Modelli dei Sistemi di Produzione Modelli e Algoritmi della Logistica
|
|
- Elisabetta Valsecchi
- 8 anni fa
- Visualizzazioni
Transcript
1 Modelli dei Sistemi di Produzione Modelli e lgoritmi della Logistica 00- Scheduling: Macchina Singola CRLO MNNINO Saienza Università di Roma Diartimento di Informatica e Sistemistica
2 Il roblema /-/ w C Dati n ob,,n e una sola macchina ogni ob è quindi associata un unica oerazione. : temo di rocessamento (oerazione associata al) ob ssunzione > 0 er ogni w : eso del ob. w C : costo di comletamento del ob. s : istante d`inizio (variabile) del ob. I ob non ossono essere interrotti (no-reemtion) C = s + Problema : trovare uno scheduling s che minimizzi il temo di comletamento esato w C = w (s + ) Nella classificazione a tre indici: Problema /-/ w C
3 Formulazione disgiuntiva Job w Per comodità usiamo variabili C = s + min C + 5C + 9C + 6C 4 s.t. C C L =,, 4 (C C i ) (C i C i ) i, i, =,, 4 C L = 0, C R + =,, n Senza erdita di generalità si one C L = 0, che imlica C L Grafo disgiuntivo 9 9 9
4 Formulazione 0, Job w min C + 5C + 9C + 6C4 s.t. C > 6 C > 9 C > C4 > C - C + 00 x > 6 C - C - 00 x > -9 C - C + 00 x > 6 C - C - 00 x > -99 C - C x4 > 6 C4 - C - 00 x4 > -97 C - C + 00 x > 9 C - C - 00 x > -99 C - C x4 > 9 C4 - C - 00 x4 > -97 C - C x4 > C4 - C - 00 x4 > -97 binary x x x4 x x4 x4 end 9 6 File tio l, che uò essere letto dai rinciali solutori commerciali Variabili a sinistra, costanti a destra Il segno > denota il L Grafo disgiuntivo 9 9 9
5 Il roblema /-/ w C OSS: non conviene lasciare la macchina inattiva fra il comletamento di un ob e l`inizio del successivo In ogni soluzione ottima, un ob comincia quindi esattamente quando il recedente termina. Chiamiamo questa soluzione comatta. La sequenza (ermutazione),, n dei ob sulla macchina determina univocamente la soluzione comatta k- k n k k n Obs.: temo di comletamento del k-esimo ob C k r k r Problema /-/ w C : trovare la sequenza dei ob,, n che minimizza il temo di comletamento esato w C
6 La regola di Smith Regola di Smith: ordina er valori non crescenti del raorto w / Quindi, se,, n è una sequenza rodotta dalla regola di Smith: w w OSS. Se alcuni raorti coincidono, esistono iù sequenze che soddisfano la regola di Smith. w n n Th. 6. (Della regola di Smith) La soluzione comatta associata una sequenza,, n rodotta dalla regola di Smith è ottima er il roblema /-/ w C
7 Dimostrazione Regola di Smith Dimostrazione Teorema della regola di Smith Sia una sequenza ottima. Per assurdo suoniamo che non risetti la regola di Smith. Esistono quindi due ob adiacenti, e k, tale che k viene immediatamente doo in e si ha: w / < w k / k Consideriamo la sequenza ` ottenuta da invertendo e k t+ k ` k t t+ k t+ + k OBS. Tutti i temi di comletamento dei ob rimangono invariati tranne quelli del ob e del ob k.
8 Dimostrazione Regola di Smith ` i i t k Sia t il temo di comletamento del ob che recede in (e k in `) Siano C e C` i temi di comletamento in S e S`, risettivamente C` =t+ + k C`k =t+ k C =t+ C k =t+ + k Differenza di costo fra C e C: = wc wc = w (C` -C ) + w k (C`k -C k ) Sostituendo = w (t+ + k - t- ) + w k (t+ k t - - k ) = w ( k ) + w k (- ) t+ k t+ k C` C C`k C k t+ + k Da w / < w k / k w k < w k = w k - w k < 0 e non è ottima, contraddizione.
