Libri UniversitariZoom 100%

Prof. Valentina Cacchiani: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 6
Bologna 6 insegnamenti
Facoltà: Ingegneria e architettura

Prof. Valentina Cacchiani: Algorithms For Decision Making M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria gestionale (LM-31)
Di cosa si tratta: Programmazione lineare e teoria della dualità, programmazione lineare intera con algoritmo di branch-and-bound e complessità computazionale. Poi modellazione matematica di problemi classici di ottimizzazione combinatoria, modelli di dimensione esponenziale e rilassamento continuo. Servono buona conoscenza di algebra lineare e matematica di base; materiali ed esame sono in inglese.

Dettagli corso

1º annoCorso: LM-31
CFU: 6Canale: Unico
🕒 Orario lezioni
  • Lun9–12TA-06
  • Mar12–14TA-05

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Slide disponibili su virtuale.unibo.it (alla pagina del corso)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Fischetti – Introduction to Mathematical OptimizationISBN 9781692792022
Tempo di studio del libro≈ 2,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
220 pagine
Difficoltà
5,4
Christos – Papadimitriou and Ken SteiglitzISBN 9780486402581
Tempo di studio del libro≈ 5,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
496 pagine
Difficoltà
5,4
Tsitsiklis – Introduction to linear programmingISBN 9781886529199
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
587 pagine
Difficoltà
5,4
Bertsimas – Optimization over integersISBN 9780975914625
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
602 pagine
Difficoltà
5,4
Domande possibili all’esame
  1. Che cosa si intende per processo decisionale in condizioni di incertezza e quali modelli lo descrivono?
  2. Come si formula un problema di programmazione lineare e quali ipotesi lo caratterizzano?
  3. Quali differenze esistono tra programmazione lineare intera e programmazione lineare continua?
  4. In che modo il metodo del simplesso trova la soluzione ottima di un problema lineare?
  5. Che cosa rappresenta la dualità in programmazione lineare e quale interpretazione economica assume?
  6. Come si costruisce un albero decisionale e quali criteri guidano le scelte ai nodi?
  7. Quali metodi permettono di risolvere problemi di flusso di costo minimo su una rete?
  8. Che cosa si intende per algoritmo branch and bound e in quali problemi viene impiegato?
  9. Come si applica l'analisi di sensitività alla soluzione di un modello di ottimizzazione?
  10. Quali caratteristiche distinguono un problema di trasporto da un problema di assegnamento?
  11. In che modo la teoria dei giochi descrive le decisioni di più agenti in competizione?
  12. Che cosa si intende per valore atteso di informazione perfetta in un processo decisionale?
  13. Come si modella un problema decisionale sequenziale con processi markoviani?
  14. Quali strumenti permettono di confrontare alternative con criteri multipli?
  15. Quali euristiche possono essere utili quando un problema di ottimizzazione è troppo grande per essere risolto esattamente?
  16. Come si valuta la complessità computazionale di un algoritmo di ottimizzazione?
  17. Che cosa distingue un problema NP-difficile da un problema risolvibile in tempo polinomiale?
  18. In che modo la programmazione dinamica riduce la dimensione di un problema decisionale?
  19. Come si gestisce l'incertezza dei parametri in un modello di ottimizzazione robusta?
  20. Quali criteri si adottano per valutare la qualità di una soluzione ottenuta con un metodo approssimato?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Valentina Cacchiani: Optimization Models And Algorithms M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Automation Engineering (LM-25)
Di cosa si tratta: Problemi di ottimizzazione in ambito decisionale, modelli matematici e algoritmi esatti per la loro risoluzione costituiscono il tema centrale, con la teoria matematica dei metodi risolutivi approfondita attraverso teoremi. Si parte dall'introduzione alla programmazione matematica, su una buona base di algebra lineare e matematica di base.

