERCA OPERATIVA", EDIZIONI LIBRERIA PROGETTO PADOVA, ITALIA, 1995. (CAP. 2, 5,parte del 6 e del 7).
[2] Caramia, Giordani, Guerriero, Musmanno, Pacciarelli, "Ricerca Operativa: programmazione lineare, intera e non lineare", Isedi, Italia, 2018.
[3] DISPENSE FORNITE DAL DOCENTE E/O DISPONIBILI SUL WEB.
Modalità di erogazione
Principalmente didattica frontale: lezioni in aula alla lavagna.
Modalità di frequenza
Non obbligatoria ma consigliata.
Modalità di valutazione
La verifica dell’apprendimento avviene attraverso una prova scritta selettiva durata di 90-120 minuti, finalizzata a verificare il livello di comprensione effettiva dei concetti appresi nel corso, seguita da un’eventuale prova orale.
L'insegnamento prevede anche prove in itinere facoltative scritte.
Lo scritto è organizzato attraverso un certo numero di esercizi, finalizzati a verificare il livello di comprensione effettiva dei concetti e la capacità degli studenti di applicare le tecniche spiegate a lezione.
Prove previste
- Prova orale
- Prova scritta
- Prove intermedie
- Docente
- Dario Pacciarelli
- Curriculum
- Ingegneria Gestionale L-9 R
- Anno di corso
- 2
- Periodo
- Secondo semestre
- Ore
- 72
- CUIN
- 260001132
Programma
I parte (docente: prof. Pacciarelli)
1. Introduzione ai problemi di ottimizzazione a numeri reali
programmazione convessa
programmazione lineare (PL)
2. Formulazione di tipici problemi di PL
allocazione di risorse
gestione delle scorte
pianificazione di attività
3. Soluzione di problemi di PL
geometria della PL
algoritmo del simplesso
4. Teoria della dualità
teorema debole e teorema forte della dualità
condizioni di complementarità
analisi di sensitività
II parte (docente: prof.ssa Nicosia)
5. Introduzione problemi di ottimizzazione a numeri interi
programmazione lineare a numeri interi (PLI)
relazione fra PL e PLI
formulazioni equivalenti
rilassamenti
tecniche standard per la formulazione di problemi di PLI
6. Formulazione di tipici problemi di PLI
localizzazione di impianti
scelta di investimenti
sequenziamento di attività
allocazione di risorse
ottimizzazione su reti
trasporti
set covering
set partitioning
set packing
turni del personale.
7. Soluzione di problemi di programmazione lineare a numeri interi
branch and bound
tecniche di programmazione dinamica (PD)
Prerequisiti
Elementi di calcolo vettoriale (combinazione lineare, prodotto scalare, indipendenza lineare) e matriciale (combinazione lineare, prodotto, determinante, inversa, rango).
Testi adottati
Materiale a cura del docente disponibile sulla pagina Moodle dell'insegnamento
Bibliografia di riferimento
Caramia, Giordani, Guerriero, Musmanno, Pacciarelli, "Ricerca Operativa", Isedi, Italia, 2014.
Modalità di erogazione
Lezioni ed esercitazioni in aula.
Modalità di frequenza
Non obbligatoria ma consigliata.
Modalità di valutazione
La verifica dell’apprendimento avviene attraverso una prova scritta selettiva, della durata di 90-120 minuti, finalizzata a verificare il livello di comprensione effettiva dei concetti appresi nel corso e la capacità degli studenti di applicarli in contesti reali, seguita da un’eventuale prova orale.
L'insegnamento prevede anche una prova in itinere facoltativa scritta, che si tiene orientativamente a metà corso, consistente in due esercizi e una domanda di teoria articolata in punti a risposta aperta, finalizzata a verificare il livello di apprendimento dei contenuti erogati nella prima parte del corso. Il tempo previsto è di 90-120 minuti.
La prova d'esame prevede una prova scritta selettiva seguita da un’eventuale prova orale, consistente in alcuni esercizi e domande di teoria. Il tempo previsto è di 90-120 minuti. I testi d'esame degli ultimi anni sono disponibili sulla pagina Moodle dell'insegnamento.
