Linear Systems
1. INTRODUCTION TO LINEAR SYSTEMS
1.1. Modelling
1.2. State-Space Representation
2. NONLINEAR SYSTEMS AND LINEARIZATION
2.1. Motivations and Definitions
2.2. Linearization Method
3. DIFFERENTIAL EQUATIONS
3.1. Linear Differential Equations with Constant Coefficients
3.2. Exponential Matrix
3.3. Free Evolution
3.4. Forced Evolution
4. RELATIONSHIP BETWEEN REPRESENTATIONS
4.1. From State-Spate to Transfer Function
4.2. From Transfer Function to State-Spate
5. MODAL DECOMPOSITION
5.1. Eigenvalues and Eigenvectors
5.2. Coordinate Transformation
5.3. Diagonalization and Jordanization
6. STRUCTURAL PROPERTIES
6.1. Controllability and Observability
6.2. Controllability and Observability Kalman Forms
6.3. Kalman Canonical Decomposition
7. REALIZATION AND CANONICAL FORMS
7.1. Realization
7.2. Canonical Forms for Realization

1. An Introduction to Linear Control Systems, Thomas E. Fortmann, Konrad L. Hitz
2. Complementi per il Corso (http://gasparri.dia.uniroma3.it/Stuff/complementi_teoria_dei_sistemi.pdf)

Linear Systems
1. INTRODUCTION TO LINEAR SYSTEMS
1.1. Modelling
1.2. State-Space Representation
2. NONLINEAR SYSTEMS AND LINEARIZATION
2.1. Motivations and Definitions
2.2. Linearization Method
3. DIFFERENTIAL EQUATIONS
3.1. Linear Differential Equations with Constant Coefficients
3.2. Exponential Matrix
3.3. Free Evolution
3.4. Forced Evolution
4. RELATIONSHIP BETWEEN REPRESENTATIONS
4.1. From State-Spate to Transfer Function
4.2. From Transfer Function to State-Spate
5. MODAL DECOMPOSITION
5.1. Eigenvalues and Eigenvectors
5.2. Coordinate Transformation
5.3. Diagonalization and Jordanization
6. STRUCTURAL PROPERTIES
6.1. Controllability and Observability
6.2. Controllability and Observability Kalman Forms
6.3. Kalman Canonical Decomposition
7. REALIZATION AND CANONICAL FORMS
7.1. Realization
7.2. Canonical Forms for Realization

1. An Introduction to Linear Control Systems, Thomas E. Fortmann, Konrad L. Hitz
2. Complementi per il Corso (http://gasparri.dia.uniroma3.it/Stuff/complementi_teoria_dei_sistemi.pdf)

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).

DISPENSE SUL SITO DEL DOCENTE

Introduction to Combinatorial Optimization. Optimizations Algorithms. Computational complexity analysis of algorithms.

Computational Complexity: Decision vs. optimization problems. Classes P and NP. Polynomial reductions. NP-complete problems. Pseudo-polynomial algorithms.

Approximation algorithms: approximation classes (NPO, APX, PTAS, FPTAS, PO). Approximation algorithm for Vertex Cover: greedy, DFS, LP based algorithms (LP rounding and Primal Dual). 0-1 Knapsack problem: NP-completeness, DP algorithms, greedy algorithm, polynomial time approximation scheme, fully polynomial time approximation scheme.The travelling salesman problem, TSP: NP-completeness, non approximability result, study of real world applications, the metric TSP, approximation algorithms for the metric TSP, the TSPP. Scheduling on parallel machines: approximation algorithms.

Heuristic algorithms: constructive algortihms (for the TSP: inserition heuristics, geometric algorithms); local serach (for the TSP: 2-opt exchange, 3-opt, k-opt, OR-opt), variable depth method of local search (Lin-Kernigan algorithms), tabu search, simulated annealing, genetic algorithms.

Introduction to online algorithms.

[1] “Lecture Notes on Approximation Algorithms”, Volume I, R. Motwani.
[2] Lecture notes by prof. Agnetis (in italian: computational complexity, TSP, euristic algorithms).
[3] G. Ausiello, P. Crescenzi, G. Gambosi, V. Kann, A. Marchetti-Spaccamela, M. Protasi, "Complexity and Approximation,Combinatorial optimization problems and their approximability properties", Springer Verlag, 1999.

