Ricerca Operativa. G. Liuzzi. Lunedí 26 Marzo Problema di Trasporto Formulazione I Formulazione II CPLEAX/Java Esercizio

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Ricerca Operativa. G. Liuzzi. Lunedí 26 Marzo Problema di Trasporto Formulazione I Formulazione II CPLEAX/Java Esercizio"

Transcript

1 1 Lunedí 26 Marzo Istituto di Analisi dei Sistemi ed Informatica IASI - CNR

2 Problema di produzione e trasporto Un industria produce due tipi di trafilati in acciaio (T1 e T2). Si possono utilizzare tre impianti produttivi (F1, F2 e F3). I prodotti devono essere inviati a due magazzini (M1 e M2).

3 Costi e tempi di lavorazione Ogni impianto è caratterizzato da costi (e) e tempi di lavorazione (h) come riportato nella tabella. F1 F2 F3 cost time cost time cost time T T h max

4 Costi di trasporto Costi (e) relativi al trasporto dagli impianti ai magazzini F1 F2 F3 M M

5 Richieste minime In ciascun magazzino è necessarfio soddisfare le seguenti richieste minime T1 T2 M M

6 Formulazione Matematica (le variabili) Variabili di decisione: x tfm q.ta di trafilato t prodotto in f ed inviato a m t {T 1, T 2}, f {F 1, F 2, F 3}, m {M1, M2}

7 Formulazione Matematica (l obiettivo) Funzione obiettivo: ( ) cptf + ct fm xtfm Obiettivo: min x f (x) = t f (x) f m

8 Formulazione Matematica (i vincoli) Vincoli di tempo massimo: d tf x tfm hmax f f {F 1, F 2, F 3} t m Vincoli di richieste minime: x tfm rmin tm t {T 1, T 2}, m {M1, M2} f Vincoli di nonnegatività: x tfm 0

9 Formulazione Matematica (le variabili) Variabili di decisione: x fm q.ta di trafilato T1 prodotto in f ed inviato a m y fm q.ta di trafilato T2 prodotto in f ed inviato a m f {F 1, F 2, F 3}, m {M1, M2}

10 Formulazione Matematica (l obiettivo) Funzione obiettivo: f (x) = ( ) cpt 1,f x fm + cp T 2,f y fm + f m ( ) ct fm xfm + y fm f m Obiettivo: min x f (x)

11 Formulazione Matematica (i vincoli) Vincoli di tempo massimo: ( ) dt 1,f x fm + d T 2,f y fm hmaxf f {F 1, F 2, F 3} m Vincoli di richieste minime: x fm rmin T 1,m m {M1, M2} f y fm rmin T 2,m m {M1, M2} f Vincoli di nonnegatività: x fm, y fm 0

12 La Documentazione Reference guide in formato html: <CPLEXINSTDIR>/doc/html/en-US/documentation.html

13 Passi 1 e 2 Passo 1: import ilog.concert.*; import ilog.cplex.*; Servono per importare tutto il pacchetto di funzioni della libreria CPLEX e CPLEX/Concert. Passo 2: IloCplex cplex = new IloCplex(); Istanzia un oggetto della classe IloCplex. L oggetto cplex è vuoto!!

14 Passi 1 e 2 Passo 1: import ilog.concert.*; import ilog.cplex.*; Servono per importare tutto il pacchetto di funzioni della libreria CPLEX e CPLEX/Concert. Passo 2: IloCplex cplex = new IloCplex(); Istanzia un oggetto della classe IloCplex. L oggetto cplex è vuoto!!

15 Passo 2 Manipolando l oggetto cplex si può: 1 costruire il problema che si vuole risolvere 2 scegliere quale risolutore usare 3 impostare i parametri del risolutore 4 chiedere lo stato della soluzione 5 chiedere il valore delle variabili 6

16 Le Variabili di Decisione Una variabile x1 t.c. lb x1 ub cplex.numvar(lb,ub,type,"x1"); type specifica il tipo di variabile (intera, bool, reale). I valori ammessi sono: IloNumVarType.Int IloNumVarType.Bool IloNumVarType.Float Un vettore di n variabili x t.c. lb x ub cplex.numvararray(n,lb,ub,types,names); types è il corrisp. array dei tipi names è il corrisp. array dei nomi

17 Le Variabili di Decisione Una variabile x1 t.c. lb x1 ub cplex.numvar(lb,ub,type,"x1"); type specifica il tipo di variabile (intera, bool, reale). I valori ammessi sono: IloNumVarType.Int IloNumVarType.Bool IloNumVarType.Float Un vettore di n variabili x t.c. lb x ub cplex.numvararray(n,lb,ub,types,names); types è il corrisp. array dei tipi names è il corrisp. array dei nomi

