Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente
[51276] - METODI E MODELLI PER IL SUPPORTO ALLE DECISIONIMETHODS AND MODELS FOR DECISION-MAKING SUPPORT
ROBERTO ROSETTI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM07] INGEGNERIA GESTIONALE Master Degree (2 years) - [IM07] MANAGEMENT ENGINEERING
Dipartimento: [040004] Dipartimento Ingegneria Industriale e Scienze MatematicheDepartment: [040004] Dipartimento Ingegneria Industriale e Scienze Matematiche
Anno di corsoDegree programme year : 1 - Secondo Semestre
Anno offertaAcademic year: 2018-2019
Anno regolamentoAnno regolamento: 2018-2019
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: C - Affine/Integrativa
Settore disciplinareAcademic discipline: MAT/09 - RICERCA OPERATIVA

LINGUA INSEGNAMENTO LANGUAGE

Italiano

Italian


PREREQUISITI PREREQUISITES

Elementi di programmazione lineare e di teoria della dualità. Concetti elementari di programmazione strutturata

Elements of Linear Programming and duality theory. Elements of structured programming.


MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

72 ore di didattica frontale del docente suddivisa in:
Ore lezioni: 54
Ore esercitazioni: 18.

72 hours classes divided in:
Theory: 54
Exercizes: 18


RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES
Conoscenze e comprensione.

L''insegnamento introduce lo studente ai principali aspetti teorici, modellistici e metodologici relativi alla formulazione e soluzione quantitativa di problemi decisionali che si presentano nella gestione di sistemi complessi (produttivi e di servizio) per i quali la variabile organizzativa riveste un ruolo di notevole criticità. In particolare, l''insegnamento illustra il paradigma dichiarativo della programmazione matematica e, in generale, le metodologie e le tecniche utilizzate per la progettazione e l''uso di strumenti quantitativi di supporto alle decisioni.


Capacità di applicare conoscenze e comprensione.

Lo studente dovrà a) saper individuare e comprendere problemi decisionali anche di elevata complessità, di natura interdisciplinare e definiti in modo incompleto, b) essere in grado di formulare analiticamente tali problemi con tecniche di programmazione matematica e c) risolvere quantitativamente tali problemi con strumenti software evoluti. Lo studente dovrà sviluppare una visione sistemica dei problemi decisionali che si presentano nell''ambito di sistemi organizzati e dovrà essere in grado di applicare metodi quantitativi per la loro soluzione. Data la natura interdisciplinare delle suddette attività, lo studente dovrà essere in grado di operare all'interno di team multifunzionali, fungendo da potenziale interfaccia tra le diverse figure professionali.


Competenze trasversali.

La verifica dell'apprendimento avverrà attraverso la soluzione di esercizi di modellazione e l'applicazione di algoritmi e tecniche risolutive illustrate nel corso, nonché attraverso una prova finale nella quale lo studente dovrà dimostrare una sufficiente conoscenza dei principi teorici e dei metodi quantitativi per il supporto al processo decisionale. Tali attività contribuiranno a migliorare sia il grado di autonomia di giudizio in generale, sia la capacità di applicare strumenti matematici per modellare e controllare il comportamento di fenomeni e processi decisionali complessi.


Knowledge and Understanding.

The course introduces to the main theoretical, modeling and methodological issues of the formulation and quantitative solution of decision problems that arise in the management of complex (manufacturing and service) systems, for which the organizational variable plays a quite critical role. In particular, the course illustrates the declarative paradigm of mathematical programming and, in general, the methods and techniques used for the design and the use of quantitative tools for supporting the decision-making process.


Capacity to apply Knowledge and Understanding.

The student should be able a) to identify and understand decision-making problems even of high complexity, interdisciplinary nature and partially defined b) to analytically formulate such problems by mathematical programming techniques and c) to quantitatively solve such problems with advanced software tools. The student will have the skill of systematically view the decision problems arising in the context of organized systems and will be able to apply quantitative methods for their solution. Given the interdisciplinary nature of these activities, the student will be able to work within cross-functional teams, acting as an interface between the various professional skills.


Transversal Skills.

The student skills will be checked through modeling exercises and the application of algorithms and solution techniques illustrated in the course, as well as by a final test, in which students must demonstrate sufficient knowledge of the theoretical principles and the quantitative methods for supporting the decision-making process. In general, such activities will contribute to the improvement of both the degree of independence of judgment and the ability of applying mathematical tools for model and control the behavior of complex decision-making processes.



PROGRAMMA PROGRAM

- Introduzione ai problemi decisionali e ai sistemi di supporto alle decisioni. - La programmazione matematica come paradigma dichiarativo.- Modelli di programmazione lineare (PL) e lineare intera (PLI). - Tecniche di modellazione per la PL/PLI. - Software di ottimizzazione e linguaggi di modellazione algebrica (AMPL). - Richiami di programmazione lineare e teoria della dualità: risultati principali e applicazioni. - Cenni di teoria della complessità computazionale. - Introduzione alla teoria dei grafi e principali problemi di ottimizzazione su grafo. - Problemi e modelli di ottimizzazione su reti: cammino minimo, massimo flusso e flusso a costo minimo. - Algoritmi di enumerazione implicita per la PLI. - Modelli discreti per problemi di scheduling e routing. - Applicazioni della programmazione matematica.

