Il presente lavoro è una raccolta delle lezioni del Professore Massimiliano Ferrara, tenute negli anni passati nell’ambito del corso di Business Analytics and Decisions Theory, per il percorso di laurea magistrale in Economics dell’Università degli Studi Mediterranea di Reggio Calabria, opportunamente integrate e rielaborate grazie al contributo delle due coautrici. La programmazione non lineare ed i relativi metodi di analisi sono di assoluta attualità e, soprattutto, di composita e vasta applicabilità. Proiettando la presente trattazione all’immediato futuro, tali argomenti potranno essere sviluppati per gli studi relativi al Machine Learning ed al Decision Support System, quindi non solo in ambito economico ma anche in quello dell’ingegneria gestionale. Infatti, la programmazione non lineare ha una significativa utilità nei recenti sviluppi di metodi e modelli per l’intelligenza artificiale.

Prolegomeni di Programmazione Non Lineare - Ottimizzazione di più Variabili con vincoli di uguaglianza e disuguaglianza. Le condizioni di Kuhn-Tucker

Ferrara M.
Validation
;
Ciano T.
Membro del Collaboration Group
;
Mallamaci V.
Membro del Collaboration Group
2021-01-01

Abstract

Il presente lavoro è una raccolta delle lezioni del Professore Massimiliano Ferrara, tenute negli anni passati nell’ambito del corso di Business Analytics and Decisions Theory, per il percorso di laurea magistrale in Economics dell’Università degli Studi Mediterranea di Reggio Calabria, opportunamente integrate e rielaborate grazie al contributo delle due coautrici. La programmazione non lineare ed i relativi metodi di analisi sono di assoluta attualità e, soprattutto, di composita e vasta applicabilità. Proiettando la presente trattazione all’immediato futuro, tali argomenti potranno essere sviluppati per gli studi relativi al Machine Learning ed al Decision Support System, quindi non solo in ambito economico ma anche in quello dell’ingegneria gestionale. Infatti, la programmazione non lineare ha una significativa utilità nei recenti sviluppi di metodi e modelli per l’intelligenza artificiale.
2021
978-88-99352-50-9
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12318/132446
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact