Obiettivi formativi
Parte 1
OBIETTIVI FORMATIVI:
Il corso si propone di fornire agli/alle studenti/studentesse le nozioni di base relative alla sintesi ottima di sistemi di controllo. Scopo dell'insegnamento è la definizione, la comprensione e lo studio di problemi di ottimizzazione dinamica, ovvero problemi in cui le variabili decisionali variano dinamicamente nel tempo a causa di decisioni precedenti e variazioni di contesto. Gli obiettivi formativi sono raggiunti approfondendo tecniche differenti
che permettono la costruzione di politiche decisionali ottime. Tali tecniche si basano principalmente su strategie di Programmazione Dinamica, apprendimento per rinforzo (Reinforcement Learning) e controllo predittivo (MPC). Gli obiettivi formativi includono anche lo studio del problema del regolatore lineare-quadratico (LQR), sia per sistemi a tempo continuo che discreto, e metodi analitici per il controllo ottimo di sistemi nonlineari.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso gli/le studenti/studentesse avranno acquisito le metodologie e gli strumenti per: formulare e analizzare un problema di ottimizzazione dinamica tramite le tecniche di Programmazione Dinamica; risolvere in maniera sistematica ed esaustiva problemi di controllo ottimo per sistemi di controllo lineari e indici di costo quadratici; descrivere e risolvere un compito di intelligenza artificiale attraverso gli strumenti del Reinforcement Learning. Si richiede che gli/le studenti/studentesse siano in grado di comprendere tali nozioni e saperle applicare in esercizi e potenzialmente nello svolgimento di progetti di gruppo.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Al termine del corso gli/le studenti/studentesse sapranno selezionare in autonomia, tra le metodologie studiate, quella più adatta a ciascun contesto di interesse. In particolare, tramite le tecniche di Reinforcement Learning, gli/le studenti/studentesse saranno in grado di formulare specifici obiettivi, anche forniti in forma astratta o di alto livello, richiesti al sistema controllato in termini di opportuni problemi di ottimizzazione dinamica che sapranno poi risolvere tramite l'approccio più efficiente.
AUTONOMIA DI GIUDIZIO:
Dal momento che durante il corso sono presentate e discusse numerose tecniche che permettono, in modi diversi, di risolvere problemi di ottimizzazione dinamica, uno degli obiettivi primari del corso è proprio quello di fornire agli/alle studenti/studentesse, in aggiunta alle nozioni tecniche, anche la capacità di saper selezionare in autonomia la strategia più appropriata ed efficace per affrontare ciascun contesto. Questa capacità deve essere estesa in particolar modo anche a tipologie di problemi che non sono stati esplicitamente affrontati durante il corso. L'ottenimento di questo importante obiettivo è raggiunto tramite la discussione, durante il corso, di numerosi esempi applicativi da numerosi contesti, da utilizzare come possibili riferimenti per problemi reali. Gli/le studenti/studentesse saranno dunque in grado di acquisire non solo la capacità di creare in autonomia collegamenti tra le diverse anime del corso ma anche di astrarre e generalizzare tali contenuti a contesti più ampi e variegati. Questo fondamentale obiettivo è ottenuto proponendo agli/alle studenti/studentesse lo svolgimento di una attività progettuale, sia in autonomia che in gruppo o guidata dal docente.
ABILITÀ COMUNICATIVE:
Il corso combina tematiche classiche di controllo ottimo con tecniche moderne di intelligenza artificiale basate su Reinforcement Learning. Tale combinazione fornisce allo studente la capacità di apprendimento della terminologia tecnica specifica dell'ottimizzazione dinamica dalle basi fino ad argomenti più avanzati. L'esame, con domande a risposta libera e la possibilità di svolgere un lavoro progettuale di gruppo, spinge lo studente a esercitare l'aspetto comunicativo (scritto e orale) che rientra tra i parametri valutati in sede di esame. Si richiede dunque che gli/le studenti/studentesse siano in grado di saper raccontare, in modo sintetico e organico, gli argomenti trattati, con la richiesta esplicita e necessaria di utilizzare il linguaggio tecnico e specifico introdotto e utilizzato diffusamente durante le lezioni.
