Bilanciamento dei carichi di lavoro
|
|
- Lelia Tosi
- 8 anni fa
- Visualizzazioni
Transcript
1 Bilanciamento dei carichi di lavoro Dispensa per il modulo di Analisi e Ottimizzazione dei Processi di Produzione Università di Roma Tor Vergata a cura di Andrea Pacifici A.A Sommario Il problema denominato di Assembly Line Balancing 1 (ALB) consiste nell assegnare operazioni a stazioni di lavoro poste lungo una linea, minimizzando il costo di assiematura del singolo pezzo. I vincoli riguardano le relazioni di precedenza tra operazioni e la produttività della linea. Nella versione classica del problema, le stazioni di lavoro si suppongono tutte dello stesso tipo e, in particolare, con le stesse capacità e con lo stesso costo. Questo insieme restrittivo di ipotesi rende il modello poco utilizzabile nella pratica delle applicazioni industriali. In questa dispensa prendiamo in considerazione una generalizzazione del problema di Assembly Line Balancing che, pur consentendo di modellare situazioni più realistiche e complesse, non presenta un accresciuto costo computazionale. Più specificamente, consideriamo stazioni di lavoro di tipo diverso, con costi diversi e tempi di processamento diversi per ogni operazione. Inoltre mostriamo che nel caso di grafi di produzione stretti (p.es., alberi di assiematura con un limitato numero di foglie rispetto al numero complessivo di operazioni), esistono algoritmi di soluzione efficienti. 1 Introduzione Il modello di Assembly line balancing (ALB), presenta una limitata applicabilità pratica. In effetti, una delle caratteristiche principali di una linea di produzione flessibile, consiste nel fatto di avere macchine diverse, in grado di svolgere dei sottoinsiemi diversi di operazioni con tempi diversi di processamento e a costi diversi. La letteratura scientifica è ampiamente deficiente al riguardo. Questo è forse dovuto alla complessità del problema che, anche con un solo tipo di macchina, è già NP-difficile. D altra parte, la maggior parte degli algoritmi in letteratura sono stati sviluppati per grafi di produzione qualsiasi purché aciclici mentre, in realtà, la situazione più comune prevede che tale grafo sia un albero con un numero limitato di rami rispetto al numero totale di operazioni e/o alla profondità dell albero stesso ( alberi stretti). A titolo di esempio consideriamo il seguente Esempio 1 (Produzione di schede circuitali stampate) L impianto (di una compagnia italiana che produce componentistica elettronica per automobili) produce diversi tipi di centraline di controllo per motori a iniezione elettronica. La linea di produzione riceve i contenitori e le schede, assiema i componenti (chip, SMD, connesioni, cavi, etc.) sui due lati della scheda madre, effettua il collaudo, prepara l imballaggio per la spedizione. Le operazioni su ciascuna unità sono alquanto simili, sebbene il tempo richiesto da alcune stazioni possa differire a seconda del tipo di centralina. L albero di assiematura mostrato in figura 1 rende conto dell aggettivo stretto per questo tipo di alberi: in questo caso si hanno solo due diramazioni principali lungo le quali compaiono un numero limitato di foglie che rappresentano delle operazioni di pre-lavorazione, come per esempio Prepare components, Eprom programming, Heat-sink sub-assembly. Poiché questo tipo di 1 Letteralmente: Bilanciamento di linea di assiematura. 1
2 operazioni devono essere eseguite insieme alle operazioni successive, si possono rappresentare come singoli nodi. Assembly board A Assembly board B Assembly into the box Part preparation and feed Place barcode Screen print Part preparation and feed Place SMD (PLC) Reflow Cleaning (freon) Insert IC Insert axial Dispense Epoxy glue Cure Epoxy Attach connector Prepare components Place SMD (PLC) Reflow Dispense Epoxy glue Cure Epoxy Eprom programming Attach connector Heat-sink sub-assembly Robot components insertion Place power device tools and manual insert Eprom programming Cleaning Wave soldering Remove power device tools and visual inspection In circuit Self testing PCB coating Remove tabs Place power device Wave soldering In circuit PCB coating Remove tabs PCB assembly PCB assembly Burn ing Cold module Cold test Heat module Hot test Ceck gasket crimp cover Place label Pack Place box label Figura 1: L albero di assiematura. 