9 Esemio Job w w / = /, w / = 5/9, w / = 9, w 4 / 4 = Sequenza ottima: (, 4,, ) C = 9 C =, C =, C 4 = 4 w C = 8, w C =65, w C = 9, w 4 C 4 = 4 Costo totale = w C + w C + w C + w 4 C 4 = 6 OBS: il makesan 9 è uguale er ogni sequenza
10 Sequenze equivalenti Lemma. 6. (Sequenze Equivalenti) Se er ogni ob N, il suo eso w è uguale al suo temo di rocessamento, allora ogni sequenza è ottima Per ogni N, si ha w / =. Dal Teorema 6. (della regola di Smith) segue che ogni sequenza è ottima. Lemma. 6. (Valore della soluzione w = ) Se er ogni allora la soluzione ottima vale: f ( N) N N N si ha w = Per il Lemma 6. ogni sequenza è ottima: quindi anche = {,,,n} n n n- C = C = C n = + + n
11 Dimostrazione Lemma 6. Quindi lo schedule: r C r è ottimo e il suo valore f(n) è dato da ) ( ) ( ) ( ) ( n n N N r r N C w C N f i N N i i N n N,, Saendo che i N N i i N N f,, ) ( ) (,, N f i N N i i N N N
12 Poliedro degli schedule ammissibili Descriviamo l insieme S() R N degli scheduling ammissibili C. In altri termini C = (C,, C n ) T sequenza = {,, n} tale che C J C S() se e solo se esiste una C k,, n k k k C = (9,,,4) T S() 4 = {,4,,) 4 9 C = (0,0,,4) T S() = {,4,,)
13 Proiezione delle soluzioni Sia C = (C,, C n ) T R N uno schedule ammissibile, i.e. C S() Sia N un sottoinsieme di ob e sia S ( ) l insieme degli scheduling ammissibili er i soli ob in ( temi dei ob in ) llora la roiezione C di C nello sazio R soddisfa C S ( ) Esemio N = {,,,4}, = {,} C = (9,,,4) T S() = {,4,,)} 4 J C = (,) T = {,} 4 Naturalmente l ottimalità di C risetto a un sistema di esi w non imlica l ottimalità di C in S ( ) risetto w (C è in generale non comatta)
14 Vincoli validi Def. Sia dato un insieme di unti P R n, e siano a R n e b R. Il vincolo a T x b è detto valido er P se e solo se è soddisfatto da tutti i unti di P, ovvero se e solo se non esiste x P tale che a T x < b. P P Lemma. Sia dato un insieme di unti P R n, e sia a R n. Sia b = min{a T x: x P} llora a T x b è un vincolo valido er P. Infatti, se esistesse un unto x P tale che a T x < b si avrebbe min{a T x: x P} a T x < b contraddizione. 4
15 Prorietà degli schedule ammissibili Teorema. 6.4 () Sia N un sottoinsieme di ob e sia f ) ( llora il vincolo C f() è valido er S() Dim. Qual è il valore minimo che uò assumere la quantità? ) (, S C C ) ( * S C Sia C * la soluzione ottima del roblema ) ( : min S C C ) ( : min * S Q Q C ) ( ) ( : min f S Q Q dal Lemma 6. ) ( ) ( : min ) ( : min ) ( : f S Q Q S C C S C C C * roiezione di C nello sazio R
16 Esemio Esemio N = {,,,4}, = {,} J f() = ½ (+9) + ½ ( + 9 ) = 9 C f() 9C + C 9 C = (9,,,4) T S() C soddisfa il vincolo 9C + C = 9 + = 8 9
17 Il oliedro degli schedule ammissibili Per ogni N il vincolo C f() è valido er S() Chiamiamo S c () il oliedro degli scheduling comatti, e cioè l involucro convesso degli scheduling comatti associati a. Si uò far vedere che S c () coincide con S c (): C C f() N N C = f(n) R n Gli schedule comatti coincidono coi vertici Ext(S c ()) di S c ()
18 Esemio: vertici di S c () I vertici Ext(S c ()) di S c () corrisondono agli scheduling comatti. Esemio: C = (9,,,4) T S() = {,4,,)} J C = (7,7,,9) T S() = {,4,,)} Le combinazioni convesse aartengono al oliedro ma non corrisondono a schedule ammissibili Esemio: ½ C + ½ C = (,5,,.5)
19 Il roblema singola macchina Temo di comletamento esato con vincoli di recedenza
