Formulazioni. Consideriamo il seguente problema di Knapsack 0-1. max (5x x 2. ) st 3x x 2. < 6 x {0,1} 2
|
|
- Fausto Pesce
- 5 anni fa
- Visualizzazioni
Transcript
1 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.
2 Insiemi ammissibili x 2 (0, 1) (1, 1) (0, 0) (1, 0) x 1
3 Formulazione Un poliedro P è una formulazione di un problema di OC se e solo se P {0,1} n = F x 2 x 1
4 Il rilassamento lineare Il problema di knapsack 0-1 max 5x 1 + 2x 2 3x 1 + 4x 2 < 6 x {0,1} 2 ha come rilassamento lineare max 5x 1 + 2x 2 3x 1 + 4x 2 < 6 x 1 > 0 x 2 > 0 x 1 < 1 x 2 < 1
5 è un poliedro x 2 3x 1 + 4x 2 < 6 x 2 < 1 x 1 > 0 x 1 < 1 x 2 > 0 x 1
6 ovvero, è una formulazione x 2 x 1
7 Gerarchia di formulazioni Quando una formulazione è migliore di un altra? Definizione: Se un poliedro P 1, formulazione di F, è contenuto in P 2, formulazione di F, diciamo che P 1 è migliore di P 2. In generale P 1 P 2 P 3 Esiste una formulazione ideale?
8 Formulazione ideale Geometricamente la formulazione ideale coincide con il più piccolo poliedro contenente F. x 2 Come si ottiene la formulazione ideale? x 1
9 Proprietà Osservazione: Ogni vertice del poliedro associato alla formulazione ideale è in corrispondenza biunivoca con un insieme ammissibile. Definizione: Dati due vettori x 1 e x 2 di R n si definisce combinazione convessa il vettore y = λx 1 + (1 λ) x 2 con λ [0, 1] Esempio: x 1 y x 2
10 Involucro convesso Definizione: Dato un insieme X R n, l involucro convesso di X, indicato con conv(x), è definito nel modo seguente: conv (X) = {x: x = Σλ i x i, Σλ i =1, λ i > 0 per i=1,,t su tutti i sottoinsiemi finiti {x 1,, x t } di X}. Pertanto, l involucro convesso è l insieme di tutte le possibili combinazioni convesse di un insieme di vettori X di R n. Osservazione: conv(x) è un poliedro. t i =1 i =1 La formulazione ideale di F è conv (F). t
11 Calcolo di conv (F) In linea di principio Dati gli insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)} y conv(f) se e solo se si può esprimere come y 1 y 2 =λ λ λ λ 1 +λ 2 +λ 3 =1 λ 1,λ 2,λ 3 0
12 a questo punto Attenzione: questo sistema è nello spazio R n+m, se m sono gli insiemi ammissibili. Quindi per ottenere la formulazione ideale è necessario proiettare il sistema nello spazio R n. A questo scopo è possibile utilizzare l algoritmo di Fourier- Motzkin che consente di eliminare le variabili λ.
13 Punto della situazione Dato un problema di OC 1. Elenco tutti gli insiemi ammissibili. 2. Rappresento gli insiemi ammissibili come vettori a componenti in {0,1}. 3. Scrivo l involucro convesso applicando la definizione. 4. Con l algoritmo di Fourier-Motzkin elimino i coefficienti della combinazione convessa e ottengo una formulazione ideale nello spazio R n. 5. Applico il metodo del simplesso e trovo la soluzione ottima. È efficiente questo algoritmo?
14 Efficienza del calcolo di conv(f) Problemi del precedente algoritmo 1. Gli insiemi ammissibili sono tipicamente in numero esponenziale. 2. L algoritmo di Fourier-Motzkin non ha complessità polinomiale. Però sappiamo che una formulazione ideale esiste sempre e quindi 1. Caso MOLTO fortunato: abbiamo una formulazione che è proprio la formulazione ideale. 2. Tentiamo di approssimare la formulazione ideale costruendo una gerarchia di formulazioni a partire da una formulazione iniziale.