Nella valutazione dell'esame, la determinazione del voto finale terrà conto di diversi elementi, tra cui: il livello e la qualità della conoscenza degli argomenti; la capacità di analizzare criticamente i temi affrontati; la coerenza e la solidità delle argomentazioni a sostegno di una tesi; la capacità di applicare teorie e concetti a casi e contesti specifici; l’utilizzo di un lessico appropriato alla disciplina oggetto di studio.
Prove previste
- Prova orale
- Prova scritta
- Prove intermedie
- Docente
- Gaia Nicosia
- Curriculum
- Ingegneria Gestionale L-9 R
- Anno di corso
- 2
- Periodo
- Secondo semestre
- Ore
- 72
- CUIN
- 260001132
Programma
I parte (docente: prof. Pacciarelli)
1. Introduzione ai problemi di ottimizzazione a numeri reali
programmazione convessa
programmazione lineare (PL)
2. Formulazione di tipici problemi di PL
allocazione di risorse
gestione delle scorte
pianificazione di attività
3. Soluzione di problemi di PL
geometria della PL
algoritmo del simplesso
4. Teoria della dualità
teorema debole e teorema forte della dualità
condizioni di complementarità
analisi di sensitività
*II parte* (docente: prof.ssa Nicosia)
5. Introduzione problemi di ottimizzazione a numeri interi: programmazione lineare a numeri interi (PLI), relazione fra PL e PLI, formulazioni equivalenti, rilassamenti, tecniche standard per la formulazione di problemi di PLI
6. Formulazione di tipici problemi di PLI (e.g. localizzazione di impianti, scelta di investimenti, sequenziamento di attività, allocazione di risorse, ottimizzazione su reti, trasporti, set covering, set partitioning, set packing, turni del personale).
7. Soluzione di problemi di programmazione lineare a numeri interi: branch and bound e tecniche di programmazione dinamica (PD)
Prerequisiti
Elementi di calcolo vettoriale (combinazione lineare, prodotto scalare) e matriciale (combinazione lineare, prodotto, determinante, inversa, rango).
Testi adottati
[1] M. FISCHETTI, "LEZIONI DI RICERCA OPERATIVA", EDIZIONI LIBRERIA PROGETTO PADOVA, ITALIA, 1995. (CAP. 2, 5,parte del 6 e del 7).
[2] Caramia, Giordani, Guerriero, Musmanno, Pacciarelli, "Ricerca Operativa: programmazione lineare, intera e non lineare", Isedi, Italia, 2018.
[3] DISPENSE FORNITE DAL DOCENTE E/O DISPONIBILI SUL WEB.
Modalità di erogazione
Principalmente didattica frontale: lezioni in aula alla lavagna.
Modalità di frequenza
Non obbligatoria ma consigliata.
Modalità di valutazione
La verifica dell’apprendimento avviene attraverso una prova scritta selettiva durata di 90-120 minuti, finalizzata a verificare il livello di comprensione effettiva dei concetti appresi nel corso, seguita da un’eventuale prova orale.
L'insegnamento prevede anche prove in itinere facoltative scritte.
Lo scritto è organizzato attraverso un certo numero di esercizi, finalizzati a verificare il livello di comprensione effettiva dei concetti e la capacità degli studenti di applicare le tecniche spiegate a lezione.
Prove previste
- Prova orale
- Prova scritta
- Prove intermedie
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Matematica, informatica e statistica
Fornire le conoscenze di base, sia metodologiche che operative, necessarie per rappresentare e trattare con strumenti informatici processi decisionali e modelli quantitativi, così come sono trattati al primo livello formativo. Preparare gli studenti all'uso dei modelli di programmazione matematica e ad alcune loro applicazioni. Le lezioni e le esercitazioni pratiche svolte durante il corso consentiranno allo studente di acquisire capacità di analisi e di problem solving nelle applicazioni d’interesse per la disciplina
Risultati di apprendimento attesi — Dario Pacciarelli
1) Conoscenza e capacità di comprensione. Al termine dell’insegnamento, lo studente avrà acquisito e compreso le nozioni e i concetti fondamentali necessari per rappresentare e analizzare, mediante strumenti informatici, processi decisionali e modelli quantitativi di ottimizzazione matematica.