20 Il roblema /rec/ w C I questa arte affronteremo una generalizzazione del roblema singola macchina con temo di comletamento esato La generalizzazione revede la resenza di vincoli di recedenza fra ob Il roblema diviene in questo modo sostanzialmente iù difficile E imortante quindi oter disorre di buoni rilassamenti In linea di rinciio è ossibile usare la formulazione 0, associata al rogramma disgiuntivo corrisondente Tuttavia la resenza della big M rende questa formulazione molto debole Introduciamo quindi una tecnica generale er costruire rilassamenti nota come Rilassamento Lagrangiano
21 Il roblema /rec/ w C Dati n ob,,n e una sola macchina : temo di rocessamento (oerazione associata al) ob w : eso del ob. w C : costo di comletamento del ob. I ob non ossono essere interrotti (no-reemtion) C = s + lcuni ob osso iniziare solo doo il comletamento di altri: C C i + er ogni i Problema : trovare uno scheduling comatto C che minimizzi il temo di comletamento esato w C e soddisfi tutti i vincoli di recedenza Nella classificazione a tre indici: Problema /rec/ w C
22 Esemio Job w Grafo disgiuntivo C C + C 4 C + C 4 C +
23 Formulazione 0, Job w min C + 5C + 9C + 6C4 s.t. C > 6 C > 9 C > C4 > C - C + 00 x > 6 C - C - 00 x >= -9 binary x x x4 end C - C + 00 x > 9 C - C - 00 x > -99 C - C x4 > C4 - C - 00 x4 > -97 C - C > C4 - C > C4 - C > 6 9 Sol Ottima C = 6, C = 6, C = 7, C4 = 9. Valore: Grafo disgiuntivo x =x =x 4 =x =x 4 =x 4 = 9 9
24 Comlessità roblema /rec/ w C Il roblema /rec/ w C è in genere difficile comutazionalmente. Per alcune classi di vincoli aggiuntivi il roblema uò essere risolto efficientemente In articolare, se il grafo associato ai vincoli aggiuntivi è serie-arallelo (ad esemio, un cammino o un insieme di cammini assanti er nodi distinti). Si ossono usare tecniche di soluzione tio Branch&Bound Per alicare queste tecniche occorre definire un rilassamento Di seguito illustreremo una tecnica di rilassamento molto studiata, nota col nome di Rilassamento Lagrangiano.
25 Esemio min C + 5C + 9C + 6C 4 C - C u = C 4 - C u = C 4 - C u = C Ext(S c ()) min C + 5C + 9C + 6C 4 + ( - C + C ) + ( C 4 + C ) + ( C 4 + C ) C Ext(S c ()) + min 5C + 7C + 7C + C 4 C Ext(S c ()) Problema residuo risolvibile con il Greedy. J w' w / 5/6 7/ Valore z RL (u) = z RL ((,,) T ) = + 0 = < 69(valore ottimo P(Q) )
26 Teorema del Rilassamento Lagrangiano P(Q): z Q = min x {c T x: x b, x Q }, con Q R n e matrice m n RL(u): z RL (u) = min x {c T x + u T (b- x), x Q}, con u 0 Teorema 6.5 (del rilassamento lagrangiano) Per ogni RL(u) è un rilassamento di P(Q) e si ha z RL (u) z Q u m R Dim. La regione ammissibile Q di RL(u) è ottenuta rimuovendo vincoli da quella di P(Q): R ={x: x b, x Q} R Q x ammissibile er P(Q) x b b- x 0 u 0, b- x 0 u T (b- x ) 0 c T x + u T (b- x ) c T x (er ogni x R, la f.o.di RL(u) è della f.o. di P(Q) ) RL(u) è un rilassamento di P(Q) e z RL (u) z Q
27 Esemio min C + 5C + 9C + 6C 4 C - C u = C 4 - C u = C 4 - C u = C Ext(S c ()) min C + 5C + 9C + 6C 4 + ( - C + C ) + ( C 4 + C ) + ( C 4 + C ) C Ext(S c ()) 6+ min 5C + 8C + 8C + C 4 C Ext(S c ()) J w' w' / 5/6 8/9 8 / Valore z RL (u) = z RL ((,,) T ) = 6+ 0 = 8 < 69 (valore ottimo P(Q) ) OSS z RL ((,,) T ) = 8 > z RL ((,,) T )
28 Duale Lagrangiano Il valore z RL (u) =min x {c T x + u T (b- x), x Q}, u 0 varia con u Per ottenere il miglior lower bound ossibile, siamo interessati al massimo di z RL (u) al variare di u Il roblema DL: z RL =max u {z RL (u) } è detto Duale Lagrangiano. Quindi DL: max u min x {c T x + u T (b- x), x Q, u 0} DL è un robrema di rogrammazione non lineare e uò con varie tecniche (es. il metodo del subgradiente) essere risolto Di seguito mostreremo un aroccio basato sul metodo del simlesso dinamico.