Dettagli corso

1º annoCorso: LM-25
CFU: 6Canale: Unico
🕒 Orario lezioni
  • Mer15:30–18:30AULA II
  • Ven12–14AULA 5.7

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Slide disponibili su virtuale.unibo.it (alla pagina del corso)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Fischetti – Introduction to Mathematical OptimizationISBN 9781692792022
Tempo di studio del libro≈ 2,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
220 pagine
Difficoltà
5,4
Christos – Papadimitriou and Ken SteiglitzISBN 9780486402581
Tempo di studio del libro≈ 5,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
496 pagine
Difficoltà
5,4
Tsitsiklis – Introduction to linear programmingISBN 9781886529199
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
587 pagine
Difficoltà
5,4
Bertsimas – Optimization over integersISBN 9780975914625
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
602 pagine
Difficoltà
5,4
Domande possibili all’esame
  1. Che cosa si intende per modello di ottimizzazione e quali componenti lo definiscono?
  2. Come si distingue un problema di programmazione lineare da uno di programmazione non lineare?
  3. Quali condizioni rendono convesso un problema di ottimizzazione?
  4. Come funziona il metodo del simplesso per risolvere un problema di programmazione lineare?
  5. Che cosa afferma il teorema della dualità forte nella programmazione lineare?
  6. Quando conviene il metodo di Newton rispetto al gradiente per minimizzare una funzione?
  7. Come si modella un problema di trasporto tra magazzini e clienti?
  8. In che modo il metodo branch and bound esplora lo spazio delle soluzioni intere?
  9. Quale differenza c'è tra ottimo locale e ottimo globale in un problema non convesso?
  10. Come si imposta un problema di assegnamento con vincoli di unicità?
  11. Quali algoritmi euristici sono utili quando il problema è troppo grande per un metodo esatto?
  12. Come si verifica la fattibilità di una soluzione rispetto ai vincoli del modello?
  13. Che cosa rappresentano le variabili duali in un modello di allocazione?
  14. Come si valuta la complessità di un algoritmo di ottimizzazione nel caso peggiore?
  15. Quale ruolo hanno i tagli di Gomory nei problemi di programmazione intera?
  16. In che modo si affronta un problema di flusso su rete con capacità limitate?
  17. Come si applica l'ottimizzazione multiobiettivo a un problema di progettazione?
  18. Quali criteri si usano per interrompere un algoritmo iterativo di ottimizzazione?
  19. Come si confrontano due algoritmi di ottimizzazione su un insieme di istanze di prova?
  20. Quale vantaggio offre la decomposizione di Benders per i problemi di grandi dimensioni?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Valentina Cacchiani: Algorithms For Decision Making M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria gestionale (LM-31)
Di cosa si tratta: Programmazione lineare e teoria della dualità, programmazione lineare intera con algoritmo di branch-and-bound e complessità computazionale. Poi modellazione matematica di problemi classici di ottimizzazione combinatoria, modelli di dimensione esponenziale e rilassamento continuo. Servono buona conoscenza di algebra lineare e matematica di base; materiali ed esame sono in inglese.

Dettagli corso

2º annoCorso: LM-31
CFU: 6Canale: Unico
🕒 Orario lezioni
  • Lun9–12TA-06
  • Mar12–14TA-05

