decisioni multiattributo lezione 10
|
|
- Leona Bellucci
- 5 anni fa
- Visualizzazioni
Transcript
1 decisioni multiattributo lezione 10
2 richiamo- tabella multiattributo Attributi X1 X2 Xn Alternative A 1 V 11 V 12 V 1n A 2 V 21 V 22 V 2n A m V m1 V m2 V mn
3 obiettivi o attributi? obiettivi := ragioni fondamentali che contano in uno specifico contesto decisionale generali incorporano una direzione attributi := traduzione in forma misurabile degli obiettivi scala di misurazione (torneremo ancora sul tema della costruzione degli obiettivi)
4 appartamento - obiettivi? frequenza come studente residenziale scelta della soluzione abitativa dove alloggiare durante la settimana obiettivi? attributi?
5 es: scelta di un appartamento Affitto Minuti dist. Rumore e Numero Qualità Appartamenti mensile ( ) Università Traffico Camere Cucina (alternative) X1 X2 X3 X4 X Basso 2 Scadente Medio 1 Media Basso 3 Nuova Medio 3 Scadente Alto 1 Media Medio 3 Nuova Alto 2 Scadente Medio 2 Nuova Basso 2 Nuova
6 esercitazione in classe: scegli l appartamento individua una tua procedura di scelta individua subito il vincente oppure comincia a scartare alcuni appartamenti oppure parti dalla selezione di una rosa di buoni candidati oppure
7 strategie risolutive una distinzione fondamentale strategie compensatorie strategie non compensatorie tassonomia di Payne analisi per attributi vs. analisi per alternative ammontare di informazione variabile / fissa
8 tassonomia di Payne Ricerca Variabile Non compensatoria Ricerca Costante Compensatoria Basata sugli Attributi Basata sulle Alternative
9 strategie compensatorie nel giudicare una alternativa prendono in considerazione tutti gli attributi della stessa (tutta l informazione) permettono (in vari modi) di compensare cattivi e buoni risultati approccio prescrittivo della scelta razionale SMART - Simple Multi Attribute Rating Technique
10 alcune strategie compensatorie regola additiva (o lineare) regola additiva delle differenze
11 regola additiva (r. lineare) j V i = w j v(x ij ) A i t.c. max(v i ) additività: indipendenza fra attributi funzione di valore v() pesi w j vantaggi: compensatoria
12 regola additiva delle differenze j A 1 preferita a A 2 se [ ] > 0 φ j v j (x 1 j ) v j (x 2 j ) comparazioni binarie (2 alternative) funzione di valore v() funzione di trasformazione f vantaggi: compensatoria, si focalizza solo sulle differenze negli attributi fra due alternative
13 strategie non compensatorie no compensazione natura euristica ridurre alternative regole di stop approccio della razionalità limitata efficacia e limiti
14 strategie osservate sul campo (euristiche di scelta) cosa ci dicono le evidenze comportamentali? svariate strategie un elenco non esaustivo fanno selezione, ma unicità non garantita sequenze condizionale (se pluralità, continua, altrimenti stop) ottimali? non sempre!