15 Gerarchia di formulazioni Quando una formulazione è migliore di un altra? Definizione: Se un poliedro P 1, formulazione di F, è contenuto in P 2, formulazione di F, diciamo che P 1 è migliore di P 2. In generale, una gerarchia di formulazioni è costituita da un insieme di poliedri P 1 P 2 P 3
16 Esempio Consideriamo un problema di knapsack con il vincolo che l oggetto k può essere scelto se e solo se nella bisaccia sono stati scelti gli oggetti i e j. Formulazione 1. Formulazione 2. max c T x st ax b x k x i x k x j x {0,1 } n max c T x st ax b 2x k x i +x j x {0,1 } n
17 Esempio (II) Il rilassamento lineare della Formulazione 1 è migliore di quello della Formulazione 2. Infatti, il vincolo 2x k x i +x j è implicato dai vincoli x k x i x k x j Quindi, P 1 P 2.
18 Formulazione ideale La formulazione del problema di knapsack NON è una formulazione ideale. Domanda: Esistono casi fortunati in cui la formulazione coincide con la formulazione ideale? E possibile caratterizzare le formulazioni ideali in modo da riconoscerle in tempo polinomiale?
19 Il caso fortunato Consideriamo il seguente problema di PL in forma standard, in cui A R m n è una matrice intera e b R n è un vettore intero con rg (A) = m < n. min c T x Ax = b x > 0 Se il problema ammette soluzione ottima finita, allora il metodo del simplesso restituisce la soluzione ottima in corrispondenza di una soluzione di base ammissibile del tipo: X = X B X N = B 1 b 0
20 Il caso fortunato (II) Osservazione: Se la base ottima B ha determinante det(b )= + 1, allora il problema lineare ha una soluzione intera. Infatti: B 1 = B a /det(b), dove B a è la matrice aggiunta. Gli elementi di B a sono tutti prodotti di termini di B. Pertanto B a è una matrice intera e, poiché det(b)=+1, B 1 è ancora intera. Pertanto la soluzione di base x B = B 1 b è intera per ogni intero b.
21 Matrici unimodulari Definizione: Una matrice A intera m n (m < n) si dice unimodulare se ogni sua sottomatrice B di dimensioni m m ha det(b) = {-1, 0, +1}. Dall osservazione precedente si ottiene il seguente risultato: Teorema: Se A è una matrice unimodulare e b è un vettore intero, il poliedro P = {Ax = b, x > 0} ha tutti i vertici interi.
22 Matrici totalmente unimodulari Consideriamo ora il rilassamento lineare di una formulazione di PL-{0,1}. In generale, sarà del tipo: min c T x Ax b (P ) x > 0 Per portare questo problema in forma standard bisogna inserire le variabili di slack y: min c T x Ax Iy = b (P ) x, y > 0
23 Matrici totalmente unimodulari Definizione: Una matrice A si dice totalmente unimodulare (TUM) se ogni sottomatrice quadrata di A ha determinante {-1, 0, +1}. Proprietà delle matrici TUM Una matrice A è TUM se e solo se la matrice trasposta A T è TU. la matrice (A, I ) è TU.
24 Teorema Teorema (Hoffman-Kruskal [1956]): Sia A una matrice intera. Il poliedro P definito da P = {Ax > b, x > 0} ha tutti i vertici interi per ogni vettore intero b se e solo se A è TUM. Attenzione: Il teorema non vale se P = {x R n, Ax = b}. Infatti, in questo caso P può avere vertici interi ma A può non essere TUM.
25 Condizioni per la TU Teorema: A è TUM se i) a ij {-1, 0, 1} ii) Ogni colonna ha al più due coefficienti non nulli iii) Esiste una partizione (M 1, M 2 ) dell insieme delle righe M tale che ogni colonna j contenente due coefficienti non nulli soddisfa a ij = a ij i Μ 1 i Μ 2 Osservazione: - se la colonna j contiene due elementi a ij 0 e a kj 0 dello stesso segno allora i M 1 e k M 2. - se la colonna j contiene due elementi a ij 0 e a kj 0 di segno opposto allora i, k M 1 oppure i,k M 2.
26 Dimostrazione Supponiamo che le condizioni i), ii) e iii) siano soddisfatte. Dobbiamo dimostrare che ogni sottomatrice quadrata B di A ha det(b) { 1, 0, 1}. Procediamo per induzione: Se B è una sottomatrice 1 1, banalmente det(b) { 1,0,1}. Supponiamo ora che la tesi valga per ogni sottomatrice di A di dimensioni (n 1) (n 1) e consideriamo una sottomatrice B di dimensioni n n. Se B contiene una colonna nulla, det(b) = 0.
