PROBLEMA DEL COMMESSO VIAGGIATORE

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "PROBLEMA DEL COMMESSO VIAGGIATORE"

Transcript

1 PROBLEMA DEL COMMESSO VIAGGIATORE INTRODUZIONE Il problema del commesso viaggiatore (traveling salesman problem :TSP) è un classico problema di ottimizzazione che si pone ogni qual volta, dati un numero di luoghi da visitare ed i costi di viaggio, è necessario trovare il percorso di andata e ritorno più conveniente seguendo il quale si riesca a visitare una sola volta le destinazioni prefissate per poi fare ritorno al punto di partenza. Il problema del commesso viaggiatore è considerato come caso particolare dei più generici problemi di vehicle routing (VRP). In particolare dato un grafo G (N;A), con N 1; 2; ;n; l insieme dei nodi ed A l insieme degli archi. Ad ogni arco (i; j) è associato un costo c ij > 0. Data una flotta di m veicoli e un determinato insieme di clienti da servire, un problema di vehicle routing consiste nel determinare un insieme di m rotte a costo minimo in maniera tale da raggiungere ogni cliente. Nel caso in cui tutti i clienti sono rappresentati da nodi, allora si parla di problema di node routing". Il problema del commesso viaggiatore è un caso particolare di problema di node routing" con un solo veicolo, su un grafo connesso. Si lavora su un grafo ausiliario completo G (N A ;). Per ogni arco (i; j) A, il corrispondente costo c ij è determinato come il costo di un cammino minimo da i a j nel grafo di partenza G. Di conseguenza, per ogni (i; j) A vale la disuguaglianza triangolare: ci j c + c, per k N', ik kj con k i e k j In sintesi la soluzione ad un problema di TSP è l individuazione sul grafo di partenza di un Ciclo Hamiltoniano di costo minimo ossia di un ciclo che parte da un nodo, tocca ogni nodo del grafo esattamente una ed una sola volta e ritorna al nodo di partenza. Il metodo più diretto per trovare la soluzione ad un tale problema sarebbe provare tutte le possibili permutazioni degli n nodi e valutare la più vantaggiosa; poiché il numero delle permutazioni è n!, ovviamente questa metodologia risolutiva diviene praticamente inattuabile per grafi di una certa grandezza.

2 In sintesi le modalità risolutive per i problemi di commesso viaggiatore sono i seguenti: Metodi esatti: metodi che forniscono la migliore soluzione del problema. Metodi euristici (dal greco scoprire): metodi che forniscono una soluzione ammissibile, non necessariamente ottima del problema. I metodi euristici più noti sono i seguenti: Metodi costruttivi (generano un circuito hamiltoniano) Nodo più prossimo (Nearest Neighbor) Inserimento o Nodo più vicino o Nodo più lontano Doppio albero ricoprente Christofides Metodi di miglioramento (partono da un circuito hamiltoniano e ne producono uno migliore) 2-OPT 3-OPT Lin Kernighan Metodi a due fasi ( sono metodi ibridi che si servono dei risultati raggiunti dagli algoritmi precedenti) Cluster first Route second Route first Cluster second

3 Nella presenta esercitazione, dato il seguente insieme di nodi: Nodi id nodo coord. X coord. Y 1 A 10,00 85,00 2 B 23,00 49,00 3 C 47,00 68,00 4 D 12,00 74,00 5 E 53,00 12,00 6 F 62,00 28,00 7 G 41,00 44,00 8 H 77,00 39,00 9 I 79,00 66,00 10 L 86,00 0,00 11 M 92,00 4,00 90,00 80,00 70,00 60,00 50,00 40,00 30,00 20,00 10,00 0,00 0,00 20,00 40,00 60,00 80,00 100,00 Le cui reciproche distanze euclidee sono calcolate nella tabella successiva, per mezzo della nota espressione: d ij ( x x ) + ( y y ) 2 j 2 i j i x 10,00 23,00 47,00 12,00 53,00 62,00 41,00 77,00 79,00 86,00 92,00 y 85,00 49,00 68,00 74,00 12,00 28,00 44,00 39,00 66,00 0,00 4,00 x y DISTANZE A B C D E F G H I L M 10,00 85,00 A 0,00 38,28 40,72 11,18 84,72 77,16 51,40 81,27 71,57 114,02 115,26 23,00 49,00 B 38,28 0,00 30,61 27,31 47,63 44,29 18,68 54,92 58,52 79,81 82,38 47,00 68,00 C 40,72 30,61 0,00 35,51 56,32 42,72 24,74 41,73 32,06 78,39 78,24 12,00 74,00 D 11,18 27,31 35,51 0,00 74,33 67,94 41,73 73,82 67,48 104,65 106,30 53,00 12,00 E 84,72 47,63 56,32 74,33 0,00 18,36 34,18 36,12 59,93 35,11 39,81 62,00 28,00 F 77,16 44,29 42,72 67,94 18,36 0,00 26,40 18,60 41,63 36,88 38,42 41,00 44,00 G 51,40 18,68 24,74 41,73 34,18 26,40 0,00 36,35 43,91 62,94 64,82 77,00 39,00 H 81,27 54,92 41,73 73,82 36,12 18,60 36,35 0,00 27,07 40,02 38,08 79,00 66,00 I 71,57 58,52 32,06 67,48 59,93 41,63 43,91 27,07 0,00 66,37 63,35 86,00 0,00 L 114,02 79,81 78,39 104,65 35,11 36,88 62,94 40,02 66,37 0,00 7,21 92,00 4,00 M 115,26 82,38 78,24 106,30 39,81 38,42 64,82 38,08 63,35 7,21 0,00 Si chiede di risolvere il problema del commesso viaggiatore adoperando : Euristica del doppio albero ricoprente Euristica di Christofides

