Overview on decision making and Decision Support Systems (DSS). Model Driven DSS. Introduction to Business Analytics. Mathematical modeling (examples of LP, ILP, and NLP formulations). Predictive analytics, optimal classification trees, examples. Basics on computational complexity. Prescriptive analytics. Heuristic algorithms: constructive heuristics, local search, variable depth local search, Tabu Search, Simulated Annealing, genetic algorithms, hints to other metaheuristics. Robust Optimization. Study of real cases (optimization of the flows in the distribution of frozen food, optimization of staff shifts in hospital departments, optimial routing for the collection of material for laboratory analysis, optimal management of the warehouse of a company that deals with online sales, ....).

1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.
2. Slides e notes given by the lecturer

SCHEDULING

CONTROLLO DELLE OPERAZIONI SU UNA MACCHINA
EDD,SPT,MOORE, SMITH, SMITH MODIFICATO, LAWLER

CONTROLLO DELLE OPERAZIONI NELLE CELLE
GRAFO DEGLI STATI, CONFLITTI, PROGRAMMAZIONE DINAMICA E A*.

CONTROLLO DELLE OPERAZIONI NELLE LINEE
ALGORITMO DI JOHNSON PER IL SEQUENZIAMENTO SU DUE MACCHINE
APPLICAZIONE DELL'ALGORITMO DI GILMORE E GOMORY A LINEE DI DUE MACCHINE SENZA ATTESA INTERMEDIA



MINIMO RITARDO MASSIMO CON TEMPO DI RILASCIO POSITIVO E INTERRUZIONE: 'BRANCH AND BOUND"; GRAFO DISGIUNTIVO PER IL JOB SHOP ("CLIQUE" DI MACCHINE)
SEQUENZIAMENTO DI MACCHINA SPOSTANDO IL COLLO DI BOTTIGLIA: EURISTICA RISOLUTIVA PER IL JOB SHOP ("SHIFTING BOTTLENECK")







SIMULAZIONE



LA SIMULAZIONE AD EVENTI DISCRETI, METODOLOGIA FONDAMENTALE PER LA VALUTAZIONE DELLE PRESTAZIONI DI SISTEMI COMPLESSI (DI CALCOLO, DI TELECOMUNICAZIONE, DI TRAFFICO, ECC) È LA MATERIA SU CUI VERTE QUESTO CORSO. PUR ESSENDO DI CARATTERE INTRODUTTIVO, IL CORSO HA COME OBIETTIVO DI RENDERE LO STUDENTE IN GRADO DI AFFRONTARE LO STUDIO DI CASI REALI AVENDO CONOSCENZA DEL METODO DA SEGUIRE E DELLE POTENZIALITÀ DELLE TECNICHE DISPONIBILI

GLI ARGOMENTI TRATTATI POSSONO ESSERE RAGGRUPPATI NEI SEGUENTI TRE FASI:

O COSTRUZIONE DI UN MODELLO DI UN SISTEMA REALE:


VERRANNO DISCUSSI I CONCETTI DI LIVELLO DI ASTRAZIONE E ADEGUATEZZA DI UN MODELLO, E ILLUSTRATE ALCUNE METODOLOGIE PER LA COSTRUZIONE DEI MODELLI. GLI ESEMPI VERRANNO SVILUPPATI UTILIZZANDO DUE FORMALISMI MOLTO NOTI: LE RETI DI CODE E LE RETI DI PETRI. SARANNO INOLTRE DISCUSSE ALCUNE SEMPLICI LEGGI OPERAZIONALI CHE SERVONO PER LA DEFINIZIONE DEGLI INDICI DI PRESTAZIONE DEI MODELLI.

O "ESECUZIONE" DI UN MODELLO DI SIMULAZIONE
VERRÀ SPIEGATO COSA SIGNIFICA ESEGUIRE UN MODELLO DI SIMULAZIONE E COME SI PUÒ REALIZZARE UN PROGRAMMA DI SIMULAZIONE AD EVENTI DISCRETI. I MODELLI DI SIMULAZIONE CHE SARANNO TRATTATI SONO MODELLI PROBABILISTICI, OVVERO MODELLI LA CUI EVOLUZIONE È GOVERNATA DA LEGGI CASUALI. QUESTO RICHIEDERÀ UN RICHIAMO DEI FONDAMENTI DI CALCOLO DELLE PROBABILITÀ. VERRANNO INOLTRE PRESENTATI METODI PER LA GENERAZIONE DI ISTANZE DI VARIABILI CASUALI.