Database systems: general properties. Relational model. Relational algebra. SQL. Conceptual database design. Logical database design. Normalization-

P. Atzeni et al. Basi di dati 4/Ed. McGraw-Hill, 2014 (in alternative, any major database textbook, contact the instructor for advice)
Additional material available on the course site:
http://www.dia.uniroma3.it/~atzeni/didattica/BDN/BDNindex.html

AN INTRODUCTION TO NATIONAL INCOME AND PRODUCT ACCOUNTS

THE SHORT RUN:
THE GOOD MARKET; FINANCIAL MARKETS; GOODS AND FINANCIAL MARKETS: THE IS-LM MODEL; MONETARY POLICY; FISCAL POLICY; OPENNESS IN GOODS AND FINANCIAL MARKETS; EXCHANGE RATE REGIMES

THE MEDIUM RUN:
THE LABOR MARKET; THE AS-AD MODEL; THE NATURAL RATE OF UNEMPLOYMENT AND THE PHILLIPS CURVE; INFLATION

THE LONG RUN:
THE FACTS OF GROWTH; SAVING, CAPITAL ACCUMULATION, AND OUTPUT; THE NEW GROWTH THEORIES; INSTITUTIONS AND GROWTH

THE ITALIAN ECONOMY IN THE LONG RUN

OLIVIER BLANCHARD,DAVID JOHNSON, MACROECONOMICS SIXTH EDITION

1. DAI DATI AL MODELLO: PROBLEMI E METODI
2. MODELLI DINAMICI DI PROCESSI STAZIONARI, ANALISI SPETTRALE E PREDIZIONE: MODELLI INGRESSO/USCITA PER SERIE TEMPORALI E RELAZIONI CAUSA/EFFETTO (MODELLI AR, MA, ARMA, ARX, ARMAX,).
3. IDENTIFICAZIONE DI MODELLI INGRESSO- USCITA
PROBLEMI E TECNICHE DI STIMA. IDENTIFICAZIONE A PARTIRE DA PROVE SPERIMENTALI SEMPLICI. IDENTIFICAZIONE A MINIMI QUADRATI E A MASSIMA VEROSIMIGLIANZA. IDENTIFICAZIONE DI MODELLI AR, MA, ARMA, ARMAX. SCELTA DELLA COMPLESSITÀ (CRITERI FPE, AIC, MDL). EQUAZIONI DI YULE-WALKER E ALGORITMO DI DURBIN-LEVINSON. S
4. ARCHITETTURE PER LA FUSIONE SENSORIALE: MODELLO JDL

T. SÖDERSTRÖM, P. STOICA: SYSTEM IDENTIFICATION, PRENTICE HALL, 1989.
L. LJUNG: SYSTEM IDENTIFICATION: THEORY FOR THE USER, PRENTICE HALL, 1999.
R. GUIDORZI: MULTIVARIABLE SYSTEM IDENTIFICATION, BONONIA UNIVERSITY PRESS, BOLOGNA, 2003.
S. BITTANTI: IDENTIFICAZIONE DEI MODELLI E CONTROLLO ADATTATIVO, PITAGORA EDITRICE BOLOGNA, 2000.

1. INTRODUZIONE E GENERALITÀ SUI CPS
2. APPLICAZIONI E SISTEMI
3. MODELLI PER CPS
4. SISTEMI DI COMUNICAZIONI: STANDARDS, COMUNICAZIONI WIRELESS E TECNOLOGIE CORRELATE
5. SISTEMI IN TEMPO REALE
6. SISTEMI DI FUSIONE SENSORIALE AVANZATI
7. SISTEMI DI DATAFUSION E SVILUPPO DELLA CONOSCENZA
A. TECNICHE DI LEARNING
B. TECNICHE DI INFERENZA
C. TECNICHE DI INFERENZA BASATE SU PATTERN
8. SISTEMI DI FAULT DIAGNOSIS
A. SISTEMI DI FAULT/ANOMALY DETECTION
B. SISTEMI DI FAULT/ANOMALY ISOLATION
C. SISTEMI DI FAULT DETECTION AND ISOLATION QUANTITATIVE MODEL-BASED
D. SISTEMI DI FAULT DETECTION AND ISOLATION QUALITATIVE MODEL-BASED
E. SISTEMI DI FAULT DETECTION AND ISOLATION MODEL-FREE