4 EURISTICA DEL DOPPIO ALBERO RICOPRENTE Prima di procedere all esposizione dell euristica del doppio albero ricoprente, è bene riportare alcune utili definizioni: 1. Albero : una rete con numero di rami pari al numero di nodi meno uno, senza circuiti e connesso. 2. Albero ricoprente minimo : l albero di lunghezza minima che tocca tutti i nodi. Sia c(t*) il costo di tale albero. 3. Circuito hamiltoniano : percorso hamiltoniano a cui è stato aggiunto un arco per chiudere il circuito stesso. Sia c(h*) il costo di tale circuito. A questo punto è possibile elencare la successione di passi che compone l algoritmo in esame. 1. Si costruisce l albero ricoprente di costo minimo T* a partire dal grafo iniziale G, tale fase nella fattispecie è stata eseguita attraverso il software Concorde 1.1, del quale si riporta di seguito, una schermata: Nodi del grafo esaminato Il software in tal caso ha fornito il seguente albero ricoprente minimo:

5 Albero ricoprente minimo Ora è necessario osservare che: Ogni percorso hamiltoniano è un albero il cui costo è certamente maggiore o uguale al costo dell albero ricoprente minimo c(t*). Quindi il costo del circuito hamiltoniano minimo c(h*), che a sua volta è maggiore del costo del percorso hamiltoniano, è certamente maggiore o uguale al costo dell albero ricoprente minimo c(t*): c(t*) c(h*)

6 2. Si raddoppiano gli archi dell albero ricoprente minimo: 3. A partire dal grafo appena creato si genera un circuito C che visiti, eventualmente più volte, tutti i nodi. Il circuito C ha un costo massimo di 2 c(t*), maggiore o uguale al costo del circuito hamiltoniano minimo H*: c(t*) c(h*) 2 c(t*) In tal caso, è possibile generare due circuiti differenti, dei quali si riporta la successione dei nodi: Circuito : A, D, B, G, C, G, F, H, I, H, F, E, L, M, A Circuito : A, D, B, G, C, G, F, E, L, M, L, E, F, H, I, A 4. Si riduce il circuito ottenuto al passo precedente ad un circuito hamiltoniano; ciò è possibile seguendo il circuito individuato, saltando i nodi già visitati e connettendo ( archi verdi in fig.) i nodi che si trovano ad essere contigui nella nuova successione. Si ottiene un circuito hamiltoniano CH di costo: c(ch) 2 c(t*) c(t*) c(h*) c(ch) 2 c(t*)

7 Nel presente caso si riportano i circuiti hamiltoniano generati a partire dai due circuiti precedenti, nei quali sono stati evidenziati in rosso i nodi visitati più di una volta: Circuito : A, D, B, G, C, G, F, H, I, H, F, E, L, M, A Circuito hamiltoniano : A, D, B, G, C, F, H, I, E, L, M, A Circuito : A, D, B, G, C, G, F, E, L, M, L, E, F, H, I, A Circuito hamiltoniano: A, D, B, G, C, F, E, L, M, H, I, A

8 5. Adoperando la tabella delle distanze (riportata in precedenza) si valuta la lunghezza complessiva dei circuiti hamiltoniani individuati e si sceglie il circuito più breve. 1 - Circuito hamiltoniano : A, D, B, G, C, F, H, I, E, L, M, A D tot _ 1 d AD DB BG GC CF FH HI IE EL LM MA 387,8-2 - Circuito hamiltoniano: A, D, B, G, C, F, E, L, M, H, I, A D tot _ 2 dad DB BG GC CF FE EL LM MH HI IA 322,0 Quindi in definitiva si sceglie il secondo circuito:

9 EURISTICA DI CHRISTOFIDES Prima di procedere all esposizione dell euristica del doppio albero ricoprente, è bene riportare alcune utili definizioni: 1. Albero : una rete con numero di rami pari al numero di nodi meno uno, senza circuiti e connesso. 2. Grado di un nodo (pari o dispari) : numero degli archi incidenti al nodo stesso (numero pari o dispari). 3. Albero ricoprente minimo : l albero di lunghezza minima che tocca tutti i nodi. 4. Circuito hamiltoniano : percorso hamiltoniano a cui è stato aggiunto un arco per chiudere il circuito stesso, ossia un circuito che parte da un nodo, tocca ogni nodo del grafo esattamente una ed una sola volta e ritorna al nodo di partenza. Sia c(h*) il costo di tale circuito. 5. Circuito Euleriano : è un ciclo che parte da un nodo, tocca tutti gli archi esattamente una ed una sola volta ed ogni nodo del grafo una o più volte e ritorna al nodo di partenza. A questo punto è possibile elencare la successione di passi che compone l algoritmo in esame. 1. Si costruisce l albero ricoprente di costo minimo T* a partire dal grafo iniziale G, tale fase nella fattispecie è stata eseguita attraverso il software Concorde 1.1, e si individuano l insieme D dei nodi di grado dispari (colorati di rosso) : D (Nodi di grado dispari): A, G, C, F, I, M.