CAPACITÀ DI APPRENDIMENTO:
Al termine del corso gli/le studenti/studentesse avranno acquisito la capacità di approfondire autonomamente argomenti attinenti la ottimizzazione dinamica e il controllo ottimo. Nel corso vengono forniti numerosi riferimenti bibliografici e diversi esempi applicativi che stimolano lo studente a sviluppare questa capacità. Gli/le studenti/studentesse saranno altresì in grado di leggere e comprendere, in larga misura, anche testi e articoli scientifici che trattano del controllo ottimo, del Reinforcement Learning e dell'ottimizzazione dinamica in generale.
Parte 2
OBIETTIVI FORMATIVI:
Il corso si propone di fornire agli/alle studenti/studentesse le nozioni di base relative alla sintesi ottima di sistemi di controllo. Scopo dell'insegnamento è la definizione, la comprensione e lo studio di problemi di calcolo delle variazioni e di controllo ottimo. Gli obiettivi formativi sono raggiunti approfondendo tecniche differenti che permettono la costruzione di leggi di controllo ottime, sia ad anello aperto che in retro-azione dallo stato del processo dinamico. Tali tecniche si basano principalmente su strategie di Calcolo delle Variazioni e sul Principio del Minimo di Pontryagin. Gli obiettivi formativi includono anche lo studio di problemi di controllo ottimo sia per sistemi lineari che per sistemi nonlineari e in presenza di numerosi indici di costo differenti (ad esempio minima energia o tempo minimo)
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso gli/le studenti/studentesse avranno acquisito le metodologie e gli strumenti per: formulare e analizzare un problema di calcolo delle variazioni e di controllo ottimo; risolvere in maniera sistematica ed esaustiva problemi di controllo ottimo per sistemi di controllo lineari e indici di costo differenti; realizzare una sintesi in retro-azione dallo stato del sistema di leggi di controllo; conoscere i rudimenti di utilizzo di software (ad esempio Falcon) dedicati al calcolo numerico di leggi di controllo ottime. Si richiede che gli/le studenti/studentesse siano in grado di comprendere tali nozioni e saperle applicare in esercizi e potenzialmente nello svolgimento di progetti di gruppo.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Al termine del corso gli/le studenti/studentesse sapranno selezionare in autonomia, tra le metodologie studiate, quella più adatta a ciascun contesto di interesse. In particolare, tramite le tecniche di controllo ottimo, gli/le studenti/studentesse saranno in grado di formulare specifici obiettivi, anche forniti in forma astratta o di alto livello, richiesti al sistema controllato in termini di opportuni problemi di ottimizzazione dinamica che sapranno poi risolvere tramite l'approccio più efficiente, sia analitico che numerico.
AUTONOMIA DI GIUDIZIO:
Dal momento che durante il corso sono presentate e discusse numerose tecniche che permettono, in modi diversi, di risolvere problemi di ottimizzazione dinamica, uno degli obiettivi primari del corso è proprio quello di fornire agli/alle studenti/studentesse, in aggiunta alle nozioni tecniche, anche la capacità di saper selezionare in autonomia la strategia più appropriata ed efficace per affrontare ciascun contesto. Questa capacità deve essere estesa in particolar modo anche a tipologie di problemi che non sono stati esplicitamente affrontati durante il corso. L'ottenimento di questo importante obiettivo è raggiunto tramite la discussione, durante il corso, di numerosi esempi applicativi da numerosi contesti, da utilizzare come possibili riferimenti per problemi reali. Gli/le studenti/studentesse saranno dunque in grado di acquisire non solo la capacità di creare in autonomia collegamenti tra le diverse anime del corso ma anche di astrarre e generalizzare tali contenuti a contesti più ampi e variegati.
ABILITÀ COMUNICATIVE:
Il corso combina tematiche classiche di controllo ottimo con tecniche moderne di calcolo numerico di leggi di controllo ottime. Tale combinazione fornisce allo studente la capacità di apprendimento della terminologia tecnica specifica dell'ottimizzazione dinamica dalle basi fino ad argomenti più avanzati. L'esame orale spinge lo studente ad esercitare l'aspetto comunicativo che rientra tra i parametri valutati in sede di esame. Si richiede dunque che gli/le studenti/studentesse siano in grado di saper raccontare, in modo sintetico e organico, gli argomenti trattati, con la richiesta esplicita e necessaria di utilizzare il linguaggio tecnico e specifico introdotto e utilizzato diffusamente durante le lezioni.