29 Risolvere il duale lagrangiano DL: max u min x { c T x + u T (b- x), x Q, u 0} ssunzione : Q = {x,, x r } è un insieme finito Q} uò essere risolto er enumerazione trovando il minimo delle seguenti quantità Per fissato u = u il roblema min x {c T x + u T (b- x), x v (u ) = c T x + u T (b- x ) v (u ) = c T x + u T (b- x ) v r (u ) = c T x r + u T (b- x r ) OSS: min {v (u ),, v r (u )} = max {v: v v (u ),, v v r (u ), v R} DL uò essere riscritto come max u 0 max v {v: v v (u),, v v r (u), v R}
30 Risolvere il duale lagrangiano Quindi DL = max u min x {c T x + u T (b- x), x Q, u 0} diventa DLv max u max v v = max u,v v v c T x + u T (b- x ) v c T x + u T (b- x ) v c T x r + u T (b- x r ) v R, u R m + Le variabili di DLv sono v R e u R m Ogni vincolo corrisonde a un unto di Q Se Q è grande si uò (si deve!) alicare il metodo del simlesso dinamico. Comonente essenziale: oracolo di searazione.
31 Oracolo di Searazione Riga i Descrizione imlicita di: x ^ R n a i Oracolo di Searazione x^ P ={x R n : x<b} ^x P ^x P a ^ i x > b i vincolo violato b x^ < b i x^ P Oracolo di searazione: algoritmo che, dato un oliedro P ={x R n : x<b} e un unto x * R n stabilisce se x * P oure restituisce un vincolo della descrizione di P violato da x *
32 Oracolo di searazione er DLv Oracolo di Searazione: Data una soluzione (v *, u * ) di DLv trova un vincolo tale che v * > c T x t + (u * ) T (b- x t ) (vincolo violato) o dimostra che tale vincolo non esiste. I vincoli corrisondono ai unti di Q Oracolo di Searazione Trova x t Q che minimizza c T x t + (u * ) T (b- x t ) Se c T x t + u *T (b- x t ) < v * v u T (b- x t ) vincolo violato c x t ltrimenti c T x + u *T (b- x) v * er ogni x Q e non esiste un vincolo violato
33 Oracolo di searazione er /rec/ w C (u * ) T b + min c T x - u *T x x Q Nel caso del roblema /rec/ w C, doo aver rilassato i vincoli di recedenza C b, il roblema residuo è un roblema/-/ w C. Le soluzioni del rilassamento (insieme Q) sono quindi schedule comatti, corrisondenti ai vertici di S c () Il roblema di searazione er (v * u * ) diventa quindi u *T b + min w T C - u *T C C Ext(S c ()) Il roblema qua sora uò essere risolto con la regola di Smith.
34 Metodo del Simlesso Dinamico Risolve un roblema di Programmazione Lineare: max c T x : x P ={x R n : x b, c T x k} ssunzione: roblema non illimitato Due ingredienti: max c T x x b, c T x k x ^ R n Oracolo di Searazione di P Metodo del Simlesso ^x P ^x P ^ a i x > b i x * soluzione ottima roblema illimitato nessuna soluzione (P =
35 Definizione del roblema core D 0 d 0 b D=D 0 ; d=d 0 max c T x x Q = Dx<d, (P Q) c T x k Nuova D e nuovo d D d a T i b i ggiunta del vincolo violato Metodo del Q= Simlesso x * ottima (in Q) Oracolo di Searazione di P x * P a it x>b i x * P P= x * ottima
36 Esemio min C + 5C + 9C + 6C 4 C - C C 4 - C C 4 - C C Ext(S c ()) J w Risolviamo il duale lagrangiano alicando il simlesso dinamico Il roblema core iniziale è costruito a artire da vincoli corrisondenti a un sottoinsieme di schedule comatti. Senza erdita di generalità, ossiamo aggiungere al roblema (e al rimo roblema core) in vincolo v k con k oortuno, in modo da rendere non illimitati i roblemi nella successione. Essendo il valore finale di v un lower bound sul valore ottimo del roblema originario, k uò essere scelto come il valore di una soluzione ammissibile er il roblema originario.