2 Formulazione Il problema generalizzato di bilanciamento di una linea di assiematura (GALB) assegna elementi atomici di lavoro (operazioni) a stazioni di lavoro o macchine. Tali stazioni di lavoro devono essere disposte lungo una linea (flow line) in modo che le parti in movimento su di essa possano essere trasferite soltanto dalla macchina in posizione k alla macchina seguente in posizione k +1. L obiettivo consiste nella minimizzazione del costo totale della linea, dato dal costo di tutte le stazioni necessarie a completare la totalità delle operazioni. I vincoli riguardano le relazioni di precedenza tra operazioni e il tempo di ciclo della linea. Qui di seguito diamo un enunciato formale del problema. Dati di ingresso Grafo (aciclico) delle operazioni Ricordiamo, coerentemente con quanto definito nei capitoli precedenti, la definizione di G(N, A). N è l insieme delle n operazioni di assiematura. Esiste un arco diretto (i, j) se l operazione i precede l operazione j. Ogni operazione deve essere eseguita esattamente da una stazione e non può essere interrotta (operazioni non-preemptive). Assumiamo inoltre che non esistano archi ridondanti, cioè se esiste un cammino diretto di lunghezza non unitaria da i a j allora (i, j) A. Distinguiamo un nodo speciale senza archi uscenti che chiamiamo radice. Insieme dei tipi di macchina M. Assumiamo esistano m tipi di stazioni di lavoro flessibili multipurpose M = {1, 2,..., m}, nel seguito denominate tipo-macchina per distinguerle dalle singole stazioni di lavoro poste sulla linea. Ogni tipo-macchina può eseguire tutte le operazioni con tempi diversi di processamento ed è disponibile in un numero illimitato di copie. Sia p ik il tempo richiesto per l esecuzione dell operazione i sul tipo-macchina k. Sia inoltre c k il costo del tipo-macchina k. Si assume che una stazione non possa eseguire più di una operazione alla volta. Tempo di ciclo della flow line W. Ogni tipo-macchina deve produrre una parte ogni W unità di tempo. Le specifiche di produzione richiedono P unità di prodotto per unità di tempo su una singola linea. Per soddisfare questa domanda ogni macchina deve eseguire un insieme di operazioni il cui tempo complessivo non deve eccedere W = 1/P. Pertanto W è il massimo carico di lavoro ammissibile per ogni stazione della flow line. Si noti che è possibile modellare l incompatibilità di un tipo-macchina k con l operazione i (ovvero l impossibilità da parte di k di effettuare l operazione i) ponendo p ik > W. In definitiva GALB consiste in: 2
3 1. Assegnare ad ogni posizione della linea un dato tipo-macchina (chiaramente a posizioni diverse si può assegnare uno stesso tipo-macchina); 2. Assegnare le operazioni alle stazioni della linea soddisfacendo i vincoli: (a) Precedenza tra le operazioni: se (i, j) A e i è assegnata alla stazione in posizione k, non è possibile assegnare l operazione j alla stazione in posizione h < k. (b) Massimo carico di lavoro: la somma dei tempi di processamento delle operazioni N assegnate ad una generica stazione di tipo k non deve eccedere una quantità fissata W: p ik W (1) La funzione obiettivo è data dalla somma dei costi delle stazioni impiegate sulla flow line. i N Osservazione 2 Se m = 1 (esiste un singolo tipo-macchina) GALB si riduce al problema di Assembly Line Balancing. 3 Algoritmi di soluzione In questa sezione diamo una descrizione di un algoritmo di soluzione esatto per il problema generale e mostriamo come tale algoritmo abbia un costo computazionale polinomiale per una classe di istanze di GALB rilevanti per le applicazioni industriali. In particolare, dapprima affrontiamo, a scopo esemplificativo, il caso più semplice di un grafo di assiematura G consistente in una semplice catena, successivamente introdotto il concetto di ampiezza di un grafo esaminiamo il caso in cui G è un albero per così dire stretto e infine, il caso generale in cui G è un grafo aciclico generico. Mostriamo inoltre che l algoritmo è esatto in generale e polinomiale una volta fissata l ampiezza di G. Definizione 3 Definiamo ampiezza di un grafo di assiematura G il minimo numero di cammini diretti tali che ogni nodo in G appartiene ad almeno un cammino. Un insieme minimale di tali cammini è chiamato insieme delle catene ricoprenti. L ampiezza di un grafo è quindi uguale alla cardinalità di un insieme