View syllabus
OPTIMIZATION FOR DECISION SUPPORT SYSTEMS
ANTONIO FRANGIONI
Academic year2020/21
CourseMANAGEMENT ENGINEERING
Code748AA
Credits6
PeriodSemester 2
LanguageEnglish

ModulesAreaTypeHoursTeacher(s)
OPTIMIZATION FOR DECISION SUPPORT SYSTEMSMAT/09LEZIONI60
ANTONIO FRANGIONI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il corso si prefigge di fornire agli studenti, attraverso esempi concreti, lezioni teoriche ed il lavoro progettuale, la capacità di utilizzare efficacemente il software che permette di implementare sistemi di supporto a decisioni complesse, in particolare quelli basati su tecniche di ottimizzazione matematica. Il corso si concentra quindi sugli aspetti pratici dell'uso di tali strumenti e mira ad avere una forte componente progettuale in modo da familiarizzare gli studenti in particolare con gli aspetti più legati alla modellazione di problemi rilevanti nel campo dell'Ingegneria Gestionale. Dato però che tali strumenti sono fondati su schemi algoritmici complessi e proprietà matematiche rigorosamente definite, è necessario fornire allo stesso tempo agli studenti la consapevolezza di tali fondamenti nella misura in cui ciò sia utile per comprenderne al meglio l'uso o permettere la progettazione di approcci più efficaci ed efficienti.

Knowledge

The course will, through presentation of actual working cases, methodological lectures, and project work, provide the student with the ability of effectively using the main software tools for implementing decision support systems based on mathematical optimization techniques. The course is therefore focused on practical aspects of these tools and has a strong project aspect in order to familiarize the students in prarticular with the modeling issues more prevalent in Managament Engineering applications. However, since these tools are based on complex algorithmic schemes and rigorously defined mathematical properties, the course also provides the students with knowledge of these foundational aspects, only insofar as this is useful to better understand their use or design more efficient and effective approaches.

Modalità di verifica delle conoscenze

L'esame si articola in due parti: un progetto ed una prova orale, che può essere sostenuta solo dopo la consegna di un progetto valutato positivamente.

Il progetto può essere svolto individualmente o in gruppi di al massimo tre studenti, anche a seconda della complessità dello stesso. Si consiglia la consegna di elaborati parziali che possano essere controllati dal docente strada facendo in modo da evitare che errori metodologici iniziali portino a lavoro inutile. Le date di consegna de(lle parti del) progetto sono completamente flessibili nel corso del'anno accademico.

La prova orale verte su tutto il programma del corso, ed è possibile sostenerla solamente avendo un progetto approvato. Ottenuta una valutazione positiva per il progetto, questa rimane valida per effettuare la prova orale (anche più volte) in tutti i rimanenti appelli dell'anno accademico. Il voto ottenuto nel progetto concorre in modo sostanziale a formare il voto finale.

Assessment criteria of knowledge

Grading for the exam is divided in two parts: a project and an oral examination. The latter can only be held after that the project has been completed.

The project can be done individually or in groups of up to 3 students, depending also on its complexity. It is advised (but not mandatory) that the project results are communicated incrementally to the lecturer in steps, so as to be checked in order to avoid that methodological errors at the beginning lead to wasted work. The dates of delivery of (the parts of) the project are entirely flexible.

The oral exam regards all the program, and can only be held after that a project has been approved and graded. Once a project is approved, it (and the corresponding grade) is valid for all the academic year; asking for a new project in order to increase the grade is not allowed, and the grade of the project will significantly contribute to the final grade of the exam.

Capacità

Il corso si prefigge di fornire agli studenti, attraverso esempi concreti ed il lavoro progettuale, la capacità di realizzare ed utilizzare al meglio sistemi di supporto a decisioni complesse, perlopiú in ambito aziendale, in particolare quelli basati su tecniche di ottimizzazione matematica. Il corso si concentra sugli aspetti pratici dell'uso di tali strumenti (sistemi e linguaggi di modellazione, solutori ed interfacce, parametri algoritmici) e sullo sviluppo di casi di studio complessi e realistici relativi all'Ingegneria Gestionale.

Skills

The course will, through presentation of actual working cases and project work, enable the student to produce and/or appropriately use software tools for the support to complex decisions based on mathematical optimization techniques. The course is focused on practical aspects of these tools (modeling languages and systems, solvers and interfaces, algorithmic parameters, ...) and on the development of complex and realistic case studies related to Management Engineering.

Modalità di verifica delle capacità

Progetto didattico

Il progetto didattico deve essere concordato con il docente, e richiede l'implementzione ed il test di algoritmi per modelli di ottimizzazione relativi a problemi di Ingegneria Gestionale. Il docente fornirà una lista di possibili argomenti, ma sono benvenute proposte spontanee su argomenti di interesse specifico per gli studenti.