27 Dimostrazione Se B contiene una colonna con un unico elemento diverso da zero, allora det(b) = +det(b ), dove B è di ordine (n 1) (n 1). Pertanto, dall ipotesi induttiva, det(b) { 1,0,1}. Se ogni colonna di B contiene due elementi 0, dall ipotesi si ottiene a ij = a ij i Μ 1 i Μ 2 Questo implica che det(b) = 0.
28 Esempi di matrici TUM G (N, A) grafo diretto 2 3 e a i d c h b f g 4 5 l t A Matrice di incidenza nodi-archi M 1 = M, M 2 = a b c d e f g h i l s Teorema: La matrice di incidenza di t un grafo diretto è TUM.
29 Problema di cammino minimo Dati: G (N, A) grafo diretto, due nodi (s, t), vettore c R + A min Σc ij x ij Σ x sk Σ x ks = 1 k δ + (s) Σ x ik Σ x ki = 0 per i V\{s, t} Σ x tk k δ + (i) k δ - (s) Σ x kt = 1 k δ + (t) k δ - (i) k δ - (t) x ij > 0, intera per (i,j) A
30 Problema di cammino minimo z= min c ij x ij st =[ 1 Ax 0 1] x 0 x 1 x {0,1 } A La stipula di interezza può essere rimossa in quanto A è TU
31 Matrice di incidenza di grafi bipartiti d c b a e 4 5 M 2 a b c d e M Teorema: Un grafo è bipartito se e solo se la sua matrice di incidenza è totalmente unimodulare.
32 Matrici di incidenza Domanda:Tutte le matrici di incidenza sono TU? NO!!! 1 b a 2 c 3 a b c
33 Matrici totalmente unimodulari Primale min c T x Ax b x > 0 max y T b A T y < c T y > 0 Duale Supponiamo che A sia TUM (quindi il primale è intero). Poiché A è TUM se e solo se la matrice trasposta A T è TUM, segue che anche il duale è intero. Teorema: Se A è TUM allora sia il problema primale che il problema duale sono interi.
34 Algoritmo di Held & Karp per il calcolo dell'1-albero di peso minimo
35 1-albero Ricordiamo che: Definizione: Dato un grafo G = (V, E), un 1-albero è un sottografo di G che consiste di due archi adiacenti al nodo 1 più gli archi di un albero ricoprente i nodi {2,, n}. Esempio G = (V, E) albero
36 1-albero Osservazione: Ogni ciclo hamiltoniano è un 1-albero. Pertanto, il problema Dati: grafo G = (V,E), pesi sugli archi c e per ogni arco e E. Domanda: trovare un 1-albero di peso minimo. è un rilassamento del problema del TSP. 1-albero = lower bound per il valore ottimo del TSP Siano A = min{c e +c f : e,f δ(1), e f} e B = costo del minimo albero ricoprente su G\{1}. Allora A+B è un lower bound per il valore ottimo del TSP su G.
37 Esempio Consideriamo il seguente grafo: albero di peso minimo Il valore del lower bound è z LB 1 ottimo ha valore z 1 * > 0. = 0. Pertanto, il ciclo hamiltoniano
38 Esempio Ciclo hamiltoniano ottimo Il valore della soluzione ottima è z 1 * =. z* 1 = z 1 LB = 0
39 Esempio Osservazione: La soluzione associata all'1-albero di peso minimo può utilizzare tutti e tre gli archi incidenti sul nodo 4 e aventi peso nullo. D'altra parte, il ciclo hamiltoniano ottimo deve necessariamente utilizzare un arco avente peso diverso da 0. Cosa succede se incrementiamo di un valore pari a il peso degli archi incidenti sul nodo 4? Ogni ciclo hamiltoniano utilizza esattamente due archi incidenti sul nodo 4. Pertanto il costo di ogni ciclo hamiltoniano è incrementato di un valore pari a 20.
40 Esempio Osservazione: Il ciclo hamiltoniano ottimo è rimasto invariato ed il suo costo è ora pari a z 2 * = z 1 * + 20 = Ciclo hamiltoniano ottimo
41 Esempio Calcoliamo l'1-albero di peso minimo sul grafo con i costi degli archi variati albero di peso minimo In questo caso z LB = 30 e pertanto il ciclo hamiltoniano ottimo 2 ha valore z 2 * > 30.