di catene ricoprenti che, in generale, non è un insieme unico. Esempio 4 Se G è un albero, la sua ampiezza è pari al numero delle foglie, e l insieme delle catene ricoprenti è unico e dato da tutti i cammini che vanno dalle foglie alla radice. Chiaramente, l ampiezza di un grafo di assiematura è uguale a 1 se e solo se è una singola catena. (Per un grafo aciclico generico tale condizione diventa se e solo se contiene un cammino che spazza tutti i nodi ). In un grafo aciclico, dei nodi si dicono incomparabili se non sussistono relazioni di precedenza tra di essi. Un risultato di Dilworth del 1950, ci permette di affermare che l ampiezza di G è pari al massimo numero di nodi incomparabili di G. Inoltre, è possibile calcolare l ampiezza di un grafo aciclico in tempo polinomiale risolvendo un istanza ausiliaria di massimo matching su grafo bipartito, con un numero di nodi pari a 2 N e un numero di archi pari a A, come mostrato in un lavoro dovuto a Ford e Fulkerson. 3.1 Algoritmi per grafi ad ampiezza unitaria Consideriamo dapprima, a scopo di esempio, il caso in cui il grafo di assiematura G(N, A) sia un semplice cammino, ovvero N = {1, 2,... n} e A = {(i, i + 1), i = 1,..., n 1}. Come si è fatto osservare, un grafo siffatto ha ampiezza unitaria e l unica catena ricoprente coincide con il grafo stesso. Ricordiamo ancora che ogni operazione i può essere eseguita su ogni tipo-macchina k il cui costo è c k in tempo p ik e per ogni macchina esiste il vincolo 1 di massimo carico di lavoro W. Se i tipi-macchina hanno tutti lo stesso costo (c k = 1 k M), il problema consiste nella minimizzazione del numero di stazioni impiegate per l esecuzione di tutte le operazioni. In tal caso, una soluzione ammissibile prevede che se l operazione i è assegnata alla posizione h, allora l operazione i + 1 potrà 3
4 essere assegnata in posizione h o h + 1. Così facendo il problema si riduce a trovare un insieme di interi 0 = j 0 < j 1 < j 2 <... < j M = n tali che, per ogni h = 1,..., M esista k M tale che il vincolo j h i=j h 1 +1 p ik W. sia soddifatto con M minimo. Una conseguenza diretta di quanto sopra è che una soluzione ottima del problema è immediatamente individuabile assegnando alla posizione h, a partire da h = 1 fino a M, il tipo-macchina k tale che j h è massimizzato, mantenendo valido il vincolo sul carico di lavoro. Se le macchine hanno costi diversi, il problema può essere ancora risolto con una tecnica di programmazione dinamica, utilizzando cioè una formulazione di cammino minimo su un grafo aciclico G (N, A ) che chiamiamo grafo degli stati. In particolare N = {0, 1,..., n}, dove i N \ {0} rappresenta il completamento della i-esima operazione, ed esiste l arco (i, j) A di peso c k, se esiste k M tale che c k = min h M { c h : j s=i+1 p sh W Di fatto, (i, j) appartiene ad A se esiste un tipo-macchina in grado di eseguire le operazioni {i + 1, i + 2,..., j} soddisfacendo il vincolo sul carico di lavoro, e il peso di (i, j) è pari al costo del tipo-macchina più economico. Osserviamo che ogni arco in un cammino diretto di G (N, A ), dal nodo 0 al nodo n, corrisponderà ad un sottoinsieme di operazioni assegnate a una stessa macchina (quella più economica) e quindi l intero cammino rappresenterà un assegnamento ammissibile della totalità delle operazioni a tipi-macchina opportuni e, in definitiva, alle stazioni della linea. La lunghezza di un tale cammino fornisce il costo totale delle macchine impiegate e in particolare, se è di lunghezza minima eguaglia il costo ottimo. Chiaramente, tutte le soluzioni ammissibili non corrispondenti a cammini diretti del grafo degli stati hanno, per costruzione, un costo non inferiore a quello di un cammino su G. Il calcolo di un cammino minimo su grafo aciclico richiede un tempo O(n 2 ), mentre il costo di costruzione del grafo degli stati richiede un tempo O(mn 3 ). Abbiamo così dimostrato il seguente: Teorema 5 Se il grafo di assiematura G(N, A) ha ampiezza unitaria, GALB è risolvibile in tempo O(mn 3 ). 3.2 Un algoritmo per grafi aciclici In questa sezione illustriamo un approccio di programmazione dinamica per la risoluzione di GALB. Proviamo successivamente che l algoritmo proposto trova una soluzione ottima. Sia S N; indichiamo con G S il sottografo di G indotto da S, con M(S) l insieme delle macchine j tali che i S p ij W. Definizione 6 Un insieme S N si dice iniziale rispetto G = (N, A) se 1. esiste un tipo-macchina j M(S). 2. non esistono operazioni i (N \ S), l S tali che (i, l) A. Osserviamo che, in ogni soluzione ammissibile di GALB, l insieme di operazioni assegnate alla prima macchina è iniziale. Definizione 7 Un insieme iniziale S N si dice massimale se non esiste un tipo-macchina j tale che siano soddisfatte entrambe le seguenti condizioni. 1. c j = min h M(S) {c h }, cioè j è un tipo-macchina a costo minimo in grado di eseguire tutte le operazioni in S. } 4
