�ݺ�ߣshows by User: StefanoCostanzo1

�ݺ�ߣshows by User: StefanoCostanzo1 / http://www.slideshare.net/images/logo.gif �ݺ�ߣshows by User: StefanoCostanzo1 / Tue, 04 Oct 2016 14:38:40 GMT �ݺ�ߣShare feed for �ݺ�ߣshows by User: StefanoCostanzo1 Modular Multi-Objective Genetic Algorithm for Large Scale Bi-level Problems /slideshow/modular-multiobjective-genetic-algorithm-for-large-scale-bilevel-problems-66722111/66722111 relazioneattivit2015-costanzostefano-poster-161004143840
A genetic algorithm is used to solve the Centralised Peak-Load Pricing model on the European Air Traffic Management system. The Stackelberg equilibrium is obtained by means of an optimisation problem formulated as a bilevel linear programming model where the Central Planner sets one peak and one off-peak en-route charge and the Airspace Users choose the route among the available alternatives.]]>
A genetic algorithm is used to solve the Centralised Peak-Load Pricing model on the European Air Traffic Management system. The Stackelberg equilibrium is obtained by means of an optimisation problem formulated as a bilevel linear programming model where the Central Planner sets one peak and one off-peak en-route charge and the Airspace Users choose the route among the available alternatives.]]> Tue, 04 Oct 2016 14:38:40 GMT /slideshow/modular-multiobjective-genetic-algorithm-for-large-scale-bilevel-problems-66722111/66722111 StefanoCostanzo1@slideshare.net(StefanoCostanzo1) Modular Multi-Objective Genetic Algorithm for Large Scale Bi-level Problems StefanoCostanzo1 A genetic algorithm is used to solve the Centralised Peak-Load Pricing model on the European Air Traffic Management system. The Stackelberg equilibrium is obtained by means of an optimisation problem formulated as a bilevel linear programming model where the Central Planner sets one peak and one off-peak en-route charge and the Airspace Users choose the route among the available alternatives. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/relazioneattivit2015-costanzostefano-poster-161004143840-thumbnail.jpg?width=120&height=120&fit=bounds" /> A genetic algorithm is used to solve the Centralised Peak-Load Pricing model on the European Air Traffic Management system. The Stackelberg equilibrium is obtained by means of an optimisation problem formulated as a bilevel linear programming model where the Central Planner sets one peak and one off-peak en-route charge and the Airspace Users choose the route among the available alternatives.

Modular Multi-Objective Genetic Algorithm for Large Scale Bi-level Problems from Stefano Costanzo

]]> 102 2 https://cdn.slidesharecdn.com/ss_thumbnails/relazioneattivit2015-costanzostefano-poster-161004143840-thumbnail.jpg?width=120&height=120&fit=bounds document Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 A Modular Genetic Algorithm Specialized for Linear Constraints /slideshow/a-modular-genetic-algorithm-specialized-for-linear-constraints/66720604 stefanocostanzo-161004140640
This algorithm combines modules and operators of standard GAs with specilized routines aimed at archieving enhanched performance on istances with specific types of constraints, in particular linear.]]>
This algorithm combines modules and operators of standard GAs with specilized routines aimed at archieving enhanched performance on istances with specific types of constraints, in particular linear.]]> Tue, 04 Oct 2016 14:06:39 GMT /slideshow/a-modular-genetic-algorithm-specialized-for-linear-constraints/66720604 StefanoCostanzo1@slideshare.net(StefanoCostanzo1) A Modular Genetic Algorithm Specialized for Linear Constraints StefanoCostanzo1 This algorithm combines modules and operators of standard GAs with specilized routines aimed at archieving enhanched performance on istances with specific types of constraints, in particular linear. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/stefanocostanzo-161004140640-thumbnail.jpg?width=120&height=120&fit=bounds" /> This algorithm combines modules and operators of standard GAs with specilized routines aimed at archieving enhanched performance on istances with specific types of constraints, in particular linear.