ANNUALMENTE VERRÀ PROPOSTO UN CASO DI STUDIO CHE VERRÀ APPROFONDITO DURANTE IL CORSO METTENDO IN LUCE I DIVERSI ASPETTI INTERDISCIPLINARI. NEL AA 2014/15 VERRÀ PRESO IN CONSIDERAZIONE LA TEMATICA RELATIVA A:
- SISTEMI DI LOCALIZZAZIONE INDOOR PER PERSONE

APPUNTI DELLE LEZIONI A CURA DEL DOCENTE
ARTICOLI

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

Slides provided by the speakers

1. Un-constrained non linear optimization
Gradient and Hessian
Local minimum: first order and second order conditions
Local minimum: the convex case
The gradient method
line search
Rate of Convergence: sublinear, linear, superlinear
the Newton method
The conjugate gradient method
2. Constrained non linear optimization
The Jacobian matrix
The Lagrangian function
Karush-Kuhn-Tucker conditions
Penalty functions and barrier methods
3. Supply chain management
Production systems
The supply chain
Material flow and information flow
Internal and external logistics
4. Inventory control
EOQ model
dynamic lot sizing without backlogging
dynamic lot sizing with backlogging
5. Finite capacity scheduling
The job shop scheduling problem
Scheduling with blocking and no-wait
6. Distribution logistics
The Traveling Salesman Problem
the Vehicle Routing Problem
7. Crew scheduling
The set covering formulation
Column generation
the subgradient algorithm
8. Plant location
Dual ascent algorithm

The course encompasses industrial manipulators and mobile platforms (autonomous vehicles) and provides the basis of the kinematic e dynamic modelling and of the motion control and planning. As for mobile platforms, the focus will be on terrestrial ones, but some attention will be given also to aerial ones (drones) and a maritime ones. At the end of the course, the student will be able to participate to projects involving the design and the use of robots.

Siciliano, Sciavicco, Villani, Oriolo, "Robotics", Springer

Linear Systems
1. INTRODUCTION TO LINEAR SYSTEMS
1.1. Modelling
1.2. State-Space Representation
2. NONLINEAR SYSTEMS AND LINEARIZATION
2.1. Motivations and Definitions
2.2. Linearization Method
3. DIFFERENTIAL EQUATIONS
3.1. Linear Differential Equations with Constant Coefficients
3.2. Exponential Matrix
3.3. Free Evolution
3.4. Forced Evolution
4. RELATIONSHIP BETWEEN REPRESENTATIONS
4.1. From State-Spate to Transfer Function
4.2. From Transfer Function to State-Spate
5. MODAL DECOMPOSITION
5.1. Eigenvalues and Eigenvectors
5.2. Coordinate Transformation
5.3. Diagonalization and Jordanization
6. STRUCTURAL PROPERTIES
6.1. Controllability and Observability
6.2. Controllability and Observability Kalman Forms
6.3. Kalman Canonical Decomposition
7. REALIZATION AND CANONICAL FORMS
7.1. Realization
7.2. Canonical Forms for Realization

1. An Introduction to Linear Control Systems, Thomas E. Fortmann, Konrad L. Hitz
2. Complementi per il Corso (http://gasparri.dia.uniroma3.it/Stuff/complementi_teoria_dei_sistemi.pdf)

Linear Systems
1. INTRODUCTION TO LINEAR SYSTEMS
1.1. Modelling
1.2. State-Space Representation
2. NONLINEAR SYSTEMS AND LINEARIZATION
2.1. Motivations and Definitions
2.2. Linearization Method
3. DIFFERENTIAL EQUATIONS
3.1. Linear Differential Equations with Constant Coefficients
3.2. Exponential Matrix
3.3. Free Evolution
3.4. Forced Evolution
4. RELATIONSHIP BETWEEN REPRESENTATIONS
4.1. From State-Spate to Transfer Function
4.2. From Transfer Function to State-Spate
5. MODAL DECOMPOSITION
5.1. Eigenvalues and Eigenvectors
5.2. Coordinate Transformation
5.3. Diagonalization and Jordanization
6. STRUCTURAL PROPERTIES
6.1. Controllability and Observability
6.2. Controllability and Observability Kalman Forms
6.3. Kalman Canonical Decomposition
7. REALIZATION AND CANONICAL FORMS
7.1. Realization
7.2. Canonical Forms for Realization

1. An Introduction to Linear Control Systems, Thomas E. Fortmann, Konrad L. Hitz
2. Complementi per il Corso (http://gasparri.dia.uniroma3.it/Stuff/complementi_teoria_dei_sistemi.pdf)

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).

DISPENSE SUL SITO DEL DOCENTE

Introduction to Combinatorial Optimization. Optimizations Algorithms. Computational complexity analysis of algorithms.

Computational Complexity: Decision vs. optimization problems. Classes P and NP. Polynomial reductions. NP-complete problems. Pseudo-polynomial algorithms.

Approximation algorithms: approximation classes (NPO, APX, PTAS, FPTAS, PO). Approximation algorithm for Vertex Cover: greedy, DFS, LP based algorithms (LP rounding and Primal Dual). 0-1 Knapsack problem: NP-completeness, DP algorithms, greedy algorithm, polynomial time approximation scheme, fully polynomial time approximation scheme.The travelling salesman problem, TSP: NP-completeness, non approximability result, study of real world applications, the metric TSP, approximation algorithms for the metric TSP, the TSPP. Scheduling on parallel machines: approximation algorithms.

Heuristic algorithms: constructive algortihms (for the TSP: inserition heuristics, geometric algorithms); local serach (for the TSP: 2-opt exchange, 3-opt, k-opt, OR-opt), variable depth method of local search (Lin-Kernigan algorithms), tabu search, simulated annealing, genetic algorithms.

Introduction to online algorithms.

[1] “Lecture Notes on Approximation Algorithms”, Volume I, R. Motwani.
[2] Lecture notes by prof. Agnetis (in italian: computational complexity, TSP, euristic algorithms).
[3] G. Ausiello, P. Crescenzi, G. Gambosi, V. Kann, A. Marchetti-Spaccamela, M. Protasi, "Complexity and Approximation,Combinatorial optimization problems and their approximability properties", Springer Verlag, 1999.

Database systems: general properties. Relational model. Relational algebra. SQL. Conceptual database design. Logical database design. Normalization-

P. Atzeni et al. Basi di dati 4/Ed. McGraw-Hill, 2014 (in alternative, any major database textbook, contact the instructor for advice)
Additional material available on the course site:
http://www.dia.uniroma3.it/~atzeni/didattica/BDN/BDNindex.html

AN INTRODUCTION TO NATIONAL INCOME AND PRODUCT ACCOUNTS

THE SHORT RUN:
THE GOOD MARKET; FINANCIAL MARKETS; GOODS AND FINANCIAL MARKETS: THE IS-LM MODEL; MONETARY POLICY; FISCAL POLICY; OPENNESS IN GOODS AND FINANCIAL MARKETS; EXCHANGE RATE REGIMES

THE MEDIUM RUN:
THE LABOR MARKET; THE AS-AD MODEL; THE NATURAL RATE OF UNEMPLOYMENT AND THE PHILLIPS CURVE; INFLATION

THE LONG RUN:
THE FACTS OF GROWTH; SAVING, CAPITAL ACCUMULATION, AND OUTPUT; THE NEW GROWTH THEORIES; INSTITUTIONS AND GROWTH

THE ITALIAN ECONOMY IN THE LONG RUN

OLIVIER BLANCHARD,DAVID JOHNSON, MACROECONOMICS SIXTH EDITION

1. DAI DATI AL MODELLO: PROBLEMI E METODI
2. MODELLI DINAMICI DI PROCESSI STAZIONARI, ANALISI SPETTRALE E PREDIZIONE: MODELLI INGRESSO/USCITA PER SERIE TEMPORALI E RELAZIONI CAUSA/EFFETTO (MODELLI AR, MA, ARMA, ARX, ARMAX,).
3. IDENTIFICAZIONE DI MODELLI INGRESSO- USCITA
PROBLEMI E TECNICHE DI STIMA. IDENTIFICAZIONE A PARTIRE DA PROVE SPERIMENTALI SEMPLICI. IDENTIFICAZIONE A MINIMI QUADRATI E A MASSIMA VEROSIMIGLIANZA. IDENTIFICAZIONE DI MODELLI AR, MA, ARMA, ARMAX. SCELTA DELLA COMPLESSITÀ (CRITERI FPE, AIC, MDL). EQUAZIONI DI YULE-WALKER E ALGORITMO DI DURBIN-LEVINSON. S
4. ARCHITETTURE PER LA FUSIONE SENSORIALE: MODELLO JDL

