Obiettivi Formativi

Far conoscere le teorie e le metodologie algoritmiche per la soluzione di problemi decisionali in differenti ambiti con particolare riguardo alla modellazione mediante grafi di relazioni tra gli elementi di un sistema complesso. Far conoscere costi e benefici legati all'adozione di algoritmi e strutture dati. Far conoscere i principi base di un moderno linguaggio di programmazione utilizzato per l'efficace modellazione di sistemi complessi. Far conoscere i principi base dei moderni sistemi di esecuzione distribuita di algoritmi ottimizzati per la risoluzione di problemi complessi, e i principi base della teoria dell’informazione utile alla conoscenza, codifica e compressione dei dati. Far applicare le teorie e le metodologie algoritmiche a casi di studio da analizzare criticamente affiancando alle lezioni frontali relative agli aspetti teorici esercitazioni pratiche di programmazione e analisi. Far riconoscere: 1) gli aspetti significativi (entità e relazioni) in un problema da modellare, 2) le conseguenze, in termini di comportamento del modello, delle ipotesi di partenza. Sviluppare un adeguato grado di autonomia di giudizio nella analisi di problemi complessi. Far apprendere un linguaggio specifico della disciplina. Sviluppare la capacità di comunicare efficacemente e con linguaggio tecnico nell’ambito della definizione e descrizione di problemi in sistemi complessi delineandone le soluzioni algoritmiche. Fare acquisire un metodo di studio e di analisi adeguato all'analisi autonoma di problemi avanzati. Sviluppare la capacità di verifica e aggiornamento nel settore del software necessari all’implementazioni di nuove soluzioni adeguate.

Metodi didattici

Al fine di raggiungere gli obiettivi formativi previsti, il corso si articola attraverso lezioni frontali, esercitazioni in aula, esercitazioni guidate dal docente. Tutte le attività sono svolte con supporto di slide delle lezioni. Le slide presentate sono condivise tramite la classe MS Teams dedicata.

Prerequisiti

Conoscenze di base di Algoritmi e Strutture Dati, conoscenza di un linguaggio di programmazione. Conoscenza di base di architetture di calcolo distribuito.

Verifiche dell'apprendimento

L'esame è costituito da una verifica orale. La verifica orale ha una valutazione compresa tra 0 e 25. L’esame prevede un progetto opzionale, scelto dello studente assieme ai professori del corso. Il progetto viene discusso in sede di verifica orale ed ha una valutazione compresa tra 0 e 6. Il voto finale, in trentesimi, è dato dalla somma della prova orale ed, eventualmente, del progetto.

Programma del Corso

------------------------------------------------------------ Modulo: 6094/1 - ADVANCED ALGORITHMS AND COMPUTATIONAL MODELS A ------------------------------------------------------------ MODULO A -INTRODUZIONE A PYTHON: Oggetti in Python, Espressioni, operatori e precedenza, Flusso di controllo, Funzioni, Gestione dell’I/O, Gestione delle eccezioni, Iteratori e generatori, Visibilità e spazio dei nomi, Moduli -PROGRAMMAZIONE ORIENTATA AGLI OGGETTI: Obiettivi, principi di progettazione e pattern della programmazione orientata agli oggetti, Definizione delle classi: overloading e metodi speciali, iteratori, Ereditarietà, Spazio dei nomi e orientazione agli oggetti, Copia superficiale e profonda -ANALISI DEGLI ALGORITMI: Operazioni primitive, Analisi asintotica: notazione Theta, O e Omega -ALGORITMI SUI GRAFI: Il tipo di dato astratto grafo, Strutture dati per i grafi: lista di archi, lista di adiacenza, mappa di adiacenza, matrice di adiacenza, Attraversamento dei grafi: ricerca in profondità, ricerca in ampiezza, Chiusura transitiva, Grafi diretti aciclici: ordinamento topologico, Percorsi minimi: grafi pesati, algoritmo di Dijkstra, Alberi di ricopertura minimi: algoritmo di Prim-Jarnik, algoritmo di Kruskal -INTRODUZIONE ALLA NETWORK SCIENCE: Grado, grado medio e distribuzione di grado, Reti pesate, reti bipartite, Percorsi e distanze – Connessione – Coefficiente di clustering, Leggi di potenza e reti scale-free, Hub, Invarianza di scala -RETI MODELLO: Il modello di rete random, Numero di link, Distribuzione di grado, Evoluzione di reti random, Le reti reali sono supercritiche, Small world, Coefficiente di clustering, Crescita e aggregazione preferenziale, Il modello di Barabasi-Abert, Dinamica del grado, distribuzione di grado, Assenza di crescita o aggregazione preferenziale, Il modello di Bianconi-Barabasi – Misura della fitness -CORRELAZIONE DI GRADO: Introduzione, Assortatività e disassortatività, Misura delle correlazioni di grado -COMUNITÀ: Introduzione – Fondamenti delle comunità, Clusterizzazione gerarchica (algoritmo di Ravasz, algoritmo di Girvan-Newman), Modularità, Individuazione di comunità: algoritmo goloso di Newman -FENOMENI DIFFUSIVI: Introduzione, Modellazione di epidemie: modelli SI, SIS, SIR, Epidemie su reti. ------------------------------------------------------------ Modulo: 6094/2 - ADVANCED ALGORITHMS AND COMPUTATIONAL MODELS B ------------------------------------------------------------ - INTRODUZIONE AGLI ALGORITMI DISTRIBUITI: comunicazione nei sistemi distribuiti, stati ed eventi, ordine causale, esecuzione e computazione. Orologio logico, Orologio di Lamport, Orologio vettoriale. Memoria condivisa, MSI. - SNAPSHOTS: Algoritmo Chandy-Lamport, Algoritmo Lai-Yang. - ALGORITMI WAVE: algoritmi ad anello, algoritmo di Tarry. Ricerca in profondità, Algoritmo ad albero, Algoritmo Eco. - RILEVAMENTO DEADLOCK: grafo Wait-for, algoritmo Bracha-Toueg - RILEVAMENTO DELLA TERMINAZIONE: algoritmo Dijkstra-Scholten, algoritmo Shavit-Francez, algoritmo di Rana, rilevamento della terminazione con "Lancio del peso", algoritmo di Safra. - GARBAGE COLLECTION: Conteggio Mark-Scan, Conteggio a riferimenti indiretti, Conteggio dei riferimenti ponderati. - ALGORITMI DI ELEZIONE: elezione in un anello, Algoritmo di Chang-Roberts, Algoritmo di Franklin, Algoritmo di Dolev-Klawe-Rodeh. Algoritmo di elezione dell'albero, Algoritmo Eco con estinzione, Alberi di copertura minimi, Algoritmo di Kruskal, Algoritmo di The Gallager-Humblet-Spira. - RETI ANONIME: algoritmi di Las Vegas e Monte Carlo, algoritmo di elezione Itai-Rodeh, algoritmo Eco con estinzione, algoritmo Itai-Rodeh con dimensione dell'anello, algoritmo di elezione IEEE 1394. - ALGORITMI DI CONSENSO: Paxos, Multi-Paxos, Raft. Il problema dei generali bizantini, algoritmo di Paxos bizantino, algoritmo di zattera bizantina. - BARRIERE: Barriera di inversione dei sensi, Barriera combinata degli alberi, Barriera del torneo, Barriera di diffusione. - PROGRAMMAZIONE CONCORRENTE: Thread in Python. Socket in Python. - SIMULAZIONE AD EVENTI DISCRETI: Componenti tipici in DES, Omnet++. Approccio di modellazione dei sistemi distribuiti con Omnet++.