15 alcune strategie non compensatorie (euristiche) regola della dominanza strategia congiuntiva strategia disgiuntiva ordinamento lessicografico eliminazione per aspetti
16 regola della dominanza ridurre il numero di alternative eliminazione di A uguali o peggiori di altra A per tutti gli attributi (dominanza debole)
17 Affitto Minuti dist. Rumore e Numero Qualità Appartamenti mensile ( ) Università Traffico Camere Cucina (alternative) X1 X2 X3 X4 X Basso 2 Scadente Medio 1 Media Basso 3 Nuova Medio 3 Scadente Alto 1 Media Medio 3 Nuova Alto 2 Scadente Medio 2 Nuova Basso 2 Nuova
18 regola della dominanza ridurre il numero di alternative eliminazione di A uguali o peggiori di altra A per tutti gli attributi (dominanza debole) problemi: risultati subottimali se non si considerano tutti gli attributi contemporaneamente eliminazione crea problemi se spariscono successivamente A che dominano unicità soluzione
19 strategia (regola) congiuntiva si accetta un alternativa che supera una soglia fissata per ogni attributo bipartisce l insieme delle alternative in Accetta/Rifiuta Es: ( 500, 40 m, M, 2, M)
20 Affitto Minuti dist. Rumore e Numero Qualità Appartamenti mensile ( ) Università Traffico Camere Cucina (alternative) X1 X2 X3 X4 X Basso 2 Scadente Medio 1 Media Basso 3 Nuova Medio 3 Scadente Alto 1 Media Medio 3 Nuova Alto 2 Scadente Medio 2 Nuova Basso 2 Nuova
21 strategia (regola) congiuntiva si accetta un alternativa che supera una soglia fissata per ogni attributo bipartisce l insieme delle alternative in Accetta/Rifiuta ( 500, 40 m, M, 2, M) problemi: unicità non compensazione
22 strategia disgiuntiva bipartizione Accetto/Rifiuto si accetta una A se soddisfa almeno un criterio sottoinsieme di criteri (al limite anche 1) problemi: unicità e non compensazione
23 ordinamento lessicografico ordinamento per importanza degli attributi si sceglie l A con max del primo attributo in caso di pari merito si passa al secondo attributo (X3, X1, )
24 ordinamento lessicografico ordinamento per importanza degli attributi si sceglie l A con max del primo attributo in caso di pari merito si passa al secondo attributo (X3, X1, ) vantaggi: non serve specificare subito: ordinamento completo degli attributi attributi stessi! svantaggi: attributi quantitativi -> qualitat.
25 eliminazione per aspetti ordinamento lessicografico con eliminazione a soglia (non con il max) ordinamento degli attributi per importanza A i eliminata se non soddisfa soglia per il primo criterio se le alternative sono ancora più di una, si continua con il secondo attributo Es: (Affitto 400, Rumore Medio, Distanza 20) vantaggi simili a Ord Lex senza gli svantaggi
26 ottimalità? modelli lineari (SMART) -> consistente con modello di scelta razionale altri modelli non compensatori: razionalità limitata parsimonia in alcuni casi altrettanto o più efficaci spesso portano a soluzioni subottimali
27 il paradosso comportamentale in contesti di scelta semplici (poche alternative, pochi attributi) naturalmente portati verso strategie c. guadagni limitati rispetto a strategie non c. in contesti di scelta complessi naturalmente portati verso strategie non c. perdite ingenti rispetto a strategie c.
28 capitolo 5 riferimenti
decisioni multiattributo il caso DF Center lezione 11
decisioni multiattributo il caso DF Center lezione 11 Lavoro sugli obiettivi - DFC Nome file: [COGNOME_NOME_A(oppure B] https://drive.google.com/open?id=16ul2knxaeux 3oO4eE7OjjKsAycTSEM4O fasi del processo
DettagliMarketing - Corso progredito Consumer Behavior
Corso Progredito - Corso progredito Consumer Behavior Quinta unità didattica Decision making e valutazioni post-acquisto 1 VALUTAZIONE E SCELTA Le procedure di comparazione Euristiche e valutazioni analitiche
DettagliMetodi Decisionali Multicriterio
Metodi Decisionali Multicriterio Decisore Si hanno individuano due proprietà di un decisore: -intelligenza possiede capacità logiche per individuare senza errori la scelta che gli assicura il miglior risultato
DettagliI sistemi di voto. Marco Greco 6 novembre 2009
I sistemi di voto Marco Greco 6 novembre 009 Voto vs Negoziato Processo formalizzato in cui più attori decisionali scelgono una soluzione ad un problema di comune interesse Il negoziato è un processo in
DettagliValutazione multicriteriale
Valutazione economica del progetto Valutazione multicriteriale prof. arch. Stefano Stanghellini collaboratrice: phd arch. Valeria Ruaro Finalità valutative a Scelta Selezione della alternativa migliore,
Dettagliancora su determinare gli obiettivi / individuare le alternative lezione 15
ancora su determinare gli obiettivi / individuare le alternative lezione 15 buone regole di definizione degli obiettivi fare la lista degli aspetti importanti che vogliamo risolvere con la decisione convertire
DettagliLa scelta fra le alternative
La scelta fra le alternative I metodi analisi paretiana eliminazione delle alternative dominate come scegliere tra le alternative pareto efficienti? analisi a molti attributi classica analisi gerarchica
DettagliIndicatori compositi. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Indicatori [1/4] Gli indicatori: sintetizzano le caratteristiche di un fenomeno colgono aspetti e problemi del fenomeno che non hanno una immediata
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici 1 Metodi non parametrici Statistica classica La misurazione avviene con
DettagliAnalisi multicriteria. Analisi multicriteria
m alternative: a, b,... n criteri: 1, 2,..., n g i (a): valore che viene attribuito all alternativa a sulla base del criterio i. Ogni criterio i induce sull insieme dei candidati una relazione di ordine
DettagliOra sono keynesiano. Non è importante che si chiami gatto, ma che prenda il topo.
