Ottimizzazione Combinatoria Formulazioni e Formulazioni Ottime

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Ottimizzazione Combinatoria Formulazioni e Formulazioni Ottime"

Transcript

1 Oimizzazione Combinaoria Formulazioni e Formulazioni Oime Prof. Anonio Saano Diparimeno di Informaica e Siemiica Univerià di Roma La Sapienza A.A. 29

2 Formulazione Lineare Problema di PL: min {c T x : xs} P = {xr n : Ax < b} POLIEDRO con (AR mn, br m ) P è una FORMULAZIONE di S P {,} n =S Un poliedro P è una formulazione e e olo e - coniene ui i veori di S - non coniene alcun veore di {,} n - S Poo avere infinie formulazioni dello eo problema di PL

3 Lower Bound (approimazioni inferiori) Problema di PL: min {c T x: xs} P è una FORMULAZIONE di S P {,} n =S min {c T x: x S}=min {c T x: x P {,} n }= c T x * = z * > min {c T x: x P}=LB(P) Problema di PL (Rilaameno Lineare) Valore della Soluzione Oima del Problema di PL LB(P) z * LB(P) Lower Bound per z * z* LB(P)

4 Lower Bound = Cerificao di Qualià Problema di PL: min {c T x: xs} LB(P) min {c T x: x S}= z * Calcolare z * è (di olio) difficile Calcolare LB(P) è facile (Simpleo) Se conociamo una oluzione ammiibile x S (di valore z =c T x ) LB(P) fornice una cerificazione di qualià per x. z z * gap c T x decrecene z z* LB(P) gap LB(P) gap nullo x oimo per PL x

5 Lower Bound... riaumendo Problema di PL: min {c T x: xs} LB(P) min {c T x: x S}= z * Calcolare z * è difficile Calcolare LB(P) è facile (Problema di Programmazione Lineare) Trovare una oluzione x S è (di olio) facile (Euriiche) Il gap c T x - LB(P) cerifica la qualià di x piccolo gap = buona qualià di x gap nullo = x oimo per PL Il gap dipende dalla formulazione P S ammee mole formulazioni alernaive Come claificarle (e ceglierle)?

6 Crieri di qualià delle Formulazioni () No. diequazioni di Ax<b? ; No. variabili? ; facilià di calcolo? Qualià = piccolo gap = maimo lower bound CRITERIO : P migliore di P 2 LB( P ) > LB(P 2 ) Problema: Dipendenza dalla funzione obieivo P LB(P ) > LB(P 2 ) P2 c T x P migliore di P 2 Se uilizzo c T x LB(P 2 ) > LB(P ) d T x P 2 migliore di P Se uilizzo d T x

7 Crieri di qualià delle Formulazioni (2) Il crierio di qualià deve eere indipendene dalla funzione obieivo (che non è prevedibile a priori) CRITERIO 2: P migliore di P 2 LB( P ) > LB(P 2 ) per ogni cr n Equivalene a: CRITERIO 3: P migliore di P 2 P P 2 Eie una formulazione conenua in ogni alra? P S =conv(s) P " formulazione P di S Formulazione oima

8 Problema di PL: Formulazione Oima z*= min {c T x : xs} P S =Conv(S) = {xr n : Ax < b} POLIEDRO (AR mn, br m ) S inieme dei verici di P S (S=Ex(P S )) Ogni diequazione di Ax < b definice una faccia maimale di P S (... e dim(p S )=n) z * =min {c T x : x S}=min {c T x: x Ex(P S )} = min {c T x : x P S }=LB(P S )= c T x x oluzione oima del rilaameno lineare z * = LB(P S ) = c T x (gap=) c T x = z * c T x "xs x Ex(P S )=S x oluzione oima del PL

9 Rilaameni di P S (I) Diponiamo di una decrizione (eplicia) di: P S ={xr n : Ax<b} per ogni problema di PL? Ovvero: Conociamo la marice A e il veore b? Dove conocere ignifica: conocere i coefficieni oppure avere una regola che conene di calcolare i coefficieni di ogni riga della marice (A,b) Sforunaamene NO! Quai empre conociamo olo alcune (poche) righe di (A,b) che definicono una formulazione di S D P ={xr n : Dx < d} P {,} n =S d?? A b

10 Eempio di P S S={ y{,} 5 : 7y + 6y 2 + 5y 3 + 3y + 2y 5 } P S ={ y R 5 : Ay< b, y > 5 } y + y 2 y + y 3 y + y + y 5 2 y + y 2 + y 3 + y 2 y + y 2 + y 3 + y 5 2 3y + 2y 2 + 2y 3 + y + y 5 y,, y 5 Regola di coruzione di un ipo di riga di A: Se la omma dei coefficieni di k variabili è maggiore di allora al più k- di ee poono eere poe ad. y + y 2 y + y 3 y + y + y 5 2 Famiglia di diequazioni di P S