5 2. esiste un insieme iniziale S di G, S S, tale che j M(S ), cioè il tipo-macchina j può eseguire almeno un altra operazione oltre a quelle di S. Con I(S) indichiamo l insieme degli insiemi iniziali massimali sul grafo G N\S. Procedura mcl 1. \ Costruzione del grafo degli stati \ (a) Inizializza D ponendo P = {p }, B =, J = ; (b) Per ogni S I(J), esegui le seguenti: i. P := P {p J S } e B := B {(p J, p J S )}. Il peso dell arco (p J, p J S ) sia pari al costo del tipo-macchina più conveniente, in grado di eseguire tutte le operazioni di S. ii. Se J S N ripeti il passo (b) sul grafo G J\S e poni J := J S. 2. \ Shortest path computation \ Restituisci il cammino minimo su D(P, B) dal nodo p al nodo p N. Figura 2: Programmazione dinamica per GALB In figura 2 è illustrato un algoritmo per minimizzare i costi di linea (mcl). La procedura costruisce dapprima un grafo degli stati D = (P, B), (un nodo p J P rappresenta l insieme J N delle operazioni già eseguite) e successivamente trova una soluzione ottima per mezzo del calcolo di un cammino minimo su D, dallo stato iniziale (in cui nessuna operazione è stata eseguita) allo stato finale (tutte le operazioni sono state eseguite.) Il cammino minimo così calcolato D dà una soluzione ottima di GALB: le operazioni assegnate a ogni macchina sono date dalla differenza tra gli insiemi che corrispondono agli estremi di archi del cammino minimo. Teorema 8 Data un istanza di GALB, esiste sempre una soluzione ottima tale che le operazioni assegnate alla macchina k appartengono a I(J), dove J è l insieme di operazioni assegnate alle prime k 1 macchine. Prova. Consideriamo una soluzione ottima Z di GALB. Indichiamo con J e J(k) l insieme di operazioni assegnate alle prime k 1 macchine e alla macchina k-esima, rispettivamente. Sia k la prima macchina tale che J(k) non appartiene a I(J), se esiste. Se una tale macchina non esiste, allora segue la tesi. Altrimenti, deve esistere un insieme iniziale massimale S N \ J, con J(k) S, che può essere eseguito sia sulla k-ma macchina di Z sia su un tipo-mcchina diverso con lo stesso costo. Chiaramente la soluzione Z, ottenuta da Z sostituendo J(k) con S e aggiornando gli insiemi di operazioni assegnati alle macchine rimanenti, è ammissibile e con un costo complessivo non maggiore di quello di Z, quindi Z è ottima. Applicando la stessa procedura alla soluzione Z, otteniamo in conclusione una soluzione ancora ottima che soddisfa la tesi. Il teorema che segue prova la correttezza della procedura mcl. Teorema 9 La procedura mcl trova una soluzione ottima. Prova. La tesi segue direttamente dal teorema 8. Infatti, basta osservare che mcl trova la migliore soluzione tra tutte le possibili soluzioni costituite da soli insiemi iniziali massimali. Finalmente, diamo un risultato di complessità per la procedura descritta. Teorema 10 La procedura mcl trova una soluzione ottima di GALB in tempo polinomiale per fissati valori dell ampiezza del grafo delle operazioni G. Prova. Sia k l ampiezza di G e consideriamo un insieme di k, di lunghezza l 1, l 2,..., l k rispettivamente, ricoprenti tutti i nodi di G. Allo scopo di costruire il grafo degli stati D = (P, B), dobbiamo enumerare 5