O INTERPRETAZIONE DEI RISULTATI DELLA SIMULAZIONE:
I RISULTATI PRODOTTI DA UN SIMULATORE COSTITUISCONO LE COMPONENTI DI UN CAMPIONE STATISTICO E COME TALI DEVONO ESSERE UTILIZZATI PER LA CONFERMA DELLA LORO VALIDITÀ. IL CORSO INCLUDE IL RICHIAMO DI ALCUNI ELEMENTI FONDAMENTALI DI STATISTICA UTILI PER LA PRESENTAZIONE DEI METODI CHE PERMETTONO LA STIMA INTERVALLARE DEGLI INDICI DI PRESTAZIONE DEI MODELLI STUDIATI.
SARÀ RICHIESTO AGLI STUDENTI DI SVOLGERE DEGLI ESERCIZI PRATICI PER VERIFICARE LA COMPRENSIONE DI QUANTO ESPOSTO A LEZIONE. GLI STUDENTI DOVRANNO MOSTRARE SIA CAPACITÀ DI ANALISI DI PROBLEMI REALI E IMPOSTAZIONE DI ALGORITMI RISOLUTIVI IN VIA SIMULATIVA, SIA CAPACITÀ OPERATIVE DI PROGRAMMAZIONE CON LINGUAGGI STANDARD (C, JAVA).

slides on home page of professor

Linear Systems
1. INTRODUCTION TO LINEAR SYSTEMS
1.1. Modelling
1.2. State-Space Representation
2. DIFFERENTIAL EQUATIONS
2.1. Linear Differential Equations with Constant Coefficients
2.2. Exponential Matrix
2.3. Free Evolution
2.4. Forced Evolution
3. RELATIONSHIP BETWEEN REPRESENTATIONS
3.1. From State-Spate to Transfer Function
3.2. From Transfer Function to State-Spate
4. MODAL DECOMPOSITION
4.1. Eigenvalues and Eigenvectors
4.2. Coordinate Transformation
4.3. Diagonalization and Jordanization
5. STRUCTURAL PROPERTIES
5.1. Controllability and Observability
5.2. Controllability and Observability Kalman Forms
5.3. Kalman Canonical Decomposition
7. EIGENVALUE ASSIGNMENT PROBLEM
7.1. Eigenvalue assignment using state feedback
7.1.1. Assignment Theorem (SISO/MIMO)
7.1.2. Assignment Unicity Theorem (SISO)
7.2. Stabilization Problem
7.3. State Asymptotic Observer
7.4. Separation Principle
7.5. Eigenvalue placement using output feedback
8. LINEAR OUTPUT REGULATION PROBLEM
8.1. Full-Information Problem
8.2. Error-Feedback Problem
Nonlinear Systems
9. INTRODUCTION TO NONLINEAR SYSTEMS
9.1. Fundamental Properties
9.2. Lipschitz Condition
9.3. Existence and Unicity of Solution
9.4. Comparison Lemma
10. LYAPUNOV STABILITY
10.1. Autonomous Systems
10.2. Stability Definition
10.3. Stability Theorem (Direct Criterion)
10.4. Chetaev Instability Theorem
10.5. Lyapunov Control Functions (Krasovskii)
10.6. Invariance Principle (LaSalla Theorem)
10.7. Stability Theorem for Linear Systems (Indirect Criterion)

Linear Systems
1. An Introduction to Linear Control Systems, Thomas E. Fortmann, Konrad L. Hitz
2. Lecture Notes (http://gasparri.dia.uniroma3.it/Stuff/complementi_teoria_dei_sistemi.pdf)
3. Sistemi di controllo (Vol. 2), Alberto Isidori

