Laura Palagi

Professore associato


palagi@diag.uniroma1.it
Stanza: A119
Tel: +39 0677274081
Fax: +39 0677274074
Biografia: 

Si laurea il 20 dicembre 1990 in Ingegneria con votazione 110/110 e lode e conclude il Dottorato di ricerca in Ricerca Operativa il 13 Ottobre 1995. Entrambi i titoli sono stati conseguiti presso Sapienza Università di Roma. Dal 1996 è in servizio presso il Dipartimento di Ingegneria informatica automatica e gestinale (già Dip.  Informatica e Sistemistica) A. Ruberti, dapprima come Ricercatore universitario (confermato nel 1999), successivamente come Professore associato (in servizio dal 1.1.2005) del SSD MAT/09 - Ricerca Operativa. 
L'attività di ricerca è stata dedicata allo sviluppo e analisi di metodi per la soluzione di problemi di ottimizzazione continua non lineare. 
I principali temi trattati si possono suddividere nelle seguenti classi:

  • metodi per la soluzione di problemi non lineari misti interi (MINLP);
  • metodi per la soluzione di classi di problemi di Programmazione Semidefinita Positiva (SDP);
  • metodi di decomposizione per problemi vincolati, in particolare per addestramento di Support Vector Machines (SVM)
  • metodi per la soluzione di problemi quadratici standard (StQP);
  • metodi per la soluzione di problemi con vincoli quadratici convessi
  • definizione di algoritmi locali per problemi di PNL;
  • costruzione di funzioni di merito esatte continuamente differenziabili
  • definizione di algoritmi globalmente convergenti per problemi di PNL;

Svolge attività didattica nelle facoltà di Ingegneria civile e industriale,  Ingegneria dell’informazione, informatica e statistica, Medicina e Farmacia. Ha insegnato corsi di base di Ricerca Operativa per diversi corsi di Laurea, corsi avanzati per laurea magistrale Ingegneria Gestionale e Ingegneria Meccanica e corsi per il Dottorato di Ricerca. È relatore di tesi di Laurea di I livello e Magistrale per il corso di Laurea in Ingegneria Gestionale e Ingegneria Meccanica.

Fa parte del Collegio docenti del dottorato di Automatica e Ricerca Operativa di Sapienza Università di Roma.

 

Pubblicazioni: 
  • C. Buchheim, M. De Santis, L. Palagi , And M. Piacentini (2013).
    An Exact Algorithm For Nonconvex Quadratic Integer Minimization Using Ellipsoidal Relaxations SIAM J. Optimization  Vol. 23, No. 3, pp. 1867–1889
  • L. Grippo, L. Palagi, V. Piccialli, M. Piacentini, G. Rinaldi (2012). SpeeDP: An algorithm to compute SDP bounds for very large Max-Cut instances.  Mathematical Programming, vol. 136 (2), pp. 353-373. ISSN: 0025-5610, doi: 10.1007/s10107-012-0593-0
  • L. Palagi, V. Piccialli, F. Rendl, G. Rinaldi, A. Wiegele (2012). Computational Approaches to Max-Cut. In: M. F. Anjos, and J. B. Lasserre Eds. Handbook on Semidefinite, Conic and Polynomial Optimization. vol. 166, p. 821-847, Springer, ISBN: 9781461407683, doi: 10.1007/978-1-4614-0769-0
  • I. Bomze, L. Grippo, L. Palagi (2012). Unconstrained formulation of standard quadratic optimization problems. TOP, vol. 20, p. 35-51, ISSN: 1134-5764, doi: 10.1007/s11750-010-0166-4
  • L. Grippo, L. Palagi, V. Piccialli. An unconstrained minimization method for solving low rank SDP relaxations of the max cut problem. Mathematical Programming, Ser. A.. Volume 126 (1), pp. 119-146
  • S. Lucidi, L. Palagi, A. Risi, M. Sciandrone. On the convergence of hybrid decomposition methods for SVM training. IEEE Transactions on Neural Networks, Volume 20 (6), 2009, pp. 1055 - 1060.
  • G. Di Pillo, S. Lucidi, L. Palagi (2005). Convergence to 2-nd order stationary points of primal-dual algorithm models for nonlinear programming.Mathematics of Operations Research, vol.30. No. 4, 2005, pp. 897-015.
  • I. Bomze, L. Palagi (2005). Quartic formulation of standard quadratic optimization. Journal of Global Optimization Volume: 32, Issue: 2, pp. 181 - 205.
  • C.-J. Lin, S. Lucidi, L. Palagi, A. Risi, M. Sciandrone. A decomposition algorithm model for singly linearly constrained problems subject to lower and upper bounds. J. Optim. Theory Appl. vol.~141, No. 1, pp. 107-126, 2009.
Area di ricerca: 
Ottimizzazione continua
Interessi di ricerca: 

Programmazione nonlineare mista intera, Ottimizzazione Continua, Programmazione Semidefinita Positiva, Support Vector Machines