6 tutti i nodi possibili in P, dove un nodo p J P rappresenta l insieme J N delle operazioni che sono state già eseguite. È facile vedere che la cardinalità di P non può eccedere la quantità (l 1 + 1) (l 2 + 1)... (l k + 1). Infatti, questo è il massimo numero di sottoinsiemi ammissibili di N di operazioni già eseguite. La cardinalità di B è quindi O((l 1 + 1) 2 (l 2 + 1) 2... (l k + 1) 2 ). Per ogni arco in D dobbiamo calcolare il suo peso, cioè il tipo-macchina a costo minimo, se esiste, in grado di eseguire tutte le operazioni dell insieme iniziale in considerazione, e questo ha costo O(mn). La complessità di costruzione del grafo è pertanto O(mn 2k+1 ). La seconda fase dell algoritmo consiste nel calcolo del cammino minimo sul grafo degli stati D = (P, B); questo può essere fatto in tempo O( B ), perché il grafo è aciclico. In definitiva, la complessità di mcl è O(mn 2k+1 ). Nella pratica è spesso verificato il caso di zoning restrictions, cioè di coppie di operazioni che devono essere eseguite sulla stessa macchina, o al contrario, che devono essere eseguite su macchine diverse. Ciò si deve o a problemi di set-up (se, per esempio, una parte deve essere spostata da una macchina a un altra, si dovrà impiegare una certa quantità di tempo per posizionare correttamente la parte), o a problemi logistici (per esempio, una operazione di preparazione-kit deve essere effettuata sulla stessa macchina che assiema i componenti del kit.) Questo tipo di limitazioni sono facilmente gestite dall algoritmo mcl, dal momento che si possono tenere in considerazione rendendo inammissibili alcuni nodi di D. Inoltre, sebbene la complessità di mcl nel caso peggiore è O(mn 2k+1 ), nella pratica questa eventualità si verifica raramente. In effetti la flessibilità limitata delle macchine, per cui solo ristretti sottoinsiemi di operazioni possono essere eseguiti su macchine differenti, fa sì che il numero di insiemi massimali iniziali sia molto contenuto, riducendo drasticamente la complessità dell algoritmo. 4 Conclusioni Sebbene in letteratura esistano molti metodi di programmazione dinamica per la soluzione dell Assembly Line Balancing, l algoritmo presentato in questa dispensa generalizza molti degli approcci noti a una classe più ampia di problemi di Assembly Line Design, prendendo in considerazione il trade-off tra il costo della macchina e le sue prestazioni. I principali contributi del modello consistono quindi in: Contributo modellistico: si generalizza il problema di bilanciamento di linea considerando macchine con costi e prestazioni diverse. Caratterizzazione di complessità : si mostra che, se l ampiezza del grafo è fissata, il programma dinamico gira in tempo polinomiale. 6
Sono 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
DettagliIL PROBLEMA DELLO SHORTEST SPANNING TREE
IL PROBLEMA DELLO SHORTEST SPANNING TREE n. 1 - Formulazione del problema Consideriamo il seguente problema: Abbiamo un certo numero di città a cui deve essere fornito un servizio, quale può essere l energia
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
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
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
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
DettagliProgrammazione dinamica
Capitolo 6 Programmazione dinamica 6.4 Il problema della distanza di edit tra due stringhe x e y chiede di calcolare il minimo numero di operazioni su singoli caratteri (inserimento, cancellazione e sostituzione)
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. Nel deposito i è immagazzinata la quantità a i di prodotto. Nel
DettagliRicerca Operativa. Claudio Arbib Universitàdi L Aquila. Problemi combinatorici (Gennaio 2006)
Claudio Arbib Universitàdi L Aquila Ricerca Operativa Problemi combinatorici (Gennaio 2006) Sommario Problemi combinatorici Ottimizzazione combinatoria L algoritmo universale Il metodo greedy Problemi
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
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
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
DettagliModelli di Programmazione Lineare e Programmazione Lineare Intera
Modelli di Programmazione Lineare e Programmazione Lineare Intera 1 Azienda Dolciaria Un azienda di cioccolatini deve pianificare la produzione per i prossimi m mesi. In ogni mese l azienda ha a disposizione
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,
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
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliMinimo Albero Ricoprente
Minimo lbero Ricoprente Pag. 1/20 Minimo lbero Ricoprente Il problema della definizione di un Minimo lbero Ricoprente trova applicazione pratica in diverse aree di studio, quali ad esempio la progettazione
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
Dettagli1) Descrivere dettagliatamente a quale problema di scheduling corrisponde il problema.