A Modular Genetic Algorithm Specialized for Linear Constraints from Stefano Costanzo

]]> 370 4 https://cdn.slidesharecdn.com/ss_thumbnails/stefanocostanzo-161004140640-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Exploiting Web Technologies to connect business process management and engineering /slideshow/exploiting-web-technologies-to-connect-business-process-management-and-engineering/66719947 postericsoft2016a0final-161004135234
The Business Process Model and Notations (BPMN) standard can be used for representing low-level simulation and automation workflows for scientific, engineering and manufacturing process. This poster presents a prototype focused on removing the main obstacles to an adoption of the standard and the related technology caused by insufficient collaboration and data management.]]>
The Business Process Model and Notations (BPMN) standard can be used for representing low-level simulation and automation workflows for scientific, engineering and manufacturing process. This poster presents a prototype focused on removing the main obstacles to an adoption of the standard and the related technology caused by insufficient collaboration and data management.]]> Tue, 04 Oct 2016 13:52:33 GMT /slideshow/exploiting-web-technologies-to-connect-business-process-management-and-engineering/66719947 StefanoCostanzo1@slideshare.net(StefanoCostanzo1) Exploiting Web Technologies to connect business process management and engineering StefanoCostanzo1 The Business Process Model and Notations (BPMN) standard can be used for representing low-level simulation and automation workflows for scientific, engineering and manufacturing process. This poster presents a prototype focused on removing the main obstacles to an adoption of the standard and the related technology caused by insufficient collaboration and data management. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/postericsoft2016a0final-161004135234-thumbnail.jpg?width=120&height=120&fit=bounds" /> The Business Process Model and Notations (BPMN) standard can be used for representing low-level simulation and automation workflows for scientific, engineering and manufacturing process. This poster presents a prototype focused on removing the main obstacles to an adoption of the standard and the related technology caused by insufficient collaboration and data management.

Exploiting Web Technologies to connect business process management and engineering from Stefano Costanzo

]]> 104 2 https://cdn.slidesharecdn.com/ss_thumbnails/postericsoft2016a0final-161004135234-thumbnail.jpg?width=120&height=120&fit=bounds document Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 ESTECO Company Overview /slideshow/esteco-company-overview/66719764 estecocompanyoverviewunits-161004134845
Company Overview. ESTECO is a pioneer in numerical optimization solutions, specialized in the research and development of engineering software for all stages of the simulation-driven design process. ]]>
Company Overview. ESTECO is a pioneer in numerical optimization solutions, specialized in the research and development of engineering software for all stages of the simulation-driven design process. ]]> Tue, 04 Oct 2016 13:48:45 GMT /slideshow/esteco-company-overview/66719764 StefanoCostanzo1@slideshare.net(StefanoCostanzo1) ESTECO Company Overview StefanoCostanzo1 Company Overview. ESTECO is a pioneer in numerical optimization solutions, specialized in the research and development of engineering software for all stages of the simulation-driven design process. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/estecocompanyoverviewunits-161004134845-thumbnail.jpg?width=120&height=120&fit=bounds" /> Company Overview. ESTECO is a pioneer in numerical optimization solutions, specialized in the research and development of engineering software for all stages of the simulation-driven design process.

ESTECO Company Overview from Stefano Costanzo

]]> 328 4 https://cdn.slidesharecdn.com/ss_thumbnails/estecocompanyoverviewunits-161004134845-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Modular Multi-Objective Genetic Algorithm for Large Scale Bi-level Problems /slideshow/modular-multiobjective-genetic-algorithm-for-large-scale-bilevel-problems/66719528 presentationrev-161004134349
A genetic algorithm is used to solve the Centralised Peak-Load Pricing model on the European Air Traffic Management system. The Stackelberg equilibrium is obtained by means of an optimisation problem formulated as a bilevel linear programming model where the Central Planner sets one peak and one off-peak en-route charge and the Airspace Users choose the route among the available alternatives.]]>
A genetic algorithm is used to solve the Centralised Peak-Load Pricing model on the European Air Traffic Management system. The Stackelberg equilibrium is obtained by means of an optimisation problem formulated as a bilevel linear programming model where the Central Planner sets one peak and one off-peak en-route charge and the Airspace Users choose the route among the available alternatives.]]> Tue, 04 Oct 2016 13:43:49 GMT /slideshow/modular-multiobjective-genetic-algorithm-for-large-scale-bilevel-problems/66719528 StefanoCostanzo1@slideshare.net(StefanoCostanzo1) Modular Multi-Objective Genetic Algorithm for Large Scale Bi-level Problems StefanoCostanzo1 A genetic algorithm is used to solve the Centralised Peak-Load Pricing model on the European Air Traffic Management system. The Stackelberg equilibrium is obtained by means of an optimisation problem formulated as a bilevel linear programming model where the Central Planner sets one peak and one off-peak en-route charge and the Airspace Users choose the route among the available alternatives. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/presentationrev-161004134349-thumbnail.jpg?width=120&height=120&fit=bounds" /> A genetic algorithm is used to solve the Centralised Peak-Load Pricing model on the European Air Traffic Management system. The Stackelberg equilibrium is obtained by means of an optimisation problem formulated as a bilevel linear programming model where the Central Planner sets one peak and one off-peak en-route charge and the Airspace Users choose the route among the available alternatives.