Ora sono keynesiano R. Nixon, 1972 Non è importante che si chiami gatto, ma che prenda il topo. Mao Tse Tung, 1964 LO STRUMENTALISMO DI FRIEDMAN Corso di Dottorato di Ricerca Lezioni di Filosofia e Metodologia
DettagliApprendimento basato sulle istanze
Apprendimento basato sulle istanze Apprendimento basato sulle istanze Apprendimento: semplice memorizzazione di tutti gli esempi Classificazione di una nuova istanza x j : reperimento degli
DettagliEconomia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA PRIMA SETTIMANA
Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A. 2013-2014. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA PRIMA SETTIMANA ALCUNE PREMESSE Cosa e la microeconomia? E la disciplina che studia
DettagliInformazione binaria: Codici per la rilevazione e correzione di errori Codici di compressione
Informazione binaria: Codici per la rilevazione e correzione di errori Codici di compressione Percorso di Preparazione agli Studi di Ingegneria Università degli Studi di Brescia Docente: Massimiliano Giacomin
DettagliESERCITAZIONE I - SOLUZIONI
Esercizio 1 a) - Età: quantitativo continuo - Sesso: qualitativo sconnesso ESERCITAZIONE I - SOLUZIONI - Codice: qualitativo ordinabile (scala di gravità) - Tempo previsto di attesa: quantitativo continuo
DettagliOttimizzazione dei Sistemi Complessi
1 Giovedì 18 Maggio 2017 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Il decisore... questo sconosciuto! singolo obiettivo: se x e x sono ottimi globali, allora f (x ) = f ( x) e non c è
Dettagli2. Si definisca un algoritmo euristico di tipo greedy per determinare una buona soluzione ammissibile del problema;
Esercizio 6 Un azienda di trasporti deve affrontare il seguente problema di caricamento. L azienda dispone di n prodotti che possono essere trasportati e di m automezzi con cui effettuare il trasporto.
DettagliRIASSUNTO ARGOMENTI LEZIONI STRUMENTI PER L ANALISI DEI DATI-LM DIP. DI ECONOMIA E MANAGEMENT - UNIV. DI FERRARA A.A. 2018/19
RIASSUNTO ARGOMENTI LEZIONI STRUMENTI PER L ANALISI DEI DATI-LM DIP. DI ECONOMIA E MANAGEMENT - UNIV. DI FERRARA A.A. 2018/19 25/09/2018 ore 12.00-14.00 Presentazione del corso. Funzioni ad output reale
DettagliOttimizzazione dei Sistemi Complessi
1 Giovedì 18 Maggio 2017 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Il decisore questo sconosciuto! singolo obiettivo: se x e x sono ottimi globali, allora f (x ) = f ( x) e non c è alcun
DettagliTeoria e tecniche dei test. Obiettivi del corso. Il concetto di misura 25/11/2013. Lezione /14 La misura del comportamento
Teoria e tecniche dei test Lezione 1 2013/14 La misura del comportamento Obiettivi del corso Il corso intende introdurre al tema della quantificazione del comportamento umano, per l acquisizione delle
DettagliMaria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
DettagliModelli di scelta del percorso (cenni)
Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO (tutti i CCS tranne Civile e Gestionale) www.uniroma.it/didattica/pst_accs ing. Antonio Comi ottobre 006 Modelli di scelta del percorso (cenni) Il modello
DettagliTeoria delle decisioni
A. A. 2017-2018 Teoria delle decisioni introduzione expected utility prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Teoria delle decisioni razionali Teoria
DettagliCapitolo 20. Criteri e metodi di valutazione dei beni ambientali SECONDA PARTE. Manuale di Estimo 2e - Vittorio Gallerani
