Un esempio di applicazione della programmazione lineare intera al progetto di una rete stradale con vincoli di network survivability
|
|
- Marcella Villa
- 5 anni fa
- Visualizzazioni
Transcript
1 Un esempio di applicazione della programmazione lineare intera al progetto di una rete stradale con vincoli di network survivability Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA Prof. Marcello Sanguineti Autore: Giorgio Gnecco Università di Genova Via Opera Pia, Genova, Italy 1 / 20
2 Progetto di una rete stradale con un vincolo di network survivability Problema: date alcune città, si vuole progettare una rete stradale che le colleghi in modo tale da minimizzare il costo totale di costruzione della rete, e garantire al tempo stesso il soddisfacimento di un vincolo di network survivability della rete. Esempio di vincolo di network survivability : si vuole garantire che la rete rimanga connessa anche nel caso di inagibilità temporanea di una strada (ad esempio, in caso di neve o frana). Problemi simili si manifestano, ad esempio, nel progetto delle reti di telecomunicazioni. 2 / 20
3 Per ogni coppia di città i e j, è noto il costo di costruzione c i,j > 0 di una strada che le colleghi direttamente. Se c i,j = +, non è possibile costruire la strada (ad esempio, a causa di vincoli territoriali). Nel seguito, supporremo che tutti i c i,j siano finiti, ed approssimeremo la condizione c i,j = + con c i,j molto grande, ma finito. In pratica, il problema consiste nel decidere quali strade costruire tra quelle con c i,j < +. In termini di teoria dei grafi, dati i nodi (città) di un grafo non orientato, si tratta di decidere quali archi non orientati (strade) aggiungere al grafo in modo che il costo di costruzione del grafo (somma dei pesi degli archi aggiunti) sia il più piccolo possibile, compatibilmente ad un vincolo opportuno sulla topologia del grafo. 3 / 20
4 Strategia divide et impera Per semplificare il problema, è possibile scomporlo in due fasi. Nella prima fase, impiegando un criterio opportuno, si suddividono i nodi in due gruppi: nodi normali e nodi concentratori. A questo punto, si costruisce una prima sottorete, che collega ogni nodo normale i (norm) al nodo concentratore j (conc) più vicino, cioè quello che minimizza il costo c i (norm),j(conc) (purchè tale nodo non sia troppo carico, altrimenti si passa al noco concentratore successivo). In pratica, la rete è costituita da tante stelle quanti sono i nodi concentratori (centri delle stelle). Nel seguito, il criterio opportuno di definizione dei due gruppi di nodi consiste nella minimizzazione del costo totale dei pesi degli archi di tutte le stelle individuate da una tale suddivisione dei nodi, limitando al tempo stesso il numero di nodi concentratori. 4 / 20
5 In una seconda fase, si collegano i soli nodi concentratori con una sottorete, in modo da minimizzare il costo di costruzione di tale sottorete, e garantire un dato vincolo di network survivability per la sola sottorete. Nel seguito, il vincolo di network survivability consiste nel richiedere che la sottorete sia connessa, e resti connessa in seguito all eventuale rimozione di un arco non orientato dalla sottorete stessa. Nel seguito, si mostra che entrambi i sottoproblemi possono essere formulati come problemi di programmazione lineare intera (PLI). 5 / 20
6 Esempio di rete di trasporto a più livelli In un certo senso, i nodi normali corrispondono a città di piccole dimensioni, mentre i nodi concentratori corrispondono alle grandi città. Le grandi città sono collegate tra loro da autostrade o strade statali, mentre ogni città di piccole dimensioni è collegata ad una grande da una strada provinciale. 6 / 20