CAPACITÀ DI APPRENDIMENTO:
Al termine del corso gli/le studenti/studentesse avranno acquisito la capacità di approfondire autonomamente argomenti attinenti il calcolo delle variazioni e il controllo ottimo. Nel corso vengono forniti numerosi riferimenti bibliografici e diversi esempi applicativi che stimolano lo studente a sviluppare questa capacità. Gli/le studenti/studentesse saranno altresì in grado di leggere e comprendere, in larga misura, anche testi e articoli scientifici che trattano del controllo ottimo e dell'ottimizzazione dinamica in generale.
Parte 1 OBIETTIVI FORMATIVI: Il corso si propone di fornire agli/alle studenti/studentesse le nozioni di base relative alla sintesi ottima di sistemi di controllo. Scopo dell'insegnamento è la definizione, la comprensione e lo studio di problemi di ottimizzazione dinamica, ovvero problemi in cui le variabili decisionali variano dinamicamente nel tempo a causa di decisioni precedenti e variazioni di contesto. Gli obiettivi formativi sono raggiunti approfondendo tecniche differenti che permettono la costruzione di politiche decisionali ottime. Tali tecniche si basano principalmente su strategie di Programmazione Dinamica, apprendimento per rinforzo (Reinforcement Learning) e controllo predittivo (MPC). Gli obiettivi formativi includono anche lo studio del problema del regolatore lineare-quadratico (LQR), sia per sistemi a tempo continuo che discreto, e metodi analitici per il controllo ottimo di sistemi nonlineari. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Al termine del corso gli/le studenti/studentesse avranno acquisito le metodologie e gli strumenti per: formulare e analizzare un problema di ottimizzazione dinamica tramite le tecniche di Programmazione Dinamica; risolvere in maniera sistematica ed esaustiva problemi di controllo ottimo per sistemi di controllo lineari e indici di costo quadratici; descrivere e risolvere un compito di intelligenza artificiale attraverso gli strumenti del Reinforcement Learning. Si richiede che gli/le studenti/studentesse siano in grado di comprendere tali nozioni e saperle applicare in esercizi e potenzialmente nello svolgimento di progetti di gruppo. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Al termine del corso gli/le studenti/studentesse sapranno selezionare in autonomia, tra le metodologie studiate, quella più adatta a ciascun contesto di interesse. In particolare, tramite le tecniche di Reinforcement Learning, gli/le studenti/studentesse saranno in grado di formulare specifici obiettivi, anche forniti in forma astratta o di alto livello, richiesti al sistema controllato in termini di opportuni problemi di ottimizzazione dinamica che sapranno poi risolvere tramite l'approccio più efficiente. AUTONOMIA DI GIUDIZIO: Dal momento che durante il corso sono presentate e discusse numerose tecniche che permettono, in modi diversi, di risolvere problemi di ottimizzazione dinamica, uno degli obiettivi primari del corso è proprio quello di fornire agli/alle studenti/studentesse, in aggiunta alle nozioni tecniche, anche la capacità di saper selezionare in autonomia la strategia più appropriata ed efficace per affrontare ciascun contesto. Questa capacità deve essere estesa in particolar modo anche a tipologie di problemi che non sono stati esplicitamente affrontati durante il corso. L'ottenimento di questo importante obiettivo è raggiunto tramite la discussione, durante il corso, di numerosi esempi applicativi da numerosi contesti, da utilizzare come possibili riferimenti per problemi reali. Gli/le studenti/studentesse saranno dunque in grado di acquisire non solo la capacità di creare in autonomia collegamenti tra le diverse anime del corso ma anche di astrarre e generalizzare tali contenuti a contesti più ampi e variegati. Questo fondamentale obiettivo è ottenuto proponendo agli/alle studenti/studentesse lo svolgimento di una attività progettuale, sia in autonomia che in gruppo o guidata dal docente. ABILITÀ COMUNICATIVE: Il corso combina tematiche classiche di controllo ottimo con tecniche moderne di intelligenza artificiale basate su Reinforcement Learning. Tale combinazione fornisce allo studente la capacità di apprendimento della terminologia tecnica specifica dell'ottimizzazione dinamica dalle basi fino ad argomenti più avanzati. L'esame, con domande a risposta libera e la possibilità di svolgere un lavoro