11 Rilaameni di P S (II) Non diponiamo di una decrizione di P S per ogni problema di PL. Diponiamo di Rilaameni di P S, ovvero: Poliedri P ={xr n : Dx < d }) con le egueni proprieà:. Il poliedro P è una formulazione di S 2. Il iema Dx < d è coiuio da alcune famiglie di diequazioni appareneni al iema Ax < b. Ciacun rilaameno produce un lower bound di z * : LB(P) = min {c T x: x P}< z *

12 Eempio: Problema di Deciione (II) Due progei A e B Vanaggi c A e c B aociai Vincolo: riore uilizzae < D = Riore necearie d A =5 e d B =7 xs =,, min c A x A + c B x B Verifica: P N {,} 2 =S a) xs xp N (SP N {,} 2 ) b) xp N {,} 2 xs (P N {,} 2 S) vincoli di box min c A x A + c B x B 5x A + 7x B < >x A, x B > xp N = Formulazione Naurale: x A x B 7 / 2 P N

13 Eempio: Problema di Deciione (III) Formulazione Naurale: min -5/3x A - x B xp N = 5x A + 7x B < >x A, x B > 3-2 x B P S P N Formulazione Oima: min -5/3x A - x B xp S = x A + x B < >x A, x B > Vincolo logico: uno olo dei due progei può eere aivao x A

14 Eempio: Soografo - Conneo di Peo Minimo Grafo G(V,E) con due nodi peciali e : c =2 Pei c uv per ogni uv c =3 Peo di un inieme F : c(f) = c uvf uv 2 c 3 =2 3 Trovare il ooinieme di archi F* di peo minimo che coniene un cammino ra e : Soografo - Conneo di Peo Minimo c uv > F* inieme degli archi di un cammino

15 Eempio: Grafo - Conneo di Peo Minimo (II) S = veori di incidenza di un oografo - conneo x = Formulazione? min {c T x: xs {,} E } Problema di PL: Quali condizioni deve oddifare un veore x{,} E per eere il veore di incidenza di un oografo - conneo? 2 3

16 Taglio - Inieme di archi K la cui rimozione dirugge ui i cammini da a K aglio - Per ogni P cammino - K P K X X = nodi connei ad X = nodi non connei ad (X, X ) parizione di V 3 X X G ( X ) = K

17 Teorema (.): (caraerizzazione dei grafi - connei) Un inieme di archi F coniene un oografo - conneo e e olo e F ha inerezione non vuoa con ogni aglio -. Solo e F - conneo F coniene - cammino P K aglio - Se (per aurdo) K P K F Ogni Taglio - coniene arco di F ma F non è - conneo F non coniene gli archi di un cammino - X = nodi connei ad con archi di F X = nodi non connei ad con archi di F X X conraddizione X ; X ; X ; X (X, X ) parizione di V Archi da X a X definicono un aglio - Neun arco di F da X a X

18 Formulazione: Grafo - Conneo di Peo Minimo (Ogni aglio - coniene archi di F) xs K F " aglio - K 2 3 K x F = x K = (x F ) T (x K ) " aglio - K x F S (x) T (x K ) x e x K e > ee x e > ek x F S Se conidero i veori di incidenza E. " aglio - K (veore di incidenza oografo - conneo F)

19 Formulazione: Grafo - Conneo di Peo Minimo x F S Ogni aglio - coniene un arco di F Quindi: xs min cx xp= x e > e K aglio - x e > e E P è una Formulazione (formulazione oima) Come riolvere il problema di PL? x e > per ogni aglio - K e Il numero di diequazioni (vincoli) è enorme ( V =2 36 ) METODO DEL SIMPLESSO DINAMICO

Ottimizzazione Combinatoria Flussi, Cammini e Tagli

Ottimizzazione Combinatoria Flussi, Cammini e Tagli Oimizzazione Combinaoria Flui, Cammini e Tagli Prof. Anonio Saano Diparimeno di Informaica e Siemiica Univerià di Roma La Sapienza A.A. DATI: Un grafo orienao G(N,A) Un veore capacià c A DIREMO: FLUSSO

Dettagli

Claudio Arbib Università dell Aquila. Ricerca Operativa. Problemi di cammino ottimo

Claudio Arbib Università dell Aquila. Ricerca Operativa. Problemi di cammino ottimo Claudio Arbib Univerià dell Aquila Ricerca Operaiva Problemi di cammino oimo Sommario Il problema del cammino più breve Il problema del cammino più icuro Una formulazione come PL 0- Proprieà della formulazione

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015 1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)

Dettagli

Ulteriori Esercizi su Grafi. Ugo Vaccaro

Ulteriori Esercizi su Grafi. Ugo Vaccaro Progeazione di Algorimi Anno Accademico 0 0 Uleriori Eercizi u Grafi. Ugo Vaccaro N.B. Si ricorda che ogni algorimo và accompagnao da una argomenazione ul perchè calcola correamene l oupu e da un analii