18 La Funzione Obiettivo Problema di minimo. Funzione obiettivo vuota!! cplex.addminimize(); // cplex.addmaximize(); Problema di minimo. F. ob. vuota di nome pippo cplex.addminimize("pippo"); Problema di minimo. Funzione obiettivo con espressione expr IloLinearNumExpr expr = cplex.linearnumexpr(); <def. expr> cplex.addminimize(expr,"pippo");

19 La Funzione Obiettivo Problema di minimo. Funzione obiettivo vuota!! cplex.addminimize(); // cplex.addmaximize(); Problema di minimo. F. ob. vuota di nome pippo cplex.addminimize("pippo"); Problema di minimo. Funzione obiettivo con espressione expr IloLinearNumExpr expr = cplex.linearnumexpr(); <def. expr> cplex.addminimize(expr,"pippo");

20 La Funzione Obiettivo Problema di minimo. Funzione obiettivo vuota!! cplex.addminimize(); // cplex.addmaximize(); Problema di minimo. F. ob. vuota di nome pippo cplex.addminimize("pippo"); Problema di minimo. Funzione obiettivo con espressione expr IloLinearNumExpr expr = cplex.linearnumexpr(); <def. expr> cplex.addminimize(expr,"pippo");

21 Le espressioni IloNumVar[] x = cplex.numvararray(n,lb,ub,types,names); IloNumVar x1 = cplex.numvar(lb1,ub1,type,"x1"); x e x1 sono n + 1 variabili IloLinearNumExpr expr = cplex.linearnumexpr(); expr.add(cplex.scalprod(x, objvalsx)); expr.addterm(coeff,x1); n expr = objvalsx[i] x[i] + coeff x1 i=1

22 I Vincoli Aggiunge un vincolo di nome vincolo1 tale che expr v cplex.addle(expr, v, "vincolo1") Aggiunge un vincolo di nome vincolo2 tale che expr v cplex.addge(expr, v, "vincolo2") Aggiunge un vincolo di nome vincolo3 tale che expr = v cplex.addeq(expr, v, "vincolo3") Aggiunge un vincolo di nome vincolo4 tale che lb expr ub cplex.addrange(lb, expr, ub, "vincolo4")

23 I Vincoli Aggiunge un vincolo di nome vincolo1 tale che expr v cplex.addle(expr, v, "vincolo1") Aggiunge un vincolo di nome vincolo2 tale che expr v cplex.addge(expr, v, "vincolo2") Aggiunge un vincolo di nome vincolo3 tale che expr = v cplex.addeq(expr, v, "vincolo3") Aggiunge un vincolo di nome vincolo4 tale che lb expr ub cplex.addrange(lb, expr, ub, "vincolo4")

24 I Vincoli Aggiunge un vincolo di nome vincolo1 tale che expr v cplex.addle(expr, v, "vincolo1") Aggiunge un vincolo di nome vincolo2 tale che expr v cplex.addge(expr, v, "vincolo2") Aggiunge un vincolo di nome vincolo3 tale che expr = v cplex.addeq(expr, v, "vincolo3") Aggiunge un vincolo di nome vincolo4 tale che lb expr ub cplex.addrange(lb, expr, ub, "vincolo4")

25 I Vincoli Aggiunge un vincolo di nome vincolo1 tale che expr v cplex.addle(expr, v, "vincolo1") Aggiunge un vincolo di nome vincolo2 tale che expr v cplex.addge(expr, v, "vincolo2") Aggiunge un vincolo di nome vincolo3 tale che expr = v cplex.addeq(expr, v, "vincolo3") Aggiunge un vincolo di nome vincolo4 tale che lb expr ub cplex.addrange(lb, expr, ub, "vincolo4")

26 Debug Stampa del problema costruito nell oggetto cplex su file cplex.exportmodel("name.ext"); Il formato dell output dipende dalla estensione ext..lp: formato testo LP.sav: formato binario no testo.lp.gz: formato testo LP compresso (gzipped).sav: formato binario compresso (gzipped)

27 Debug Stampa del problema costruito nell oggetto cplex su file cplex.exportmodel("name.ext"); Il formato dell output dipende dalla estensione ext..lp: formato testo LP.sav: formato binario no testo.lp.gz: formato testo LP compresso (gzipped).sav: formato binario compresso (gzipped)

28 Il Risolutore Quanti risolutori sono disponibili? 1 Primal: Metodo del Simplesso (in due fasi) 2 Dual: Metodo del Simplesso duale 3 Barrier: Metodo tipo interior point 4 Network: Metodo del Simplesso su reti 5 Sifting: Metodo dinamico con generazione di colonne 6 Auto: cplex sceglie il solutore più adatto 7 Concurrent: Usa più alg. in parallelo e torna la sol. del più veloce 8 None: Nessun metodo!! cplex.setparam(ilocplex.intparam.rootalg, IloCplex.Algorithm.Primal);