10 2. Si costruisce il matching perfetto M di costo minimo sui nodi di grado dispari appartenenti all insieme D. [ In particolare dato un insieme di nodi D, un matching M è un sottoinsieme di archi tale che ogni nodo di D incide al più un solo arco di M. Se tutti i nodi appartenenti a D risultano accoppiati tale matching si dice perfetto.] Nel presente caso è possibile costruire tre tipi di matching perfetti ( gli archi di matching sono rappresentati con il colore blu).

11 3. Si individua il circuito euleriano dato da: T * M [Si ricorda che un circuito euleriano è un circuito che parte da un nodo, tocca tutti gli archi esattamente una ed una sola volta ed ogni nodo del grafo una o più volte e ritorna al nodo di partenza.] In questo caso è possibile individuare i tre seguenti circuiti euleriani: 1 - Circuito euleriano: A,G,C,F,H,I,M,L,E,F,G,B,D,A. 2 - Circuito euleriano: A,G,C,I,H,F,M,L,E,F,G,B,D,A 3 - Circuito euleriano: A,C,G,I,H,F,M,L,E,F,G,B,D,A 4. Si ricava un circuito hamiltoniano a partire dal circuito euleriano individuato. Ciò è possibile seguendo il circuito individuato, saltando i nodi già visitati e connettendo ( archi verdi in fig.) i nodi che si trovano ad essere contigui nella nuova successione.

12 Nel presente caso percorrendo i circuiti euleriani in senso orario e antiorario, si ricavano differenti circuiti hamiltoniano che riportiamo di seguito: 1 - Circuito euleriano percorso in senso orario: A,G,C,F,H,I,M,L,E,F,G,B,D,A. 1 - Circuito hamiltoniano A,G,C,F,H,I,M,L,E,B,D,A. 1 - Circuito euleriano percorso in senso antiorario A,D,B,G,F,E,L,M,I,H,F,C,G,A 2 - Circuito hamiltoniano A,D,B,G,F,E,L,M,I,H,C,A.

13 2 - Circuito euleriano percorso in senso orario: A,G,C,I,H,F,M,L,E,F,G,B,D,A 3 - Circuito hamiltoniano A,G,C,I,H,F,M,L,E,B,D,A. 2 - Circuito euleriano percorso in senso antiorario A,D,B,G,F,E,L,M,F,H,I,C,G,A 4 - Circuito hamiltoniano A,D,B,G,F,E,L,M,H,I,C,A.

14 3 - Circuito euleriano percorso in senso orario: A,C,G,I,H,F,M,L,E,F,G,B,D,A 5 - Circuito hamiltoniano A,C,G,I,H,F,M,L,E,B,D,A 3 - Circuito euleriano percorso in senso antiorario: A,D,B,G,F,E,L,M,F,H,I,G,C,A 6 - Circuito hamiltoniano A,D,B,G,F,E,L,M,H,I,C,A E bene osservare che il quarto ed il sesto circuito hamiltoniano sono perfettamente coincidenti.

15 5. Adoperando la tabella delle distanze (riportata in precedenza) si valuta la lunghezza complessiva dei sei circuiti hamiltoniani individuati e si sceglie il circuito più breve. D tot _ 1 D tot _ 2 D tot _ 4 D tot _ 3 D tot _ 5 D tot _ 6 356,3 317,1 282,2 320,7 321,9 282,2 Il circuito più breve risulta essere il quarto ( che coincide con il sesto)

Corso di Trasporto merci e logistica. Supporto didattico ad uso esclusivo interno. a cura di: ing. Mario Cordasco A.A

Corso di Trasporto merci e logistica. Supporto didattico ad uso esclusivo interno. a cura di: ing. Mario Cordasco A.A logistica Supporto didattico ad uso esclusivo interno a cura di: ing. Mario Cordasco A.A. 2008-2009 La distribuzione fisica delle merci La logistica è l insieme delle attività e dei servizi che permettono

Dettagli

Il problema del commesso viaggiatore e problemi di vehicle routing

Il problema del commesso viaggiatore e problemi di vehicle routing Il problema del commesso viaggiatore e problemi di vehicle routing Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 2 Dicembre

Dettagli

ESERCIZIO 1: Punto 1

ESERCIZIO 1: Punto 1 ESERCIZIO : Punto La seguente matrice è una matrice delle distanze di un istanza del problema del Commesso Viaggiatore. - - - - - - - Calcolare.Il valore del rilassamento che si ottiene determinando l

Dettagli

Euristiche per il Problema del Commesso Viaggiatore

Euristiche per il Problema del Commesso Viaggiatore Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Euristiche per il Problema del Commesso Viaggiatore Renato Bruni bruni@dis.uniroma.it Il materiale presentato