Modular Multi-Objective Genetic Algorithm for Large Scale Bi-level Problems from Stefano Costanzo

]]> 337 4 https://cdn.slidesharecdn.com/ss_thumbnails/presentationrev-161004134349-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Multi strategy intelligent optimization algorithm for computationally expensive cae /slideshow/multi-strategy-intelligent-optimization-algorithm-for-computationally-expensive-cae/66718611 multi-strategyintelligentoptimizationalgorithmforcomputationallyexpensivecae-161004132409
Presentation of mass minimization of a vehicle model while meeting safety and NVH requiremets. Mathematical tests and multi-strategy algorithm comparison on the real case.]]>
Presentation of mass minimization of a vehicle model while meeting safety and NVH requiremets. Mathematical tests and multi-strategy algorithm comparison on the real case.]]> Tue, 04 Oct 2016 13:24:09 GMT /slideshow/multi-strategy-intelligent-optimization-algorithm-for-computationally-expensive-cae/66718611 StefanoCostanzo1@slideshare.net(StefanoCostanzo1) Multi strategy intelligent optimization algorithm for computationally expensive cae StefanoCostanzo1 Presentation of mass minimization of a vehicle model while meeting safety and NVH requiremets. Mathematical tests and multi-strategy algorithm comparison on the real case. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/multi-strategyintelligentoptimizationalgorithmforcomputationallyexpensivecae-161004132409-thumbnail.jpg?width=120&height=120&fit=bounds" /> Presentation of mass minimization of a vehicle model while meeting safety and NVH requiremets. Mathematical tests and multi-strategy algorithm comparison on the real case.

Multi strategy intelligent optimization algorithm for computationally expensive cae from Stefano Costanzo

]]> 247 2 https://cdn.slidesharecdn.com/ss_thumbnails/multi-strategyintelligentoptimizationalgorithmforcomputationallyexpensivecae-161004132409-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Il Mondo dell'Ottimizzazione /slideshow/il-mondo-dellottimizzazione/66718370 presentazione20160922-161004132043
Una introduzione intuitiva al mondo della ricerca operativa e dell'ottimizzazione industriale.]]>
Una introduzione intuitiva al mondo della ricerca operativa e dell'ottimizzazione industriale.]]> Tue, 04 Oct 2016 13:20:43 GMT /slideshow/il-mondo-dellottimizzazione/66718370 StefanoCostanzo1@slideshare.net(StefanoCostanzo1) Il Mondo dell'Ottimizzazione StefanoCostanzo1 Una introduzione intuitiva al mondo della ricerca operativa e dell'ottimizzazione industriale. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/presentazione20160922-161004132043-thumbnail.jpg?width=120&height=120&fit=bounds" /> Una introduzione intuitiva al mondo della ricerca operativa e dell'ottimizzazione industriale.

Il Mondo dell'Ottimizzazione from Stefano Costanzo

]]> 228 4 https://cdn.slidesharecdn.com/ss_thumbnails/presentazione20160922-161004132043-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

Definizione e sviluppo di un algoritmo genetico multiobiettivo per problemi di programmazione lineare e ottimizzazione combinatoria from Stefano Costanzo