Capitolo 20 Criteri e metodi di valutazione dei beni ambientali SECONDA PARTE Approcci alla valutazione dei beni ambientali Può avvenire usando due famiglie di tecniche: le valutazioni monetarie il criterio
DettagliAnalisi gerarchica e confronto a coppie
Valutazione economica del progetto AA 2016/17 Analisi gerarchica e confronto a coppie Docenti Collaboratore prof. Stefano Stanghellini stefano.stanghellini@iuav.it prof. Sergio Copiello copiello@iuav.it
DettagliMetodi e modelli per le decisioni
Metodi e modelli per le decisioni Roberto Cordone A. A. 2015-16 5.4 Esercizi Nota : Gli esercizi seguenti riguardano tutti problemi a due dimensioni. Si possono quindi tutti affrontare (o quasi: non sono
DettagliCapitolo 3. Ottimizzazione: la scelta migliore
Capitolo 3 Ottimizzazione: la scelta migliore 1 (c) Pearson Italia S.p.A. - Anita S. Woolfolk, Robbins, Psicologia T. Judge, dell'educazione D. Bodega, Comportamento organizzativo Due tipi di ottimizzazione:
DettagliLa gestione delle interrogazioni
La gestione delle interrogazioni Basi di dati: Architetture e linee di evoluzione - Seconda edizione Capitolo 1 Appunti dalle lezioni Esecuzione e ottimizzazione delle query Un modulo del DBMS Query processor
DettagliDispense Associazione PRELIMINARY DRAFT
Dispense Associazione PRELIMINARY DRAFT Cristina Mollica & Jan Martin Rossi January 3, 2019 1 Esercizio 3 - Prova scritta 12-01-2018 Esercizio 3. Si consideri la distribuzione doppia di un campione di
DettagliElaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. I suoni Rappresentazione digitale
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
DettagliTeoria delle decisioni
A. A. 2015-2016 Teoria delle decisioni Expected Utility vs Cumulative Prospect Theory Esempi applicativi prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Ambiguità
DettagliLaboratorio di matematica: processamento, interpretazione ed elaborazione dei dati
Laboratorio di matematica: processamento, interpretazione ed elaborazione dei dati Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica descrittiva Lodi, giovedì
DettagliPSICOLOGIA DELLE SCELTE
PSICOLOGIA DELLE SCELTE mod. 2 - le scelte di carriera Paola Magnano paola.magnano@unikore.it LEZ. 1 Nota L., Soresi S. (a cura di), Sfide e nuovi orizzonti per l orientamento. Metodologie e buone pratiche,
DettagliRICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola:
Secondo appello //0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x x x x x + x x x per via algebrica, mediante l algoritmo del Simplesso Primale a partire
DettagliFormule matematiche per le valutazioni dell offerta
Formule matematiche per le valutazioni dell offerta Cagliari, 29 settembre 2017 Antonio Bertelli e Alessandro Antonini Offerta economicamente più vantaggiosa Progetto Costo Valutazione parte Economica
DettagliVariabilità e Concentrazione Esercitazione n 02
Variabilità e Concentrazione Esercitazione n 02 ESERCIZIO 1 Nella tabella di seguito sono riportati i dati relativi al tempo necessario a 8 studenti per svolgere un test di valutazione (in ore): Tempo
DettagliDOCIMOLOGIA 2. Gabriella Agrusti Università degli Studi Roma Tre Settima lezione
DOCIMOLOGIA 2 Gabriella Agrusti Università degli Studi Roma Tre Settima lezione Difficoltà di una prova Tutto dipende dai punti di vista Matematica: In una scuola ci sono 300 alunni di quinta elementare.
