Differenze tra le versioni di "Algoritmi e strutture dati II"
(→Informazioni) |
|||
Riga 4: | Riga 4: | ||
== A.A. passati == | == A.A. passati == | ||
== Informazioni == | == Informazioni == | ||
+ | |||
+ | Corso del secondo semestre, il superamento di quest'esame da diritto a 6 CFU. | ||
+ | |||
+ | * Docente: Marco Trubian | ||
+ | |||
+ | === Obiettivi del corso === | ||
+ | Fornire i principi di analisi e progetto di algoritmi (deterministici e randomizzati) per la soluzione di problemi su vari modelli di calcolo. | ||
+ | |||
+ | === Prerequisiti === | ||
+ | * Algoritmi e Strutture Dati II mod 1 Analisi e sintesi di algoritmi sequenziali | ||
+ | |||
+ | === Modalità d'esame === | ||
+ | * Orale | ||
+ | * Progetto | ||
+ | |||
+ | === Programma del corso === | ||
+ | |||
+ | * Algoritmi approssimati | ||
+ | * Algoritmi di ottimizzazione | ||
+ | * Ottimizzazione locale e globale | ||
+ | * Tecniche di ottimizzazione locale sul continuo | ||
+ | * Ricerca locale e varianti | ||
+ | * Ottimizzazione stocastica | ||
+ | * Reti neurali di Hopfield, macchine di Boltzmann | ||
+ | |||
+ | === Metodi didattici === | ||
+ | * Lezioni frontali | ||
+ | * Assegnazione di esercizi | ||
+ | |||
=== Giudizio sul corso === | === Giudizio sul corso === |
Versione delle 16:45, 8 ott 2006
Questa è una pagina di introduzione al corso: contiene i turni, le modalità d'insegnamento, alcune informazioni generali ed eventuali giudizi sul corso in questione. Se sei giunto qui passando da un link, puoi tornare indietro e correggerlo in modo che punti direttamente alla voce appropriata. |
Indice
A.A. passati
Informazioni
Corso del secondo semestre, il superamento di quest'esame da diritto a 6 CFU.
- Docente: Marco Trubian
Obiettivi del corso
Fornire i principi di analisi e progetto di algoritmi (deterministici e randomizzati) per la soluzione di problemi su vari modelli di calcolo.
Prerequisiti
- Algoritmi e Strutture Dati II mod 1 Analisi e sintesi di algoritmi sequenziali
Modalità d'esame
- Orale
- Progetto
Programma del corso
- Algoritmi approssimati
- Algoritmi di ottimizzazione
- Ottimizzazione locale e globale
- Tecniche di ottimizzazione locale sul continuo
- Ricerca locale e varianti
- Ottimizzazione stocastica
- Reti neurali di Hopfield, macchine di Boltzmann
Metodi didattici
- Lezioni frontali
- Assegnazione di esercizi
Giudizio sul corso
I giudizi di seguito espressi sono il parere personale degli studenti, e potrebbero non rispecchiare il parere medio dei frequentanti. Non vi è comunque alcun intento di mettere alla gogna i docenti del corso!
Interesse della materia (da 1 a 5 - aiuto)
____________________Difficoltà del corso (da 1 a 5 - aiuto)
____________________Difficoltà del corso per non frequentanti (da 1 a 5 - aiuto)
____________________Ore di studio richieste (da 1 a 5 - aiuto)
____________________