- Introduction to decision-making problems and decision support systems. - Mathematical programming as a declarative paradigm. - Linear programming (LP) and integer linear programming (ILP) models. - Modelling techniques for LP/ILP. - Software optimization tools and Algebraic Modelling Languages. - Outline on linear programming and duality theory: main results and applications. - Primer to theory of computational complexity. - Introduction to graph theory and main graph optimization problems. - Problems and models for network optimization: shortest path, max-flow and min cost flow problems. - Implicit enumeration algorithms for Integer Linear Programming. - Discrete models for scheduling and routing problems. - Applications of mathematical programming.


MODALITÀ DI SVOLGIMENTO DELL'ESAME DEVELOPMENT OF THE EXAMINATION
Modalità di valutazione dell'apprendimento.

Sono previste una prova scritta e una prova orale. La prova scritta, della durata di 2 ore, consiste nella risoluzione di 7 domande a risposta multipla e lo svolgimento di uno o più esercizi di modellazione matematica e/o nella risoluzione di problemi di ottimizzazione discreta mediante le tecniche presentate nel corso. La prova scritta non prevede la possibilità di utilizzare testi o appunti. Alla prova orale accede chi ha ottenuto una valutazione dello scritto di almeno 18 punti. La prova orale consiste nella discussione dello scritto e nella soluzione di uno o più quesiti volti a verificare le capacità logiche deduttive e l'apprendimento degli argomenti del corso.


Criteri di valutazione dell'apprendimento.

Viene valutata la capacità di sintetizzare ed esporre con chiarezza e rigore logico idee, concetti e risultati teorici dell'ottimizzazione discreta. Viene inoltre valutata la capacità di impostare e risolvere autonomamente i problemi decisionali utilizzando in modo corretto e pertinente metodologie, modelli e strumenti propri della programmazione matematica e dell'ottimizzazione discreta.


Criteri di misurazione dell'apprendimento.

La capacità di impostare e risolvere problemi decisionali con strumenti propri della programmazione matematica e dell'ottimizzazione discreta è misurata analiticamente con un punteggio assegnato alla prova scritta compreso tra 0 e 18. La capacità di sintesi, di rigore logico e di esposizione chiara è misurata analiticamente con un punteggio assegnato alla prova orale compreso tra 0 e 30.


Criteri di attribuzione del voto finale.

Il voto finale è pari alla somma dei punteggi assegnati alla prova scritta e alla prova orale. La votazione massima, pari a trenta punti con lode, è assegnata agli studenti che complessivamente dimostrino completa padronanza degli strumenti teorici e metodologici propri dell'ottimizzazione discreta e piena autonomia e rigore logico nell'impostare e risolvere i problemi posti. La votazione minima, pari a diciotto, è assegnata agli studenti che dimostrino di riuscire a risolvere i problemi che gli vengono posti e sufficiente conoscenza degli strumenti teorici e metodologici propri dell'ottimizzazione discreta.


Learning Evaluation Methods.

The assessment of the level of learning includes both a written and an oral exam. The written exam lasts 2 hours and consists in answering 7 multiple choice questions and solving one or more exercises on mathematical modeling and/or discrete optimization problems by means of the techniques presented in the course. During the exam, the students cannot use notes and books. The access to the oral exam is reserved to students that achieve a score of at least 18 points in the written exam. The oral exam consists of the discussion of the written exam and solving one or more questions in order to verify the logical deductive skills and the understanding of the course topics.


Learning Evaluation Criteria.

It is evaluated the ability to clearly and logically explain ideas, concepts and theoretical results of discrete optimization. It is also assessed the ability to independently set and solve decision problems by correctly using appropriate methods, models and tools of mathematical programming and discrete optimization.


Learning Measurement Criteria.

The ability to formulate and solve decision-making problems by means of the tools of mathematical programming and discrete optimization is analytically measured by a score assigned to the second part of the written exam that ranges between 0 and 18 points. The capability of synthesis, logical and clear exposition is analytically measured analytically by a score assigned to the oral exam that ranges between 0 and 30 points.


Final Mark Allocation Criteria.

The final grade is equal to the sum of the scores awarded to both the written and the oral exam. The maximum grade, equal to thirty points with laude, is awarded to students who demonstrate total mastery of the theoretical and methodological tools of discrete optimization, and a full autonomy and logical accuracy in setting and solving the proposed problems. The minimum grade, equal to eighteen points, is assigned to students who demonstrate to be able to solve the proposed problems and to sufficiently know the theoretical and methodological tools of discrete optimization.



TESTI CONSIGLIATI RECOMMENDED READING

C. Vercellis, "Ottimizzazione. teoria, metodi, applicazioni", Mc Graw-Hill, 2008.

Materiale didattico elettronico disponibile su piattaforma Moodle di Ateneo"

https://learn.univpm.it/course/view.php?id=7866

C. Vercellis, "Ottimizzazione. teoria, metodi, applicazioni", Mc Graw-Hill, 2008.

Electronic teaching material available on the University's Moodle platform

https://learn.univpm.it/course/view.php?id=7866


Scheda insegnamento erogato nell’A.A. 2018-2019
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento.
Academic year 2018-2019

 


Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427