7 Primo sottoproblema Dati del problema: N: numero di nodi (città); c i,j = c j,i (per i j): costo di un arco non orientato (strada) che collega l i-esimo ed il j-esimo nodo; c i,i = 0; β i : costo da pagare per rendere l i-esimo nodo un nodo concentratore (dovuto, ad esempio, all incremento del traffico che caratterizza un tale tipo di nodo); K: numero massimo di nodi che possono essere assegnati ad uno stesso nodo concentratore (compreso se stesso). 7 / 20
8 Variabili decisionali: y i {0,1}: uguale a 1 se e solo se l i-esimo nodo è selezionato come nodo concentratore, altrimenti uguale a 0; x i,j {0,1} (per i j): uguale a 1 se e solo se i è selezionato come nodo normale, j è selezionato come nodo concentratore, e si decide di collegare i due nodi con un arco non orientato, altrimenti uguale a 0; x i,i {0,1}: uguale a 1 se e solo se i è selezionato come nodo concentratore, altrimenti uguale a 0. c è ridondanza di variabili (y i = x i,i ), ma tale ridondanza permette di semplificare l espressione di alcuni vincoli (slide successive). 8 / 20
9 Vincoli: Ogni nodo è collegato ad un nodo concentratore (oppure è esso stesso un nodo concentratore): i {1,...,N}, N x i,j = 1. Ogni nodo concentratore è collegato al massimo ad altri K nodi (compreso se stesso): Vincoli di interezza: j {1,...,N}, j=1 N x i,j Ky j. i=1 i,j {1,...,N},x i,j {0,1}, i {1,...,N},y i {0,1}. 9 / 20
10 Funzione obiettivo: z = N N i=1 j=1 c i,jx i,j + N i=1 β iy i. La funzione obiettivo z va minimizzata, rispettando i vincoli appena illustrati. La presenza dei termini β i evita la soluzione ottima banale del primo sottoproblema in cui tutti i nodi sono scelti come nodi concentratori. In pratica, il numero di nodi concentratori nella soluzione ottima del primo sottoproblema dipende da quanto valgono i termini β i rispetto ai costi c i,j. 10 / 20
11 Formulazione del primo sottoproblema come problema di PLI N N N min z = c i,j x i,j + β i y i i=1 j=1 i=1 N s.t. i {1,...,N}, x i,j = 1, j=1 N j {1,...,N}, x i,j Ky j, i=1 i,j {1,...,N},x i,j {0,1}, i {1,...,N},y i {0,1}. 11 / 20
12 Esempio Esempio: N = 5, K = 3, β i = 10 per ogni i, c i,j distanza euclidea in figura: 12 / 20
13 Soluzione ottima: x 1,1 = x 2,4 = x 3,1 = x 4,4 = x 5,4 = 1, y 1 = y 4 = 1. Costo ottimo corrispondente alla soluzione otttima: z = Rappresentazione grafica della soluzione ottima (sono evidenziati i nodi concentratori e gli archi non orientati selezionati): 13 / 20
14 Secondo sottoproblema Supponendo di aver individuato i nodi concentratori ottimi dopo aver risolto in primo sottoproblema, si vuole ora collegarli con una seconda sottorete in modo da ottimizzare un dato criterio. N : numero di nodi concentratori (individuati risolvendo il primo sottoproblema); c i,j = c j,i (per i j): costo di un arco non orientato che collega l i-esimo nodo concentratore ed il j-esimo nodo concentratore (ottenuti per ispezione dalla matrice dei costi del primo sottoproblema); c i,i = 0; P(N ) : insieme di tutti i sottoinsiemi di {1,...,N }. 14 / 20
15 Variabili decisionali: x i,j {0,1} (per i j): uguale a 1 se e solo se si decide di collegare l i-esimo nodo concentratore con il j-esimo nodo concentratore, altrimenti uguale a 0; x i,i = 1 (variabile decisionale ridondante, si potrebbe anche non inserire nel modello, ma semplifica l espressione dei vincoli). 15 / 20
16 Vincoli: Vincoli di connessione dopo l eventuale rimozione di un qualunque arco non orientato (vincolo di network survivability ): equivalenti a S P(N ) con S, {1,...,N }, x i,j 2. i S j {1,...,N }\S Nota: l equivalenza dell insieme di vincoli precedenti con il vincolo di network survivability deriva, ad esempio, dall applicazione del teorema di Menger di teoria dei grafi. Vincoli di interezza: i,j {1,...,N },x i,j {0,1}. 16 / 20
17 Funzione obiettivo: z = N N i=1 j=1 c i,j x i,j. La funzione obiettivo z va minimizzata, rispettando i vincoli appena illustrati. 17 / 20