]]> 1147 2 https://cdn.slidesharecdn.com/ss_thumbnails/definizioneesviluppodiunalgoritmogeneticomultiobiettivoperproblemidiprogrammazionelineareeottimizzaz-131011095057-phpapp01-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Definizione e sviluppo di un algoritmo genetico multiobiettivo per problemi di programmazione lineare e ottimizzazione combinatoria /slideshow/definizione-e-sviluppo-di-un-algoritmo-genetico-multiobiettivo-per-problemi-di-programmazione-lineare-e-ottimizzazione-combinatoria/27100886 definizioneesviluppodiunalgoritmogeneticomultiobiettivoperproblemidiprogrammazionelineareeottimizzaz-131011094453-phpapp01
Lo scopo di questo lavoro di tesi è lo sviluppo di un approccio meta-euristico basato sugli algoritmi genetici per la risoluzione di problemi multi-obiettivo sia di programmazione lineare che di ottimizzazione combinatoria. Alcune tipologie di questi problemi si prestano ad essere risolti mediante algoritmi ad-hoc che fanno leva sulle caratteristiche strutture matematiche delle variabili di ingresso con cui sono modellati, così come evidenziato nella vasta letteratura esaminata. Il presente lavoro propone invece di generalizzare queste tecniche in modo da poter offrire uno o più algoritmi che sappiano gestire contemporaneamente il maggior numero di classi di problemi. Inoltre, l’intrinseca complessità dovuta alla natura multi-obiettivo dei problemi affrontati, richiede di spostare l’attenzione dai metodi deterministici-tradizionali a quelli evolutivi-euristici. Viene quindi delineato il profilo di un algoritmo genetico capace di elaborare problemi multi-obiettivo con vincoli lineari, non lineari, variabili intere e strutture di variabili combinatorie. Particolare attenzione viene dedicata alle fasi precedenti il ciclo puro di ottimizzazione di un algoritmo genetico, introducendo delle procedure di semplificazione dei sistemi di vincoli lineari e un metodo di eliminazione delle uguaglianze, notoriamente ostiche per gli approcci evolutivi. Risultati sperimentali, su molteplici classi di problemi test, vengono confrontati con algoritmi genetici esistenti mostrando dei comportamenti sicuramente incoraggianti per un raffinamento ulteriore della strategia delineata.]]>
Lo scopo di questo lavoro di tesi è lo sviluppo di un approccio meta-euristico basato sugli algoritmi genetici per la risoluzione di problemi multi-obiettivo sia di programmazione lineare che di ottimizzazione combinatoria. Alcune tipologie di questi problemi si prestano ad essere risolti mediante algoritmi ad-hoc che fanno leva sulle caratteristiche strutture matematiche delle variabili di ingresso con cui sono modellati, così come evidenziato nella vasta letteratura esaminata. Il presente lavoro propone invece di generalizzare queste tecniche in modo da poter offrire uno o più algoritmi che sappiano gestire contemporaneamente il maggior numero di classi di problemi. Inoltre, l’intrinseca complessità dovuta alla natura multi-obiettivo dei problemi affrontati, richiede di spostare l’attenzione dai metodi deterministici-tradizionali a quelli evolutivi-euristici. Viene quindi delineato il profilo di un algoritmo genetico capace di elaborare problemi multi-obiettivo con vincoli lineari, non lineari, variabili intere e strutture di variabili combinatorie. Particolare attenzione viene dedicata alle fasi precedenti il ciclo puro di ottimizzazione di un algoritmo genetico, introducendo delle procedure di semplificazione dei sistemi di vincoli lineari e un metodo di eliminazione delle uguaglianze, notoriamente ostiche per gli approcci evolutivi. Risultati sperimentali, su molteplici classi di problemi test, vengono confrontati con algoritmi genetici esistenti mostrando dei comportamenti sicuramente incoraggianti per un raffinamento ulteriore della strategia delineata.]]