37 Esemio min C + 5C + 9C + 6C 4 C - C C 4 - C C 4 - C C Ext(S c ()) J w La sequenza = {,, 4, } è ammissibile. C( ) = (5,9,9,8) T w T C = = 54 Possiamo orre nel duale lagrangiano v 54
38 Esemio Duale Lagrangiano max v v 54 v R, u R + J w Sol ottima: v * = 54, u * = (0,0,0) Oracolo di searazione u * b + min (w (u * ) T ) C C Ext(S c ()) 0+ min C + 5C + 9C + 6C 4 x Ext(S c ()) = (, 4,, ) C = (9,,, 4) J w w / / 5/9 9 Regola di Smith wc = 6
39 Esemio Duale Lagrangiano max v v 54 v R, u R + J w Sol ottima: v * = 54, u * = (0,0,0) C = (9,,, 4) Test w T C + (u * ) T (b- C ) < v * 6 < 54 Si aggiunge al duale lagrangiano il vincolo v u T (b- C ) w C w C = 6 C = (-8, -5, -9) b - C = (9, 8, ) v - 9u 8u u b
40 Esemio Duale Lagrangiano max v v 54 v - 9u 8u u 6 v R, u R + J w Sol ottima: v * = 54, u * = (.5,0,0) Oracolo di searazione (u * ) T b + min (w - (u * ) T ) C x Ext(S c ()),5+ min,5c + 5C -,5C + 6C 4 x Ext(S c ()) = (,4,, ) C = (6, 8, 9, 9) J w,5 5 -,5 6 w /, 5/9 -,5 Regola di Smith wc = 7
41 Esemio Duale Lagrangiano max v v 54 v - 9u 8u u 6 v R, u R + J w Sol ottima: v * = 54, u * = (.5,0,0) C = (6, 8, 9, 9) Test w T C + (u * ) T (b- C ) < v * Se violato da (v * u * ), si aggiunge al core il vincolo v u T (b- C ) w C w C = C = (,, -9) 0 0 b - C = (-, 0, ) 0 0 v - u + u 7 Il vincolo non è violato da (v * u * ), v * valore soluzione ottima del duale lagrangiano b
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale
Saienza Università di Roma - Diartimento di Ingegneria Informatica, Automatica e Gestionale Scheduling Renato Bruni bruni@dis.uniroma.it Il materiale resentato è derivato da quello dei roff. A. Sassano
DettagliOttimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni
Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica
DettagliNUMERI RAZIONALI E REALI
NUMERI RAZIONALI E REALI CARLANGELO LIVERANI. Numeri Razionali Tutti sanno che i numeri razionali sono numeri del tio q con N e q N. Purtuttavia molte frazioni ossono corrisondere allo stesso numero, er
DettagliSono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza
Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di
DettagliRisposta: 2009 2010 Quantità Prezzo ( ) Quantità Prezzo ( ) Automobili 8.000 15.000 6.500 14.500 Biciclette 80.000 195,52 94.
1. Domanda Si consideri un sistema economico che roduce solo due beni: automobili e biciclette. È noto che nel 009 sono state rodotte 8.000 automobili che sono state venduto al rezzo di 15.000 e 80.000
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito
DettagliIl Metodo Branch and Bound
Il Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 4 Novembre 2014 Ricerca Operativa 2 Laurea Magistrale in Ingegneria Gestionale
DettagliApprocci esatti per il job shop
Approcci esatti per il job shop Riferimenti lezione: Carlier, J. (1982) The one-machine sequencing problem, European Journal of Operational Research, Vol. 11, No. 1, pp. 42-47 Carlier, J. & Pinson, E.
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliRicerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare
Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista
DettagliCBM a.s. 2012/2013 PROBLEMA DELL UTILE DEL CONSUMATORE CON IL VINCOLO DEL BILANCIO
CM a.s. /3 PROLEMA DELL TILE DEL CONSMATORE CON IL VINCOLO DEL ILANCIO Il consumatore è colui che acquista beni er destinarli al rorio consumo. Linsieme dei beni che il consumatore acquista rende il nome
DettagliPROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO
PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO 1. Load Balancing Un istanza del problema del load balancing consiste di una sequenza p 1,..., p n di interi positivi (pesi dei job) e un
Dettagli1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.
. Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,
DettagliUna proposizione è una affermazione di cui si possa stabilire con certezza il valore di verità
Logica 1. Le roosizioni 1.1 Cosa studia la logica? La logica studia le forme del ragionamento. Si occua cioè di stabilire delle regole che ermettano di assare da un'affermazione vera ad un'altra affermazione
Dettaglib i 1,1,1 1,1,1 0,1,2 0,3,4
V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile
Dettagli2 Formulazione dello shortest path come problema di flusso
Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione
DettagliIntroduzione Ordini parziali e Reticoli Punti fissi
Introduzione Ordini parziali e Reticoli Punti fissi By Giulia Costantini (819048) & Giuseppe Maggiore (819050) Table of Contents ORDINE PARZIALE... 3 Insieme parzialmente ordinato... 3 Diagramma di Hasse...