29 Il Risolutore Quanti risolutori sono disponibili? 1 Primal: Metodo del Simplesso (in due fasi) 2 Dual: Metodo del Simplesso duale 3 Barrier: Metodo tipo interior point 4 Network: Metodo del Simplesso su reti 5 Sifting: Metodo dinamico con generazione di colonne 6 Auto: cplex sceglie il solutore più adatto 7 Concurrent: Usa più alg. in parallelo e torna la sol. del più veloce 8 None: Nessun metodo!! cplex.setparam(ilocplex.intparam.rootalg, IloCplex.Algorithm.Primal);

30 Il Risolutore Quanti risolutori sono disponibili? 1 Primal: Metodo del Simplesso (in due fasi) 2 Dual: Metodo del Simplesso duale 3 Barrier: Metodo tipo interior point 4 Network: Metodo del Simplesso su reti 5 Sifting: Metodo dinamico con generazione di colonne 6 Auto: cplex sceglie il solutore più adatto 7 Concurrent: Usa più alg. in parallelo e torna la sol. del più veloce 8 None: Nessun metodo!! cplex.setparam(ilocplex.intparam.rootalg, IloCplex.Algorithm.Primal);

31 Il Risolutore N.B. è possibile impostare 101 (!) parametri per il risolutore Per esempio WriteLevel ItLim PrePass

32 Il Risolutore N.B. è possibile impostare 101 (!) parametri per il risolutore Per esempio WriteLevel ItLim PrePass

33 La Risoluzione Richiedere la soluzione del problema corrente cplex.solve(); Ritorna true, se il problema è stato risolto correttamente false, altrimenti

34 La Risoluzione Richiedere la soluzione del problema corrente cplex.solve(); Ritorna true, se il problema è stato risolto correttamente false, altrimenti

35 Il Problema Patent on innovative method of high volume die casting using traditional die casting machines Results into a long term contract from a major automobile manufacturer for 5 key cast items (P1 P5)

36 Il Problema 5 die casting machines (M1 M5) Not every machine can produce every item Yield is the percentage of items that meet the quality specifications Esempio Producing item P1 on machine M1 during 3 hours: = 72 items that meet the specifications

37 Il Problema 5 die casting machines (M1 M5) Not every machine can produce every item Yield is the percentage of items that meet the quality specifications Esempio Producing item P1 on machine M1 during 3 hours: = 72 items that meet the specifications

38 Il Problema Il processo produttivo Monday to Friday 3 shifts of 8 hour Result: 120 hour regular time on each machine per week Weekends: Preventive maintenance Overtime production possible, at most 48 hours per machine

39 Cosa si deve ottimizzare Determinare lo schedule di produzione per una settimana che minimizza il numero totale di ore di overtime Cosa usare? 1 AMPL 2 CPLEX/Java

40 Cosa si deve ottimizzare Determinare lo schedule di produzione per una settimana che minimizza il numero totale di ore di overtime Cosa usare? 1 AMPL 2 CPLEX/Java

41 Il Modello Matematico

Ricerca Operativa. G. Liuzzi. Lunedí 26 Marzo Problema di Trasporto Formulazione I Formulazione II CPLEAX/Java Esercizio

Ricerca Operativa. G. Liuzzi. Lunedí 26 Marzo Problema di Trasporto Formulazione I Formulazione II CPLEAX/Java Esercizio 1 Lunedí 26 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Problema di produzione e trasporto Un industria produce due tipi di trafilati in acciaio (T1 e T2). Si possono utilizzare

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto

Ricerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto 1 Lunedí 23 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Simplesso in 2 fasi Fase I (rg(a) m) Se P non è ammissibile, STOP Altrimenti 1 elimina da (A... b) eventuali

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015

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

Dettagli

Ambienti di Programmazione per il Software di Base

Ambienti di Programmazione per il Software di Base Ambienti di Programmazione per il Software di Base Le Funzioni in C Esercizi sulle Funzioni svolti Esercizi sulle Funzioni da svolgere A.A. 2011/2012 Ambienti di Programmazione per il Software di Base

Dettagli

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

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

Dettagli

Metodo del Simplesso. Ricerca Operativa. G. Liuzzi. Lunedí 16 Marzo logo.pdf. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR

Metodo del Simplesso. Ricerca Operativa. G. Liuzzi. Lunedí 16 Marzo logo.pdf. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR 1 Lunedí 16 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Forma standard di PL min c x Ax = b x 0 n (1 P = {x R n : Ax = b, x 0 n } Forma Canonica Data una base ammissibile

Dettagli

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore Excel: una piattaforma facile per l ottimizzazione Excel ha un toolbox di ottimizzazione: Risolutore Il problema di produzione con Excel Consideriamo il foglio Excel Variabili di decisione reali c8,d8

Dettagli

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

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

Dettagli

1 Il metodo dei tagli di Gomory

1 Il metodo dei tagli di Gomory Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare

Dettagli

Constraint Programming con

Constraint Programming con Constraint Programming con ILOG Solver Modellare e risolvere problemi con CP Michele Lombardi Cosa ci aspetta Di cosa parleremo... Modellazione e soluzione di problemi con