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

Il problema del commesso viaggiatore

Il problema del commesso viaggiatore Il problema del commesso viaggiatore Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università

Dettagli

Problemi, istanze, soluzioni

Problemi, istanze, soluzioni lgoritmi e Strutture di Dati II 2 Problemi, istanze, soluzioni Un problema specifica una relazione matematica tra dati di ingresso e dati di uscita. Una istanza di un problema è formata dai dati di un

Dettagli

Algoritmi Approssimanti per -TSP

Algoritmi Approssimanti per -TSP Dispensa del corso di TAA redatta da Amati Di auro Rattà. Algoritmo 5 e APX per il problema Algoritmi Approssimanti per -TSP Definizione (TSP) Il problema del commesso viaggiatore (TSP) è definito come

Dettagli

Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata. Luca Bertazzi

Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata. Luca Bertazzi Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata Luca Bertazzi 0 3 Ulisse: da Troia a Itaca Troia Itaca 509 km Quale è stato invece il viaggio di Ulisse? Il viaggio di Ulisse Troia

Dettagli

Risoluzione di un problema di VRP

Risoluzione di un problema di VRP Risoluzione di un problema di VRP Un problema di VRP (Vehicle Routing Problem) è un tipico problema di programmazione lineare in cui l obiettivo primario è quello di individuare, su una rete generica,

Dettagli

Esercizi per il corso di. Logistica I. a.a Daniela Favaretto. Dipartimento di Matematica Applicata Università Ca Foscari di Venezia

Esercizi per il corso di. Logistica I. a.a Daniela Favaretto. Dipartimento di Matematica Applicata Università Ca Foscari di Venezia sercizi per il corso di Logistica I a.a. - aniela avaretto ipartimento di Matematica pplicata Università a oscari di Venezia sercizio Individuare un albero di supporto di lunghezza minima (SST) sul seguente

Dettagli

min det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione.

min det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione. Se è unimodulare e è intero allora il poliedro 0 ha vertici interi. Sia un vertice di Per definizione esiste allora una base di tale che, 0 Poiché è non singolare ( invertibile det 0) si ha che det 1 è

Dettagli

METODI DELLA RICERCA OPERATIVA

METODI DELLA RICERCA OPERATIVA Università degli Studi di Cagliari FACOLTA' DI INGEGNERIA CORSO DI METODI DELLA RICERCA OPERATIVA Dott.ing. Massimo Di Francesco (mdifrance@unica.it) i i Dott.ing. Maria Ilaria Lunesu (ilaria.lunesu@unica.it)

Dettagli

3 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 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

Dettagli

ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I

ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si

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

Prof. Pagani Corrado ALGORITMI E COMPLESSITÀ COMPUTAZIONALE

Prof. Pagani Corrado ALGORITMI E COMPLESSITÀ COMPUTAZIONALE Prof. Pagani Corrado ALGORITMI E COMPLESSITÀ COMPUTAZIONALE COMPLESSITÀ DEGLI ALGORITMI L oggetto della teoria della complessità è stabilire se un problema sia facile o difficile In base a quali parametri

Dettagli

Introduzione ai grafi. Introduzione ai grafi p. 1/2

Introduzione ai grafi. Introduzione ai grafi p. 1/2 Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G è costituito da una coppia di insiemi (V,A) dove V è detto insieme dei nodi e A è detto insieme di archi ed è un sottinsieme di tutte

Dettagli

Problemi decisionali nei trasporti: Vehicle Routing Problems

Problemi decisionali nei trasporti: Vehicle Routing Problems Problemi decisionali nei trasporti: Vehicle Routing Problems Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova Problemi di Trasporto Problemi di pianificazione e gestione con elevata

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

Complessità Computazionale

Complessità Computazionale Complessità Computazionale La teoria della Computabilità cattura la nozione di algoritmo nel senso che per ogni problema sia esso decisionale o di calcolo di funzione stabilisce dei criteri per determinare

Dettagli

1) Disegnare la rete di progetto con le attività sugli archi, e la rete di progetto con le attività sui nodi.

1) Disegnare la rete di progetto con le attività sugli archi, e la rete di progetto con le attività sui nodi. Un progetto di ricerca e sviluppo di una società si compone di 12 (principali) attività con precedenze, durate normali b ij (in giorni), costi diretti c ij (in dollari) delle attività alla loro durata

Dettagli

Ottimizzazione Combinatoria e Reti (a.a. 2007/08)

Ottimizzazione Combinatoria e Reti (a.a. 2007/08) o Appello 6/07/008 Ottimizzazione Combinatoria e Reti (a.a. 007/08) Nome Cognome: Matricola: ) Dopo avere finalmente superato l esame di Ricerca Operativa, Tommaso è pronto per partire in vacanza. Tommaso

Dettagli

1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44;

1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44; 1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44; c 24 = 15; c 25 = 12; c 34 = 32; c 35 = 55; c 45 = 24 Si calcoli l ottimo duale (formulazione