42 Esempio Poiché z 1 * = z 2 * 20 > = possiamo concludere che il ciclo hamiltoniano sul grafo originario (ossia senza i costi alterati su alcuni archi) deve avere un costo almeno pari a. Tramite una semplice trasformazione abbiamo migliorato il lower bound sul valore ottimo del problema iniziale. Osservazione: Sebbene la trasformazione non alteri il TSP, essa fondamentalmente altera il calcolo del minimo albero ricoprente e, quindi, dell'1-albero.
43 Bound di Held e Karp Dati G = (V,E), pesi sugli archi c ij per ogni arco (i,j) E. v 1 V. Numero reale y v associato a ciascun nodo v V. Pesi alterati sugli archi w ij = c ij y i y j per ogni arco (i,j) E. sia w(t) il costo dell'1-albero di peso minimo calcolato rispetto ai pesi w ij. Allora 2Σ v V y v + w(t) è un lower bound per il valore ottimo del TSP sul grafo originario.
44 Bound di Held e Karp La trasformazione effettuata sui costi degli archi del grafo consiste 1. nell'associare al nodo v = 4 il valore k = 1. nel sottrarre ai costi degli archi incidenti sul nodo v = 4 il valore k =. Il bound ottenuto con questa trasformazione è noto come bound di Held e Karp (1970).
45 Bound di Held e Karp Per determinare i numeri reali da assegnare ai singoli nodi del grafo, procediamo nel modo seguente: 1. Sia T l'1-albero calcolato ad una generica iterazione rispetto ai pesi w ij. 2. Per ogni nodo v, sia d T (v) il numero di archi dell'1-albero incidenti su v. 3. Se d T (v) > 2, allora il valore y v deve essere decrementato. 4. Se d T (v) = 1, allora il valore y v deve essere aumentato.
46 Bound di Held e Karp Per aggiornare i valori associati a ciascun nodo alla k-esima iterazione, consideriamo: z UB = upper bound sul valore della soluzione ottima del TSP z H = lower bound di Held e Karp corrente LB α (k) = numero reale nell'intervallo (0, 2] Definiamo la lunghezza del passo: e aggiorniamo i valori y v come segue: t (k) = α (k) (z UB z H LB )/Σ v V (2 d T (v))2 y v = y v + t (k) (2 d T (v)) Con questa scelta della lunghezza del passo, la procedura di Held e Karp converge al bound ottimo in tempo polinomiale.
47 Procedura di Held e Karp Input Grafo G = (V,E) con costi c e per ogni e E e v 1 V. Upper bound z UB. Numero reale positivo ITERATIONFACTOR Intero positivo MAXCHANGES Inizializzazione y v = 0 per ogni v V. z* LB =. TSMALL = α=2. β=0.5. NUMITERATIONS=ITERATIONFACTOR V
48 Procedura di Held e Karp Algoritmo For i = 1 to MAXCHANGES For k = 1 to NUMITERATIONS T = 1-albero ottimo rispetto ai costi w ij = c ij y i y j z LB = lower bound corrispondente all'1-albero T If z LB > z* LB, then z* LB = z LB. If T è un ciclo hamiltoniano, then STOP. t (k) = α (k) (z UB z H LB )/Σ v V (2 d T (v))2. If t (k) < TSMALL, then STOP. Sostituisci y v = y v + t (k) (2 d T (v)) per ogni v V. Sostituisci α = βα.