2) Capacità di applicare conoscenza e comprensione. Al termine dell’insegnamento, lo studente sarà in grado di utilizzare modelli di ottimizzazione matematica e applicarli a semplici casi di studio. Avrà inoltre sviluppato capacità di analisi e di risoluzione dei problemi nell’ambito delle applicazioni di interesse per la disciplina.
3) Al termine dell’insegnamento, lo studente sarà in grado di confrontare diversi approcci alla risoluzione di uno stesso problema decisionale, valutarne autonomamente l’adeguatezza e argomentare le proprie scelte.
4) Abilità comunicative. Al termine dell’insegnamento, anche grazie alla partecipazione alle attività didattiche e allo studio autonomo, lo studente sarà in grado di comunicare efficacemente, in forma scritta e orale, utilizzando il lessico specifico della disciplina.
5) Capacità di apprendimento. Al termine dell’insegnamento, lo studente avrà sviluppato consapevolezza delle caratteristiche di un contesto professionale in continua evoluzione e della necessità di apprendere in modo autonomo e continuo.
Risultati di apprendimento attesi — Gaia Nicosia
Con il superamento dell'esame gli studenti acquisiranno conoscenze di base, sia metodologiche che operative, necessarie per rappresentare e trattare con strumenti informatici processi decisionali e modelli quantitativi, così come sono trattati al primo livello formativo.
Gli studenti saranno in gradi di utilizzare modelli di programmazione matematica e applicarli a semplici casi di studio.
Inoltre, gli studenti acquisiranno capacità di analisi e di problem solving nelle applicazioni d’interesse per la disciplina.
Risultati di apprendimento attesi — Dario Pacciarelli
1) Conoscenza e capacità di comprensione. Al termine dell’insegnamento, lo studente avrà acquisito e compreso le nozioni e i concetti fondamentali necessari per rappresentare e analizzare, mediante strumenti informatici, processi decisionali e modelli quantitativi di ottimizzazione matematica.
2) Capacità di applicare conoscenza e comprensione. Al termine dell’insegnamento, lo studente sarà in grado di utilizzare modelli di ottimizzazione matematica e applicarli a semplici casi di studio. Avrà inoltre sviluppato capacità di analisi e di risoluzione dei problemi nell’ambito delle applicazioni di interesse per la disciplina.
3) Al termine dell’insegnamento, lo studente sarà in grado di confrontare diversi approcci alla risoluzione di uno stesso problema decisionale, valutarne autonomamente l’adeguatezza e argomentare le proprie scelte.
4) Abilità comunicative. Al termine dell’insegnamento, anche grazie alla partecipazione alle attività didattiche e allo studio autonomo, lo studente sarà in grado di comunicare efficacemente, in forma scritta e orale, utilizzando il lessico specifico della disciplina.
5) Capacità di apprendimento. Al termine dell’insegnamento, lo studente avrà sviluppato consapevolezza delle caratteristiche di un contesto professionale in continua evoluzione e della necessità di apprendere in modo autonomo e continuo.
Risultati di apprendimento attesi — Gaia Nicosia
Con il superamento dell'esame gli studenti acquisiranno conoscenze di base, sia metodologiche che operative, necessarie per rappresentare e trattare con strumenti informatici processi decisionali e modelli quantitativi, così come sono trattati al primo livello formativo.
Gli studenti saranno in gradi di utilizzare modelli di programmazione matematica e applicarli a semplici casi di studio.
Inoltre, gli studenti acquisiranno capacità di analisi e di problem solving nelle applicazioni d’interesse per la disciplina.
Obiettivi di sostenibilità
- 4 Istruzione di qualità
- 9 Imprese, innovazione e infrastrutture
- 8 Lavoro dignitoso e crescita economica
- 12 Consumo e produzione responsabili
- 7 Energia pulita e accessibile
- 11 Città e comunità sostenibili
- 13 Lotta contro il cambiamento climatico
Esempi di domande d’esame
Dario Pacciarelli
vedi pagina Moodle del corso
Gaia Nicosia
vedi pagina Moodle del corso
Dario Pacciarelli
vedi pagina Moodle del corso
Gaia Nicosia
vedi pagina Moodle del corso