DettagliVC-dimension: Esempio
VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
DettagliModelli per la gestione delle scorte
Modelli per la gestione delle scorte Claudio Arbib Università di L Aquila Seconda Parte Sommario Sui problemi di gestione aperiodica equazioni di stato Funzioni di costo Un modello convesso formulazione
DettagliRicerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani
Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.
Dettagli1. Considerazioni generali
1. Considerazioni generali Modelli di shop scheduling In molti ambienti produttivi l esecuzione di un job richiede l esecuzione non simultanea di un certo numero di operazioni su macchine dedicate. Ogni
DettagliTSP con eliminazione di sottocicli
TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 7-8 9 7 9-8 79
DettagliSchedulazione di attività in presenza di attività interrompibili
Schedulazione di attività in presenza di attività interrompibili Maria Silvia Pini Resp. accademico: Prof.ssa Francesca Rossi Università di Padova Attività FSE DGR 1102/2010 La gestione dell informazione
DettagliSessione live #2 Settimana dal 24 al 30 marzo. Statistica Descrittiva (II): Analisi congiunta, Regressione lineare Quantili.
Sessione lie # Settimana dal 4 al 30 marzo Statistica Descrittia (II): Analisi congiunta, Regressione lineare Quantili Lezioni CD: 3 4-5 Analisi congiunta Da un camione di 40 studenti sono stati rileati
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 2011/2012 Lezione 10: Variabili e vincoli logici Variabili logiche Spesso nei problemi reali che dobbiamo affrontare ci sono dei
DettagliRicerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale. L. De Giovanni, V. Dal Sasso
Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale L. De Giovanni, V. Dal Sasso 1 Esercizio 1. Dato il problema min 2x 1 x 2 s.t. x 1 + 2x 2 7 2x 1 x 2 6 3x 1 + 2x 2
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Flusso di costo minimo È dato un grafo direzionato G = (N, A). Ad ogni arco (i, j) A è associato il costo c ij
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliRipasso di microeconomia ECONOMIA E FINANZA PUBBLICA. Teoria del consumatore. Lezione n. 1. Teoria del consumatore. Le preferenze.
Università degli Studi di erugia Corso di Laurea Magistrale in Scienze della olitica e dell'mministrazione Lezione n. Riasso di microeconomia CONOMI FINNZ ULIC nza Caruso Le referenze Come i consumatori
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliRicerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari
Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari Esercizio n.1 Un azienda intende incrementare il proprio organico per ricoprire alcuni compiti scoperti. I dati relativi ai compiti
Dettagli1. Classificazione delle risorse
1. Classificazione delle risorse Classificazione delle risorse in base alla disponibilità. - Risorse rinnovabili Sono risorse utilizzate per l esecuzione di una attività per tutta la sua durata, ma sono
Dettagli1 Estensione in strategia mista di un gioco
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
DettagliAlgoritmi e strutture dati. Codici di Huffman
Algoritmi e strutture dati Codici di Huffman Memorizzazione dei dati Quando un file viene memorizzato, esso va memorizzato in qualche formato binario Modo più semplice: memorizzare il codice ASCII per
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliEsercizi di Ricerca Operativa I
Esercizi di Ricerca Operativa I Dario Bauso, Raffaele Pesenti May 10, 2006 Domande Programmazione lineare intera 1. Gli algoritmi per la programmazione lineare continua possono essere usati per la soluzione
DettagliRicerca Operativa 2. Introduzione al metodo del Simplesso
Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione
DettagliSequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione
Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione presentato in questo file trova la seq. a costo minimo per
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliSe x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2
NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione
DettagliLezione 1. Gli Insiemi. La nozione di insieme viene spesso utilizzata nella vita di tutti i giorni; si parla dell insieme:
Lezione 1 Gli Insiemi La nozione di insieme viene spesso utilizzata nella vita di tutti i giorni; si parla dell insieme: degli iscritti ad un corso di laurea delle stelle in cielo dei punti di un piano
DettagliALGORITMO DEL SIMPLESSO
ALGORITMO DEL SIMPLESSO ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. Risolvere il seguente programma lineare (a) con il metodo del simplesso e (b) con il metodo grafico. (1) min x 1 x () (3) (4) (5)
DettagliSIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 28 novembre 2005 SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : XXXXXXXXXXXXXXXXX Nome : XXXXXXXXXXXXXX VALUTAZIONE
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliModello matematico PROGRAMMAZIONE LINEARE PROGRAMMAZIONE LINEARE
PRGRMMZIN LINR Problemi di P.L. in due variabili metodo grafico efinizione: la programmazione lineare serve per determinare l allocazione ottimale di risorse disponibili in quantità limitata, per ottimizzare
Dettagli2) Codici univocamente decifrabili e codici a prefisso.