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)}
DettagliParte 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
Dettagli3.3 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
DettagliMetodi 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
DettagliMatrici 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
DettagliRicerca 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)
Dettaglimin 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
DettagliParte 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
DettagliRicerca 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 -
DettagliRicerca 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
DettagliParte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio
Parte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio Nozioni di geometria Definizione: Un vettore y R n è combinazione conica dei vettori { 1,, k } se esistono k coefficienti reali λ
DettagliParte 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:
DettagliLezioni 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
DettagliI Appello Ricerca Operativa 2 bis Compito A
I Appello Ricerca Operativa 2 bis Compito A Cognome e nome:. Esercizio 1. Si consideri il problema del matching di cardinalità massima in un grafo G ed il suo problema di decisione associato: esiste un
DettagliGestione 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
DettagliFigura 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
DettagliParte V: Rafforzamento di formulazioni e algoritmo dei piani di taglio
Parte V: Rafforamento di formulaioni e algoritmo dei piani di taglio Noioni di geometria Definiione: Un vettore y R n è combinaione conica dei vettori {,, k } se esistono k coefficienti reali λ,,λ k tali
DettagliTeoria della Programmazione Lineare Intera
0 Teoria della Programmazione Lineare Intera 0. INTRODUZIONE Come visto precedentemente, molti problemi particolarmente importanti dal punto di vista applicativo sono riconducibili alla soluzione di un
DettagliGestione 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
DettagliFACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 6 Giugno 1996
Verona, Giugno ) E dato il seguente problema di Programmazione Lineare: min( x + ) x x x Rappresentare il problema geometricamente e successivamente scriverlo in forma standard. a) Determinare una soluzione
DettagliRICERCA 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
DettagliFACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 5 Febbraio , : ; ;,, trovare il punto di
Verona, Febbraio 99 ) Dato il problema min( cx + cx ) x+ x x = x + x x = ax + x x = x i 0 i =,... a) dire, giustificando, per quali valori di c, c ed a in una soluzione ammissibile si ha x =x =/; la soluzione
Dettagli5.5 Metodi generali per la soluzione di problemi
5.5 Metodi generali per la soluzione di problemi di PLI I problemi di PLI hanno caratteristiche molto diverse dai problemi di PL. In alcuni casi, la soluzione del problema lineare rilassato, ottenuto cioè
DettagliESERCIZIO 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
DettagliEsame di Ricerca Operativa del 12/06/18. Base x Degenere? y Indice Rapporti Indice uscente entrante
Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Effettuare due iterazioni dell algoritmo del simplesso duale: min y + y + y + y + y + y y y y + y +y = y y + y +y y
DettagliPossibile 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
DettagliRichiami 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
DettagliRICERCA OPERATIVA (9 cfu)
a PROVA scritta di RICERCA OPERATIVA (9 cfu) gennaio Cognome Nome Ai fini della pubblicazione (cartacea e elettronica) del risultato ottenuto nella prova di esame, autorizzo al trattamento dei miei dati
DettagliIntroduzione 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
DettagliRICERCA OPERATIVA (a.a. 2018/19)
Secondo appello //9 RICERCA OPERATIVA (a.a. 8/9) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: min y + y y y y y = y + y y = y, y, y, y Si verifichi se la soluzione ȳ =,,, sia ottima
DettagliAlgoritmi esatti. La teoria ci dice che per problemi difficili (come il
p. 1/4 Algoritmi esatti La teoria ci dice che per problemi difficili (come il KNAPSACK o, ancora di più, il TSP ) i tempi di risoluzione delle istanze, calcolati tramite analisi worst-case, tendono a crescere
DettagliParte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Sia Divide et Impera z* = max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
DettagliProblema di flusso massimo
p. 1/5 Problema di flusso massimo Si consideri una rete, ovvero un grafo orientato G = (V,A). Attraverso tale rete si fa viaggiare quello che chiameremo genericamente un flusso di "prodotto". A seconda
DettagliMassimo 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
DettagliParte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Divide et Impera Sia z * max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
DettagliProgrammazione Lineare Intera
Programmazione Lineare Intera Andrea Scozzari a.a. 2012-2013 May 10, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare Intera May 10, 2013 1 / 16 Programmazione Lineare Intera: Metodo dei Piani
Dettagli5.3 Metodo dei piani di taglio
5.3 Metodo dei piani di taglio (PLI) min s.v. c T x Ax b x interi X Ipotesi: a ij, c j e b i interi Osservazione: La regione ammissibile di un PLI può essere descritta mediante dei vincoli più o meno stringenti
Dettagli1) 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
DettagliEsame di Ricerca Operativa del 06/02/17
Esame di Ricerca Operativa del 0/0/7 (Cognome) (Nome) (Numero d Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max 7 x x x x x x x + x x x 0 x