Il progetto didattico è svolto in gruppi fino a 3 persone. La composizione dei gruppi deve essere comunicata per mail al docente. Una volta che la lista dei progetti è stata resa disponibile, agli studenti è richiesto di coordinarsi tra i diversi gruppi per risolvere eventuali conflitti sull'assegnazione dei progetti; nel caso in cui non si raggiunga un accordo tra alcuni gruppi, ad essi verranno assegnati progetti scelti a caso dal docente tra la lista di quelli lasciati liberi dai gruppi più collaborativi.

Il progetto sarà consegnato per parti, per mail, in documenti in formato PDF e/o in archivi compressi contenenti i codici sorgenti, i dati ed eventualmente gli altri materiali di supporto all'analisi dei dati (ad esempio fogli elettronici in formato libero come l'ODS). I documenti devono riportare il numero del gruppo in tutte le pagine e i nomi dei componenti nel frontespizio.

Assessment criteria of skills

Project

The project will have to be agreed with the teacher, and it will generally require the actual implementation and test of (a part of) a decision support system from some optimization problem related to Management Engineering. The teacher will provide a list of possible assignments, but spontaneous proposals from the students are very welcome.

The project can be done in groups of up to three students. Groups will have to be communicated to the teacher by e-mail. Once the list of projects is available, the students are asked to discuss and solve possible conflicts about the matching between groups and assignments among themselves; if some groups cannot resolve their disputes about some particular assignment, the interested groups will be assigned a random project among these left free from the collaborative groups.

The projects will have to be provided by e-mail as PDF documents and/or compressed archives contaning source codes, data files and the material necessary for the evaluation of the results (e.g. spreadsheets in some free format such as ODS). The group having produced the documents must be clearly indicated in the front page and the header/footer of each page of each document.

Comportamenti

Il corso intende stimolare gli studenti ad essere contemporaneamente creativi e rigorosi durante tutti gli aspetti della progettazione, implementazione, testing e miglioramento di un sistema di supporto alle decisioni basato su tecniche di ottimizzazione matematica. Realizzare efficientemente sistemi efficaci richiede essere aperti a recepire le indicazioni provenienti dalla letteratura scientifica, seguire chiari protocolli di sperimentazione, ma anche di ideare in modo creativo soluzioni modellistiche ed algoritmiche innovative per adattare gli strumenti alle mutevoli e mai uguali necessità di ogni specifico ambito operativo.

Behaviors

The course aims at stimulating the student to be at the same time creative and rigourous during all phases of design, implementation, testing and improvement of decision support systems based on mathematical optimization techniques. Efficiently developing effective systems require on one side to be open to the indications coming from scientific literature and following rigorous experimental protocols, but on the other hand also to creatively prodice innovative modeling ans algorithnic solutions in order to adapt the available tools to the ever-changing needs of each specific operating context.

Modalità di verifica dei comportamenti

La creatività e l'applicazione di rigorosi principi per il testing e lo sviluppo verranno verificati durante il progetto.

Assessment criteria of behaviors

Both creativity and rigorous application of sound design and testing principles will be verified during the project.

Prerequisiti (conoscenze iniziali)

Il corso assume la conoscienza dei contenuti di Ricerca Operativa I e Ricerca Operativa II, nonché la capacità di usare strumenti software (ma gli studenti potranno scegliere liberamente all'interno di un'ampia gamma di strumenti e linguaggi possibili in modo da assicurarsi che la programmazione non sia un ostacolo insormontabile).

Prerequisites

The course assumes knowledge of the contents of Ricerca Operativa I and Ricerca Operativa II, as well as basic programming skills (but the students will have ample choice among a large and diverse set of tools and languages to use to ensure that the programming part will not be a bottleneck).

Indicazioni metodologiche

Lezioni frontali, ma con una forte componente di lavoro sul computer.

Attività richieste:

  • seguire le lezioni
  • preparazione di documenti (discussione del progetto)
  • participazione in discussioni
  • studio individuale
  • lavoro di gruppo
  • lavoro in laboratorio

Frequenza: consigliata

Metodologie didattiche:

  • lezioni
  • laboratorio
  • lavoro su progetto
Teaching methods

Delivery: face to face, with a strong component of practical computer work.

Learning activities:

  • attending lectures
  • preparation of written report (project report)
  • participation in discussions
  • individual study
  • group work
  • Laboratory work

Attendance: Advised

Teaching methods:

  • Lectures
  • laboratory
  • project work
Programma (contenuti dell'insegnamento)

Dato che questo è il primo anno del corso il programma è solo indicativo, e verrà raffinato durante lo svolgimento del corso.

  1. Introduzione (6 ore)

    • Teoria delle decisioni, processi decisionali in ambito aziendale.

    • Struttura dei sistemi di supporto alle decisioni basati sui modelli.

  2. Richiami di ottimizzazione matematica (10 ore)

    • Problemi di Programmazione Lineare (PL).

    • Problemi di Programmazione Lineare Intera (PLI).