DettagliRelazioni e Rappresentazioni. 1 Una relazione (binaria) R su
S Modica 19.III.1999 Relazioni e Rappresentazioni. 1 Una relazione (binaria) R su un insieme X è un sottoinsieme di X 2 (X 2 = X X, prodotto cartesiano): R X 2. Per l appartenenza (x, y) R useremo il sinonimo
DettagliTeoria delle decisioni introduzione
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE Teoria delle decisioni introduzione DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it) Antonio Comi (comi@ing.uniroma2.it) 1 Decisione
DettagliL analisi sensoriale: uno strumento applicabile anche nelle piccole imprese. ZEPPA G. DISAFA - Università di Torino
L analisi sensoriale: uno strumento applicabile anche nelle piccole imprese ZEPPA G. DISAFA - Università di Torino Quella parte dell analisi di un prodotto che utilizza l apparato sensoriale umano I sensi
DettagliRICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: max x + x x x x x x + x x Si applichi l algoritmo del Simplesso Duale, per via algebrica, a
DettagliOttimizzazione Combinatoria e Reti (a.a. 2007/08)
o Appello 6/07/008 Ottimizzazione Combinatoria e Reti (a.a. 007/08) Nome Cognome: Matricola: ) Dopo avere finalmente superato l esame di Ricerca Operativa, Tommaso è pronto per partire in vacanza. Tommaso
DettagliCapitolo 3: Ottimizzazione non vincolata parte II. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte II E. Amaldi DEI, Politecnico di Milano 3.3 Metodi basati su direzioni di ricerca Problema di ottimizzazione non vincolata: min x R n f(x) con f : R n R di
DettagliStatistica. Esercitazione 3 9 maggio 2012 Coefficiente di variazione. Serie storiche. Connessione e indipendenza statistica
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 20/202 Statistica Esercitazione 3 9 maggio 202 Coefficiente di variazione. Serie storiche.
DettagliTeoria normativa della politica
Teoria normativa della politica economica La teoria normativa si occupa di indicare il metodo e, di conseguenza, le scelte che un autorità pubblica (policy maker) razionale dovrebbe assumere per perseguire
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
DettagliStatistica: principi e metodi. Medie
Statistica: principi e metodi Capitolo 4 Medie Cap. 4- Medie le medie sono lo strumento con cui si sintetizzano i dati statistici. l uso della media consente all individuo di rappresentarsi mentalmente
DettagliGenetica dei caratteri quantitativi
PAS Percorsi Abilitanti Speciali Classe di abilitazione A057 Scienza degli alimenti Tracciabilità genetica degli alimenti Genetica dei caratteri quantitativi 1 Concetti di base in genetica L informazione
Dettaglianalisi di sensibilità lezione 22
analisi di sensibilità lezione 22 ultime lezioni [22] oggi h. 13:05-14:55 simulazione esame + sensibilità + ricette [23] 29 Maggio h. 16:45-19:00 DDAY Start-Up Lab - aula magna Lettere [24] 3 Giugno h.