> Fri, 11 Oct 2013 09:44:52 GMT /slideshow/definizione-e-sviluppo-di-un-algoritmo-genetico-multiobiettivo-per-problemi-di-programmazione-lineare-e-ottimizzazione-combinatoria/27100886 StefanoCostanzo1@slideshare.net(StefanoCostanzo1) Definizione e sviluppo di un algoritmo genetico multiobiettivo per problemi di programmazione lineare e ottimizzazione combinatoria StefanoCostanzo1 Lo scopo di questo lavoro di tesi è lo sviluppo di un approccio meta-euristico basato sugli algoritmi genetici per la risoluzione di problemi multi-obiettivo sia di programmazione lineare che di ottimizzazione combinatoria. Alcune tipologie di questi problemi si prestano ad essere risolti mediante algoritmi ad-hoc che fanno leva sulle caratteristiche strutture matematiche delle variabili di ingresso con cui sono modellati, così come evidenziato nella vasta letteratura esaminata. Il presente lavoro propone invece di generalizzare queste tecniche in modo da poter offrire uno o più algoritmi che sappiano gestire contemporaneamente il maggior numero di classi di problemi. Inoltre, l’intrinseca complessità dovuta alla natura multi-obiettivo dei problemi affrontati, richiede di spostare l’attenzione dai metodi deterministici-tradizionali a quelli evolutivi-euristici. Viene quindi delineato il profilo di un algoritmo genetico capace di elaborare problemi multi-obiettivo con vincoli lineari, non lineari, variabili intere e strutture di variabili combinatorie. Particolare attenzione viene dedicata alle fasi precedenti il ciclo puro di ottimizzazione di un algoritmo genetico, introducendo delle procedure di semplificazione dei sistemi di vincoli lineari e un metodo di eliminazione delle uguaglianze, notoriamente ostiche per gli approcci evolutivi. Risultati sperimentali, su molteplici classi di problemi test, vengono confrontati con algoritmi genetici esistenti mostrando dei comportamenti sicuramente incoraggianti per un raffinamento ulteriore della strategia delineata. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/definizioneesviluppodiunalgoritmogeneticomultiobiettivoperproblemidiprogrammazionelineareeottimizzaz-131011094453-phpapp01-thumbnail.jpg?width=120&height=120&fit=bounds" /> Lo scopo di questo lavoro di tesi è lo sviluppo di un approccio meta-euristico basato sugli algoritmi genetici per la risoluzione di problemi multi-obiettivo sia di programmazione lineare che di ottimizzazione combinatoria. Alcune tipologie di questi problemi si prestano ad essere risolti mediante algoritmi ad-hoc che fanno leva sulle caratteristiche strutture matematiche delle variabili di ingresso con cui sono modellati, così come evidenziato nella vasta letteratura esaminata. Il presente lavoro propone invece di generalizzare queste tecniche in modo da poter offrire uno o più algoritmi che sappiano gestire contemporaneamente il maggior numero di classi di problemi. Inoltre, l’intrinseca complessità dovuta alla natura multi-obiettivo dei problemi affrontati, richiede di spostare l’attenzione dai metodi deterministici-tradizionali a quelli evolutivi-euristici. Viene quindi delineato il profilo di un algoritmo genetico capace di elaborare problemi multi-obiettivo con vincoli lineari, non lineari, variabili intere e strutture di variabili combinatorie. Particolare attenzione viene dedicata alle fasi precedenti il ciclo puro di ottimizzazione di un algoritmo genetico, introducendo delle procedure di semplificazione dei sistemi di vincoli lineari e un metodo di eliminazione delle uguaglianze, notoriamente ostiche per gli approcci evolutivi. Risultati sperimentali, su molteplici classi di problemi test, vengono confrontati con algoritmi genetici esistenti mostrando dei comportamenti sicuramente incoraggianti per un raffinamento ulteriore della strategia delineata.

Definizione e sviluppo di un algoritmo genetico multiobiettivo per problemi di programmazione lineare e ottimizzazione combinatoria from Stefano Costanzo

]]> 5313 6 https://cdn.slidesharecdn.com/ss_thumbnails/definizioneesviluppodiunalgoritmogeneticomultiobiettivoperproblemidiprogrammazionelineareeottimizzaz-131011094453-phpapp01-thumbnail.jpg?width=120&height=120&fit=bounds document Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 https://cdn.slidesharecdn.com/profile-photo-StefanoCostanzo1-48x48.jpg?cb=1525704219 https://cdn.slidesharecdn.com/ss_thumbnails/relazioneattivit2015-costanzostefano-poster-161004143840-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/modular-multiobjective-genetic-algorithm-for-large-scale-bilevel-problems-66722111/66722111 Modular Multi-Objectiv... https://cdn.slidesharecdn.com/ss_thumbnails/stefanocostanzo-161004140640-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/a-modular-genetic-algorithm-specialized-for-linear-constraints/66720604 A Modular Genetic Algo... https://cdn.slidesharecdn.com/ss_thumbnails/postericsoft2016a0final-161004135234-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/exploiting-web-technologies-to-connect-business-process-management-and-engineering/66719947 Exploiting Web Technol...