Vittorio Latorre
Professore/ssa Associato/aBiografia
Vittorio Latorre ha conseguito il Dottorato in Ricerca Operativa e la Laurea Magistrale in Ingegneria Gestionale presso Università di Roma “La Sapienza”. La sua attività di ricerca si concentra sull’ottimizzazione globale, i metodi senza derivate e l’apprendimento automatico, con applicazioni in ingegneria, cybersecurity e gestione dei sistemi complessi. Ha partecipato a numerosi progetti di ricerca europei, collaborando con università e centri di ricerca internazionali, tra cui Federation University Australia e la Technical University of Munich. È autore di diverse pubblicazioni su riviste scientifiche internazionali. È revisore per numerose riviste scientifiche e membro dell’Associazione Italiana di Ricerca Operativa.
Facoltà
Materia d'insegnamento
N/A
Dipartimento
Docente di riferimento
L9 - Ingegneria gestionale
Ricevimento
Mercoledì e venerdì dalle 16 alle 18. È anche possibile concordare via mail un giorno ed un orario che vada bene sia allo studente che al docente
Modalità di prenotazione degli uffici
Pubblicazioni
V. Latorre (2025). A Hybrid Genetic Search Based Approach for the Generalized Vehicle Routing Problem. Soft Computing, 29(3), 1553–1566. https://doi.org/10.1007/s00500-025-10507-0
D. Merolla, V. Latorre, A. Salis, G. Boanelli (2025). Improving Road Safety with AI: Automated Detection of Signs and Surface Damage. Computers, 14(3):91. https://doi.org/10.3390/computers14030091
V. Latorre et al. (2021). The FLARECAST Project: Flare Forecasting in the Big Data & Machine Learning Era. Journal of Space Weather and Space Climate. https://doi.org/10.1051/swsc/2021023
V. Latorre, D. Y. Gao (2021). Efficient Deterministic Algorithm for Huge-Sized Noisy Sensor Localization Problems via Canonical Duality Theory. IEEE Transactions on Cybernetics. https://doi.org/10.1109/TCYB.2019.2891112
V. Latorre, H. Habal, H. Graeb, S. Lucidi (2019). Derivative-Free Methodologies for Circuit Worst Case Analysis. Optimization Letters. https://doi.org/10.1007/s11590-018-1364-5
G. Di Pillo, V. Latorre, S. Lucidi, E. Procacci (2016). An Application of Support Vector Machines to Sales Forecasting Under Promotions. 4OR. https://doi.org/10.1007/s10288-016-0316-0
V. Latorre, D. Y. Gao (2016). Global Optimal Trajectory in Chaos and NP-Hardness. Journal of Bifurcation and Chaos, 26. https://doi.org/10.1142/S021812741650142X
A. Ciccazzo, G. Di Pillo, V. Latorre (2016). A SVM Surrogate Model-Based Method for Parametric Yield Optimization. IEEE Transactions on CAD of Integrated Circuits and Systems. https://doi.org/10.1109/TCAD.2015.2501307
V. Latorre, D. Y. Gao (2016). Canonical Duality for Solving General Nonconvex Constrained Problems. Optimization Letters. https://doi.org/10.1007/s11590-015-0860-0
V. Latorre, S. Sagratella (2016). Canonical Duality Theory Application to Affine Quasi-Variational Inequalities. Journal of Global Optimization. https://doi.org/10.1007/s10898-014-0236-5
V. Latorre, D. Y. Gao (2014). Canonical Dual Solutions to Nonconvex Radial Basis Neural Network Optimization Problem. Neurocomputing. https://doi.org/10.1016/j.neucom.2013.06.050
A. Ciccazzo, G. Di Pillo, V. Latorre (2014). Support Vector Machines for Surrogate Modeling of Electronic Circuits. Neural Computing and Applications, 24, 69–76. https://doi.org/10.1007/s00521-013-1509-5
A. Ciccazzo, V. Latorre, G. Liuzzi, S. Lucidi, F. Rinaldi (2014). Derivative-Free Robust Optimization for Circuit Design. Journal of Optimization Theory and Applications, 164, 842–861. https://doi.org/10.1007/s10957-013-0441-2
Società scientifiche
Membro della associazione italiana della ricerca operativa
Convegni Scientifici
Convegni ai quali ho partecipato negli ultimi anni
ODS2024 – International Conference on Optimization and Decision ScienceA Hybrid Genetic Search Based Approach for Garbage Collection in the Italian Countryside(Relatore)
ODS2023 – International Conference on Optimization and Decision ScienceA Variation of the Pick-up and Delivery Vehicle Routing on Manned Vehicles with an Application to Warehouse Management(Relatore)
SPIE Conference on Astronomical Telescopes and Instrumentation (2022)Validation of Neural Network Software by Using IXPE Ground Calibration Data
IEEE International Workshop on Metrology for Agriculture and Forestry (METROAGRIFOR 2020)Smart Water Management in Agriculture: A Proposal for an Optimal Scheduling Formulation of a Gravity Water Distribution System(Relatore)
Le Principali aree di ricerca in ambito accademico riguardano:
Ottimizzazione globale e non lineare: sviluppo di algoritmi per la soluzione di problemi complessi, anche in presenza di vincoli e non convessità.
Metodi senza derivate: progettazione e applicazione di tecniche per l’ottimizzazione di funzioni non differenziabili o simulate.
Apprendimento automatico e modelli surrogati: studio di metodi come reti neurali e apprendimento automatico, con particolare attenzione all’integrazione con tecniche di ottimizzazione.
Metaeuristiche e algoritmi ibridi: utilizzo di approcci evolutivi, come la Hybrid Genetic Search, per problemi misti interi e di logistica (es. vehicle routing).
Applicazioni interdisciplinari: ottimizzazione in ambiti quali cybersecurity, progettazione di circuiti elettronici, agricoltura di precisione e space weather forecasting.