progettuale di gruppo, spinge lo studente a esercitare l'aspetto comunicativo (scritto e orale) che rientra tra i parametri valutati in sede di esame. Si richiede dunque che gli/le studenti/studentesse siano in grado di saper raccontare, in modo sintetico e organico, gli argomenti trattati, con la richiesta esplicita e necessaria di utilizzare il linguaggio tecnico e specifico introdotto e utilizzato diffusamente durante le lezioni. CAPACITÀ DI APPRENDIMENTO: Al termine del corso gli/le studenti/studentesse avranno acquisito la capacità di approfondire autonomamente argomenti attinenti la ottimizzazione dinamica e il controllo ottimo. Nel corso vengono forniti numerosi riferimenti bibliografici e diversi esempi applicativi che stimolano lo studente a sviluppare questa capacità. Gli/le studenti/studentesse saranno altresì in grado di leggere e comprendere, in larga misura, anche testi e articoli scientifici che trattano del controllo ottimo, del Reinforcement Learning e dell'ottimizzazione dinamica in generale. Parte 2 OBIETTIVI FORMATIVI: Il corso si propone di fornire agli/alle studenti/studentesse le nozioni di base relative alla sintesi ottima di sistemi di controllo. Scopo dell'insegnamento è la definizione, la comprensione e lo studio di problemi di calcolo delle variazioni e di controllo ottimo. Gli obiettivi formativi sono raggiunti approfondendo tecniche differenti che permettono la costruzione di leggi di controllo ottime, sia ad anello aperto che in retro-azione dallo stato del processo dinamico. Tali tecniche si basano principalmente su strategie di Calcolo delle Variazioni e sul Principio del Minimo di Pontryagin. Gli obiettivi formativi includono anche lo studio di problemi di controllo ottimo sia per sistemi lineari che per sistemi nonlineari e in presenza di numerosi indici di costo differenti (ad esempio minima energia o tempo minimo) CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Al termine del corso gli/le studenti/studentesse avranno acquisito le metodologie e gli strumenti per: formulare e analizzare un problema di calcolo delle variazioni e di controllo ottimo; risolvere in maniera sistematica ed esaustiva problemi di controllo ottimo per sistemi di controllo lineari e indici di costo differenti; realizzare una sintesi in retro-azione dallo stato del sistema di leggi di controllo; conoscere i rudimenti di utilizzo di software (ad esempio Falcon) dedicati al calcolo numerico di leggi di controllo ottime. Si richiede che gli/le studenti/studentesse siano in grado di comprendere tali nozioni e saperle applicare in esercizi e potenzialmente nello svolgimento di progetti di gruppo. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Al termine del corso gli/le studenti/studentesse sapranno selezionare in autonomia, tra le metodologie studiate, quella più adatta a ciascun contesto di interesse. In particolare, tramite le tecniche di controllo ottimo, gli/le studenti/studentesse saranno in grado di formulare specifici obiettivi, anche forniti in forma astratta o di alto livello, richiesti al sistema controllato in termini di opportuni problemi di ottimizzazione dinamica che sapranno poi risolvere tramite l'approccio più efficiente, sia analitico che numerico. AUTONOMIA DI GIUDIZIO: Dal momento che durante il corso sono presentate e discusse numerose tecniche che permettono, in modi diversi, di risolvere problemi di ottimizzazione dinamica, uno degli obiettivi primari del corso è proprio quello di fornire agli/alle studenti/studentesse, in aggiunta alle nozioni tecniche, anche la capacità di saper selezionare in autonomia la strategia più appropriata ed efficace per affrontare ciascun contesto. Questa capacità deve essere estesa in particolar modo anche a tipologie di problemi che non sono stati esplicitamente affrontati durante il corso. L'ottenimento di questo importante obiettivo è raggiunto tramite la discussione, durante il corso, di numerosi esempi applicativi da numerosi contesti, da utilizzare come possibili riferimenti per problemi reali. Gli/le studenti/studentesse saranno dunque in grado di acquisire non solo la capacità di creare in autonomia collegamenti tra le diverse anime del corso ma anche di astrarre e generalizzare tali contenuti a contesti più ampi e variegati. ABILITÀ COMUNICATIVE: Il corso combina tematiche classiche di controllo ottimo con tecniche moderne di calcolo