Dettagli

Applicazioni del Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis

Applicazioni del Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis Applicazioni del Maimo fluo Progeazione di Algorimi a.a. 0-6 Maricole congrue a Docene: Annalia De Boni Maching bipario Problema del max maching. Inpu: grafo non direzionao G = (V, E). M E e` un maching

Dettagli

2.4 Flussi di valore massimo

2.4 Flussi di valore massimo .4 Flui di valore maimo I modelli di fluo hanno variae applicazioni in eori come elecomunicazioni informaica (muliproceori, proocolli inerne) rapori (aereo, radale, ferroviario, merci) Si raa di diribuire

Dettagli

RICERCA OPERATIVA GRUPPO A prova scritta del 5 luglio 2010

RICERCA OPERATIVA GRUPPO A prova scritta del 5 luglio 2010 RICERCA OPERATIVA GRUPPO A prova cria del luglio 00. Dao il problema di programmazione lineare P) min z = x +x +x max y + y x x x = y +y < x + x x y + y < x, x, x 0 y y < y > 0 a) coruirne il duale D;

Dettagli

Esercizio 1. Sia L : R 3 R 2 l'applicazione lineare rappresentata, rispetto alle basi canoniche, dalla matrice : A =

Esercizio 1. Sia L : R 3 R 2 l'applicazione lineare rappresentata, rispetto alle basi canoniche, dalla matrice : A = Tuoraggio di Algebra Lineare e Geomeria Eercii di ripao ulle applicaioni lineari Eerciio Sia L : R R 2 l'applicaione lineare rappreenaa, ripeo alle bai canoniche, dalla marice : A ( 2 2 Deerminare la marice

Dettagli

Progetto e Ottimizzazione di Reti A. A

Progetto e Ottimizzazione di Reti A. A Progeo e Oimizzazione di Rei A. A. 006-007 Docene Fabrizio Roi roi@di.univaq.i Orario Maredi 15-17 aula.5 Mercoledi 11.30-13.30 aula.5 Giovedi 11.30-13.30 aula.5 Orario di ricevimeno Mercoledi 17-19 Progeo

Dettagli

Laboratorio di Algoritmi e Strutture Dati

Laboratorio di Algoritmi e Strutture Dati Laboraorio di Algorimi e Sruure Dai Aniello Murano hp://people.na.infn.i people.na.infn.i/~murano/ 1 Algorimi per il calcolo di percori minimi u un grafo 1 Un emplice problema Problema: Supponiamo che

Dettagli

Lezione 5. Calcolo dell antitrasformata di Laplace. F. Previdi - Automatica - Lez. 5 1

Lezione 5. Calcolo dell antitrasformata di Laplace. F. Previdi - Automatica - Lez. 5 1 Lezione 5. Calcolo dell aniraormaa di Laplace. Previdi - Auomaica - Lez. 5 Schema della lezione. Inroduzione. Aniraormazione di Laplace. Srumeni per l aniraormazione 4. Teorema del valore iniziale 5. Teorema

Dettagli

Note per la Lezione 29 Ugo Vaccaro

Note per la Lezione 29 Ugo Vaccaro Progeaione di Algorimi Anno Accademico 1 1 Noe per la Leione Ugo Vaccaro In quea leione coninueremo lo udio di cammini minimin grafi in cui vi poono eere archi di coo negaivo. Ricordiamo l algorimo baao

Dettagli

Note per la Lezione 28 Ugo Vaccaro

Note per la Lezione 28 Ugo Vaccaro Progeazione di Algorimi Anno Accademico 2017 2018 Noe per la Lezione 28 Ugo Vaccaro In quea lezione udieremo ancora problemi u cammini minimi, ma in grafi in cui vi poono eere archi di coo negaivo. Quindi,

Dettagli

Elementi di programmazione lineare. Ottimizzazione di funzioni soggette a vincoli

Elementi di programmazione lineare. Ottimizzazione di funzioni soggette a vincoli Elementi di programmazione lineare Ottimizzazione di funzioni oggette a vincoli Formulazione del problema min Z ma oggetta b c a T d Z:funzione obiettivo calare d: coto fio calare : variabile deciionale

Dettagli

Richiami di Teoria dei Grafi. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Richiami di Teoria dei Grafi. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Richiami di Teoria dei Grafi Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Teoria dei grafi La Teoria dei Grafi costituisce, al pari della Programmazione Matematica, un corpo

Dettagli

Lezione 9. Calcolo dell antitrasformata di Laplace. F. Previdi - Fondamenti di Automatica - Lez. 9 1

Lezione 9. Calcolo dell antitrasformata di Laplace. F. Previdi - Fondamenti di Automatica - Lez. 9 1 ezione 9. Calcolo dell aniraormaa di aplace. Previdi - ondameni di Auomaica - ez. 9 Schema della lezione. Inroduzione. Aniraormazione di aplace. Srumeni per l aniraormazione 4. Teorema del valore iniziale

Dettagli

12.1 IL PROBLEMA DEL CAMMINO MINIMO: L ALGORITMO DI DIJKSTRA

12.1 IL PROBLEMA DEL CAMMINO MINIMO: L ALGORITMO DI DIJKSTRA Problemi strutturati. IL PROBLEMA DEL CAMMINO MINIMO: L ALGORITMO DI DIJKSTRA Esercizio.. Dato il grafo di Figura.., trovare il peso dei cammini minimi dal nodo a tutti gli altri nodi del grafo (il peso

Dettagli

Problemi di flusso. Reti. Problemi di flusso. Problemi di flusso. Problemi di percorso. minσ (i,j) E c ij x ij. i N (i,j) E.