Dettagli

Certificati dei problemi in NP

Certificati dei problemi in NP Certificati dei problemi in NP La stringa y viene in genere denominata un certificato Un Certificato è una informazione ausiliaria che può essere utilizzata per verificare in tempo polinomiale nella dimensione

Dettagli

Teoria dei Grafi Concetti fondamentali

Teoria dei Grafi Concetti fondamentali Teoria dei Grafi Concetti fondamentali I grafi sono un mezzo per rappresentare relazioni binarie. Ad esempio: due città connesse da una strada due calcolatori connessi in una rete telematica due persone

Dettagli

PROBLEMI SU GRAFO (combinatori)

PROBLEMI SU GRAFO (combinatori) PROLMI SU GRO (combinatori) In molti problemi il numero di soluzioni ammissibili è finito. Questi problemi sono quasi sempre descritti su grafi. Rete stradale: come andare da a in tempo minimo? Grafo orientato

Dettagli

2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 . Cammini ottimi E. Amaldi Fondamenti di R.O. Politecnico di Milano .. Cammini minimi e algoritmo di Dijkstra Dato un grafo orientato G = (N, A) con una funzione di costo c : A c ij R e due nodi s e t,

Dettagli

Cercare il percorso minimo Ant Colony Optimization

Cercare il percorso minimo Ant Colony Optimization Cercare il percorso minimo Ant Colony Optimization Author: Luca Albergante 1 Dipartimento di Matematica, Università degli Studi di Milano 4 Aprile 2011 L. Albergante (Univ. of Milan) PSO 4 Aprile 2011

Dettagli

Algoritmo basato su cancellazione di cicli

Algoritmo basato su cancellazione di cicli Algoritmo basato su cancellazione di cicli Dato un flusso ammissibile iniziale, si costruisce una sequenza di flussi ammissibili di costo decrescente. Ciascun flusso è ottenuto dal precedente flusso ammissibile

Dettagli

ALBERI ORIENTATI. Definizione: Albero orientato = rooted tree = grafo orientato con le seguenti proprietà: - ha un nodo fissato, detto radice (r);

ALBERI ORIENTATI. Definizione: Albero orientato = rooted tree = grafo orientato con le seguenti proprietà: - ha un nodo fissato, detto radice (r); ALBERI ORIENTATI Pagina 1 ALBERI ORIENTATI 15:05 Definizione: Albero orientato = rooted tree = grafo orientato con le seguenti proprietà: - ha un nodo fissato, detto radice (r); - per ogni nodo v, esiste

Dettagli

Parte II: Ottimalità, rilassamenti e bound

Parte II: Ottimalità, rilassamenti e bound Parte II: Ottimalità, rilassamenti e bound Ottimalità, rilassamenti e bound Consideriamo il seguente problema z * = max {c T x : x X, X {0,1} n } dove z* è il valore della soluzione ottima x*. Domanda:

Dettagli

3.2 Rilassamenti lineari/combinatori e bounds

3.2 Rilassamenti lineari/combinatori e bounds 3.2 Rilassamenti lineari/combinatori e bounds Consideriamo un problema di Ottimizzazione Discreta min{f(x) : x X} e sia z il valore di una soluzione ottima x X. Metodi di risoluzione spesso generano una

Dettagli

ALFABETIZZAZIONE INFORMATICA

ALFABETIZZAZIONE INFORMATICA Laurea in ilosofia a.a. 2008-2009 LTIZZZION INORMTI Ogni problema che ho risolto è diventato una regola che in seguito è servita a risolvere altri problemi. (René escartes, artesio iscorso sul metodo )

Dettagli

INSTRADAMENTO: ALGORITMO DI BELLMAN-FORD

INSTRADAMENTO: ALGORITMO DI BELLMAN-FORD UNIVERSITA' DEGLI STUDI DI BERGAMO Dipartimento di Ingegneria INSTRADAMENTO: ALGORITMO DI BELLMAN-FORD FONDAMENTI DI RETI E TELECOMUNICAZIONE A.A. 2012/13 - II Semestre Esercizio 1 Sia dato il grafo G=

Dettagli

Appunti sul Vehicle Routing Problem

Appunti sul Vehicle Routing Problem Appunti sul Vehicle Routing Problem Marco Pranzo Corso di Ottimizzazione su Reti Anno Accademico 2007/2008 Il Vehicle Routing Problem (VRP) è un tipico problema operativo nelle reti di distribuzione, e

Dettagli

RICERCA OPERATIVA GRUPPO A prova scritta del 21 luglio 2010

RICERCA OPERATIVA GRUPPO A prova scritta del 21 luglio 2010 RICERCA OPERATIVA GRUPPO A prova scritta del luglio 00. Dato 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) costruirne

Dettagli

Se il grafo è bipartito, un accoppiamento viene anche detto assegnamento.

