Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.5)
|
|
- Donata Moretti
- 4 anni fa
- Visualizzazioni
Transcript
1 Docente: Marco Gaviano Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 0- lez.5)
2 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Algoritmo del simplesso input B (base) B (programma di base feasible) calcola B - Y= B - R(y j ) jn R ; loop calcola z j -c j jn R (z=c B y j ) if z j -c j 0 per ogni jn R (progr. corrente ottimale) stop if z j -c j >0 and y j 0 per almeno un jn R ; (soluzione all ) stop end
3 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 scegli k tale che (criterio di entrata) z k c k ma jn R (z j c j ) 0. calcola h tale che (criteri di uscita) h s B s N y y hk min0 ysk sk
4 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Sia p l'indice di colonna di h in B(cambio della base) Calcola yk yk yp k y pk y vp [ y y y y y y J p [e pk e...e pk p- v p e pk p...e m pk ] pk mk pk ]. Y (B ) R (B ) J B (B ) B p d (R colonne di A che non appartengono a B ) end
5 5 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Esempio La forma standard con l'introduzione di variabili standard è z minimizza z minimizza
6 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Si parte con la soluzione di base ammissibile =0 5 =0 6 =8 = = =0. Si eseguono quindi le iterazioni del metodo del simplesso Soluzione di partenza z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 - c B B B y y y y y 5 y 6 s sk 0 0-0/ / / 6
7 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Prima iterazione B z -c z -c z -c z -c z 5 -c 5 z 6 -c c B B y y y y y 5 y 6-0/ / -/ / s /y sk 0 5 0/ -6/ 8/ -8/ 0/8 0 6 / -5/ 5/ -/ /5 Seconda iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6-5 -/5-6/5 0 c B B y y y y y 5 y 6 B - 8/5 /5 / /5-6 -8/5-8/5 - /5 - -/5 /5 s /y sk 7
8 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 La soluzione di base ottimale è z= -58/5 =8/5 =/5 5 =6/5 = = 6 =0 8
9 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Il problema artificiale PL L'algoritmo del simplesso descritto precedentemente necessita di un programma di base iniziale ammissibile. Se tale programma non è disponibile lo si deve calcolare. Ciò è ottenuto a) moltiplicando se necessario certe equazioni dei vincoli in forma standard per - così da avere d0; b) aggiungendo alla matrice A un numero necessario e sufficiente di vettori colonna unitari associati con variabili artificiali u u...u p (pn) che insieme ad eventuali variabili di scarto o variabili isolate forniscono un programma iniziale ammissibile. 9
10 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 I vincoli sono ridefiniti in modo tale che sia banale individuare una base iniziale; si ha B=I. Per un insieme completo di variabili u u...u m i nuovi vincoli lineari hanno la seguente forma esplicita 5. a a... a a a a n n n... n u... u d d... a m a m... a mn n u m d m 0
11 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Il metodo del simplesso può essere applicato al problema PL modificato con i vincoli 5.. Il nuovo problema PL' in cui la funzione obiettivo è ammette il programma di base ξ i u =d u =d... u m =d m = =...= n =0. Affinché un programma del problema PL' sia una soluzione del problema PL iniziale è necessario che nessuna variabile artificiale appaia nel risultato finale con valori strettamente positivi. La procedura completa è chiamata metodo delle due fasi. u i
12 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Fase. La funzione obiettivo iniziale è sostituita da minimizza ξ Come risultato può aversi caso (a). Per il programma ottimale si ha =0 e nessuna variabile artificiale è parte della base corrente. caso (b). Per il programma ottimale si ha =0 e almeno una variabile artificiale è parte della base corrente. caso (c). Per il programma ottimale >0. i u i Nel caso (c) il problema PL non ha soluzione
13 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Fase Nel caso (a) il programma ottimale del problema artificiale è un programma iniziale per il problema iniziale PL. Si applica di nuovo l algoritmo del simplesso Nel caso (b) il programma ottimale del problema artificiale è un programma iniziale per il problema iniziale PL ma le variabili artificiali presenti nella base devono restare nulle. Si applica di nuovo l algoritmo del simplesso imponendo che nessuna delle variabili secondarie alla fine della fase per cui z j -c j <0 può entrare nella base.