Problemi di flusso. Reti. Problemi di flusso. Problemi di flusso. Problemi di percorso. minσ (i,j) E c ij x ij. i N (i,j) E. Problemi di fluo Rei Problemi di percoro Fluo a coo minimo MinoFlow(G(V,E),b,l,u,c,min) Ianza: una ree G(V,E) per cui è dao un valore inero b i (fluo prodoo dal nodo) per ogni nodo v i un coo c ij per

Dettagli

Cammini minimi con una sorgente

Cammini minimi con una sorgente Cammini minimi con na orgene Problema dei cammini minimi Variani e archi negaii Soorra oima di n cammino minimo Algorimo di Dijkra Compleià dell algorimo Rappreenazione dei cammini minimi Problema dei

Dettagli

Programmazione Matematica: VII La scomposizione di Dantzig Wolfe

Programmazione Matematica: VII La scomposizione di Dantzig Wolfe Programmazione Matematica: VII La scomposizione di Dantzig Wolfe Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev..0 Maggio 2004 Scomposizione di problemi Accade spesso che un problema

Dettagli

Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis

Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis Maimo fluo Progeazione di Algorimi a.a. 2016-17 Maricole congrue a 1 Docene: Annalia De Boni 1 Maimizzare il # di PC prodoi 2 Decrizione del problema Una fabbrica (orgene) di PC deve abilire il numero

Dettagli

Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1. Docente: Annalisa De Bonis

Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1. Docente: Annalisa De Bonis Maimo fluo Progeazione di Algorimi a.a. 2017-18 Maricole congrue a 1 Docene: Annalia De Boni 1 Maimizzare il # di PC prodoi 2 Decrizione del problema Una fabbrica (orgene) di PC deve abilire il numero

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari

Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari L. De Giovanni G. Zambelli 1 Problema dell assegnamento Sia dato un grafo non orientato bipartito

Dettagli

Formulazioni. Consideriamo il seguente problema di Knapsack 0-1. max (5x x 2. ) st 3x x 2. < 6 x {0,1} 2

Formulazioni. Consideriamo il seguente problema di Knapsack 0-1. max (5x x 2. ) st 3x x 2. < 6 x {0,1} 2 Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)} Rappresentiamo sul piano gli insiemi ammissibili.

Dettagli

Esercizi di formulazione

Esercizi di formulazione Esercizi di formulazione Pianificazione della produzione di energia Formazione delle classi nelle scuole Ase combinaorie Assegnameno di frequenze Problema di miscelazione Pianificazione della produzione

Dettagli

Tema 3. Insiemi, elementi di logica, calcolo combinatorio, relazioni e funzioni

Tema 3. Insiemi, elementi di logica, calcolo combinatorio, relazioni e funzioni Tema 3 Iniemi, elemeni di logica, calcolo combinaorio, relazioni e funzioni 3.1 Queii di livello bae 3.1.1 Si coniderino i egueni enunciai: n è un muliplo di 3 o è un numero pari, e inolre è minore di

Dettagli

Laboratorio di Algoritmi e Strutture Dati

Laboratorio di Algoritmi e Strutture Dati Laboraorio di Algorimi e Sruure Dai Aniello Murano hp://people.na.infn.i people.na.infn.i/ ~murano/ 1 Algorimi per il calcolo di percori minimi u un grafo 1 Un emplice problema Pr oblema: Supponiamo che

Dettagli

Prova Scritta di Ricerca Operativa Prof. Facchinei 02/07/2002

Prova Scritta di Ricerca Operativa Prof. Facchinei 02/07/2002 Cognome: Nome: Prova Scritta di Ricerca Operativa Prof. Facchinei 02/07/2002 1. (Punti 7) Enunciare e dimostrare il teorema dell adualità debole (Scrivere esplicitamente a quale coppia primale/duale si

Dettagli

Un problema molto comune

Un problema molto comune Cammini Minimi [CLRS cap. 4] Un problema molto comune Si vuole andare da Salerno a Milano in auto percorrendo il minor numero di chilometri Soluzione inefficiente: i coniderano TUTTI i percori poibili

Dettagli

Esame di Ricerca Operativa del 21/07/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 21/07/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y +y + y + y + y + y y y + y y +

Dettagli

Ricerca Operativa. Facoltà di Ingegneria dell Informazione, Informatica e Statistica. (Massimo Flusso) Giovanni Fasano.