Se il grafo è bipartito, un accoppiamento viene anche detto assegnamento. 1. Accoppiamento Definizione. Dato un grafo (non orientato) G =(N,E), un sottoinsieme M di archi, tale che ogni nodo del grafo è incidente in al più unarcodim, viene detto accoppiamento, (matching). I

Dettagli

Algoritmi Avanzati Soluzioni dello scritto del 2 febbraio 2004 (appello straordinario)

Algoritmi Avanzati Soluzioni dello scritto del 2 febbraio 2004 (appello straordinario) Algoritmi Avanzati Soluzioni dello scritto del febbraio 004 (appello straordinario) 1. Tengo nascosto nel taschino della giacca un grafo misterioso di 7 nodi. Vi dico solo che listando le valenze (= numero

Dettagli

Introduzione ai grafi. Introduzione ai grafi p. 1/2

Introduzione ai grafi. Introduzione ai grafi p. 1/2 Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte

Dettagli

Parte V: Rilassamento Lagrangiano

Parte V: Rilassamento Lagrangiano Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice

Dettagli

Esercizi proposti 10

Esercizi proposti 10 Esercizi proposti 10 In questo gruppo di esercizi assumiamo, dove non sia specificato diversamente, di rappresentare i grafi mediante liste di archi, con il tipo di dati così dichiarato: type a graph =

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

UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento

UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),

Dettagli

Progettazione di Algoritmi

Progettazione di Algoritmi Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 0/06/06 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via avrai

Dettagli

RICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola:

RICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola: Secondo appello //0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x x x x x + x x x per via algebrica, mediante l algoritmo del Simplesso Primale a partire

Dettagli

Quinto appello 27/6/ = 4. B b B = 2 b N = 4

Quinto appello 27/6/ = 4. B b B = 2 b N = 4 Quinto appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il problema di PL dato applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B {, }. Per

Dettagli

Algoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano

Algoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano Algoritmi Euristici Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Martedì 14.30-16.30 in Aula Omega Venerdì 14.30-16.30 in

Dettagli

Programmazione Lineare: problema del trasporto Ing. Valerio Lacagnina

Programmazione Lineare: problema del trasporto Ing. Valerio Lacagnina Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una

Dettagli

Figura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.

Figura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli. ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c

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

Introduzione ai grafi

Introduzione ai grafi TFA A048 Anno Accademico 2012-13 Outline Cenni storici sui grafi Nozioni introduttive: cammini, connessione, alberi, cicli Cammini di costo minimo Origini storiche La nascita della teoria dei grafi risale

Dettagli

Introduzione. Il routing permette la comunicazione tra due nodi differenti anche se non sono collegati direttamente

Introduzione. Il routing permette la comunicazione tra due nodi differenti anche se non sono collegati direttamente Routing Introduzione Il livello 3 della pila ethernet ha il compito di muovere i pacchetti dalla sorgente attraversando più sistemi Il livello di network deve quindi: Scegliere di volta in volta il cammino

Dettagli

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI 3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:

Dettagli

Algoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano

Algoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano Algoritmi Euristici Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Mercoledì 08.30-10.30 Venerdì 08.30-10.30 Ricevimento:

Dettagli

Ricerca Operativa 2. Ricerca Operativa 2 p. 1/6

Ricerca Operativa 2. Ricerca Operativa 2 p. 1/6 Ricerca Operativa 2 Ricerca Operativa 2 p. 1/6 Introduzione In questo corso ci occuperemo di problemi di ottimizzazione. Tali problemi sono tipicamente raggruppati in classi ognuna delle quali è formata

Dettagli

K 4 è planare? E K 3,3 e K 5 sono planari? Sì! No! (Teorema di Kuratowski) K 5. Camil Demetrescu, Irene Finocchi, Giuseppe F.

K 4 è planare? E K 3,3 e K 5 sono planari? Sì! No! (Teorema di Kuratowski) K 5. Camil Demetrescu, Irene Finocchi, Giuseppe F. K 4 è planare? Sì! E K 3,3 e K 5 sono planari? K 5 No! (Teorema di Kuratowski) 1 Un albero è un grafo bipartito? SÌ! Ma un grafo bipartito è sempre un albero?? 2 Algoritmi e Strutture Dati Capitolo 11

Dettagli

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013 A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 7 giugno 0 Nome: Cognome: Matricola: Orale /06/0 ore aula N Orale 0/07/0 ore aula N

Dettagli

Alberi di copertura. Mauro Passacantando. Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa

Alberi di copertura. Mauro Passacantando. Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa Alberi di copertura Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 0/ - Corso di Ricerca Operativa Università di Pisa / 9 Definizioni

Dettagli

Tecniche euristiche greedy

Tecniche euristiche greedy Tecniche euristiche greedy PRTLC - Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali

Dettagli

Università Roma Tre - PAS Classe A048 "Matematica Applicata" - Corso di Informatica a.a. 2013/2014

Università Roma Tre - PAS Classe A048 Matematica Applicata - Corso di Informatica a.a. 2013/2014 Università Roma Tre Dipartimento di Matematica e Fisica Percorso Abilitante Speciale Classe A08 Matematica Applicata Corso di Informatica Algoritmi su Grafi Marco Liverani (liverani@mat.uniroma.it) Sommario

Dettagli

Grafi (orientati): cammini minimi

Grafi (orientati): cammini minimi Grafi (orientati): cammini minimi Una breve presentazione Definizioni Sia G=(V,E) un grafo orientato con costi w sugli archi. Il costo di un cammino π= è dato da: Un cammino minimo tra