Dettagli

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

Programmazione 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

Dettagli

Programmazione Lineare in MATLAB. Ing. Fabio Sciancalepore Politecnico di Bari

Programmazione Lineare in MATLAB. Ing. Fabio Sciancalepore Politecnico di Bari Programmazione Lineare in MATLAB Ing. Fabio Sciancalepore Politecnico di Bari Agenda Introduzione alla Ricerca Operativa Problemi di ottimizzazione Programmazione lineare programmazione a variabili continue

Dettagli

Esercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania

Esercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria

Dettagli

Ottimizzazione dei Sistemi Complessi

Ottimizzazione dei Sistemi Complessi 1 Martedì 17 Maggio 2016 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Programmazione con incertezza Una società di autonoleggio dispone (attualmente, oggi) di 50 macchine tutte dislocate

Dettagli

Modelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli

Modelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come

Dettagli

ASSEGNAMENTO DELLE OPERAZIONI DI TAGLIO NELLA PRODUZIONE DI CAPI DI ABBIGLIAMENTO

ASSEGNAMENTO DELLE OPERAZIONI DI TAGLIO NELLA PRODUZIONE DI CAPI DI ABBIGLIAMENTO ASSEGNAMENTO DELLE OPERAZIONI DI TAGLIO NELLA PRODUZIONE DI CAPI DI ABBIGLIAMENTO Lo scenario produttivo Una nota azienda produce capi di abbigliamento per l alta moda Ogni capo è costituito da vari pezzi

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

Mix Produttivo Analisi di Sensitività

Mix Produttivo Analisi di Sensitività Mix Produttivo Analisi di Sensitività Un azienda vuole pianificare il livello di produzione di 3 prodotti (A 1,A 2,A 3 ) sapendo che la domanda massima è di 4300 pezzi per A 1, 4500 pezzi per A 2 e 5400

Dettagli

Scopo del laboratorio

Scopo del laboratorio p. 1/1 Scopo del laboratorio Imparare ad usare programmi che implementino metodi di ottimizzazione: simplesso, branch and bound ecc. utilizzarli per risolvere un problema proposto Modellatori Solver p.

Dettagli

COMPITO DI RICERCA OPERATIVA. min 2x 1 x 2 + x 3 x 4 x 1 x 2 + x 3 + x 4 = 5 x 1 + x 2 + x 3 3. x 1, x 2, x 3, x 4, x 5 I

COMPITO DI RICERCA OPERATIVA. min 2x 1 x 2 + x 3 x 4 x 1 x 2 + x 3 + x 4 = 5 x 1 + x 2 + x 3 3. x 1, x 2, x 3, x 4, x 5 I COMPITO DI RICERCA OPERATIVA ESERCIZIO. (8 punti) Sia dato il seguente problema di PL: min x x + x x 4 x x + x + x 4 = 5 x + x + x x, x, x, x 4 0 Lo si trasformi in forma standard ( punto). Si determini

Dettagli

Introduzione all uso di FICO Xpress. Metodi di Ottimizzazione per la Logistica e la Produzione

Introduzione all uso di FICO Xpress. Metodi di Ottimizzazione per la Logistica e la Produzione Introduzione all uso di FICO Xpress Metodi di Ottimizzazione per la Logistica e la Produzione 1 2 Alcuni risolutori per la Programmazione Matematica Indice Sono a disposizione numerosi risolutori di Programmazione

Dettagli

Laurea triennale - Comunicazione&DAMS - UNICAL. Dr. Annamaria Bria 1

Laurea triennale - Comunicazione&DAMS - UNICAL. Dr. Annamaria Bria 1 Corso di INFORMATICA Laurea triennale - Comunicazione&DAMS Dr. Annamaria Bria 1 1 Dipartimento di Matematica Università della Calabria Corso di laurea intercalsse in COMUNICAZIONE&DAMS www.mat.unical.it/bria/informatica2011-12.html

Dettagli

Ricerca Operativa A.A. 2007/ Introduzione

Ricerca Operativa A.A. 2007/ Introduzione Ricerca Operativa A.A. 2007/2008 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi

Dettagli

Progetto e ottimizzazione di reti 2

Progetto e ottimizzazione di reti 2 Progetto e ottimizzazione di reti 2 Esercitazione AMPL A.A. 29-2 Esercitazione a cura di Silvia Canale contatto e-mail: canale@dis.uniroma.it Università di Roma La Sapienza Dipartimento di Informatica

Dettagli

LEZIONE N. 6 - PARTE 1 - Introduzione

LEZIONE N. 6 - PARTE 1 - Introduzione LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA

Dettagli

RICERCA OPERATIVA. Tema d esame del 13/12/2005

RICERCA OPERATIVA. Tema d esame del 13/12/2005 RICERCA OPERATIVA Tema d esame del 13/12/2005 COGNOME: NOME: MATRICOLA: 1. Un associazione umanitaria ha raccolto 150.000 euro per inviare dei pacchetti regalo natalizi ai bambini di Haiti. Per l acquisto

Dettagli

Stime dell ottimo - Rilassamenti. PRTLC - Rilassamenti

Stime 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

Dettagli

PROGRAMMAZIONE LINEARE E DUALITA'

PROGRAMMAZIONE 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

Dettagli

La miglior approssimazione esiste se le funzioni descrivono un chiuso

La miglior approssimazione esiste se le funzioni descrivono un chiuso NON SMOOTH Funzione non C 1 tipico esempio massimo numero finito funzioni Φ(x) = max { f i (x), i I, f i C 1 } e anche massimo(sup) puntuale Φ(x) = sup { f t (x), t I, f t C 1 } Esempi a) Max numero finito

Dettagli

Elementi di un modello di Programmazione Matematica

Elementi di un modello di Programmazione Matematica 1 Ricerca Operativa Laboratorio: utilizzo di solver per programmazione matematica Elementi di un modello di Programmazione Matematica Insiemi: elementi del sistema; Parametri: dati del problema; Variabili

Dettagli

5 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 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

Dettagli

COMPITO 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. 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

Dettagli

Esame di Ricerca Operativa del 04/02/16. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame 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 +

Dettagli

LEZIONE N. 6 - PARTE 1 - Introduzione

LEZIONE N. 6 - PARTE 1 - Introduzione LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA

Dettagli

1 Breve introduzione ad AMPL

1 Breve introduzione ad AMPL 1 Breve introduzione ad AMPL Il primo passo per risolvere un problema reale attraverso strumenti matematici consiste nel passare dalla descrizione a parole del problema al modello matematico dello stesso.

Dettagli

TEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1.

TEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1. Prof. R. adei EORIA della DUALIÀ Una piccola introduzione R. adei 1 R. adei 2 EORIA DELLA DUALIA' Il concetto di dualità fu introdotto nel 1947 da Von Neumann, anche se il teorema della dualità fu formulato

Dettagli

Ricerca Operativa (Compito A) Appello del 16/06/2014 Andrea Scozzari

Ricerca Operativa (Compito A) Appello del 16/06/2014 Andrea Scozzari Ricerca Operativa (Compito A) Appello del 16/06/2014 Andrea Scozzari Esercizio n.1 Un agenzia finanziaria deve investire 1000000 di euro di un suo cliente in fondi di investimento. Il mercato offre cinque

Dettagli

Esame di Ricerca Operativa del 6/2/18. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame 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

Dettagli

4.5 Metodo del simplesso

4.5 Metodo del simplesso 4.5 Metodo del simplesso min z = c T x s.v. Ax = b x 0 PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una

Dettagli

4.5 Metodo del simplesso

4.5 Metodo del simplesso 4.5 Metodo del simplesso min z = c T x s.v. Ax = b x PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una

Dettagli

RICERCA OPERATIVA. Tema d esame del 04/03/2008 (Simulazione)

RICERCA OPERATIVA. Tema d esame del 04/03/2008 (Simulazione) RICERCA OPERATIVA Tema d esame del 04/03/2008 (Simulazione) COGNOME: NOME: MATRICOLA:. Una nota azienda automobilistica produce due modelli di auto (un utilitaria e una berlina), che rivende con un guadagno

Dettagli

LEZIONE N. 7 - PARTE 1 - Introduzione

LEZIONE N. 7 - PARTE 1 - Introduzione LEZIONE N. 7 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA

Dettagli

Algoritmi per la programmazione lineare: il metodo del simplesso

Algoritmi per la programmazione lineare: il metodo del simplesso Algoritmi per la programmazione lineare: il metodo del simplesso Dipartimento di Informatica, Universita' di Pisa A.A. 2018/2019 Contenuti della lezione Problemi di programmazione lineare, forma standard

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 9 Marzo Programmazione Matematica Geometria di R n Esempi Teoria della PL Forma Standard. logo.

Ricerca Operativa. G. Liuzzi. Lunedí 9 Marzo Programmazione Matematica Geometria di R n Esempi Teoria della PL Forma Standard. logo. 1 Lunedí 9 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Problema di Ottimizzazione min(o max) f (x) con la restrizione x S dove f (x) : R n R è detta funzione obiettivo S R n

Dettagli

1.4 Si risolva mediante gli scarti complementari il duale del problema dato.

1.4 Si risolva mediante gli scarti complementari il duale del problema dato. FONDAMENTI DI RICERCA OPERATIVA (turno unico) Prof. M.Trubian a.a. 2006/07 Prima prova in itinere: 24/11/06 Nome studente:... Matricola:...... A Esercizio 3 4 5 6 Valore % 0.3 0.2 0.2 0.15 0.1 0.05 Valutazione