numerico di leggi di controllo ottime. Tale combinazione fornisce allo studente la capacità di apprendimento della terminologia tecnica specifica dell'ottimizzazione dinamica dalle basi fino ad argomenti più avanzati. L'esame orale spinge lo studente ad esercitare l'aspetto comunicativo che rientra tra i parametri valutati in sede di esame. Si richiede dunque che gli/le studenti/studentesse siano in grado di saper raccontare, in modo sintetico e organico, gli argomenti trattati, con la richiesta esplicita e necessaria di utilizzare il linguaggio tecnico e specifico introdotto e utilizzato diffusamente durante le lezioni. CAPACITÀ DI APPRENDIMENTO: Al termine del corso gli/le studenti/studentesse avranno acquisito la capacità di approfondire autonomamente argomenti attinenti il calcolo delle variazioni e il controllo ottimo. Nel corso vengono forniti numerosi riferimenti bibliografici e diversi esempi applicativi che stimolano lo studente a sviluppare questa capacità. Gli/le studenti/studentesse saranno altresì in grado di leggere e comprendere, in larga misura, anche testi e articoli scientifici che trattano del controllo ottimo e dell'ottimizzazione dinamica in generale.
Programma
OTTIMIZZAZIONE NEI SISTEMI DI CONTROLLO 1
Il programma del corso è diviso in tre parti principali.
Una parte iniziale (circa 15 ore) è dedicata alla introduzione ai problemi di ottimizzazione dinamica, alle tecnica di Programmazione Dinamica e alla loro applicazione per il controllo ottimo di sistemi a tempo discreto. Il programma dettagliato di questa parte include:
Introduzione alla Programmazione Dinamica (DP); Introduzione al Principio di Ottimalità; Interpretazione del Problema del Cammino Minimo e Knapsack con DP; Concetto di stato nell'ottimizzazione dinamica; Equazione funzionale di Bellman.
La seconda parte del corso (circa 15 ore) è dedicata all'approfondimento dell'utilizzo di tecniche di intelligenza artificiale in maniera strumentale per la risoluzione di problemi di ottimizzazione dinamica. Il programma dettagliato di questa parte include: Introduzione al Reinforcement Learning (RL); Value Iteration e Policy Iteration; Q-learning.
La terza e ultima parte del corso (circa 30 ore) è dedicata allo studio di problemi di controllo ottimo per sistemi a tempo continuo, sia lineari che nonlineari. Il programma dettagliato di questa parte include: Richiami su Sistemi Lineari a tempo continuo; Stabilità e Funzioni di Lyapunov; Controllabilità; Osservabilità; Principio di Ottimalità e Equazione di Hamilton-Jacobi-Bellman; Regolatore Lineare-Quadratico e Equazione Differenziale di Riccati; Calcolo della Soluzione dell'Equazione di Riccati tramite matrice Hamiltoniana; Iterazioni di Kleinman; Regolatore ad Orizzonte Infinito e Equazione Algebrica di Riccati; Tracking e Reiezione dei Disturbi.
Il programma del corso è identico sia per gli/le studenti/studentesse frequentanti che per gli/le studenti/studentesse non frequentanti. Numerose esercitazioni svolte con il docente sugli argomenti teorici trattati nelle lezioni precedenti sono distribuite periodicamente durante le lezioni (ogni circa 10/12 ore).
OTTIMIZZAZIONE NEI SISTEMI DI CONTROLLO 2
Il programma del corso è diviso in due parti principali.
Una parte iniziale (circa 30 ore) viene svolta dal docente di riferimento, Mario Sassano, ed è dedicata alla introduzione ai problemi di calcolo delle variazioni, a tecniche che permettono di fornire condizioni necessarie di minimo, vincolato e non vincolato, di funzionali su spazi lineari, anche infinito-dimensionali. Il programma dettagliato di questa parte include: breve riepilogo di condizioni necessarie di minimo per problemi finito-dimensionali; introduzione al concetto di spazio lineare; Esempi e proprietà di spazi lineari; Definizione del concetto di norma per spazi infinito-dimensionali e spazio lineare normato; Concetto di cono tangente; Definizione di variazione totale e di ordine k di funzionale; Definizione del funzionale di Lagrange e sue proprietà; Esistenza delle variazioni del funzionale di Lagrange; Condizioni necessarie basate su variazione prima di minimo locale per funzionali su spazi lineari; Condizioni necessarie per il funzionale di Lagrange; Equazione di Eulero; Condizioni di Weierstrass-Erdmann; Condizioni di trasversalità; Minimi di funzionali in presenza di vincoli differenziali di eguaglianza e disuguaglianza.