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Slide disponibili su virtuale.unibo.it (alla pagina del corso)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Fischetti – Introduction to Mathematical OptimizationISBN 9781692792022
Tempo di studio del libro≈ 2,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
220 pagine
Difficoltà
5,4
Christos – Papadimitriou and Ken SteiglitzISBN 9780486402581
Tempo di studio del libro≈ 5,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
496 pagine
Difficoltà
5,4
Tsitsiklis – Introduction to linear programmingISBN 9781886529199
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
587 pagine
Difficoltà
5,4
Bertsimas – Optimization over integersISBN 9780975914625
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
602 pagine
Difficoltà
5,4
Domande possibili all’esame
  1. Che cosa si intende per processo decisionale in condizioni di incertezza e quali modelli lo descrivono?
  2. Come si formula un problema di programmazione lineare e quali ipotesi lo caratterizzano?
  3. Quali differenze esistono tra programmazione lineare intera e programmazione lineare continua?
  4. In che modo il metodo del simplesso trova la soluzione ottima di un problema lineare?
  5. Che cosa rappresenta la dualità in programmazione lineare e quale interpretazione economica assume?
  6. Come si costruisce un albero decisionale e quali criteri guidano le scelte ai nodi?
  7. Quali metodi permettono di risolvere problemi di flusso di costo minimo su una rete?
  8. Che cosa si intende per algoritmo branch and bound e in quali problemi viene impiegato?
  9. Come si applica l'analisi di sensitività alla soluzione di un modello di ottimizzazione?
  10. Quali caratteristiche distinguono un problema di trasporto da un problema di assegnamento?
  11. In che modo la teoria dei giochi descrive le decisioni di più agenti in competizione?
  12. Che cosa si intende per valore atteso di informazione perfetta in un processo decisionale?
  13. Come si modella un problema decisionale sequenziale con processi markoviani?
  14. Quali strumenti permettono di confrontare alternative con criteri multipli?
  15. Quali euristiche possono essere utili quando un problema di ottimizzazione è troppo grande per essere risolto esattamente?
  16. Come si valuta la complessità computazionale di un algoritmo di ottimizzazione?
  17. Che cosa distingue un problema NP-difficile da un problema risolvibile in tempo polinomiale?
  18. In che modo la programmazione dinamica riduce la dimensione di un problema decisionale?
  19. Come si gestisce l'incertezza dei parametri in un modello di ottimizzazione robusta?
  20. Quali criteri si adottano per valutare la qualità di una soluzione ottenuta con un metodo approssimato?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Valentina Cacchiani: Optimization Models And Algorithms M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Automation Engineering (LM-25)
Di cosa si tratta: Problemi di ottimizzazione in ambito decisionale, modelli matematici e algoritmi esatti per la loro risoluzione costituiscono il tema centrale, con la teoria matematica dei metodi risolutivi approfondita attraverso teoremi. Si parte dall'introduzione alla programmazione matematica, su una buona base di algebra lineare e matematica di base.

Dettagli corso

2º annoCorso: LM-25
CFU: 6Canale: Unico
🕒 Orario lezioni
  • Mer15:30–18:30AULA II
  • Ven12–14AULA 5.7

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Slide disponibili su virtuale.unibo.it (alla pagina del corso)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Fischetti – Introduction to Mathematical OptimizationISBN 9781692792022
Tempo di studio del libro≈ 2,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
220 pagine
Difficoltà
5,4
Christos – Papadimitriou and Ken SteiglitzISBN 9780486402581
Tempo di studio del libro≈ 5,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
496 pagine
Difficoltà
5,4
Tsitsiklis – Introduction to linear programmingISBN 9781886529199
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
587 pagine
Difficoltà
5,4
Bertsimas – Optimization over integersISBN 9780975914625
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
602 pagine
Difficoltà
5,4
Domande possibili all’esame
  1. Che cosa si intende per modello di ottimizzazione e quali componenti lo definiscono?
  2. Come si distingue un problema di programmazione lineare da uno di programmazione non lineare?
  3. Quali condizioni rendono convesso un problema di ottimizzazione?
  4. Come funziona il metodo del simplesso per risolvere un problema di programmazione lineare?
  5. Che cosa afferma il teorema della dualità forte nella programmazione lineare?
  6. Quando conviene il metodo di Newton rispetto al gradiente per minimizzare una funzione?
  7. Come si modella un problema di trasporto tra magazzini e clienti?
  8. In che modo il metodo branch and bound esplora lo spazio delle soluzioni intere?
  9. Quale differenza c'è tra ottimo locale e ottimo globale in un problema non convesso?
  10. Come si imposta un problema di assegnamento con vincoli di unicità?
  11. Quali algoritmi euristici sono utili quando il problema è troppo grande per un metodo esatto?
  12. Come si verifica la fattibilità di una soluzione rispetto ai vincoli del modello?
  13. Che cosa rappresentano le variabili duali in un modello di allocazione?
  14. Come si valuta la complessità di un algoritmo di ottimizzazione nel caso peggiore?
  15. Quale ruolo hanno i tagli di Gomory nei problemi di programmazione intera?
  16. In che modo si affronta un problema di flusso su rete con capacità limitate?
  17. Come si applica l'ottimizzazione multiobiettivo a un problema di progettazione?
  18. Quali criteri si usano per interrompere un algoritmo iterativo di ottimizzazione?
  19. Come si confrontano due algoritmi di ottimizzazione su un insieme di istanze di prova?
  20. Quale vantaggio offre la decomposizione di Benders per i problemi di grandi dimensioni?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Valentina Cacchiani: Optimization Models And Algorithms M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria dell'energia elettrica (LM-28)
Di cosa si tratta: Problemi di ottimizzazione in ambito decisionale, modelli matematici e algoritmi esatti per la loro risoluzione costituiscono il tema centrale, con la teoria matematica dei metodi risolutivi approfondita attraverso teoremi. Si parte dall'introduzione alla programmazione matematica, su una buona base di algebra lineare e matematica di base.