Argomenti della Lezione ) Codici di sorgente 2) Codici univocamente decifrabili e codici a prefisso. 3) Disuguaglianza di Kraft 4) Primo Teorema di Shannon 5) Codifica di Huffman Codifica di sorgente Il
DettagliTSP con eliminazione di sottocicli
TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 3 5 7-8 9 57
Dettagli0 A B I C O L M P E Q R F G D H N *
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Modelli di Sistemi di Produzione I scritti d'esame appelli 2004/05 e 2005/06 Esercizio 1 job 3: I (M 1, 3) L (M 2, 4) M (M 3, 11)
DettagliUniversità degli Studi di Milano / Bicocca Facoltà di Economia. Prova scritta del 12 luglio 2011 SOLUZIONI
Università degli Studi di Milano / Bicocca Facoltà di Economia MATEMATICA FINANZIARIA EcoCom A-Le / Li-Z Prova scritta del luglio SOLUZIONI Per gli studenti immatricolati entro il 7/8 (45cfu): L operazione
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliA intervalli regolari ogni router manda la sua tabella a tutti i vicini, e riceve quelle dei vicini.
Algoritmi di routing dinamici (pag.89) UdA2_L5 Nelle moderne reti si usano algoritmi dinamici, che si adattano automaticamente ai cambiamenti della rete. Questi algoritmi non sono eseguiti solo all'avvio
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliTrigonometria (tratto dal sito Compito in classe di Matematica di Gilberto Mao)
Trigonometria (tratto dal sito Comito in classe di Matematica di Gilberto Mao) Teoria in sintesi Radiante: angolo al centro di una circonferenza che sottende un arco di lunghezza rettificata uguale al
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliLa Programmazione Lineare
4 La Programmazione Lineare 4.1 INTERPRETAZIONE GEOMETRICA DI UN PROBLEMA DI PROGRAMMAZIONE LINEARE Esercizio 4.1.1 Fornire una rappresentazione geometrica e risolvere graficamente i seguenti problemi
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliG. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole
G. Pareschi ALGEBRE DI BOOLE 1. Algebre di Boole Nel file precedente abbiamo incontrato la definizione di algebra di Boole come reticolo: un algebra di Boole e un reticolo limitato, complementato e distributivo.
Dettaglie-dva - eni-depth Velocity Analysis
Lo scopo dell Analisi di Velocità di Migrazione (MVA) è quello di ottenere un modello della velocità nel sottosuolo che abbia dei tempi di riflessione compatibili con quelli osservati nei dati. Ciò significa
DettagliIniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:
Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione
Dettagli(3,4) (1,3) (2,2) (0,2) (3,4) (2,4) t (2,3) (3,5) (2,4) (3,5) (6,8) (3,4) (1,2) 1 (1,3)
Prova Scritta di RICERCA OPERATIVA èinformaticiè 2èè98 - Esame æ Cognome: æ Nome:. Una compagnia petrolifera possiede 3 depositi dai quali puço prelevare benzina e trasportarla ai 5 impianti di distribuzione.
DettagliProblemi di localizzazione impianti
Problemi di localizzazione impianti Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 2 Dicembre 2014 Ricerca Operativa 2 Laurea
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliCUTPOINTS BRIDGES BLOCKS BLOCK GRAPHS - CUTPOINT GRAPHS
CUTPOINTS BRIDGES BLOCKS BLOCK GRAPHS - CUTPOINT GRAPHS INTRODUZIONE Per conoscere la struttura di un grafo connesso è importante individuare nel grafo la distribuzione di certi punti detti cutpoints (punti
DettagliLe equazioni. Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete.
Le equazioni Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete. Definizione e caratteristiche Chiamiamo equazione l uguaglianza tra due espressioni algebriche,
DettagliCapitolo Ventitrè. Offerta nel breve. Offerta dell industria. Offerta di un industria concorrenziale Offerta impresa 1 Offerta impresa 2 p
Caitolo Ventitrè Offerta dell industria Offerta dell industria concorrenziale Come si combinano le decisioni di offerta di molte imrese singole in un industria concorrenziale er costituire l offerta di
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliLa funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f.