Ricerca Operativa. Facoltà di Ingegneria dell Informazione, Informatica e Statistica. (Massimo Flusso) Giovanni Fasano. Facolà di Ingegneria dell Informazione, Informaica e Saiica Appuni dalle lezioni di Ricerca Operaiva (Maimo Fluo) ede di Laina Giovanni Faano faano@unive.i hp://venu.unive.i/ faano anno accademico 2013-2014

Dettagli

Lezioni di Ricerca Operativa

Lezioni di Ricerca Operativa Lezioni di Ricerca Operativa Estratto per la parte di programmazione lineare e ottimizzazione sui grafi Corso di Metodi di Ottimizzazione per l'ingegneria della Sicurezza Laurea Magistrale in Ingegneria

Dettagli

Riprendiamo l algoritmo di Ford-Fulkerson che risolve il problema del flusso per vederne una delle innumerevoli applicazioni

Riprendiamo l algoritmo di Ford-Fulkerson che risolve il problema del flusso per vederne una delle innumerevoli applicazioni Riprendiamo l algoritmo di Ford-Fulkeron che riolve il problema del fluo per vederne una delle innumerevoli applicazioni Reti di fluo Atrazione per materiale che corre attravero gli archi (come liquidi

Dettagli

Esempi di Problemi di Programmazione Lineare

Esempi di Problemi di Programmazione Lineare Esempi di Problemi di Programmazione Lineare Esempio 1: Soluzione con l algoritmo del simplesso dell esempio in forma standard ma = 2 + 0 1 2 + + = 5 1 2 3 + + = 0 1 2 4 6 + 2 + = 21 1 2 5 1 2 3 4 5 Il

Dettagli

Esame di Ricerca Operativa del 11/02/2015

Esame di Ricerca Operativa del 11/02/2015 Esame di Ricerca Operativa del /0/0 (Cognome) (Nome) (Matricola) Esercizio. Un azienda produce tipi di TV (, 0, 0 e pollici) ed è divisa in stabilimenti (A e B). L azienda dispone di 0 operai in A e 0

Dettagli

Esame di Ricerca Operativa del 16/02/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 16/02/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del /0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y + y +0 y +0 y +y + y y y +y y y y

Dettagli

Esame di Ricerca Operativa del 07/09/2016

Esame di Ricerca Operativa del 07/09/2016 Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un industria chimica produce due tipi di fertilizzanti (A e B) la cui lavorazione è affidata ai reparti di produzione e

Dettagli

Parte IV: Matrici totalmente unimodulari

Parte IV: Matrici totalmente unimodulari Parte IV: Matrici totalmente unimodulari Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)}

Dettagli

Massimo flusso e matching

Massimo flusso e matching Capitolo Massimo flusso e matching. Problema del massimo matching. Nel problema del massimo matching è dato un grafo non orientato G(V, A); un matching in G è un insieme di archi M A tale che nessuna coppia

Dettagli

COMPITO DI RICERCA OPERATIVA. max x 1 + 2x 2 + x 3 x 1 x 2 + x 3 = 1 2x 1 + 3x 2 + x 4 = 2

COMPITO DI RICERCA OPERATIVA. max x 1 + 2x 2 + x 3 x 1 x 2 + x 3 = 1 2x 1 + 3x 2 + x 4 = 2 COMPITO DI RICERCA OPERATIVA ESERCIZIO. (9 punti) Sia dato il seguente problema di PL: max x + 2x 2 + x 3 x x 2 + x 3 = 2x + 3x 2 + x 4 = 2 x, x 2, x 3, x 4 0 Si determini il duale del problema ( punto).

Dettagli

Domini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):

Domini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo): UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione

Dettagli

1) Progettazione di codici ciclici. 2) Esercizi sui codici ciclici. Mauro De Sanctis corso di Informazione e Codifica Università di Roma Tor Vergata

1) Progettazione di codici ciclici. 2) Esercizi sui codici ciclici. Mauro De Sanctis corso di Informazione e Codifica Università di Roma Tor Vergata Argomenti della Lezione Progettazione di codici ciclici Eercizi ui codici ciclici Codici ciclici Oervazione: Se g divide ia m che n con m

Dettagli

Si consideri il seguente tableau ottimo di un problema di programmazione lineare

Si consideri il seguente tableau ottimo di un problema di programmazione lineare ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6

Dettagli

Cammini Minimi. Un problema molto comune. Formalizziamo. Peso di un cammino. Esempio. Ritorniamo all esempio iniziale. Input:

Cammini Minimi. Un problema molto comune. Formalizziamo. Peso di un cammino. Esempio. Ritorniamo all esempio iniziale. Input: Cammini Minimi Un problema molto comune i uole andare da alerno a Milano in auto percorrendo il minor numero di chilometri oluzione inefficiente: i coniderano TUTTI i percori poibili e e ne calcola la

Dettagli

Geometria BAER A.A Foglio esercizi 1

Geometria BAER A.A Foglio esercizi 1 Geomeria BAER A.A. 16-17 Foglio esercii 1 Eserciio 1. Risolvere le segueni equaioni lineari nelle variabili indicae rovando una parameriaione dell insieme delle soluioni. a) + 5y = 3 nelle incognie, y.