Nonlinear Systems
1. Nonlinear Systems (3rd Edition), Hassan K. Khalil

Course programme
1. Introduction to Multi-Criteria Decision Making for Public Service Management Problems
2. Optimization in Project Planning and Scheduling
3. Disjunctive Programming: Scheduling and Routing Models, (Meta)Exact /Heuristic Algorithms
4. Reservations Systems and Interval Scheduling
5. Timetabling with Operator or Tooling Constraints
6. Scheduling and Timetabling in Sport Tournaments
7. Scheduling Network Television Programs
8. Transportation Problems: Tanker/Aircraft/Train Coordination, Scheduling and Routing
9. Decision Support Systems for Real-Time Dispatching of Operations
10. Workforce Scheduling: Days-Off Scheduling, Shift Scheduling, Cyclic Staffing
11. Airline Crew Scheduling
12. Discrete Location Problems
13. Water and Air Quality Management
14. Health Care Delivery

Michael L. Pinedo (Author) “Planning and Scheduling in Manufacturing and Services”, Springer Series in Operations Research, Edition 2005
S.M. Pollock, M.H. Rothkopf, A. Barnett (Editors), “Operations Research and the Public Sector”, Handbooks in Operations Research and Management Science, Volume 6, Edition 1994

First part:

i. The goods market, ii. financial markets, iii. the IS-LM model, iv. the labour market, v. the Phillips Curve, vi. the natural rate of unemployment, vii. the Inflation rate, viii. from the short to the medium run.

Second part:
i. The facts of growth, ii. saving, capital accumulation, and output, iii. the role of public spending in the long-run, iv.openness in goods and financial markets, v. should policy makers me restrained?, vi. fiscal Policy, vii. monetary policy.

Macroeconomia. Una prospettiva europea 2016, di Olivier J. Blanchard , Alessia Amighini, Francesco Giavazzi. Il Mulino.
Frank. Microeconomia (Sesta edizione), Mc Graw Hill.

1. Non-linear programming
Gradient, Hessian
Local minimum, Necessary conditions (first and second order)
Local minimum, Sufficient conditions (secondo order and convex case)
Gradient method, Line search
Newton method,
2. Constrained non-linear programming
KKT conditions
Barrier method and Penalty functions
3. Lot Sizing
EOQ model
Wagner-Whitin Algorithm
Zangwill Algorithm
4. Job Shop Scheduling
Exact methods, Carlier-Pinson Algorithm
Euristhic methods, Nowicki-Smutnicki Algorithm
5. Vehicle Routing Problem
6. Crew Scheduling
7. Plant Location

The course covers topics related to the CONTEXT: management processes structures
in relation to the context of decision making and problem solving. Application to processes and projects. In particular for processes: methods of representation and analysis, performance indicators, executive reporting, monitoring as a prerequisite for decision making. BPR (Business Process Reengineering). Particularly for projects : by using C / SCSC - EVM - EVMS for decision making. Risk Management. INDICATORS AND DASHBOARD: The statistical methods are presented to support the Decision Making for the detection and representation of data. MCDA METHODS: presentation of methods for multi-criteria decisions analysis (MCDA), including the AHP, Electre methods I, II, III, TOPSIS, PROMETHEE. STRATEGIC INTERACTION: Game theory.
Normal Form Games, Zero Sum Games, no-zero Sum Games, Solution Concepts: Dominated Strategies, Nash Equilibrium, Nash Equilibrium with Mixed Strategies, Correlated Equilibria, Extensive FormGames, Solution Concepts: Backwards Induction , Subgame Perfection. Bayesian Extensive Games, Extensive Form Games of Incomplete Information, Trembling Hand Perfection, Sequential Equilibrium. Signal Games. Coalitional Games TU game : Solution Concepts : The Core, The Shapley Value, banzhaf_index, The Cost Game (ECA CGA EGA)

texts and materials are provided by the teacher and are available from internet-web site.
http://damiani.dia.uniroma3.it/CORSI/MSDM/index.htm