18 Formulazione del secondo sottoproblema come problema di PLI min z = N N i=1 j=1 c i,jx i,j s.t. S P(N ) con S, {1,...,N }, x i,j 2, i S j {1,...,N }\S i,j {1,...,N },x i,j {0,1}. 18 / 20
19 Commenti Il fatto di aver scomposto il problema in due sottoproblemi fa sì che la network survivability sia imposta solo a livello della sottorete dei nodi concentratori, che sono in un certo senso i nodi più importanti. Al tempo stesso, ciò rende più facilmente trattabile il problema, anche per reti di grandi dimensioni, quando il numero di nodi concentratori è piccolo rispetto al numero totale di nodi. Se nel secondo sottoproblema si sostituisce il vincolo di network survivability (contenente un 2 a secondo membro) con S P(N ) con S, x i,j 1, i S j {1,...,N }\S il problema diventa quello del minimum cost spanning tree, risolubile, ad esempio, con gli algoritmi di Kruskal e di Prim-Dijkstra. 19 / 20
20 Bibliografia Progetto di una rete di trasporto con vincoli di network survivability : P. Saengudomlert: Optimization for Communications and Networks, CRC Press, 2012, pp / 20
Un esempio di applicazione della programmazione lineare intera: il Sudoku
Un esempio di applicazione della programmazione lineare intera: il Sudoku Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA
DettagliUn esempio di applicazione della PLI: il Sudoku
Un esempio di applicazione della PLI: il Sudoku 1/14 Risoluzione del Sudoku attraverso la PLI Nel seguito, si descrive come formulare il noto gioco del Sudoku come problema di programmazione lineare intera,
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
DettagliIl Problema dell Albero Ricoprente Minimo (Shortest Spanning Tree - SST)
Il Problema dell Albero Ricoprente Minimo (Shortest Spanning Tree - SST) È dato un grafo non orientato G=(V,E). Ad ogni arco e i E, i=1,,m, è associato un costo c i 0 7 14 4 10 9 11 8 12 6 13 5 17 3 2
Dettagli1 TEORIA DELLE RETI 1. 1 Teoria delle reti. 1.1 Grafi
1 TEORIA DELLE RETI 1 1 Teoria delle reti 1.1 Grafi Intuitivamente un grafo è un insieme finito di punti (nodi o vertici) ed un insieme di frecce (archi) che uniscono coppie di punti Il verso della freccia
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
DettagliTeoria della Complessità Computazionale
Teoria della Complessità Computazionale Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 21 Ottobre 2014 Ricerca Operativa 2
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
DettagliUn applicazione della programmazione lineare ai problemi di trasporto
Un applicazione della programmazione lineare ai problemi di trasporto Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA 2012-2013
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
DettagliProcessi 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
DettagliAMPL 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
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
DettagliProblemi di localizzazione di servizi (Facility Location Problems)
9. Problemi di Localizzazione di Servizi 1 Problemi di localizzazione di servizi (Facility Location Problems) Dato un insieme di clienti richiedenti una data domanda di merce e dato un insieme di possibili
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)
DettagliFlusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
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
DettagliProgramma del Corso di Ricerca Operativa (Prof. A. Sforza) - A.A C.d.S. Ingegneria Gestionale N44-N45 C.d.S. Ingegneria Meccanica N47
Programma del Corso di Ricerca Operativa (Prof. A. Sforza) - A.A. 2018-2019 C.d.S. Ingegneria Gestionale N44-N45 C.d.S. Ingegneria Meccanica N47 Il programma del Corso fa riferimento ai paragrafi del libro
DettagliUn applicazione della programmazione lineare continua alle reti di computer