Dettagli

Postulato delle reazioni vincolari

Postulato delle reazioni vincolari Potulato delle reazioni vincolari Ad ogni vincolo agente u un punto materiale P può eere otituita una forza, chiamata reazione vincolare, che realizza lo teo effetto dinamico del vincolo. reazione vincolare

Dettagli

Dato un cammino P indichiamo con c(p ) il costo dell insieme di archi A(P ) del cammino, ovvero c(p )=c(a(p )) = uv P c uv. c 1

Dato un cammino P indichiamo con c(p ) il costo dell insieme di archi A(P ) del cammino, ovvero c(p )=c(a(p )) = uv P c uv. c 1 Capiolo 7 Cammini minimi 7. Definizioni fondamenali Sia dao un grafo non orienao G(N,A) conneo, con coi aociai agli archi c uv R per ogni uv A. Siano anche dai due nodi peciali, N. Faremo la eguene: Aunzione

Dettagli

Esercizi per il corso di Algoritmi, anno accademico 2014/15

Esercizi per il corso di Algoritmi, anno accademico 2014/15 Eercizi per il coro di Algorimi, anno accademico 0/ Eercizi u Union-Find. Eercizio: Scrivere peudocodice per Make-Se, Union, e Find-Se uando la rappreenazione aravero lie linkae e la euriica di unione

Dettagli

Ottimizzazione Combinatoria 2 Presentazione

Ottimizzazione Combinatoria 2 Presentazione Ottimizzazione Combinatoria Presentazione ANTONIO SASSANO Università di Roma La Sapienza Dipartimento di Informatica, Automatica e Gestionale «Antonio Ruberti» Roma, Febbraio Prerequisiti (cosa sapete)

Dettagli

Esame di Ricerca Operativa del 09/01/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 09/01/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min 7 y +y + y + y +y +7 y y +y y y

Dettagli

Esame di Ricerca Operativa. x 1 +2 x 2 6 x 1 +x 2 6 x 1 4 x 1 1

Esame di Ricerca Operativa. x 1 +2 x 2 6 x 1 +x 2 6 x 1 4 x 1 1 Esame di Ricerca Operativa (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x + x x +x x 0 x + x x +x x x Base Soluzione

Dettagli

Esame di Ricerca Operativa del 13/06/17. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 13/06/17. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y y + y + y + y y + y y +y +y

Dettagli

RICERCA OPERATIVA GRUPPO A prova scritta del 21 giugno 2010

RICERCA OPERATIVA GRUPPO A prova scritta del 21 giugno 2010 RICERCA OPERATIVA GRUPPO A prova scria del giugno 00. Scrivere il duale del problema P: max / x x x min y + y / x x = / y + y > / x + x / x > y = x, x > 0 y + / y > e dire se P ammee soluzione oima. In

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Un algoritmo per il flusso a costo minimo: il simplesso

Dettagli

Matrici unimodulari e totalmente unimodulari

Matrici unimodulari e totalmente unimodulari Matrici unimodulari e totalmente unimodulari Sia una matrice intera di dimensione con, si dice unimodulare se presa una qualsiasi sottomatrice di ordine massimo (di dimensione ) vale det = 1, +1, 0. Una

Dettagli

Esame di Ricerca Operativa del 17/07/17. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 17/07/17. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 7/07/7 (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x +x x + x x x x x x x +x

Dettagli

Esame di Ricerca Operativa del 09/06/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 09/06/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 09/0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x +x x x x +x x + x x Base

Dettagli

Esame di Ricerca Operativa del 30/06/14. max 4 x 1 7 x 2 x 1 +7 x 2 7 x 1 4 x 2 7 x 1 +5 x 2 5 x 1 x 2 5 x 2 1 x 1 +4 x 2 6

Esame di Ricerca Operativa del 30/06/14. max 4 x 1 7 x 2 x 1 +7 x 2 7 x 1 4 x 2 7 x 1 +5 x 2 5 x 1 x 2 5 x 2 1 x 1 +4 x 2 6 Esame di Ricerca Operativa del 0/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x 7 x x +7 x 7 x x 7 x + x x x x x

Dettagli

A-2 a PI. Esercizio 2. Domanda 3

A-2 a PI. Esercizio 2. Domanda 3 A-2 a PI Ricerca Operativa 1 Seconda prova intermedia È dato il problema di PL in figura. 1. Facendo uso delle condizioni di ortogonalità, dimostrare o confutare l ottimalità della soluzione x = 1; x =

Dettagli

Domande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR

Domande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR 1 Giovedí 14 Maggio 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Geometria di R n 1 Dare la definizione di Poliedro e Vertice di un Poliedro 2 Dare la definizione di Poliedro e di Politopo

Dettagli

Ricerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound.

Ricerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound. Ricerca Operativa A.A. 2007/2008 17. Esercitazione di laboratorio: Branch and Bound. Luigi De Giovanni - Ricerca Operativa - 17. Esercitazione di laboratorio: Branch and Bound 17.1 . Luigi De Giovanni

Dettagli

Esame di Ricerca Operativa del 15/01/19. max 6 x 1 x 2 6 x x x 1 +2 x x 1 3 x x 1 4 x x 1 +2 x x 1 x 2 19

Esame di Ricerca Operativa del 15/01/19. max 6 x 1 x 2 6 x x x 1 +2 x x 1 3 x x 1 4 x x 1 +2 x x 1 x 2 19 Esame di Ricerca Operativa del /0/9 Cognome) Nome) Numero di Matricola) Esercizio. Effettuare due iterazioni dell algoritmo del simplesso primale: max x x x + x x + x 8 x x x x x + x x x 9 passo {,} passo

Dettagli

Esame di Ricerca Operativa del 18/06/18

Esame di Ricerca Operativa del 18/06/18 Esame di Ricerca Operativa del 8/0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x +x x x x +x x x x + x

Dettagli

Calcolo della tensione ammissibile Dovendo essere il grado di sicurezza non inferiore a 3 si ricava che il coefficiente di sicurezza γ è 3 per cui:

Calcolo della tensione ammissibile Dovendo essere il grado di sicurezza non inferiore a 3 si ricava che il coefficiente di sicurezza γ è 3 per cui: Il recipiente diegnato in figura ha una configurazione cilindrica avente diametro interno D = 000 mm è chiuo con fondi emiferici, eo è itemato u due elle A e B pote ad una ditanza L AB = 7000 mm e fuoriece

Dettagli

Esame di Ricerca Operativa del 08/01/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 08/01/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 08/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x + x x +x x x 0 x + x x x 8 x x 8

Dettagli

Algoritmi greedy III parte

Algoritmi greedy III parte Algorimi greedy III pare Progeazione di Algorimi a.a. -1 Maricole congrue a 1 Docene: Annalia De Boni 1 Cammini minimi Si vuole andare da Napoli a Milano in auo percorrendo il minor numero di chilomeri

Dettagli

Registro dell'insegnamento

Registro dell'insegnamento Registro dell'insegnamento Anno accademico 2016/2017 Prof. MARCO SCIANDRONE Settore inquadramento MAT/09 - RICERCA OPERATIVA REGISTRO Scuola Ingegneria NON CHIUSO Dipartimento Ingegneria dell'informazione

Dettagli

Esame di Ricerca Operativa del 25/06/12

Esame di Ricerca Operativa del 25/06/12 Esame di Ricerca Operativa del /0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x x + x x x 8 x x x + x x x Base

Dettagli

Esame di Ricerca Operativa del 09/06/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 09/06/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 0/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y + y + y +0 y +y + y y y + y y y y

Dettagli

Esame di Ricerca Operativa

Esame di Ricerca Operativa Esame di Ricerca Operativa (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y + y + y +7 y +y + y y y +y y y = y y +y

Dettagli

Processi di cost management - Programmazione multiperiodale

Processi di cost management - Programmazione multiperiodale Processi di cost management - Programmazione multiperiodale Queste slide (scrte da Carlo Mannino) riguardano il problema di gestione delle attivà di un progetto allorché i costi di esecuzione sono legati

Dettagli

Problema del flusso massimo

Problema del flusso massimo Rei di fluo Problema del fluo maimo Moivazione iniziale: problemi di raffico u rei di raporo Trapori ferroviari, auoradali, Traporo di liquidi in rei idriche Traporo di pacchei di dai in una ree di comunicazione.

Dettagli

Geometria analitica del piano pag 1 Adolfo Scimone

Geometria analitica del piano pag 1 Adolfo Scimone Geomeria analiica del piano pag Adolfo Scimone GEOMETRIA ANALITICA Lo scopo della geomeria analiica è quello di individuare i puni di una rea, di un piano, dello spazio, o più in generale gli eni geomerici

Dettagli

Programmazione Lineare Intera: Piani di Taglio

Programmazione Lineare Intera: Piani di Taglio Programmazione Lineare Intera: Piani di Taglio Andrea Scozzari a.a. 2014-2015 April 22, 2015 Andrea Scozzari (a.a. 2014-2015) Programmazione Lineare Intera: Piani di Taglio April 22, 2015 1 / 23 Programmazione

Dettagli

3.3 Problemi di PLI facili

3.3 Problemi di PLI facili 3.3 Problemi di PLI facili Consideriamo un generico problema di PLI espresso in forma standard min{c t x : Ax = b, x Z n +} (1) dove A Z m n con n m, e b Z m. Supponiamo che A sia di rango pieno. Sia P