Dettagli

Laboratorio di Algoritmi

Laboratorio di Algoritmi Laboratorio di Algoritmi Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Martedì 8.30-10.30 in aula 3 Mercoledì 10.30-13.30 in aula 2 Giovedì 15.30-18.30 in

Dettagli

Corso di Fondamenti di Informatica Il sistema dei tipi in C++

Corso di Fondamenti di Informatica Il sistema dei tipi in C++ Corso di Fondamenti di Informatica Il sistema dei tipi in C++ Anno Accademico Francesco Tortorella Struttura di un programma C++ // Programma semplice in C++ #include int main() { cout

Dettagli

Programmazione lineare

Programmazione lineare Capitolo 1 Programmazione lineare ESERCIZIO 1.1. Porre in forma canonica i seguenti programmi lineari. min 3x 1 + 4x 2 2x 3 x 1 + 2x 2 x 3 5 2x 1 + 4x 3 = 12 x 1 + x 2 + x 3 15 x 1, x 2 0, x 3 libera.

Dettagli

x 1 x x 1 2 x 2 6 x 2 5 Indici di base Vettore Ammissibile Degenere (si/no) (si/no)

x 1 x x 1 2 x 2 6 x 2 5 Indici di base Vettore Ammissibile Degenere (si/no) (si/no) Esercitazione di Ricerca Operativa Esercizio. Completare la seguente tabella: max x x x x x x x x x x Indici di base Vettore Ammissibile Degenere, x =, y = Esercizio. Effettuare due iterazioni dell algoritmo

Dettagli

5.3 Metodo dei piani di taglio

5.3 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

Dettagli

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

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

Dettagli

Analisi di sensitivitá. Analisi di sensitivitá p. 1/4

Analisi di sensitivitá. Analisi di sensitivitá p. 1/4 Analisi di sensitivitá Analisi di sensitivitá p. 1/4 Analisi di sensitivitá Ci porremo ora la seguente domanda: dato un problema di PL di cui ho giá determinato una soluzione ottima, che cosa succede se

Dettagli

Laboratorio di Informatica I

Laboratorio di Informatica I Struttura della lezione Lezione 7: Istruzioni ed Operatori Booleani Vittorio Scarano Corso di Laurea in Informatica Soluzioni agli esercizi Istruzioni (statement) semplici e di controllo Operatori relazionali

Dettagli

Ottimizzazione Combinatoria

Ottimizzazione Combinatoria Ottimizzazione Combinatoria Esercitazione AMPL A.A. 2-22 Esercitazione a cura di Silvia Canale contatto e-mail: canale@dis.uniroma.it Università i di Roma La Sapienza Dipartimento di Informatica e Sistemistica

Dettagli

RICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 2)

RICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 2) RICERCA OPERATIVA Tema d esame del 04/12/2008 (Simulazione 2) COGNOME: NOME: MATRICOLA: 1. Un azienda di telefonia mobile deve installare delle antenne per la copertura di sei zone sul territorio. Sono

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

Elementi di Base. Introduzione a Python.

Elementi di Base. Introduzione a Python. Elementi di Base Introduzione a Python http://www.dia.uniroma3.it/~roselli/ roselli@dia.uniroma3.it Credits Materiale a cura del Prof. Franco Milicchio Panoramica Elementi di base della sintassi (struttura,

Dettagli

Esame di Ricerca Operativa del 20/02/18

Esame di Ricerca Operativa del 20/02/18 Esame di Ricerca Operativa del //8 (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere mediante l algoritmo del simplesso duale il seguente problema di programmazione lineare: min x x +x x

Dettagli

Dualitá. Dualitá p. 1/4

Dualitá. Dualitá p. 1/4 Dualitá Dualitá p. 1/4 Dualitá p. 2/4 Dualitá Problema di PL in forma standard max cx Ax = b x 0 Chiamato problema primale. A questo associato un altro problema di PL, detto problema duale: min ub ua c

Dettagli

csp & backtracking informatica e laboratorio di programmazione Alberto Ferrari Informatica e Laboratorio di Programmazione

csp & backtracking informatica e laboratorio di programmazione Alberto Ferrari Informatica e Laboratorio di Programmazione csp & backtracking informatica e laboratorio di programmazione Alberto Ferrari Informatica e Laboratorio di Programmazione CSP (Constraint Satisfaction Problem) o CSP = problemi di soddisfacimento di vincoli

Dettagli

Algoritmo del simplesso

Algoritmo del simplesso Algoritmo del simplesso Ipotesi : si parte da una S.A.B. e dal tableau A=b in forma canonica. Si aggiunge una riga costituita dagli r j, j =,., n e da -z (valore, cambiato di segno, della f.o. nella s.a.b.)