La seconda parte del corso (circa 30 ore), svolta dal prof. Sergio Galeani, è dedicata alla transizione dai problemi di calcolo delle variazioni ai problemi di controllo ottimo, con un approfondimento su specifiche classi di problemi di controllo ottimo di rilevante interesse per le applicazioni. Il programma dettagliato di questa parte include: trasformazione fra indici di costo di tipo Lagrange/Mayer/Bolza e relative assunzioni di regolarità dei dati; condizioni di minimo debole per il problema del controllo ottimo, basate sul calcolo delle variazioni; condizioni di minimo forte basate sul principio di Pontryagin; condizioni sufficienti basate sulla convessità del problema; specializzazione a diversi tipi di condizioni al contorno; cenni ai problemi singolari; studio di casi di interesse (controllo a minima energia, a minimo carburante, a tempo minimo, loro combinazione); sintesi del controllo ottimo.
Il programma del corso è identico sia per gli/le studenti/studentesse frequentanti che per gli/le studenti/studentesse non frequentanti. Numerose esercitazioni svolte con il docente sugli argomenti teorici trattati nelle lezioni precedenti sono distribuite periodicamente durante le lezioni (ogni circa 10/12 ore).
Modalità d'esame
Le modalità di verifica dell'apprendimento si applicano indistintamente per gli/le studenti/studentesse frequentanti e non frequentanti.
La verifica delle conoscenze acquisite si articola in una prova scritta (obbligatoria per tutti gli/le studenti/studentesse), in una prova orale (facoltativa) ed in una prova progettuale (facoltativa, svolta singolarmente o in gruppo a scelta degli/delle studenti/studentesse). L'obiettivo della prova di esame consiste nel valutare non solo la preparazione complessiva dello studente ma anche la capacità di declinare le conoscenze acquisite in formulazioni e contesti non necessariamente identici a quelli presentati e discussi a lezione, ovvero di essere in grado di organizzare un discorso coerente sugli argomenti studiati mettendo in luce potenziali connessioni tra le diverse parti del programma. Inoltre, la logica del ragionamento espositivo, la capacità analitica e di sintesi nonché la capacità di giudizio e valutazione sono aspetti fondamentali della prova finale. Infine vengono valutate la proprietà di linguaggio e la chiarezza espositiva nelle domande teoriche del compito scritto.
La prova scritta deve essere sostenuta preliminarmente alla (eventuale) prova orale, mentre l'eventuale progetto può essere discusso in maniera temporalmente non correlata alla prova scritta, durante lo stesso anno accademico.
La valutazione finale viene così costituita: il voto dello scritto viene assegnato in trentunesimi (comprensivi di eventuale lode) a cui potenzialmente si sommano i voti del progetto facoltativo (massimo 5 punti) e che può essere modificato (in positivo o in negativo) dall'esito della prova orale facoltativa per circa 3/4 punti. L'assegnazione del voto avviene principalmente tramite la valutazione della prova scritta, in cui vengono proposti sia esercizi da svolgere che domande teoriche a risposta aperta. Non sono previste prove in itinere.
I risultati della prova scritta vengono comunicati, in forma anonima tramite l'utilizzo della matricola personale, nel gruppo Teams dedicato al corso.
La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze nella conoscenza e comprensione dei risultati di base dell’ottimizzazione dinamica; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio, assenza di consequenzialità nell’esposizione degli argomenti.
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico; capacità di scrivere le condizioni fondamentali del controllo ottimo.
21-23: conoscenza e comprensione dei risultati di base di controllo ottimo e controllo predittivo; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico; capacità di scrivere, enunciare e discutere i principali teoremi di controllo ottimo.
24-26: discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico; capacità di enunciare i risultati principali del corso e di dimostrarne formalmente la validità, potenzialmente con alcune incertezze; capacità di svolgere senza esitazioni la maggioranza degli esercizi proposti nel compito.
