Il corso ha lo scopo di affrontare i problemi di ottimizzazione non lineare, esaminando gli strumenti teorici di analisi e le principali metodologie di soluzione.
1. Nozioni di base
Problemi di ottimizzazione. Funzioni e insiemi convessi. Alcune estensioni della convessità. Supporto lineare e separazione di insiemi. Coni e convessità poliedrale. Teoremi di alternativa. Sottogradiente e sottodifferenziale.
2. Metodi di ottimizzazione non vincolata e su un insieme convesso
Cenni di ottimizzazione monodimensionale. Il metodo di Newton. Metodi del gradiente. Il metodo delle direzioni coniugate e del gradiente coniugato. Metodi delle direzioni ammissibili. Metodi di linearizzazione: il metodo di Frank e Wolfe. Il metodo del gradiente proiettato.
3. Teoria dei moltiplicatori
Condizioni necessarie. Vincoli di uguaglianza; i moltiplicatori di Lagrange. Vincoli di disuguaglianza; i moltiplicatori di Kuhn-Tucker. Condizioni di regolarità e di qualifica dei vincoli. Moltiplicatori di John. La funzione di perturbazione. Il significato dei moltiplicatori; interpretazione economica. Condizioni sufficienti. Sella di una funzione. Condizioni di sella e punti di minimo.
4. Dualità lagrangiana
Il problema duale. Variabili duali e moltiplicatori di Lagrange. Teorema di dualità debole e di dualità forte. Problemi convessi e non convessi. Alcune applicazioni.
Autore | Titolo | Casa editrice | Anno | ISBN | Note |
M.Minoux | Mathematical Programming: theory and algorithms | John Wiley and Sons | 1986 | 0471901709 | |
D.M.Bertsekas | Nonlinear Programming | Athena Scientific | 2004 | 1886529140 |
Prova scritta ed orale.
******** CSS e script comuni siti DOL - frase 9957 ********p>