Dettagli

Esame di Ricerca Operativa del 05/09/18

Esame di Ricerca Operativa del 05/09/18 Esame di Ricerca Operativa del 0/09/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda agricola produce mensilmente 0 ettolitri di olio (O) e 0 ettolitri di vino (V) che vengono venduti all

Dettagli

Ottimizzazione Combinatoria Totale Unimodularità

Ottimizzazione Combinatoria Totale Unimodularità Ottiizzazione Cobinatoria Totale Uniodularità Prof. Antonio Sassano Dipartiento di Inforatica e Sisteistica Università di Roa La Sapienza A.A. 2 Coe diostrare che una forulazione è ottia? Problea di PL:

Dettagli

RICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 1)

RICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 1) RICERCA OPERATIVA Tema d esame del 04/12/2008 (Simulazione 1) COGNOME: NOME: MATRICOLA: 1. Un azienda meccanica deve pianificare il lavoro delle sue tre macchine per un dato giorno. I lotti che è possibile

Dettagli

i completi l'esecuzione dell'algoritmo di programmazione dinamica per questo problema restituendo il valore ottimo e una soluzione ottima del problema

i completi l'esecuzione dell'algoritmo di programmazione dinamica per questo problema restituendo il valore ottimo e una soluzione ottima del problema Compito di Ricerca Operativa II Esercizio ( punti). ia dato il problema di flusso massimo sulla rete in figura (le capacit a degli archi sono riportate sopra di essi). 0 8 i consideri il seguente flusso

Dettagli

Ottimizzazione Combinatoria 2

Ottimizzazione Combinatoria 2 Ottimiaione Combinatoria Il problema del Network Loading Prof. Antonio Sassano Dipartimento di Informatica, Automatica e Gestionale Antonio Ruberti Università di Roma Sapiena A.A. 6 Il problema del network

Dettagli

Esame di Ricerca Operativa del 15/01/2015

Esame di Ricerca Operativa del 15/01/2015 Esame di Ricerca Operativa del 1/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da calcio e da basket che vende a 1 e 20 euro rispettivamente. L azienda compra ogni settimana

Dettagli

Esame di Ricerca Operativa del 15/01/2015

Esame di Ricerca Operativa del 15/01/2015 Esame di Ricerca Operativa del 1/01/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da basket e da calcio che vende rispettivamente a 1 e euro. L azienda compra ogni settimana 00

Dettagli

Esame di Ricerca Operativa del 23/02/17

Esame di Ricerca Operativa del 23/02/17 Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y + y + y + y y +0 y + y y y

Dettagli

Esame di Ricerca Operativa del 04/07/17

Esame di Ricerca Operativa del 04/07/17 Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y y + y + y + y + y +9 y y y

Dettagli

Problemi di Flusso: Il modello del Trasporto

Problemi di Flusso: Il modello del Trasporto Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su

Dettagli

COMPITO DI RICERCA OPERATIVA. max 8 5x 1 3x 2 x 3 = 1 + 4x 1 + x 2 x 4 = 1 x 1 + x 2 x 5 = 5 x 1 x 2

COMPITO DI RICERCA OPERATIVA. max 8 5x 1 3x 2 x 3 = 1 + 4x 1 + x 2 x 4 = 1 x 1 + x 2 x 5 = 5 x 1 x 2 COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Dato un problema di PL, la sua riformulazione rispetto alla base B = {x 3, x, x 5 } é la seguente: max 8 5x 3x x 3 = + x + x x = x + x x 5 = 5 x x Solo

Dettagli

Esame di Ricerca Operativa del 16/01/18. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 16/01/18. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y +9 y +9 y + y +y +0 y y +

Dettagli

Gestione della produzione e della supply chain Logistica distributiva

Gestione della produzione e della supply chain Logistica distributiva Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Convergenza dell algoritmo Se non

Dettagli

4.1 Interval Scheduling. Chapter 4. Greedy Algorithms. Schedulazione intervalli. Schedulazione intervalli: Algoritmi Greedy. Schedulazione intervalli.

4.1 Interval Scheduling. Chapter 4. Greedy Algorithms. Schedulazione intervalli. Schedulazione intervalli: Algoritmi Greedy. Schedulazione intervalli. Chaper.1 Inerval Scheduling Greedy Algorihm 1 Schedulazione inervalli Schedulazione inervalli: Algorimi Greedy Schedulazione inervalli.! Job j inizia a j e finice a f j.! Due job ono compaibili e non hanno

Dettagli

Parte II: Ottimalità, rilassamenti e bound

Parte II: Ottimalità, rilassamenti e bound Parte II: Ottimalità, rilassamenti e bound Sommario Definizioni di bound primali e duali. Rilassamento di un problema di OC. Esempi di rilassamenti per il problema del TSP: Il rilassamento albero. Il rilassamento

Dettagli