27-29: conoscenza e comprensione degli argomenti dettagliata e approfondita; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico; capacità di enunciare e dimostrare senza incertezze tutti i teoremi di controllo ottimo; capacità di svolgere correttamente tutti gli esercizi proposti.
30-30L: ottimo livello di conoscenza e comprensione approfondita degli argomenti; ottime capacità di analisi, di sintesi e di autonomia di giudizio; argomentazioni espresse in modo originale e con linguaggio tecnico appropriato; capacità di enunciare e dimostrare tutti i teoremi di controllo ottimo; capacità di elaborare le nozioni apprese in contesti e formulazioni differenti da quelle discusse a lezione.
Le modalità di verifica dell'apprendimento si applicano indistintamente per gli/le studenti/studentesse frequentanti e non frequentanti.
La verifica delle conoscenze acquisite si svolge tramite una prova orale condotta contemporaneamente da entrambi i co-docenti del corso. L'obiettivo della prova di esame consiste nel valutare non solo la preparazione complessiva dello studente ma anche la capacità di declinare le conoscenze acquisite in formulazioni e contesti non necessariamente identici a quelli presentati e discussi a lezione, ovvero di essere in grado di organizzare un discorso coerente sugli argomenti studiati mettendo in luce potenziali connessioni tra le diverse parti del programma. Inoltre, la logica del ragionamento espositivo, la capacità analitica e di sintesi nonchè la capacità di giudizio e valutazione sono aspetti fondamentali della prova finale. Infine vengono valutate la proprietà di linguaggio e la chiarezza espositiva nelle domande teoriche del compito scritto.
La valutazione finale viene così costituita: il voto dell'esame orale viene assegnato in trentunesimi (comprensivi di eventuale lode). Durante la prova orale, tipicamente alla lavagna, agli/alle studenti/studentesse vengono proposti sia esercizi da svolgere che domande teoriche a risposta aperta. Non sono previste prove in itinere.
I risultati della prova orale vengono comunicati immediatamente dopo alla prova stessa e previa consultazione dei due co-docenti.
La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze nella conoscenza e comprensione dei risultati di base dell’ottimizzazione dinamica; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio, assenza di consequenzialità nell’esposizione degli argomenti.
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico; capacità di scrivere le relazioni fondamentali di condizioni necessarie di minimo per un problema di calcolo delle variazioni o di controllo ottimo.
21-23: conoscenza e comprensione dei risultati di base di calcolo delle variazioni e del principio del minimo di Pontryagin; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico; capacità di scrivere, enunciare e discutere i principali teoremi di controllo ottimo.
24-26: discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico; capacità di enunciare i risultati principali del corso e di dimostrarne formalmente la validità, potenzialmente con alcune incertezze; capacità di svolgere senza esitazioni la maggioranza degli esercizi proposti durante la prova orale.
27-29: conoscenza e comprensione degli argomenti dettagliata e approfondita; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico; capacità di enunciare e dimostrare senza incertezze tutti i teoremi di controllo ottimo; capacità di svolgere correttamente tutti gli esercizi proposti.
30-30L: ottimo livello di conoscenza e comprensione approfondita degli argomenti; ottime capacità di analisi, di sintesi e di autonomia di giudizio; argomentazioni espresse in modo originale e con linguaggio tecnico appropriato; capacità di enunciare e dimostrare tutti i teoremi di controllo ottimo; capacità di elaborare le nozioni apprese in contesti e formulazioni differenti da quelle discusse a lezione.
Testi di riferimento
Gli argomenti del corso sono contenuti in slides appositamente realizzate e periodicamente aggiornate dal docente.
In aggiunta alle slides e alle lezioni, gli/le studenti/studentesse sono invitati/invitate a consultare i libri riportati in "Bibliografia di riferimento". Nel corso delle lezioni gli/le studenti/studentesse sono opportunamente indirizzati ai capitoli e sezioni di interesse in ciascun volume.
[1] C. Bruni and G. Di Pillo, Metodi Variazionali per il controllo ottimo, Masson ed. ESA, 1993.
[2] D. Liberzon, Calculus of Variations and Optimal Control Theory - A concise introduction, Princeton University press, 2012
Codice insegnamento 8037467