DettagliVariabile divisa in classi: varianza
Variabile divisa in classi: varianza Distribuzione semplice di frequenze assolute del carattere X raggruppato in classi Car. X n i Valori centrali (c i - M) 2 (c i - M) 2 n i (x 0, x 1 ] n 1 (x 1, x 2
DettagliLa struttura dei dati
La struttura dei dati Carattere Qualitativo 1 (mutabile statistica) Unità statistica Osservazione di uno o più caratteri Collettivo statistico Carattere Quantitativo 2 (variabile statistica) Pagina 14
DettagliFondamenti di Trasporti Paradossi nei Trasporti
Corso di: Lezione: Fondamenti di Trasporti Paradossi nei Trasporti Corso di Laurea Ingegneria Civile AA 1112 Giuseppe Inturri Università di Catania Dipartimento di Ingegneria Civile e Ambientale Paradossi
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 19 Analisi dell associazione
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Ipotesi statistica parametrica non parametrica una qualunque affermazione che specifica completamente o parzialmente la distribuzione di probabilità di una v.c. X. semplice: se la
DettagliStatistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
DettagliStime dell ottimo - Rilassamenti. PRTLC - Rilassamenti
Stime dell ottimo - Rilassamenti PRTLC - Rilassamenti Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo: rilassamenti Rilassamento
DettagliLAUREA MAGISTRALE INGEGNERIA CIVILE. Docente: Marinella Giunta
UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA FACOLTA DI INGEGNERIA LAUREA MAGISTRALE INGEGNERIA CIVILE Corso di PROGETTO E GESTIONE DELLE INFRASTRUTTURE VIARIE LECTURE 05 METODI E STRUMENTI PER
DettagliValutazione multicriteriale
Corso di Estimo A.A. 2004/2005 Valutazione multicriteriale Prof. Collaboratrice: Una definizione La valutazione costituisce un insieme di attività che ha come scopo principale la razionalizzazione di un
DettagliPROBLEMI A MOLTI OBIETTIVI
PROBLEMI A MOLTI OBIETTIVI Spesso gli obiettivi di pianificazione e/o gestione sono numerosi e difficilmente paragonabili (incommensurabilità). Esempio 1 Risanamento di una zona fortemente inquinata n
Dettaglia ij x j ) L i vincoli rilassati: a ij x j b i (i = 1,..., m) si inizia con un λ qualunque (es. λ i = 0 i);
Determinazione di buoni moltiplicatori lagrangiani 1) Quando possibile, mediante analisi teorica del problema. 2) Metodo iterativo. Consideriamo il caso: funzione obiettivo: c j x j + λ i (b i j i j vincoli
DettagliModelli di Programmazione Lineare. PRTLC - Modelli
Modelli di Programmazione Lineare PRTLC - Modelli Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver Come ricavare una stima dell ottimo Rilassamento continuo - generazione di
DettagliCITTA' IBRIDA: LINEE GUIDA SULLA RIGENERAZIONE ENERGETICA
CITTA' IBRIDA: LINEE GUIDA SULLA RIGENERAZIONE ENERGETICA Bassano del Grappa, 19 settembre 2014 Riqualificazione energetica edificio-impianto: una valutazione economica Filippo Busato Studio 3F engineering,
DettagliValutazioni nell ambito di procedure concorsuali
Corso di «Processi di pianificazione e processi di valutazione» a.a. 2016/17 Valutazioni nell ambito di procedure concorsuali Docente Collaboratore prof. Stefano Stanghellini stefano.stanghellini@iuav.it
DettagliSTRUTTURA DELLE RETI SOCIALI GAME THEORY E RETI. Vincenzo Auletta Università di Salerno
STRUTTURA DELLE RETI SOCIALI GAME THEORY E RETI Vincenzo Auletta Università di Salerno GAME THEORY E NETWORKS Fino ad ora abbiamo visto La struttura delle reti Game theory classica Evolutionary game theory
DettagliCome fare ricerca empirica
DIPARTIMENTO DI SCIENZE SOCIALI E POLITICHE Anno Accademico 2013/2014 Metodologia della Ricerca Sociale (GLO) dott. Ferruccio Biolcati Rinaldi INTRODUZIONE AL CORSO Come fare ricerca empirica 1 Gli obiettivi
DettagliIndici di variabilità ed eterogeneità
Indici di variabilità ed eterogeneità Corso di STATISTICA Prof. Roberta Siciliano Ordinario di Statistica, Università di apoli Federico II Professore supplente, Università della Basilicata a.a. 011/01