Un applicazione della programmazione lineare continua alle reti di computer Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria Informatica AA 2012-2013 Prof. Marcello Sanguineti
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
DettagliTecniche di ottimizzazione per l analisi della diffusione delle innovazioni nei social networks
Tecniche di ottimizzazione per l analisi della diffusione delle innovazioni nei social networks Matteo Secci Università degli studi di Cagliari Dipartimento di ingegneria Elettrica ed Elettronica Tesi
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
DettagliModelli di Programmazione Lineare. PRTLC - Modelli
Modelli di Programmazione Lineare PRTLC - Modelli Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver Come ricavare una stima dell ottimo Rilassamento continuo - generazione di
DettagliAlberi 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
DettagliIl 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
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. 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 -
DettagliMacchine sequenziali. Automa a Stati Finiti (ASF)
Corso di Calcolatori Elettronici I Macchine sequenziali Prof. Roberto Canonico Università degli Studi di Napoli Federico II Dipartimento di Ingegneria Elettrica e delle Tecnologie dell Informazione Corso
DettagliIntroduzione ai Problemi di Flusso su Reti
UNIVERSI DI PIS IROCINIO ORMIVO IVO - I CICLO CLSSE DI BILIZIONE MEMIC PPLIC Introduzione ai Problemi di lusso su Reti Relatore: Prof. V. Georgiev.U: Prof. M. Berni Elisabetta lderighi R.O e Riforma della
DettagliRICERCA OPERATIVA (a.a. 2012/13) Nome: Cognome: Matricola:
o Appello 7// RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si individui un albero dei cammini minimi di radice sul grafo in figura utilizzando l algoritmo più appropriato dal punto di vista della
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
Dettagli4.1 Localizzazione e pianificazione delle base station per le reti UMTS
esercitazione Ottimizzazione Prof E Amaldi Localizzazione e pianificazione delle base station per le reti UMTS Consideriamo il problema di localizzare un insieme di stazioni radio base, base station (BS),
DettagliRICERCA OPERATIVA (a.a. 2003/04) Nome Cognome:
o Appello 0//00 RICERCA OPERATIVA (a.a. 00/0) Nome Cognome: Corso di Laurea: I SI M Matricola Corso A B C ) La ditta di trasporti FurgonFast deve suddividere tra tre diversi trasportatori n oggetti da
DettagliIndice. Premessa alla prima edizione 15 Premessa alla seconda edizione 17 Premessa alla terza edizione 19. Introduzione 21
Premessa alla prima edizione 15 Premessa alla seconda edizione 17 Premessa alla terza edizione 19 Introduzione 21 Parte I Ottimizzazione continua non lineare 29 Capitolo primo Ottimizzazione monodimensionale
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
DettagliAppunti 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)
DettagliUn esempio di applicazione della programmazione lineare intera all ingegneria del software: stima del worst-case execution time di un programma
Un esempio di applicazione della programmazione lineare intera all ingegneria del software: stima del worst-case execution time di un programma Corso di Ricerca Operativa per il Corso di Laurea Magistrale
DettagliEsercitazione 3. Osserviamo che, dato un grafo con pesi distinti, questo ammette un unico MST.
Esercitazione 3 Problema 6: Sia G = (V, E) un grafo con pesi distinti sugli archi ed e E un arco di G. Progettare un algoritmo lineare in grado di determinare se esiste un MST di G che contiene l arco
Dettagli2. Si definisca un algoritmo euristico di tipo greedy per determinare una buona soluzione ammissibile del problema;
Esercizio 6 Un azienda di trasporti deve affrontare il seguente problema di caricamento. L azienda dispone di n prodotti che possono essere trasportati e di m automezzi con cui effettuare il trasporto.