Seminars - https://sites.google.com/site/roma3seminari/

Slides provided by the speakers

Linear Systems
1. INTRODUCTION TO LINEAR SYSTEMS
1.1. Modelling
1.2. State-Space Representation
2. DIFFERENTIAL EQUATIONS
2.1. Linear Differential Equations with Constant Coefficients
2.2. Exponential Matrix
2.3. Free Evolution
2.4. Forced Evolution
3. RELATIONSHIP BETWEEN REPRESENTATIONS
3.1. From State-Spate to Transfer Function
3.2. From Transfer Function to State-Spate
4. MODAL DECOMPOSITION
4.1. Eigenvalues and Eigenvectors
4.2. Coordinate Transformation
4.3. Diagonalization and Jordanization
5. STRUCTURAL PROPERTIES
5.1. Controllability and Observability
5.2. Controllability and Observability Kalman Forms
5.3. Kalman Canonical Decomposition
7. EIGENVALUE ASSIGNMENT PROBLEM
7.1. Eigenvalue assignment using state feedback
7.1.1. Assignment Theorem (SISO/MIMO)
7.1.2. Assignment Unicity Theorem (SISO)
7.2. Stabilization Problem
7.3. State Asymptotic Observer
7.4. Separation Principle
7.5. Eigenvalue placement using output feedback
8. LINEAR OUTPUT REGULATION PROBLEM
8.1. Full-Information Problem
8.2. Error-Feedback Problem
Nonlinear Systems
9. INTRODUCTION TO NONLINEAR SYSTEMS
9.1. Fundamental Properties
9.2. Lipschitz Condition
9.3. Existence and Unicity of Solution
9.4. Comparison Lemma
10. LYAPUNOV STABILITY
10.1. Autonomous Systems
10.2. Stability Definition
10.3. Stability Theorem (Direct Criterion)
10.4. Chetaev Instability Theorem
10.5. Lyapunov Control Functions (Krasovskii)
10.6. Invariance Principle (LaSalla Theorem)
10.7. Stability Theorem for Linear Systems (Indirect Criterion)

Linear Systems
1. An Introduction to Linear Control Systems, Thomas E. Fortmann, Konrad L. Hitz
2. Lecture Notes (http://gasparri.dia.uniroma3.it/Stuff/complementi_teoria_dei_sistemi.pdf)
3. Sistemi di controllo (Vol. 2), Alberto Isidori

Nonlinear Systems
1. Nonlinear Systems (3rd Edition), Hassan K. Khalil

SCHEDULING

CONTROLLO DELLE OPERAZIONI SU UNA MACCHINA
EDD,SPT,MOORE, SMITH, SMITH MODIFICATO, LAWLER

CONTROLLO DELLE OPERAZIONI NELLE CELLE
GRAFO DEGLI STATI, CONFLITTI, PROGRAMMAZIONE DINAMICA E A*.

CONTROLLO DELLE OPERAZIONI NELLE LINEE
ALGORITMO DI JOHNSON PER IL SEQUENZIAMENTO SU DUE MACCHINE
APPLICAZIONE DELL'ALGORITMO DI GILMORE E GOMORY A LINEE DI DUE MACCHINE SENZA ATTESA INTERMEDIA



MINIMO RITARDO MASSIMO CON TEMPO DI RILASCIO POSITIVO E INTERRUZIONE: 'BRANCH AND BOUND"; GRAFO DISGIUNTIVO PER IL JOB SHOP ("CLIQUE" DI MACCHINE)
SEQUENZIAMENTO DI MACCHINA SPOSTANDO IL COLLO DI BOTTIGLIA: EURISTICA RISOLUTIVA PER IL JOB SHOP ("SHIFTING BOTTLENECK")







SIMULAZIONE



LA SIMULAZIONE AD EVENTI DISCRETI, METODOLOGIA FONDAMENTALE PER LA VALUTAZIONE DELLE PRESTAZIONI DI SISTEMI COMPLESSI (DI CALCOLO, DI TELECOMUNICAZIONE, DI TRAFFICO, ECC) È LA MATERIA SU CUI VERTE QUESTO CORSO. PUR ESSENDO DI CARATTERE INTRODUTTIVO, IL CORSO HA COME OBIETTIVO DI RENDERE LO STUDENTE IN GRADO DI AFFRONTARE LO STUDIO DI CASI REALI AVENDO CONOSCENZA DEL METODO DA SEGUIRE E DELLE POTENZIALITÀ DELLE TECNICHE DISPONIBILI