DettagliRegistro 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
DettagliEsame di Ricerca Operativa del 04/02/16. 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 + y + y + y y y +y y +
DettagliOttimizzazione Combinatoria A. A
Ottimizzazione Combinatoria A. A. 2005-2006 Docente Fabrizio Rossi Orario di ricevimento mercoledi 17-19 oppure su appuntamento Telefono 0862433139 e-mail rossi@di.univaq.it Sito web http://www.di.univaq.it/~oil
DettagliProblemi 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
DettagliTeoria della Programmazione Lineare Intera
Teoria della Programmazione Lineare Intera Laura Galli Dipartimento di Informatica Largo B. Pontecorvo, 567 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 7 Ottobre 0 Ricerca Operativa Laurea
DettagliOttimizzazione Combinatoria A. A
Ottimizzazione Combinatoria A. A. 2006-2007 Docente Fabrizio Rossi Orario di ricevimento mercoledi 7-9 oppure su appuntamento Telefono 086243339 e-mail rossi@di.univaq.it Sito web http://www.di.univaq.it/~oil
DettagliEsame di Ricerca Operativa del 18/02/13
Esame di Ricerca Operativa del 8/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x +8 x x + x x +x x x + x x +x 8 x
DettagliDomini 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
DettagliEsame di Ricerca Operativa del 15/01/16. 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: max x x x x x x x + x x + x x x x +x Base
DettagliRICERCA OPERATIVA (a.a. 2017/18) Nome: Cognome: Matricola:
Sesto appello 7/7/8 RICERCA OPERATIVA (a.a. 7/8) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B
Dettagli5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano Programma lineare intero: (PLI) min c T x Ax b x 0 intero Ipotesi: A, b interi La condizione di interezza non è
DettagliEsame 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
DettagliProgrammazione 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
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 7-8 Soluzioni di alcuni esercizi Esercizi - I. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
DettagliEsame 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
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliSoluzione. V : insieme dei nodi del grafo A: insieme degli archi del grafo K: insieme degli indici delle coppie di origine-destinazione (s k,t k )
Soluzione.1 Progetto di rete con capacità a) Diamo la seguente formulazione del problema: Insiemi V : insieme dei nodi del grafo A: insieme degli archi del grafo K: insieme degli indici delle coppie di
DettagliRICERCA OPERATIVA (a.a. 2018/19) Nome: Cognome: Matricola:
Primo appello //9 RICERCA OPERATIVA (a.a. /9) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x + x x + x x + x x x x x applicando l algoritmo del Simplesso Primale, per via algebrica,
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
DettagliQuinto 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
DettagliEsame di Ricerca Operativa del 28/05/14. 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: max x x x x +x x x x +x x x Base Soluzione
DettagliUNIVERSITÀ 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),
DettagliProgrammazione Lineare Intera. Programmazione Lineare Intera p. 1/4
Programmazione Lineare Intera Programmazione Lineare Intera p. 1/4 Programmazione Lineare Intera Problema di PLI in forma standard: max cx Ax = b x 0, x I n I insieme degli interi. Regione ammissibile:
DettagliRICERCA OPERATIVA. Stock bamboline automobiline libri peluches costo (euro)
RICERCA OPERATIVA Tema d esame del 15/12/2008 (5 crediti) COGNOME: NOME: MATRICOLA: 1. Babbo Natale deve organizzare gli acquisti per le prossime festività. Sono arrivate richieste di 15000 bamboline,
DettagliIl rilassamento Lagrangiano nella soluzione di problemi di programmazione lineare intera
Il rilassamento Lagrangiano nella soluzione di problemi di programmazione lineare intera Alessandro Agnetis, Paolo Detti January 24, 212 1 La tecnica Lagrangiana L applicazione di algoritmi di enumerazione
DettagliSoluzione dei Problemi di Programmazione Lineare
Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle
DettagliProgrammazione Matematica: VI Estensioni dell algoritmo del Simplesso
Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 Aprile 2004 Algoritmo del Simplesso L algoritmo del Simplesso
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
DettagliEsame 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
DettagliEsame 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
DettagliEsame di Ricerca Operativa del 19/07/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 9/0/ 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 9 Base Soluzione
DettagliEsame di Ricerca Operativa del 6/2/18. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del //8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y +9 y + y +9 y + y + y y + y
DettagliMETODI 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)
DettagliBranch-and-bound per TSP
p. 1/6 Branch-and-bound per TSP Anche qui, rispetto allo schema generale visto in precedenza dobbiamo specificare: p. 1/6 Branch-and-bound per TSP Anche qui, rispetto allo schema generale visto in precedenza
DettagliTecniche di Decomposizione per Programmazione Lineare Intera (Mista)
Tecniche di Decomposizione per Programmazione Lineare Intera (Mista) Domenico Salvagnin 2011-06-12 1 Introduzione Dato un problema di programmazione lineare intera (mista), non è sempre possibile (o conveniente)
DettagliEsame 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
DettagliDefinizione 1.3 (Arco accoppiato) Un arco è accoppiato se è appartenente al matching M.