Dettagli

Grafi: visite. Una breve presentazione. F. Damiani - Alg. & Lab. 04/05 (da C. Demetrescu et al - McGraw-Hill)

Grafi: visite. Una breve presentazione. F. Damiani - Alg. & Lab. 04/05 (da C. Demetrescu et al - McGraw-Hill) Grafi: visite Una breve presentazione Visite di grafi Scopo e tipi di visita Una visita (o attraversamento) di un grafo G permette di esaminare i nodi e gli archi di G in modo sistematico Problema di base

Dettagli

Ricerca Operativa 2. Ricerca Operativa 2 p. 1/6

Ricerca Operativa 2. Ricerca Operativa 2 p. 1/6 Ricerca Operativa 2 Ricerca Operativa 2 p. 1/6 Introduzione In questo corso ci occuperemo di problemi di ottimizzazione. Ricerca Operativa 2 p. 2/6 Introduzione In questo corso ci occuperemo di problemi

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

Tecniche euristiche Ricerca Locale

Tecniche euristiche Ricerca Locale Tecniche euristiche Ricerca Locale PRTLC - Ricerca Locale Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo: rilassamenti Rilassamento

Dettagli

Appunti del corso di Informatica 1 (IN110 Fondamenti) 7 Grafi e alberi: introduzione

Appunti del corso di Informatica 1 (IN110 Fondamenti) 7 Grafi e alberi: introduzione Università di Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica (IN0 Fondamenti) Grafi e alberi: introduzione Marco Liverani (liverani@mat.uniroma.it)

Dettagli

Appunti su algoritmi approssimati per il Problema del Commesso Viaggiatore (TSP)

Appunti su algoritmi approssimati per il Problema del Commesso Viaggiatore (TSP) Appunti su algoritmi approssimati per il Problema del Commesso Viaggiatore (TSP) A. Agnetis 1 Algoritmi approssimati ed euristici Il Problema del Commesso Viaggiatore (Traveling Salesman Problem, TSP)

Dettagli

8.10 Algoritmi di approssimazione

8.10 Algoritmi di approssimazione 296 Capitolo 8 NP-completezza e approssimazione 8.10 Algoritmi di approssimazione Dimostrare che un problema è NP-completo significa rinunciare a progettare per esso un algoritmo polinomiale di risoluzione

Dettagli

Algoritmi e Strutture Dati

Algoritmi e Strutture Dati Algoritmi e Strutture Dati Minimo albero ricoprente Fabio Patrizi 1 Albero ricoprente Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è un albero;

Dettagli

Algoritmi e Strutture Dati II: Parte B Anno Accademico Lezione 3

Algoritmi e Strutture Dati II: Parte B Anno Accademico Lezione 3 Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005 Docente: Ugo Vaccaro Lezione 3 In questa lezione deriveremo algoritmi di approssimazione per alcuni classici problemi su grafi pesati. Iniziamo

Dettagli

2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 2 OTTIMIZZAZIONE SU GRAFI E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Molti problemi decisionali possono essere formulati utilizzando il linguaggio della teoria dei grafi. Esempi: - problemi di

Dettagli

Problemi di Instradamento di Veicoli

Problemi di Instradamento di Veicoli Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Problemi di Instradamento di Veicoli Renato Bruni bruni@dis.uniroma1.it Il materiale presentato è derivato

Dettagli

Algoritmi Euristici. Molti problemi reali richiedono soluzioni algoritmiche

Algoritmi Euristici. Molti problemi reali richiedono soluzioni algoritmiche 9 Algoritmi Euristici introduzione Vittorio Maniezzo Università di Bologna 1 Molti problemi reali richiedono soluzioni algoritmiche I camion devono essere instradati VRP, NP-hard I depositi o i punti di

Dettagli

Problemi intrattabili, classi P e NP. Problemi intrattabili, classi P e NP

Problemi intrattabili, classi P e NP. Problemi intrattabili, classi P e NP roblemi intrattabili Ci occuperemo solo di problemi decidibili, cioe ricorsivi. Tra loro, alcuni sono detti trattabili, se si puo provare che sono risolvibili in tempo polinomiale in modo deterministico.

Dettagli

Algoritmi e strutture dati

Algoritmi e strutture dati Algoritmi e Strutture Dati Cammini minimi Definizioni Sia G = (V,E) un grafo orientato pesato sugli archi. Il costo di un cammino π = è dato da: Un cammino minimo tra una coppia di

Dettagli

2.2 Alberi di supporto di costo ottimo

2.2 Alberi di supporto di costo ottimo . Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) protocolli reti IP memorizzazione compatta di

Dettagli

Problemi intrattabili

Problemi intrattabili Tempo polinomiale ed esponenziale Una Tm M ha complessita in tempo T(n) se, dato un input w di lunghezza n, M si ferma dopo al massimo T (n) passi. Problemi intrattabili Ci occuperemo solo di problemi

Dettagli

Università degli Studi di Udine Corso di Laurea in Ingegneria Gestionale (V.O.) Prova scritta di Ricerca Operativa 10 giugno 2003