GLI ARGOMENTI TRATTATI POSSONO ESSERE RAGGRUPPATI NEI SEGUENTI TRE FASI:

O COSTRUZIONE DI UN MODELLO DI UN SISTEMA REALE:


VERRANNO DISCUSSI I CONCETTI DI LIVELLO DI ASTRAZIONE E ADEGUATEZZA DI UN MODELLO, E ILLUSTRATE ALCUNE METODOLOGIE PER LA COSTRUZIONE DEI MODELLI. GLI ESEMPI VERRANNO SVILUPPATI UTILIZZANDO DUE FORMALISMI MOLTO NOTI: LE RETI DI CODE E LE RETI DI PETRI. SARANNO INOLTRE DISCUSSE ALCUNE SEMPLICI LEGGI OPERAZIONALI CHE SERVONO PER LA DEFINIZIONE DEGLI INDICI DI PRESTAZIONE DEI MODELLI.

O "ESECUZIONE" DI UN MODELLO DI SIMULAZIONE
VERRÀ SPIEGATO COSA SIGNIFICA ESEGUIRE UN MODELLO DI SIMULAZIONE E COME SI PUÒ REALIZZARE UN PROGRAMMA DI SIMULAZIONE AD EVENTI DISCRETI. I MODELLI DI SIMULAZIONE CHE SARANNO TRATTATI SONO MODELLI PROBABILISTICI, OVVERO MODELLI LA CUI EVOLUZIONE È GOVERNATA DA LEGGI CASUALI. QUESTO RICHIEDERÀ UN RICHIAMO DEI FONDAMENTI DI CALCOLO DELLE PROBABILITÀ. VERRANNO INOLTRE PRESENTATI METODI PER LA GENERAZIONE DI ISTANZE DI VARIABILI CASUALI.

O INTERPRETAZIONE DEI RISULTATI DELLA SIMULAZIONE:
I RISULTATI PRODOTTI DA UN SIMULATORE COSTITUISCONO LE COMPONENTI DI UN CAMPIONE STATISTICO E COME TALI DEVONO ESSERE UTILIZZATI PER LA CONFERMA DELLA LORO VALIDITÀ. IL CORSO INCLUDE IL RICHIAMO DI ALCUNI ELEMENTI FONDAMENTALI DI STATISTICA UTILI PER LA PRESENTAZIONE DEI METODI CHE PERMETTONO LA STIMA INTERVALLARE DEGLI INDICI DI PRESTAZIONE DEI MODELLI STUDIATI.
SARÀ RICHIESTO AGLI STUDENTI DI SVOLGERE DEGLI ESERCIZI PRATICI PER VERIFICARE LA COMPRENSIONE DI QUANTO ESPOSTO A LEZIONE. GLI STUDENTI DOVRANNO MOSTRARE SIA CAPACITÀ DI ANALISI DI PROBLEMI REALI E IMPOSTAZIONE DI ALGORITMI RISOLUTIVI IN VIA SIMULATIVA, SIA CAPACITÀ OPERATIVE DI PROGRAMMAZIONE CON LINGUAGGI STANDARD (C, JAVA).

slides on home page of professor

First part:

i. The goods market, ii. financial markets, iii. the IS-LM model, iv. the labour market, v. the Phillips Curve, vi. the natural rate of unemployment, vii. the Inflation rate, viii. from the short to the medium run.

Second part:
i. The facts of growth, ii. saving, capital accumulation, and output, iii. the role of public spending in the long-run, iv.openness in goods and financial markets, v. should policy makers me restrained?, vi. fiscal Policy, vii. monetary policy.

Macroeconomia. Una prospettiva europea 2016, di Olivier J. Blanchard , Alessia Amighini, Francesco Giavazzi. Il Mulino.
Frank. Microeconomia (Sesta edizione), Mc Graw Hill.