DettagliRICERCA OPERATIVA (a.a. 2011/12) Nome: Cognome: Matricola:
5 o Appello 8/0/0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si individui un albero dei cammini minimi di radice sul grafo in figura, utilizzando l algoritmo più appropriato dal punto di vista
DettagliALGORITMI 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
DettagliPrima prova Intermedia di Ricerca Operativa 2 COMPITO A Esercizio 1 (7 punti): LIFO
Prima prova Intermedia di Ricerca Operativa 2 COMPITO A 13 novembre 2015 Nome e Cognome Matricola: Esercizio 1 (7 punti): Si consideri il seguente problema di programmazione lineare intera. max 32x 1 +
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
DettagliUniversità 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
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)
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)
DettagliProva Scritta di RICERCA OPERATIVA. 13 Gen. 2003
Prova Scritta di RICERCA OPERATIVA 13 Gen. 003 Nome e Cognome: Esercizio 1. ( 6 punti ) Una azienda agricola coltiva mais e alleva vitelli, usando tre diversi procedimenti. Con il primo procedimento vengono
DettagliModulo di Ricerca Operativa 5 a 6 a lezione: un modello di trasporto Management Sanitario
Modulo di Ricerca Operativa 5 a 6 a lezione: un modello di trasporto Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Prof. Laura Palagi http://www.dis.uniroma1.it/
Dettaglicorso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A MODELLI DI OFFERTA
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 6-7 MODELLI DI OFFERTA Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Struttura del sistema
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. p. 1/1 Problema del trasporto Supponiamo di avere m depositi in
DettagliTecniche 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
DettagliProgrammazione Dinamica (PD)
Programmazione Dinamica (PD) Altra tecnica per risolvere problemi di ottimizzazione, piu generale degli algoritmi greedy La programmazione dinamica risolve un problema di ottimizzazione componendo le soluzioni
DettagliStime dell ottimo - Rilassamenti. PRTLC - Rilassamenti
Stime dell ottimo - Rilassamenti PRTLC - Rilassamenti Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo: rilassamenti Rilassamento
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
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
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
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
DettagliCapitolo 3: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati come problemi di Programmazione Lineare
DettagliRICERCA 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
DettagliProblemi 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
DettagliOttimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33
Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi:massimo flusso (parte 1) p. 2/33 Reti di flusso Una rete di flusso è una
DettagliUNIVERSITA DEGLI STUDI DI BERGAMO
UNIVERSITA DEGLI STUDI DI BERGAMO Dipartimento di Ingegneria A.A. 2012/13 FONDAMENTI DI RETI E TELECOMUNICAZIONE Appello del 11/04/14 Esame FRT 6 CFU (cod. 22033) Esame FRT 9 CFU (cod. 21024) Esercizi
DettagliEsercitazione 2. Progettare un algoritmo che risolva tale problema in tempo O( E + V log V ).
Esercitazione 2 Problema 4: Dato un grafo G = (V, E) con pesi positivi sugli archi ed un insieme di k centri C = {c 1, c 2, c k } V, si richiede di partizionare l insieme V in k insiemi V 1, V 2, V k in
DettagliLA PROGRAMMAZIONE MATEMATICA (p.m.)
LA PROGRAMMAZIONE MATEMATICA (p.m.) Un problema di programmazione matematica è un problema di ottimizzazione riconducibile alla seguente espressione generale: ricercare i valori delle variabili x 1, x
Dettagli3. MODELLI DI OFFERTA
. MODELLI DI OFFERTA I modelli matematici dei sistemi di offerta di trasporto utilizzano da un lato la teoria dei grafi e delle reti per rappresentare la struttura topologica e funzionale del sistema e
DettagliIntroduzione 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(a) Si proponga una formulazione di programmazione nonlineare a variabili misto-intere per problema.