Dettagli

Alberi binari e alberi binari di ricerca

Alberi binari e alberi binari di ricerca Università degli studi di Milano Dipartimento di Informatica Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Alberi Un albero è una collezione non vuota di: nodi con nome e informazioni

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9) Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 05-6, lez.9) Matematica Computazionale,

Dettagli

Utilizza i tipi di dati comuni a tutto il framework.net Accesso nativo ai tipi.net (C# è nato con.net) Concetti fondamentali:

Utilizza i tipi di dati comuni a tutto il framework.net Accesso nativo ai tipi.net (C# è nato con.net) Concetti fondamentali: 1 Tipi di dati 1 Tipi di dati Utilizza i tipi di dati comuni a tutto il framework.net Accesso nativo ai tipi.net (C# è nato con.net) Concetti fondamentali: Tutto è un oggetto Tutto eredita implicitamente

Dettagli

Programmazione Lineare Intera. Programmazione Lineare Intera p. 1/4

Programmazione 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:

Dettagli

Descrittori di formato

Descrittori di formato Fondamenti di Informatica T (A-K) CdL Ingegneria Meccanica AA 2013-2014 Introduzione In I/O, i dati possono essere letti/scritti: utilizzando la rappresentazione del compilatore (come abbiamo sempre fatto

Dettagli

INTRODUZIONE. ALLA PROGRAMMAZIONEColonna 1. in linguaggio C

INTRODUZIONE. ALLA PROGRAMMAZIONEColonna 1. in linguaggio C 12 10 8 INTRODUZIONE 6 4 ALLA PROGRAMMAZIONEColonna 1 Colonna 2 Colonna 3 in linguaggio C 2 0 Riga 1 Riga 2 Riga 3 Riga 4 di Mauro Casula { Scopi del seminario Essere chiaro ed esauriente; Spiegare nei

Dettagli

Algoritmi generali per PLI

Algoritmi generali per PLI Programmazione Lineare Intera: Parte II: Algoritmo Cutting Planes Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 3.1 ottobre 23 Algoritmi generali per PLI Metodi esatti tradizionali

Dettagli

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

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

Dettagli

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

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

Dettagli

Ricerca Operativa. Docente. 1. Introduzione

Ricerca Operativa. Docente. 1. Introduzione Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi

Dettagli

Alberi binari e alberi binari di ricerca

Alberi binari e alberi binari di ricerca Alberi binari e alberi binari di ricerca Violetta Lonati Università degli studi di Milano Dipartimento di Informatica Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica giovedì 9

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

FACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 6 Giugno 1996

FACOLTA 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

Dettagli

METODO DI EULERO ESPLICITO

METODO DI EULERO ESPLICITO METODO DI EULERO ESPLICITO { u0 dato u n+1 = u n + hf (t n, u n ) 0 n N h 1 (1) Scrivere una function [tn,un]=eulero esp(odefun,tspan,y0,nh) INPUT: odefun: espressione della f tspan=[t0,t]: vettore di

Dettagli

DUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1

DUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1 DUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. si richiede di: Dato il seguente programma lineare max 2x 1 + 4x 2 x 2x 4 (1) x 1 2x 2 + 4x 5 (2) x 2 + x + x 4 8 () x 1 ; : : :; x 4 0; (4) (1)

Dettagli

Algoritmi generali per PLI

Algoritmi generali per PLI Programmazione Lineare Intera: II Algoritmo Cutting Planes Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev.. ottobre Algoritmi generali per PLI Metodi esatti tradizionali (anni 6 oggi):

Dettagli

Uso avanzato di AMPL. Renato Bruni. prendendo come esempio il problema di Localizzazione di Impianti.

Uso avanzato di AMPL. Renato Bruni. prendendo come esempio il problema di Localizzazione di Impianti. Uso avanzato di AMPL prendendo come esempio il problema di Localizzazione di Impianti Renato Bruni bruni@dis.uniroma1.it www.dis.uniroma1.it/~bruni Localizzazione di Impianti Consideriamo il problema di

Dettagli

Indice generale. Introduzione...ix. Strumenti per sviluppare applicazioni...1

Indice generale. Introduzione...ix. Strumenti per sviluppare applicazioni...1 Introduzione...ix Applicazioni basate su spreadsheet... x Aggiornamento... xii Sicurezza... xii Tipi di applicazioni... xii Pronto impiego... xiii Tabelle personali...xiv Applicazioni condivisibili...xv

Dettagli

5.1 Metodo Branch and Bound

5.1 Metodo Branch and Bound 5. Metodo Branch and Bound Consideriamo un generico problema di ottimizzazione min{ c(x) : x X } Idea: Ricondurre la risoluzione di un problema difficile a quella di sottoproblemi più semplici effettuando

Dettagli

Esercizi di Programmazione Lineare - Dualità

Esercizi di Programmazione Lineare - Dualità Esercizi di Programmazione Lineare - Dualità Esercizio n1 Dato il seguente problema 3 + 3 2 2 + a scriverne il duale; b risolvere il duale (anche geometricamente indicando cosa da esso si può dedurre sul