Matching. Definizioni Definizione. (Matching di un grafo G = (N, A)) Il matching di un grafo è un sottoinsieme M di archi tali per cui nessuna coppia di essi condivida lo stesso nodo. Definizione.2 (Matching
Dettagli12.1 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
DettagliEsame 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
DettagliEsame di Ricerca Operativa del 24/07/18. max 7 x 1 +4 x 2 x 1 +3 x x 1 +x x 1 +x 2 12 x 1 x x 1 3 x 2 2 x 1 2 x 2 14
Esame di Ricerca Operativa del /07/18 Cognome) Nome) Numero di Matricola) Esercizio 1. Effettuare due iterazioni dell algoritmo del simplesso primale per il problema max 7 x 1 + x x 1 + x 6 x 1 +x x 1
DettagliMacchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4
Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse
DettagliEsame di Ricerca Operativa del 19/02/2019. Esercizio 1. Risolvere il seguente problema di programmazione lineare applicando l algoritmo del simplesso:
Esame di Ricerca Operativa del 9/0/09 (Cognome) (Nome) (Numero di Matricola) Esercizio. Risolvere il seguente problema di programmazione lineare applicando l algoritmo del simplesso: max x x x 0 x + x
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 8-9 Soluzioni di alcuni esercizi Esercizi - I 3. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
DettagliA T x b x 0. che chiameremo problema primale, possiamo associare ad esso un altro problema di PL, detto problema duale, definito come segue.
1 Dualitá Dato un problema di PL in forma canonica max c T x A T x b x 0 che chiameremo problema primale, possiamo associare ad esso un altro problema di PL, detto problema duale, definito come segue min
DettagliCOMPITO DI RICERCA OPERATIVA APPELLO DEL 07/04/04
COMPITO DI RICERCA OPERATIVA APPELLO DEL 07/04/04 Esercizio 1 1)Dato il seguente problema di PL: max 2x 1 x 2 x 1 + x 2 2 x 1 + 2x 2 7 x 1 + x 2 1 x 1, x 2 0 trasformarlo in forma standard (2 punti) 2)
DettagliCertificati 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
DettagliProblemi, 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
DettagliEsame 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
DettagliTeoria dei Grafi Elementi di base della Teoria dei Grafi
L. Pallottino, Sistemi Robotici Distribuiti - Versione del 4 Marzo 2015 42 Teoria dei Grafi Elementi di base della Teoria dei Grafi Definizione 1. Un grafo G = (V, E) è composto da un insieme finito di
DettagliCOMPITO 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).
DettagliTeoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8
Teoria della Programmazione Lineare Teoria della Programmazione Lineare p. 1/8 I problemi di PL in forma canonica In forma scalare: max n j=1 c jx j n j=1 a ijx j b i x j 0 i = 1,...,m j = 1,...,n Teoria
DettagliMATRICI E SISTEMI LINEARI
MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione
DettagliIntroduzione al Column Generation Caso di Studio: il Bin Packing Problem
Introduzione al Column Generation Caso di Studio: il Bin Packing Problem November 15, 2014 1 / 26 Introduzione Il column generation è una metodologia che può essere usata per risolvere problemi di ottimizzazione
DettagliEsame 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 +
DettagliPoliedri e formulazioni
Poliedri e formulazioni Def.: Un poliedro P R n è l insieme dei punti che soddisfano un numero finito di disequazioni lineari, ossia P = {x R n : Ax b} dove A è una matrice di dimensioni m n e b è un vettore
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities
Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities L. De Giovanni M. Di Summa In questa lezione introdurremo una classe di disuguaglianze, dette cover inequalities, che permettono di
DettagliEsercizio 1. Variabili decisionali:
Esercizio 1 Si noti che i costi sono dati per tonnellata, mentre molti vincoli riguardano il numero di navi. Si introducono pertanto DUE tipi di variabili, uno relativo al numero di tonnellate per tipo
DettagliEsame 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
DettagliMacchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4
Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse
DettagliA.A Fondamenti di Ricerca Operativa. 2. Determinare β affinchè il poliedro descritto dal sistema di disequazioni
A.A. 08-09 Fondamenti di Ricerca Operativa. Si consideri il problema min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto, oppure è illimitato,
Dettagli