Un veicolo viene utilizzato da una società di trasporti per trasportare beni a partire da un unico deposito verso prefissate località di destinazione. Si supponga che occorre trasportare singolarmente
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
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
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
DettagliCorso di Informatica
Corso di Informatica Modulo T3 1-Sottoprogrammi 1 Prerequisiti Tecnica top-down Programmazione elementare 2 1 Introduzione Lo scopo di questa Unità è utilizzare la metodologia di progettazione top-down
DettagliSistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >
Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego
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:
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliAnalisi di una Rete Sociale
2012 Analisi di una Rete Sociale Alessandro Lovati Matricola 626053 Comunicazione Digitale ord. F47 26/01/2012 Indice : 1. Obiettivo del progetto 2. Realizzazione 3. Analisi dei risultati 3.1. Numero di
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
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
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliConsideriamo due polinomi
Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al
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
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
DettagliINTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI
INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
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...
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
DettagliSoluzione dell esercizio del 2 Febbraio 2004
Soluzione dell esercizio del 2 Febbraio 2004 1. Casi d uso I casi d uso sono riportati in Figura 1. Figura 1: Diagramma dei casi d uso. E evidenziato un sotto caso di uso. 2. Modello concettuale Osserviamo
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca
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
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
DettagliESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI
ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI PROBLEMA: un azienda deve scegliere fra due possibili investimenti al fine di massimizzare il profitto netto nel rispetto delle condizioni interne e di mercato
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
DettagliStudente: SANTORO MC. Matricola : 528
CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice
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
Dettagli4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI
119 4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI Indice degli Argomenti: TEMA N. 1 : INSIEMI NUMERICI E CALCOLO
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliComplessità Computazionale
Complessità Computazionale Analisi Algoritmi e pseudocodice Cosa significa analizzare un algoritmo Modello di calcolo Analisi del caso peggiore e del caso medio Esempio di algoritmo in pseudocodice INSERTION
DettagliI PROBLEMI ALGEBRICI
I PROBLEMI ALGEBRICI La risoluzione di problemi è una delle attività fondamentali della matematica. Una grande quantità di problemi è risolubile mediante un modello algebrico costituito da equazioni e
DettagliComparatori. Comparatori di uguaglianza
Comparatori Scopo di un circuito comparatore é il confronto tra due codifiche binarie. Il confronto può essere effettuato per verificare l'uguaglianza oppure una relazione d'ordine del tipo "maggiore",
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
DettagliOsservazioni sulla continuità per le funzioni reali di variabile reale
Corso di Matematica, I modulo, Università di Udine, Osservazioni sulla continuità Osservazioni sulla continuità per le funzioni reali di variabile reale Come è noto una funzione è continua in un punto
DettagliMatematica in laboratorio
Unità 1 Attività guidate Attività 1 Foglio elettronico Divisibilità tra numeri naturali Costruisci un foglio di lavoro per determinare se a è divisibile per b, essendo a e b due numeri naturali, con a
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
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
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
DettagliLezioni di Matematica 1 - I modulo
Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può
DettagliUn esempio di applicazione della programmazione lineare intera all ingegneria del software: stima del worst-case execution time di un programma
Un esempio di applicazione della programmazione lineare intera all ingegneria del software: stima del worst-case execution time di un programma Corso di Ricerca Operativa per il Corso di Laurea Magistrale
DettagliTraccia di soluzione dell esercizio del 25/1/2005
Traccia di soluzione dell esercizio del 25/1/2005 1 Casi d uso I casi d uso sono in Figura 1. Ci sono solo due attori: il Capo officina e il generico Meccanico. Figura 1: Diagramma dei casi d uso. 2 Modello
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
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 26 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html COOPERAZIONE Esempio: strategie correlate e problema
Dettagli3 GRAFICI DI FUNZIONI
3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom
Dettagli(anno accademico 2008-09)
Calcolo relazionale Prof Alberto Belussi Prof. Alberto Belussi (anno accademico 2008-09) Calcolo relazionale E un linguaggio di interrogazione o e dichiarativo: at specifica le proprietà del risultato
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,
DettagliAnno 3. Funzioni: dominio, codominio e campo di esistenza
Anno 3 Funzioni: dominio, codominio e campo di esistenza 1 Introduzione In questa lezione parleremo delle funzioni. Ne daremo una definizione e impareremo a studiarne il dominio in relazione alle diverse
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
DettagliUD 3.4b: Trattabilità e Intrattabilità. Dispense, cap. 4.2
UD 3.4b: Trattabilità e Intrattabilità Dispense, cap. 4.2 Problemi Intrattabili Esistono problemi che, pur avendo un algoritmo di soluzione, non forniranno mai una soluzione in tempi ragionevoli nemmeno
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 "!$%!