Dettagli corso

🕒 Orario lezioni
  • Mer15:30–18:30AULA II
  • Ven12–14AULA 5.7

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Slide disponibili su virtuale.unibo.it (alla pagina del corso)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Fischetti – Introduction to Mathematical OptimizationISBN 9781692792022
Tempo di studio del libro≈ 2,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
220 pagine
Difficoltà
5,4
Christos – Papadimitriou and Ken SteiglitzISBN 9780486402581
Tempo di studio del libro≈ 5,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
496 pagine
Difficoltà
5,4
Tsitsiklis – Introduction to linear programmingISBN 9781886529199
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
587 pagine
Difficoltà
5,4
Bertsimas – Optimization over integersISBN 9780975914625
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
602 pagine
Difficoltà
5,4
Domande possibili all’esame
  1. Che cosa si intende per modello di ottimizzazione e quali componenti lo definiscono?
  2. Come si distingue un problema di programmazione lineare da uno di programmazione non lineare?
  3. Quali condizioni rendono convesso un problema di ottimizzazione?
  4. Come funziona il metodo del simplesso per risolvere un problema di programmazione lineare?
  5. Che cosa afferma il teorema della dualità forte nella programmazione lineare?
  6. Quando conviene il metodo di Newton rispetto al gradiente per minimizzare una funzione?
  7. Come si modella un problema di trasporto tra magazzini e clienti?
  8. In che modo il metodo branch and bound esplora lo spazio delle soluzioni intere?
  9. Quale differenza c'è tra ottimo locale e ottimo globale in un problema non convesso?
  10. Come si imposta un problema di assegnamento con vincoli di unicità?
  11. Quali algoritmi euristici sono utili quando il problema è troppo grande per un metodo esatto?
  12. Come si verifica la fattibilità di una soluzione rispetto ai vincoli del modello?
  13. Che cosa rappresentano le variabili duali in un modello di allocazione?
  14. Come si valuta la complessità di un algoritmo di ottimizzazione nel caso peggiore?
  15. Quale ruolo hanno i tagli di Gomory nei problemi di programmazione intera?
  16. In che modo si affronta un problema di flusso su rete con capacità limitate?
  17. Come si applica l'ottimizzazione multiobiettivo a un problema di progettazione?
  18. Quali criteri si usano per interrompere un algoritmo iterativo di ottimizzazione?
  19. Come si confrontano due algoritmi di ottimizzazione su un insieme di istanze di prova?
  20. Quale vantaggio offre la decomposizione di Benders per i problemi di grandi dimensioni?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Valentina Cacchiani: Optimization Models And Algorithms M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria elettronica (LM-29)
Di cosa si tratta: Problemi di ottimizzazione in ambito decisionale, modelli matematici e algoritmi esatti per la loro risoluzione costituiscono il tema centrale, con la teoria matematica dei metodi risolutivi approfondita attraverso teoremi. Si parte dall'introduzione alla programmazione matematica, su una buona base di algebra lineare e matematica di base.

Dettagli corso

2º annoCorso: LM-29
CFU: 6Canale: Unico
🕒 Orario lezioni
  • Mer15:30–18:30AULA II
  • Ven12–14AULA 5.7

