METHODS AND MODELS FOR DECISION SUPPORT

METHODS AND MODELS FOR DECISION SUPPORT

_
iten
Codice
80172
ANNO ACCADEMICO
2017/2018
CFU
6 cfu al 2° anno di 8733 INGEGNERIA INFORMATICA (LM-32) GENOVA

5 CFU al 2° anno di 10377 SAFETY ENGINEERING FOR TRANSPORT, LOGISTICS AND PRODUCTION (LM-26) GENOVA

SETTORE SCIENTIFICO DISCIPLINARE
MAT/09
LINGUA
Italiano
SEDE
GENOVA (INGEGNERIA INFORMATICA )
periodo
1° Semestre
materiale didattico

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Modellare e risolvere problemi decisionali complessi. Applicazioni al manufacturing planning e scheduling e alla logistica (network flow, location e vehicle routing). Sono studiati modelli e metodi di integer programming, euristiche e metaeuristiche per problemi di ottimizzazione combinatoria, il metodo PERT per il Project Management. Inoltre vengono introdotti concetti fondamentali per la soluzione di problemi multi-criterio e di decision

PROGRAMMA/CONTENUTO

Introduzione ai problemi decisionali, alle metodologie ed ai loro limiti. Modelli di ottimizzazione lineare: Esempio di formulazioni, uso di Solver ed interpretazione dei risultati. Reti di Flusso, Algoritmi per il Max Flow e Min Cost Flow, Simplesso su Rete. Modelli di Pianificazione della produzione: Dynamic Lot Sizing Problem (single item, multi ‐ item) e sue varianti. Modelli di Planning Multi ‐ stage. Modelli decisionali su grafi e reti con applicazione nel settore della logistica. Modelli per l’allocazione di centri logistici o di servizi (centro e mediana di un grafo, problemi di covering). Modelli di Mixed Integer Programming (pianificazione, location, scheduling). Modelli MIP per lo scheduling single machine: formulazioni alternative.Tecniche di rilassamento. Il rilassamento Lagrangiano. Metodi meta ‐ euristici per la soluzione di problemi combinatorici. Metodi di Neighbourhood Search. Trajectory Methods (Iterated Local Search, Tabu Search, Simulated Annealing, Variable Neighbourhood Search, GRASP, Iterated Greedy Algorithm). Population ‐ based Methods (Genetic Algorithm, Ant Colony Optimization, Particle Swarm Optimization). Tecniche euristiche per la soluzione di problemi MIP (Math ‐ heuristic methods). Modelli per l’instradamento di veicoli in reti di trasporto (Vehicle Routing Problems). Modelli esatti ed euristici di routing su nodi (Traveling Salesman Problem, Capacitated Vehicle Routing Problem). Modelli esatti ed euristici di routing su archi (Chinese Postman Problem, Capacitated Arc Routing Problem). La gestione dei progetti (Project Management). Il metodo del PERT ‐ CPM. Modelli decisionali non ‐ deterministici (la Teoria delle Decisioni). Modelli decisionali in condizioni di rischio ed in condizioni di incertezza. Modelli decisionali deterministici che utilizzano molti criteri (Multicriteria Decision Making). Metodi decisionali multi ‐ attributo e multi ‐ obiettivo

TESTI/BIBLIOGRAFIA

Dispense fornite dal docente su Aulaweb

DOCENTI E COMMISSIONI

Ricevimento: Appuntamento fissabile via mail o telefono

Commissione d'esame

MASSIMO PAOLUCCI (Presidente)

MARCELLO SANGUINETI

ALBERTO GROSSO

DAVIDE ANGHINOLFI

LEZIONI

ORARI

L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

Vedi anche:

METHODS AND MODELS FOR DECISION SUPPORT

ESAMI

Modalità d'esame

Prova orale e/o sviluppo di un progetto (per allievi che hanno frequentato le lezioni con assiduità).

Modalità di accertamento

Alla fine del corso le competenze acquisite metteranno gli studenti in grado di strutturare problemi decisionali di media complessità e di scegliere le opportune metodologie di soluzione, nonché di utilizzare semplici pacchetti software come strumenti di supporto decisionale