Dettagli2. GUIDA ALLA PREDISPOSIZIONE DEL DOSSIER DELLE EVIDENZE DA ESPERIENZA
2. GUIDA ALLA PREDISPOSIZIONE DEL DOSSIER DELLE EVIDENZE DA ESPERIENZA 2.1. INTRODUZIONE Il Sistema Regionale di Formalizzazione e Certificazione delle competenze (SRFC) dell Emilia Romagna prevede 1 che
DettagliEsercizi Capitolo 6 - Alberi binari di ricerca
Esercizi Capitolo 6 - Alberi binari di ricerca Alberto Montresor 23 settembre 200 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile
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
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
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
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
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
Dettagli1. Limite finito di una funzione in un punto
. Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce
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:
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliEquilibrio bayesiano perfetto. Giochi di segnalazione
Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi
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
DettagliModelli di Programmazione Lineare Intera
8 Modelli di Programmazione Lineare Intera 8.1 MODELLI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 8.1.1 Una compagnia petrolifera dispone di 5 pozzi (P1, P2, P3, P4, P5) dai quali può estrarre petrolio.
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
DettagliFunzioni in C. Violetta Lonati
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Funzioni - in breve: Funzioni Definizione di funzioni
Dettagli1 Breve introduzione ad AMPL
1 Breve introduzione ad AMPL Il primo passo per risolvere un problema reale attraverso strumenti matematici consiste nel passare dalla descrizione a parole del problema al modello matematico dello stesso.
DettagliSchedulazione delle attività di un progetto in presenza di multi-calendari
Schedulazione delle attività di un progetto in presenza di multi-calendari Maria Silvia Pini Resp. accademico: Prof.ssa Francesca Rossi Università di Padova Attività FSE DGR 1102/2010 La gestione dell
DettagliSeconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12
A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,
DettagliBarriere assorbenti nelle catene di Markov e una loro applicazione al web
Università Roma Tre Facoltà di Scienze M.F.N Corso di Laurea in Matematica a.a. 2001/2002 Barriere assorbenti nelle catene di Markov e una loro applicazione al web Giulio Simeone 1 Sommario Descrizione
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
DettagliCorrettezza. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 10. A. Miola Novembre 2007
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 10 Correttezza A. Miola Novembre 2007 http://www.dia.uniroma3.it/~java/fondinf1/ Correttezza 1 Contenuti Introduzione alla correttezza
DettagliEsercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:
Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE INTRODUZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Introduzione alla simulazione Una simulazione è l imitazione
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
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliCorso di Sistemi di Gestione di Basi di Dati. Esercitazione sul controllo di concorrenza 12/02/2004
Corso di Sistemi di Gestione di Basi di Dati Esercitazione sul controllo di concorrenza 12/02/2004 Dott.ssa Antonella Poggi Dipartimento di Informatica e Sistemistica Antonio Ruberti Università di Roma
DettagliCapitolo 5: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano
Capitolo 5: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano 5.1 Modelli di PLI, formulazioni equivalenti ed ideali Il modello matematico di un problema di Ottimizzazione Discreta è molto spesso
Dettagli