T. SÖDERSTRÖM, P. STOICA: SYSTEM IDENTIFICATION, PRENTICE HALL, 1989.
L. LJUNG: SYSTEM IDENTIFICATION: THEORY FOR THE USER, PRENTICE HALL, 1999.
R. GUIDORZI: MULTIVARIABLE SYSTEM IDENTIFICATION, BONONIA UNIVERSITY PRESS, BOLOGNA, 2003.
S. BITTANTI: IDENTIFICAZIONE DEI MODELLI E CONTROLLO ADATTATIVO, PITAGORA EDITRICE BOLOGNA, 2000.

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
Material given by the professor via the moodle page of the course, including lecture slides, scientific papers, optimization software and tutorials

Strategy

Strategy analysis: the role of strategy in creating value; aims and results.

Industry analysis: The determinants of industry profit: demand and competition; Market structures: Competition, Monopoly, Oligopoly.

From Industry attractiveness to competitive advantage: costa advantage and differentiation.
Corporate strategy: Vertical integration and the scope of the firm.

Accounting

Basic concepts and Balance Sheet; Balance sheet Changes: Income Measurement; Accounting Records and Systems; Revenues and Monetary Assets.

Expense Measurement: The Income Statement; Inventories and Cost of Sales; Noncurrent Assets and Depreciation; Liabilities and Equities; Statement of Cash Flows;

Analysis of Financial Statements.

R.Anthony, D. F. Hawkins, K.A. Merchant. Accounting: text and cases, Thirteen Edition, McGraw Hill, 2011

Grant R.M., Contemporary strategy analysis 9/e, Wiley ed., 2015

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

Slides provided by the speakers

1. Un-constrained non linear optimization
Gradient and Hessian
Local minimum: first order and second order conditions
Local minimum: the convex case
The gradient method
line search
Rate of Convergence: sublinear, linear, superlinear
the Newton method
The conjugate gradient method
2. Constrained non linear optimization
The Jacobian matrix
The Lagrangian function
Karush-Kuhn-Tucker conditions
Penalty functions and barrier methods
3. Supply chain management
Production systems
The supply chain
Material flow and information flow
Internal and external logistics
4. Inventory control
EOQ model
dynamic lot sizing without backlogging
dynamic lot sizing with backlogging
5. Finite capacity scheduling
The job shop scheduling problem
Scheduling with blocking and no-wait
6. Distribution logistics
The Traveling Salesman Problem
the Vehicle Routing Problem
7. Crew scheduling
The set covering formulation
Column generation
the subgradient algorithm
8. Plant location
Dual ascent algorithm

IL CORSO TRATTA ARGOMENTI RELATIVI AL CONTESTO : STRUTTURE DEI PROCESSI MANAGERIALI IN RELAZIONE AL CONTESTO DEL DECISION MAKING E DEL PROBLEM SOLVING. APPLICAZIONE AI PROCESSI E AI PROGETTI. IN PARTICOLARE PER I PROCESSI: METODI DI RAPPRESENTAZIONE E ANALISI, INDICATORI DI PERFORMANCE , REPORT DIREZIONALI, MONITORAGGIO COME PREREQUISITO DELLA FASE DECISIONALE. BPR (BUSINESS PROCESS REENGINEERING). IN PARTICOLARE PER I PROGETTI : UTILIZZO DI C/SCSC – EVM – EVMS PER IL DECISION MAKING RELATIVO ALL’AVANZAMENTO. GESTIONE DEL RISCHIO (RISK MANAGEMENT). INDICATORI E CRUSCOTTO AZIENDALE: SI PRESENTANO I METODI STATISTICI A SUPPORTO DEL DECISION MAKING PER LA RILEVAZIONE E LA RAPPRESENTAZIONE DEI DATI. METODI MCDA : SI TRATTERANNO I METODI PER LE DECISIONI MULTI CRITERIO (MCDA) TRA I QUALI IL METODO AHP, I METODI ELECTRE , TOPSIS, PROMETHEE. INTERAZIONE STRATEGICA : TEORIA DEI GIOCHI (TDG).

DISPENSE FORNITE DAL DOCENTE.