Dettagli

MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero 2 prova: 25 luglio 2005

MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero 2 prova: 25 luglio 2005 Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero prova: 5 luglio 005 COGNOME NOME FIRMA: : : : [7,5 crediti]

Dettagli

5. ANALISI DI SENSIBILITÀ

5. ANALISI DI SENSIBILITÀ 5. ANALISI DI SENSIBILITÀ R. Tadei 1 Una piccola introduzione R. Tadei 2 ANALISI DI SENSIBILITÀ Nei precedenti capitoli abbiamo visto come, partendo da un problema reale, si possa giungere alla costruzione

Dettagli

FONDAMENTI DI INFORMATICA. Prof. Alfredo Accattatis Tutor: prof. Venturino Taggi

FONDAMENTI DI INFORMATICA. Prof. Alfredo Accattatis Tutor: prof. Venturino Taggi FONDAMENTI DI INFORMATICA Prof. Alfredo Accattatis (accattatis@ing.uniroma2.it) Tutor: prof. Venturino Taggi (taggi@ing.uniroma2.it) 2 Fondamenti di Informatica Argomenti Approfondimenti sui floating-point:

Dettagli

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

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

Dettagli

Specifica: la sintassi. Specifica: la semantica. Specifica: la semantica

Specifica: la sintassi. Specifica: la semantica. Specifica: la semantica Tipi di dato e strutture dati Specifica e realizzazione di strutture informative come classi Che cos è un tipo di dato? Tutti i linguaggi di programmazione tipati forniscono tipi ed operatori predefiniti

Dettagli

Corso di Laurea in Informatica, Corso di Laurea in Matematica Matematica computazionale (6 cfu), Ottimizzazione (8 cfu) a.a.

Corso di Laurea in Informatica, Corso di Laurea in Matematica Matematica computazionale (6 cfu), Ottimizzazione (8 cfu) a.a. Corso di Laurea in Informatica, Corso di Laurea in Matematica Matematica computazionale (6 cfu), Ottimizzazione (8 cfu) a.a.0-4 Programmazione lineare Domande di ripasso Definizioni e risultati teorici.

Dettagli

Rilassamento Lagrangiano

Rilassamento Lagrangiano RILASSAMENTO LAGRANGIANO 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il seguente problema

Dettagli

Esame di Ricerca Operativa del 17/02/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 17/02/14. 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 9 x +x x +x 8 x x x + x 9 x +x x

Dettagli

Problemi. sbj. x 0, x intero

Problemi. sbj. x 0, x intero Problemi Spiegare e dimostrare in quali intervalli di R la funzione arctan x è concava, convessa o nessuno dei due casi. Si ricordi che la derivata prima di arctan x è +x 2. Si codifichi in una formula

Dettagli

Linguaggi di modellizzazione

Linguaggi di modellizzazione p. 1/5 Linguaggi di modellizzazione Come visto, il primo passo per risolvere un problema di decisione consiste nel formularne il modello matematico. Una volta definito il modello matematico lo dobbiamo

Dettagli

Esame di Ricerca Operativa del 1/02/2019

Esame di Ricerca Operativa del 1/02/2019 Esame di Ricerca Operativa del /0/0 (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere il seguente problema di programmazione lineare applicando l algoritmo del simplesso: max x +x x 0 x +x

Dettagli

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

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

Dettagli

Laboratorio Progettazione Web Le funzioni in PHP. Angelica Lo Duca IIT-CNR 2012/2013

Laboratorio Progettazione Web Le funzioni in PHP. Angelica Lo Duca IIT-CNR 2012/2013 Laboratorio Progettazione Web Le funzioni in PHP Angelica Lo Duca IIT-CNR angelica.loduca@iit.cnr.it 2012/2013 Funzioni Una funzione è una sequenza di istruzioni che implementano una specifica funzionalità

Dettagli

L AMBIENTE CODE BLOCKS E L IO

L AMBIENTE CODE BLOCKS E L IO L AMBIENTE CODE BLOCKS E L IO Il primo programma #include main() { printf("ciao Mondo!"); } Il file deve essere salvato con estensione.c Il primo programma in C++ #include using

Dettagli

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore Excel: una piattaforma facile per l ottimizzazione Excel ha un toolbox di ottimizzazione: Risolutore Il problema di produzione con Excel Consideriamo il foglio Excel Variabili di decisione reali c8,d8

Dettagli

Capitolo 5. Array e collezioni. c 2005 Pearson Education Italia Capitolo 5-1 / 61

Capitolo 5. Array e collezioni. c 2005 Pearson Education Italia Capitolo 5-1 / 61 Capitolo 5 Array e collezioni c 2005 Pearson Education Italia Capitolo 5-1 / 61 Sommario: Array e collezioni 1 Array Array di oggetti Lunghezza di un array Accesso agli elementi di un array Array e cicli

Dettagli