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Slide disponibili su virtuale.unibo.it (alla pagina del corso)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Fischetti – Introduction to Mathematical OptimizationISBN 9781692792022
Tempo di studio del libro≈ 2,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
220 pagine
Difficoltà
5,4
Christos – Papadimitriou and Ken SteiglitzISBN 9780486402581
Tempo di studio del libro≈ 5,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
496 pagine
Difficoltà
5,4
Tsitsiklis – Introduction to linear programmingISBN 9781886529199
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
587 pagine
Difficoltà
5,4
Bertsimas – Optimization over integersISBN 9780975914625
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
602 pagine
Difficoltà
5,4
Domande possibili all’esame
  1. Che cosa si intende per modello di ottimizzazione e quali componenti lo definiscono?
  2. Come si distingue un problema di programmazione lineare da uno di programmazione non lineare?
  3. Quali condizioni rendono convesso un problema di ottimizzazione?
  4. Come funziona il metodo del simplesso per risolvere un problema di programmazione lineare?
  5. Che cosa afferma il teorema della dualità forte nella programmazione lineare?
  6. Quando conviene il metodo di Newton rispetto al gradiente per minimizzare una funzione?
  7. Come si modella un problema di trasporto tra magazzini e clienti?
  8. In che modo il metodo branch and bound esplora lo spazio delle soluzioni intere?
  9. Quale differenza c'è tra ottimo locale e ottimo globale in un problema non convesso?
  10. Come si imposta un problema di assegnamento con vincoli di unicità?
  11. Quali algoritmi euristici sono utili quando il problema è troppo grande per un metodo esatto?
  12. Come si verifica la fattibilità di una soluzione rispetto ai vincoli del modello?
  13. Che cosa rappresentano le variabili duali in un modello di allocazione?
  14. Come si valuta la complessità di un algoritmo di ottimizzazione nel caso peggiore?
  15. Quale ruolo hanno i tagli di Gomory nei problemi di programmazione intera?
  16. In che modo si affronta un problema di flusso su rete con capacità limitate?
  17. Come si applica l'ottimizzazione multiobiettivo a un problema di progettazione?
  18. Quali criteri si usano per interrompere un algoritmo iterativo di ottimizzazione?
  19. Come si confrontano due algoritmi di ottimizzazione su un insieme di istanze di prova?
  20. Quale vantaggio offre la decomposizione di Benders per i problemi di grandi dimensioni?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Scorri di lato: 6 insegnamenti →

Domande frequenti Libri, programma ed esami del prof. Valentina Cacchiani a Bologna

Che libro usa il prof. Valentina Cacchiani per Algorithms For Decision Making M a Bologna?

Per Algorithms For Decision Making M (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Fischetti – Introduction to Mathematical Optimization, Christos – Papadimitriou and Ken Steiglitz, Tsitsiklis – Introduction to linear programming, Bertsimas – Optimization over integers.

Quanto è impegnativo Algorithms For Decision Making M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Valentina Cacchiani per Optimization Models And Algorithms M a Bologna?

Per Optimization Models And Algorithms M (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Fischetti – Introduction to Mathematical Optimization, Christos – Papadimitriou and Ken Steiglitz, Tsitsiklis – Introduction to linear programming, Bertsimas – Optimization over integers.

Quanto è impegnativo Optimization Models And Algorithms M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Valentina Cacchiani per Algorithms For Decision Making M a Bologna?

Per Algorithms For Decision Making M (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Fischetti – Introduction to Mathematical Optimization, Christos – Papadimitriou and Ken Steiglitz, Tsitsiklis – Introduction to linear programming, Bertsimas – Optimization over integers.

Quanto è impegnativo Algorithms For Decision Making M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Valentina Cacchiani per Optimization Models And Algorithms M a Bologna?

Per Optimization Models And Algorithms M (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Fischetti – Introduction to Mathematical Optimization, Christos – Papadimitriou and Ken Steiglitz, Tsitsiklis – Introduction to linear programming, Bertsimas – Optimization over integers.

Quanto è impegnativo Optimization Models And Algorithms M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Valentina Cacchiani per Optimization Models And Algorithms M a Bologna?

Per Optimization Models And Algorithms M (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Fischetti – Introduction to Mathematical Optimization, Christos – Papadimitriou and Ken Steiglitz, Tsitsiklis – Introduction to linear programming, Bertsimas – Optimization over integers.

Quanto è impegnativo Optimization Models And Algorithms M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Valentina Cacchiani per Optimization Models And Algorithms M a Bologna?

Per Optimization Models And Algorithms M (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Fischetti – Introduction to Mathematical Optimization, Christos – Papadimitriou and Ken Steiglitz, Tsitsiklis – Introduction to linear programming, Bertsimas – Optimization over integers.

Quanto è impegnativo Optimization Models And Algorithms M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Dove trovo la scheda ufficiale di un esame?

Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.

Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.