FUNZIONI CONTINUE - ALCUNI ESERCIZI SVOLTI SIMONE ALGHISI 1. Continuità di una funzione Dati un insieme D R, una funzione f : D R e x 0 R, si è detto che f è continua in x 0 se sono soddisfatte le seguenti
DettagliModelli di Ottimizzazione
Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Localizzazione
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Localizzazione Posizionamento di antenne È dato un insieme A di possibili siti in cui installare antenne, a ciascuno
DettagliEsempi di funzione. Scheda Tre
Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2011-2012 Lezione 6 Indice 1 Il metodo bootstrap 2 Esercitazione 3 Interpolazione
DettagliFUNZIONI CONVESSE. + e x 0
FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )
DettagliLezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4
Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
DettagliLogistica (mn) 6 CFU Appello del 22 Luglio 2010
Logistica (mn) 6 CFU Aello del Luglio 010 NOME: COGNOME: MATR: Avvertenze ed istruzioni: Il comito dura ore e quindici. Non è ermesso lasciare l'aula senza consegnare il comito o ritirarsi. Se dovessero
Dettaglimese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000
1.7 Servizi informatici. Un negozio di servizi informatici stima la richiesta di ore di manutenzione/consulenza per i prossimi cinque mesi: mese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000 All inizio
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
Dettagli1. Considerazioni preliminari
1. Considerazioni preliminari Uno dei principali aspetti decisionali della gestione logistica è decidere dove localizzare nuove facility, come impianti, magazzini, rivenditori. Ad esempio, consideriamo
DettagliSistemi Organizzativi
Sistemi Organizzativi Lezione 12/12/2004 Introduzione al corso e definizioni di base Informazioni generali Pre-requisiti: lassi di complessità Metodi enumerativi: - programmazione dinamica - branch-and-bound
DettagliAlgoritmi e Strutture Dati
Elementi di Programmazione Dinamica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino Il problema La CMC produce automobili in uno stabilimento
DettagliStrumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 22: 1 Giugno 2010. Meccanismi Randomizzati
Strumenti della Teoria dei Giochi per l Informatica AA 2009/10 Lecture 22: 1 Giugno 2010 Meccanismi Randomizzati Docente Vincenzo Auletta Note redatte da: Davide Armidoro Abstract In questa lezione descriveremo
DettagliEsercizi sull Association Analysis
Data Mining: Esercizi sull Association Analysis 1 Esercizi sull Association Analysis 1. Si consideri il mining di association rule da un dataset T di transazioni, rispetto a delle soglie minsup e minconf.
DettagliSOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015
SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()
Dettaglix u v(p(x, fx) q(u, v)), e poi
0.1. Skolemizzazione. Ogni enunciato F (o insieme di enunciati Γ) è equisoddisfacibile ad un enunciato universale (o insieme di enunciati universali) in un linguaggio estensione del linguaggio di F (di
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
DettagliSchedulazione delle attività di un progetto in presenza di multi-calendari e di vincoli sulle risorse
Schedulazione delle attività di un progetto in presenza di multi-calendari e di vincoli sulle risorse Maria Silvia Pini Resp. accademico: Prof.ssa Francesca Rossi Università di Padova Attività FSE DGR
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliProdotto Disponibilità Costo 1 3000 3 2 2000 6 3 4000 4. e rispettando le seguenti regole di composizione delle benzine:
1.1 Pianificazione degli investimenti. Una banca deve investire C milioni di Euro, e dispone di due tipi di investimento: (a) con interesse annuo del 15%; (b) con interesse annuo del 25%. Almeno 1 di C
DettagliI NUMERI INDICI. Numeri indici indici (misurano il livello di variabilità, concentrazione, dipendenza o interdipendenza, ecc.)
NUMER NDC Numeri indici indici (misurano il livello di variabilità, concentrazione, diendenza o interdiendenza, ecc.) si utilizzano er confrontare grandezze nel temo e nello sazio e sono dati dal raorto
Dettagli- Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo)
Se si ha un problema lineare e' possibile risolverlo in piu' modi (equivalenti ) - Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo) - Trovare soluzione ottima duale (con il simplesso
DettagliCPM - PERT CPM - PERT. Rappresentazione di un progetto. Gestione di un progetto. Critical Path Method Project Evaluation and Review Technique
CPM - PERT CPM - PERT CPM e PERT sono metodologie per la gestione di progetti composti da più attività in cui esistano relazioni di precedenza. Critical Path Method Project Evaluation and Review Technique
DettagliIpotesi sulle preferenze
La teoria delle scelte del consumatore La teoria delle scelte del consumatore Descrive come i consumatori distribuiscono i propri redditi tra differenti beni e servizi per massimizzare il proprio benessere.
Dettagli