DettagliIl problema della scelta delle alternative: Introduzione ai metodi di analisi a molti attributi. Criterio di Efficienza di Pareto
Il problema della scelta delle alternative: Introduzione ai metodi di analisi a molti attributi Valutazione di Impatto Ambientale Prof. Giulio De Leo Dipartimento di Scienze Ambientali Università degli
DettagliI metodi Electre. La scelta fra le alternative: i metodi Electre. Perché introdurre l incompletezza? I metodi Electre: elementi comuni
I metodi Electre La scelta fra le alternative: i metodi Electre Electre = ELimination Et Choix Traduisant la REalité scopo: mettere a punto un metodo decisionale il più aderente possibile alla realtà rifiutano
DettagliCorso di Informatica modulo Informatica di Base 6 CFU. I suoni Rappresentazione digitale
DIPARTIMENTO DELL INNOVAZIONE INDUSTRIALE E DIGITALE Corso di Informatica modulo Informatica di Base 6 CFU Anno Accademico 2016/2017 Docente: ing. Salvatore Sorce I suoni Rappresentazione digitale Quantizzazione
DettagliCorso di Laurea in Scienze Naturali Matematica con Elementi di Statistica
Corso di Laurea in Scienze Naturali Matematica con Elementi di Statistica I parte: 5 crediti, 40 ore di lezione frontale II parte: 4 crediti, 32 ore di lezione frontale mariannasaba@unica.it Orario lezioni:
DettagliData set relativo a 40 titolari di esercizi commerciali. Durata del percorso casa lavoro (in minuti) Numero dipendenti che lavorano nel negozio
ESERCITAZIONE 1: VARIABILI E DISTRIBUZIONI 1.TIPOLOGIA DEI DATI 2. CALCOLO DI FREQUENZE 3. RAPPRESENTAZIONE GRAFICA DI UNA VARIABILE A Roma nel 2006 è stata effettuata un indagine, tramite questionario,
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliRicerca Operativa A.A. 2017/2018
Ricerca Operativa A.A. 2017/2018 Esercizi su modelli di programmazione lineare intera - Soluzioni Nota Vengono fornite delle possibili soluzioni. Potrebbero esserci soluzioni alternative altrettanto valide.
DettagliApprocci multi-criterio III. Valutazione economica dei piani e dei progetti
Approcci multi-criterio III Valutazione economica dei piani e dei progetti Metodo Analytic Hierarchy Process Il metodo AHP, sviluppato da Thomas L. Saaty a partire dalla fine degli anni 70 è diffuso a
DettagliCome funziona Google?
Progetto Lauree Scientifiche 010-011: Come funziona Google? Liceo Gabriele D Annunzio di Fidenza Università degli Studi di Parma Docenti della scuola superiore: M. Armani, S. Di Maiolo Docenti dell università:
DettagliValutazioni nell ambito di procedure concorsuali
Corso di «Processi di pianificazione e processi di valutazione» a.a. 2014/15 Valutazioni nell ambito di procedure concorsuali Docente prof. Stefano Stanghellini stefano.stanghellini@iuav.it Collaboratore
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica
DettagliAppunti di Ricerca Operativa
Appunti di Ricerca Operativa 2012/2013 Prefazione La Ricerca Operativa è un campo in continua evoluzione, il cui impatto sulle realtà aziendali ed organizzative è in costante crescita. L insegnamento di
DettagliDistribuzioni e rappresentazioni grafiche
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Outline 1 Distribuzioni unitarie e di frequenza 2 3 4 5 Outline 1 Distribuzioni unitarie e di frequenza 2 3 4 5 Distribuzione unitaria [1/2] Data
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
Dettagli3.2 Rilassamenti lineari/combinatori e bounds
3.2 Rilassamenti lineari/combinatori e bounds Consideriamo un problema di Ottimizzazione Discreta min{f(x) : x X} e sia z il valore di una soluzione ottima x X. Metodi di risoluzione spesso generano una
DettagliLezione Sistemi di equazioni lineari
Lezione. Sistemi di equazioni lineari Definizione. (Sistemi di equazioni lineari e loro soluzioni). Un equazione lineare nelle n incognite x,,...,x n acoefficientiink = R, èun equazionedellaforma a x +
DettagliIntroduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO
Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa la disciplina
DettagliAlgoritmo di ordinamento sul posto che ha tempo di esecuzione :
QuickSort Algoritmo di ordinamento sul posto che ha tempo di esecuzione : - O(n 2 ) nel caso peggiore - O(n log n) nel caso medio Nonostante le cattive prestazioni nel caso peggiore, rimane il miglior
DettagliUn esempio di applicazione della PLI: il Sudoku
Un esempio di applicazione della PLI: il Sudoku 1/14 Risoluzione del Sudoku attraverso la PLI Nel seguito, si descrive come formulare il noto gioco del Sudoku come problema di programmazione lineare intera,
DettagliMetodi di supporto alle decisioni manageriali. Supporto alle Decisioni Multi-Criterio
Metodi di supporto alle decisioni manageriali Supporto alle Decisioni Multi-Criterio Funzioni ordinali Il metodo più utilizzato per rappresentare un ordine debole su un insieme di alternative X è di associare
DettagliDecisori (razionali) interagenti
Decisori (razionali) interagenti UNA INTRODUZIONE ALLA TEORIA DEI GIOCHI Edizioni PLUS, 2006 (pag. web: Edizioni Plus) Definizioni formali Fioravante PATRONE http://www.fioravante.patrone.name/default.htm
DettagliCorso di Sistemi di Controllo Multivariabile. Docente Prof. Francesco Amato
Corso di Sistemi di Controllo Multivariabile Docente Prof. Francesco Amato Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione 2.2 Ottobre 2012 1 Obiettivi
DettagliCORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO. Programma del corso di Tecnica ed Economia dei Trasporti. Prof.
CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO Programma del corso di Tecnica ed Economia dei Trasporti Prof. Andrea Papola Introduzione al corso La professione dell ingegnere dei sistemi
DettagliCorso di Laurea in Economia Aziendale. Docente: Marta Nai Ruscone. Statistica. a.a. 2015/2016
Corso di Laurea in Economia Aziendale Docente: Marta Nai Ruscone Statistica a.a. 2015/2016 1 Indici di posizione GLI INDICI DI POSIZIONE sono indici sintetici che evidenziano le caratteristiche essenziali
DettagliANALISI DELLE POSIZIONI
ANALISI DELLE POSIZIONI L analisi delle posizioni rappresenta un focus strategico per la funzione RU; tutte le attività di GRU poggiano sull analisi delle posizioni in quanto rappresentano uno strumento
DettagliREGISTRO DELLE LEZIONI
UNIVERSITÀ DEGLI STUDI DI GENOVA Dipartimento di Matematica Corso di laurea in Statistica matematica e trattamento informatico dei dati REGISTRO DELLE LEZIONI dell INSEGNAMENTO o MODULO UFFICIALE Nome:
DettagliAtzeni, Ceri, Paraboschi, Torlone Basi di dati
Atzeni, Ceri, Paraboschi, Torlone Basi di dati Capitolo 9 (I parte) Progettazione logica: ristrutturazione degli schemi E-RE Requisiti della base di dati Basi di dati - Modelli e linguaggi di interrogazione-
DettagliTEORIA DEI GIOCHI. Progetto Lauree Scientifiche : Liceo Gabriele D Annunzio di Fidenza Università degli Studi di Parma
Progetto Lauree Scientifiche 2010-2011: TEORIA DEI GIOCHI Liceo Gabriele D Annunzio di Fidenza Università degli Studi di Parma Docenti della scuola superiore: M. Armani, S. Di Maiolo Docenti dell università:
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliRicerca per ispezione guidata (Branch and Bound) per min L max con r j 0
Per esporre il più importante algoritmo per lo scheduling in sistemi ad instradamento differenziato occorre considerare un estensione del min L max Ricerca per ispezione guidata (Branch and Bound) per
DettagliRisorse ambientali. Le risorse ambientali sono beni pubblici puri o beni comuni
Mx-UD0x: diapositiva #1 Mx-UD0x: diapositiva #2 Mx-UD0x: diapositiva #3 Valutazione di beni che non hanno un prezzo di mercato (o hanno un prezzo non efficiente) Valutare
DettagliModelli Decisionali per la Stima della Domanda di Mobilità
Modelli Decisionali per la Stima della Domanda di Mobilità dambra@unina.it rodia@unina.it Schema Sintetico Sistema di Offerta Sistema di Trasporto Sistema di Domanda Modello di Offerta Modello di Domanda
Dettagli