Dynamical models of stationary processes and prediction
- Physical laws in engineering and science
- Stochastic processes
- Models for filtering, prediction and control: Input-output models for time series and dynamical systems (AR, ARMA, ARX, ARMAX)

Identification
- Black-box identification (Least Squares and Maximum likelihood methods)
- Model complexity selection
- Cross-validation, FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length) techniques
- Recursive identification methods (RLS,ELS,RML). Adaptation via forgetting factor techniques

Bayesian filtering
- The state estimation problem. Filtering, prediction and smoothing.
- Kalman filter, steady-state filter Extended Kalman filter
- Unscented transformation, Unscented Kalman filter
- Grid-based filtering
- Particle filtering

Distributed filtering
- Information filter
- Extended Information filter

Sergio Bittanti, "Model Identification and Data Analysis", John Wiley and Sons Ltd

Manipulators (Chapters of Siciliano et al. Robotics):
- Direct kinematics
- Differential kinematics
- Inverse kinematics
- Trajectory planning
- Statics and manipulability ellipsoids
- Overview of the dynamic model
- Motion control schemes
- Overview of force control schemes

Mobile robotics:
- Basic Topological Concepts (Chapter 4.1, LaValle Planning Algorithms)
- 2D Rigid Bodies: SE(2) (Chapter 4.2.1, LaValle Planning Algorithms)
- Vector Fields and Integral Curves (Chapter 8.3, LaValle Planning Algorithms)
- Differential Models (Chapter 13.1, LaValle Planning Algorithms)
- Control Affine Systems (Chapter 15.4, LaValle Planning Algorithms)
- Motion Control (Chapter 11.6, Siciliano et al. Robotics)
- Multi-Robot Swarming (Chapter 3, Gazi & Passino, Swarm Stability and Optimization)

- Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani, and Giuseppe Oriolo. 2009. Robotics: Modelling, Planning and Control. Springer Publishing Company, Incorporated.
- Steven M. LaValle. 2006. Planning Algorithms. Cambridge University Press, USA.
- Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated.

Manipulators (Chapters of Siciliano et al. Robotics):
- Direct kinematics
- Differential kinematics
- Inverse kinematics
- Trajectory planning
- Statics and manipulability ellipsoids
- Overview of the dynamic model
- Motion control schemes
- Overview of force control schemes

Mobile robotics:
- Basic Topological Concepts (Chapter 4.1, LaValle Planning Algorithms)
- 2D Rigid Bodies: SE(2) (Chapter 4.2.1, LaValle Planning Algorithms)
- Vector Fields and Integral Curves (Chapter 8.3, LaValle Planning Algorithms)
- Differential Models (Chapter 13.1, LaValle Planning Algorithms)
- Control Affine Systems (Chapter 15.4, LaValle Planning Algorithms)
- Motion Control (Chapter 11.6, Siciliano et al. Robotics)
- Multi-Robot Swarming (Chapter 3, Gazi & Passino, Swarm Stability and Optimization)

- Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani, and Giuseppe Oriolo. 2009. Robotics: Modelling, Planning and Control. Springer Publishing Company, Incorporated.
- Steven M. LaValle. 2006. Planning Algorithms. Cambridge University Press, USA.
- Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated.

- Introduction to CPS: applications and evolution
- Modeling CPS
- Communication standards and technologies for CPS
- Real time system
- Advanced data fusion model: inference techniques
- Fault diagnosis: model based detection-isolation-identification of anomalies
- Model based anomaly detection for cyber attacks

Notes of the course
Scientific papers

1. Non-linear programming
Gradient, Hessian
Local minimum, Necessary conditions (first and second order)
Local minimum, Sufficient conditions (secondo order and convex case)
Gradient method, Line search
Newton method,
2. Constrained non-linear programming
KKT conditions
Barrier method and Penalty functions
3. Lot Sizing
EOQ model
Wagner-Whitin Algorithm
Zangwill Algorithm
4. Job Shop Scheduling
Exact methods, Carlier-Pinson Algorithm
Euristhic methods, Nowicki-Smutnicki Algorithm
5. Vehicle Routing Problem
6. Crew Scheduling
7. Plant Location

Seminars - https://sites.google.com/site/roma3seminari/

Slides provided by the speakers