    • Algoritmi risolutivi per la PL.

    • Algoritmi risolutivi per la PLI.

  3. Solutori di PL e PLI (16 ore)

    • Struttura dei solutori di PL e PLI.

    • Costruzione delle istanze: API, linguaggi e sistemi di modellazione.

    • Risoluzione di istanze di problemi realistici e loro difficoltà in pratica.

  4. Metodologie per il miglioramento della prestazioni degli agoritmi (16 ore)

    • Il principio generale: sviluppare formulazioni migliori

    • Piani di taglio

    • Programmazione dinamica

    • Generazione di colonne e decomposizione (Lagrange, Benders)

Syllabus

As this is the first year of the course the program is currently very tentative, and it will be updated during the course.

  • Introduction (6 hours)

    • Decision theory, the decision process in a business environment

    • Structure of Model-Driven Decision Support Systems

  • Review of mathematical optimization (10 hours)

    • Linear Programming (LP) problems

    • Integer Linear Programming (ILP) problems

    • Algorithms for LP

    • Algorithms for ILP

  • LP and ILP solvers (16 hours)

    • LP and ILP solvers: software structure.

    • Instances: API, modeling languages, modeling systems

    • Practical issues in the solution of LPs and ILPs

  • Methodologies to improve solver effectiveness (16 hours)

    • The general principle: develop a better formulation

    • Cutting planes

    • Dynamic programming

    • Column generation and decomposition (Lagrange, Benders)

 

Bibliografia e materiale didattico
  1. Appunti del corso di Ricerca Operativa

  2. Jon Lee A First Course in Linear Optimization Reex Press, 2013

  3. Materiale distribuito dal docente durante il corso

  4. D. Simchi-Levi, X. Chen and J. Bramel Logic of Logistics: Theory, algorithms, and applications for logistics and supply chain Springer-Verlag, 2004

  5. M.S.Bazaraa, J.J.Jarvis, H.D.Sherali Linear programming and network flows John Wiley & Sons

  6. L.A. Wolsey Integer programming John Wiley & Sons

  7. G. Ghiani, R. Musmanno Modelli e Metodi per l'Organizzazione dei Sistemi Logistici Pitagora, 2000

Bibliography
  1. Appunti del corso di Ricerca Operativa (basic Operations Research course material)

  2. Jon Lee A First Course in Linear Optimization Reex Press, 2013

  3. Other material provided by the lecturer.

  4. D. Simchi-Levi, X. Chen and J. Bramel Logic of Logistics: Theory, algorithms, and applications for logistics and supply chain Springer-Verlag, 2004

  5. M.S.Bazaraa, J.J.Jarvis, H.D.Sherali Linear programming and network flows John Wiley & Sons

  6. L.A. Wolsey Integer programming John Wiley & Sons

  7. G. Ghiani, R. Musmanno Modelli e Metodi per l'Organizzazione dei Sistemi Logistici Pitagora, 2000

Indicazioni per non frequentanti

Il docente mette a disposizione dei soli studenti del corso registrazioni di tutte le lezioni, in modo da permettere agli studenti non frequentanti di seguire al pari degli altri.

Non-attending students info

The teacher will provide recordings of the lessons, thereby non-attending students should be able to follow course on par with attending ones.

Modalità d'esame

Modalità di esame

L'esame si articola in due parti: un progetto ed una prova orale, che può essere sostenuta solo dopo la consegna di un progetto valutato positivamente.

Il progetto può essere svolto individualmente o in gruppi di al massimo tre studenti, anche a seconda della complessità dello stesso. Si consiglia la consegna di elaborati parziali che possano essere controllati dal docente strada facendo in modo da evitare che errori metodologici iniziali portino a lavoro inutile. Le date di consegna de(lle parti del) progetto sono completamente flessibili nel corso del'anno accademico.

La prova orale verte su tutto il programma del corso, ed è possibile sostenerla solamente avendo un progetto approvato. Ottenuta una valutazione positiva per il progetto, questa rimane valida per effettuare la prova orale (anche più volte) in tutti i rimanenti appelli dell'anno accademico. Il voto ottenuto nel progetto concorre in modo sostanziale a formare il voto finale.

 

Assessment methods

Assessment

Grading for the exam is divided in two parts: a project and an oral examination. The latter can only be held after that the project has been completed.

The project can be done individually or in groups of up to 3 students, depending also on its complexity. It is advised (but not mandatory) that the project results are communicated incrementally to the lecturer in steps, so as to be checked in order to avoid that methodological errors at the beginning lead to wasted work. The dates of delivery of (the parts of) the project are entirely flexible.

The oral exam regards all the program, and can only be held after that a project has been approved and graded. Once a project is approved, it (and the corresponding grade) is valid for all the academic year; asking for a new project in order to increase the grade is not allowed, and the grade of the project will significantly contribute to the final grade of the exam.

Updated: 06/08/2020 16:33