Università degli Studi di Udine Corso di Laurea in Ingegneria Gestionale (V.O.) Prova scritta di Ricerca Operativa 10 giugno 2003 Università degli Studi di Udine Corso di Laurea in Ingegneria Gestionale (V.O.) Prova scritta di Ricerca Operativa 1 giugno 23 Nome: Cognome: Matricola: Esercizio 1) Nel concorso a pronostici del Totocalcio

Dettagli

Algoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano

Algoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano Algoritmi Euristici Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Martedì 14.30-16.30 in Aula Omega Venerdì 14.30-16.30 in

Dettagli

2.3.3 Cammini ottimi nei grafi senza circuiti

2.3.3 Cammini ottimi nei grafi senza circuiti .. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo

Dettagli

Il valore di flusso che si ottiene è

Il valore di flusso che si ottiene è 1) Si consideri un insieme di piste da sci e di impianti di risalita. Lo si modelli con un grafo orientato che abbia archi di due tipi: tipo D (discesa e orientato nel senso della discesa) e tipo R (risalita

Dettagli

Algoritmi e Strutture Dati

Algoritmi e Strutture Dati Algoritmi e Strutture Dati Capitolo 12 Grafi e visite di grafi Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Definizione Un grafo G=(V,E) consiste in: - un insieme V di vertici (o nodi) - un insieme

Dettagli

Cammini minimi per grafi molto grandi

Cammini minimi per grafi molto grandi Cammini minimi per grafi molto grandi 1. Definizioni È dato un grafo orientato G = (N, E). Indichiamo con n il numero di nodi N e con m il numero di archi E. Se il problema del cammino minimo è formulato

Dettagli

Possibile applicazione

Possibile applicazione p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile

Dettagli

2.2 Alberi di supporto di costo ottimo

2.2 Alberi di supporto di costo ottimo . Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) diffusione di messaggi segreti memorizzazione

Dettagli

Teoria della Complessità Concetti fondamentali

Teoria della Complessità Concetti fondamentali Teoria della Complessità Concetti fondamentali L oggetto della teoria della complessità è stabilire se un problema sia facile o difficile La difficoltà di un problema è una caratteristica generale e non

Dettagli

Dai ponti di Königsberg al postino cinese

Dai ponti di Königsberg al postino cinese Dai ponti di Königsberg al postino cinese Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 2012/1 - Corso di Ricerca Operativa Università

Dettagli

5.1 Metodo Branch and Bound

5.1 Metodo Branch and Bound 5. Metodo Branch and Bound Si consideri il problema min{ c(x) : x X } Idea: Ricondurre la risoluzione di un problema difficile a quella di sottoproblemi più semplici effettuando una partizione (ricorsiva)

Dettagli

DISPIEGAMENTO CENTRALIZZATO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO IL PROBLEMA DEL SENSORI MOBILI IL PROBLEMA (1)

DISPIEGAMENTO CENTRALIZZATO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO IL PROBLEMA DEL SENSORI MOBILI IL PROBLEMA (1) 1 IL PROBLEMA DEL DISPIEGAMENTO CENTRALIZZATO DI SENSORI MOBILI OVVERO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO Prof. Tiziana Calamoneri Corso di Algoritmi per le reti A.A. 2010/11 2 IL PROBLEMA SENSORI

Dettagli

Lista di esercizi 11 maggio 2016

Lista di esercizi 11 maggio 2016 Lista di esercizi 11 maggio 2016 1. Determinare il numero di sequenze binarie di lunghezza n che contengano almeno una coppia di 0 consecutivi. Soluzione. Potrebbe essere utile un programma di calcolo

Dettagli

INFORMATICA AA Università degli Studi di Ferrara Facoltà di Scienze MM FF NN Corso di Laurea in «Scienze e Tecnologie per i Beni Culturali»

INFORMATICA AA Università degli Studi di Ferrara Facoltà di Scienze MM FF NN Corso di Laurea in «Scienze e Tecnologie per i Beni Culturali» Università degli Studi di Ferrara Facoltà di Scienze MM FF NN Corso di Laurea in «Scienze e Tecnologie per i Beni Culturali» AA 2010-2011 INFORMATICA Prof. Giorgio Poletti giorgio.poletti@unife.it Grafi

Dettagli

Automi e Linguaggi Formali

Automi e Linguaggi Formali Automi e Linguaggi Formali Problemi intrattabili, classi P e NP A.A. 2014-2015 Alessandro Sperduti sperduti@math.unipd.it Problemi intrattabili Ci occuperemo solo di problemi decidibili, cioè ricorsivi.

Dettagli

Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale

Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Il problema di fondo Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Algoritmi e Programmazione Stefano

Dettagli

AMPL Problemi su Reti

AMPL Problemi su Reti Dipartimento di Matematica Università di Padova Corso di Laurea Informatica Outline Problemi su Reti Cammino Minimo Molti problemi di ottimizzazione combinatoria possono essere modellati ricorrendo ai

Dettagli

Note per la Lezione 21 Ugo Vaccaro

Note per la Lezione 21 Ugo Vaccaro Progettazione di Algoritmi Anno Accademico 20 20 Note per la Lezione 2 Ugo Vaccaro In questa lezione introdurremo il concetto di grafo, esamineremo le loro più comuni rappresentazioni ed introdurremo i

Dettagli