6. Clustering In molti campi applicativi si presenta il problema del data mining, che consiste nel suddividere un insieme di dati in gruppi e di assegnare un centro a ciascun gruppo. Ad esempio, in ambito
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
DettagliAutoma a Stati Finiti (ASF)
Automa a Stati Finiti (ASF) E una prima astrazione di macchina dotata di memoria che esegue algoritmi Introduce il concetto fondamentale di STATO che informalmente può essere definito come una particolare
DettagliOttimizzazione 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
Dettagli3.2 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
DettagliINSTRADAMENTO: 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=
Dettagli3.1 Progetto di rete con capacità
.1 Progetto di rete con capacità Un azienda deve progettare la propria rete di telecomunicazioni per permettere l invio di una quantità di dati d k 0 per ogni coppia origine-destinazione di nodi (s k,t
DettagliEsame di Ricerca Operativa del 22/01/18
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale
DettagliGrafi e Funzioni di Costo ESERCIZI
Grafi e Funzioni di Costo ESERCIZI Esercizio1 Si determini la matrice di incidenza archi-percorsi ed i costi di percorso per la rete di trasporto rappresentata in figura. 1 4 2 3 5 Ramo Costo Ramo Costo
DettagliRicerca Operativa A.A. 2017/2018
Ricerca Operativa A.A. 2017/2018 Esercizi su modelli di programmazione lineare intera - Soluzioni Nota Vengono fornite delle possibili soluzioni. Potrebbero esserci soluzioni alternative altrettanto valide.
DettagliMODELLI DI OFFERTA. Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa. t
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 8-9 MODELLI DI OFFERTA corso selezionato per la sperimentazione della piattaforma di insegnamento/apprendimento Prof. Ing. Umberto Crisalli
DettagliEsame di Ricerca Operativa del 22/01/18
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale
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
DettagliOttimizzazione 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)
DettagliEsercizio 1. min. Esercizio 2. Esercizio 3
A UNIVERSIÀ DEGLI SUDI ROMA RE Ricerca Operativa Primo appello gennaio 00 Esercizio Portando il problema in forma standard si aggiungono le variabili e 4. Impostando il problema artificiale è sufficiente
DettagliEsame di Ricerca Operativa del 19/07/19. Esercizio 1. (a) Risolvere mediante il metodo del simplesso il seguente problema di programmazione lineare:
Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere mediante il metodo del simplesso il seguente problema di programmazione lineare: max x +x x + x x x x
DettagliTeoria dei Grafi Parte I. Alberto Caprara DEIS - Università di Bologna
Teoria dei Grafi Parte I Alberto Caprara DEIS - Università di Bologna acaprara@deis.unibo.it Teoria dei Grafi Paradigma di rappresentazione di problemi Grafo G : coppia (V,E) V = insieme di vertici E =
DettagliEsame 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
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
DettagliCOMPITO DI RICERCA OPERATIVA. max 3x 1 + 2x 2 x x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (7 punti) Sia dato il seguente problema di PL: max 3x 1 + 2x 2 x 1 + 1 2 x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3 Lo si risolva con l algoritmo che si ritiene più opportuno
DettagliEsercizi Union-Find e su Grafi. Ugo Vaccaro
Progettazione di Algoritmi Anno Accademico 0 07 Esercizi Union-Find e su Grafi. Ugo Vaccaro. Esercizio: Scrivere pseudocodice per Make-Set, Union, e Find-Set usando la rappresentazione attraverso liste
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
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it http://www.dattero.dist.unige.it Anno accademico
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2014-2015 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Daniele Vigo rev. 1.1.a ottobre 2014 Fondamenti di Ricerca Operativa
DettagliWeek #9 Assessment. Practice makes perfect... November 23, 2016
Week #9 Assessment Practice makes perfect... November 23, 2016 Esercizio 1 Un azienda di trasporto deve caricare m camion {1,..., m} in modo da servire giornalmente un dato insieme di clienti. Nei camion
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
DettagliB.1 I grafi: notazione e nomenclatura
Appendice B Grafi e Reti In questa appendice richiamiamo i principali concetti relativi a grafi e reti; descriviamo inoltre alcune classi di strutture dati che possono essere utilizzate per implementare
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
DettagliLaboratorio: Ottimizzazione su reti
Laboratorio: Ottimizzazione su reti Luigi De Giovanni Dipartimento di Matematica, Università di Padova Luigi De Giovanni Laboratorio: Ottimizzazione su reti 1 / 9 Cammino minimo: modello { 1, l arco (i,
Dettagli