14 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Esempio (caso a) z minimizza
15 5 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Il problema artificiale diventa La tabella del simplesso è 0 u u u... u u 6 6 u 6 u u u ξ minimizza
16 Fase Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Soluzione di partenza z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 z 8 -c 8 z 9 -c c B B y y y y y 5 y 6 y 7 y 8 y B 9 /y s sk u / u / u / 6
17 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Prima iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 z 8 -c 8 z 9 -c c B B y y y y y 5 y 6 y 7 y 8 y 9 B 0 / -/ /6 -/6 /6 / /6 s /y sk u / u Seconda iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 z 8 -c 8 z 9 -c 9-96/9 - -9/9-7/9 c B B B y y y y y 5 y 6 y 7 y 8 y 9 s /y sk 0 / -/ 6/7 /6 / /7 /5 u 0-96/9 - -0/9-8/ / 0 0 -/9 /9 7
18 Fase Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 Prima iterazione -0/9 / / c B B y y y y y 5 y 6 B 7/ -/7 / -/ 5-6/ / - 0 / 0 0 s /y sk Poichè -/ z 6 c6 / 0 y6 0 non c'è programma ottimale finito. 8
19 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Esempio (caso a) minimizza z Il problema in forma standard diventa 9
20 0 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n z minimizza Il problema artificiale è 0. u u... u - u u u ξ minimizza 6 6 5
21 Fase Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Prima iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 z 8 -c c B B y y y y y 5 y 6 y 7 y 8 B s /y sk / u / u 0 - / Seconda iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 z 8 -c 8 7/ / / - 0 c B B y y y y y 5 y 6 y 7 y 8 B s /y sk 0 6 / / / 0 0 9/7 0 / -/9 -/9 -/9 0 0 u 7/ / / - 9/7
22 Fase Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Prima iterazione B z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 / / -9/ c B B y y y y y 5 y 6 s /y sk / -/ -/ -/ 9/7 /7 /7 -/7 9 Seconda iterazione B z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 -/ -/ -/ <0 c B B y y y y y 5 y 6 s /y sk / / / -/
23 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Il programma di base = / =0 5 =9 = = 6 =0 è ottimale Min z= /
24 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Esempio (caso a) Il problema in forma standard diventa z minimizza z minimizza 6 6 5
25 5 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Il problema artificiale è 0. u u... 8 u 5-6 u u u ξ minimizza 6 6 5
26 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Fase Prima iterazione B z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 z 8 -c c B B y y y y y 5 y 6 y 7 y 8 ˆs / y sk u u / Seconda iterazione B z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 z 8 -c 8 -/ / - / -5/ c B B y y y y y 5 y 6 y 7 y 8 s /y sk u / -/ / - / -/ / 0 5 0/ -5/ / 0 -/ / 0/ 0 8/ / -/ 0 -/ / 6
27 Fase Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Prima iterazione B z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 5/ -7/ c B B y y y y y 5 y 6 s /y sk - / - -/ / / - -/ -/ Seconda iterazione B z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 -/ -/ -/ <0 c B B y y y y y 5 y 6 s /y sk - 5/ 5/ / -7/ / / -/ 65/ / / -/ 7
28 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Il programma di base =65/ = =5/ = 5 = 6 =0 è ottimale Min z= -7/ 8
29 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Esempio (caso b) massimizza z - 0. Il problema in forma standard diventa min z
30 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Il problema è equivalente a (si somma la riga alla ) min z 0. Il problema artificiale è min u ξ u u 8 0
31 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Fase Prima iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c c B B y y y y y 5 y 6 y 7 B s /y sk / u -5 - / Seconda iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 0 -/ -/ - 0 c B B y y y y y 5 y 6 y 7 B 0 / / / /6 0 s /y sk u 0 0 -/ -/ -
32 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Fase Le variabili e 6 non potranno entrare nella base perché i corrispondent z j -c j al termine della prima fase sono <0 (strettamente negativi) Prima iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 / c B B y y y y y 5 y 6 y 7 B - / / / / /7 0 u 0 0 -/ -/ - s /y sk
33 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.5 Seconda iterazione z -c z -c z -c z -c z 5 -c 5 z 6 -c 6 z 7 -c 7 -/ 0 c B B y y y y y 5 y 6 y 7 B - 0/ -/ - 9/7 /7 s /y sk 0 u 0 0 Il programma di base =9/7 = 0/ = = 5 = 6 =0 è ottimale (degenere) Min z= -6/
34 Docente: Marco Gaviano Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Matematica Computazionale Ottimizzazione(8cfu) (a.a. 0- lez.6)
35 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Modellizzazione Organizzazione del personale Una compagnia aerea ha deciso di aggiungere nuovi voli a quelli che già fornisce. Nell ambito del progetto generale si deve affrontare il problema del costo del personale di servizio sugli aerei. Questo costo lo si vuole preventivare in anticipo stabilendo un costo minimo ed allo stesso tempo garantendo un servizio di qualità. I voli si svolgono nell arco delle ore ed i tecnici che gestiscono il personale hanno messo a punto la seguente tabella sul numero di persone necessarie per avere un servizio di qualità. 5
36 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Intervalli orari da coprire Numero minimo di persone necessarie dalle 6.00 alle dalle 8.00 alle dalle 0.00 alle dalle.00 alle dalle.00 alle dalle 6.00 alle dalle 8.00 alle dalle 0.00 alle.00 dalle.00 alle.00 5 dalle.00 alle
37 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Il personale lavora in turni di 8 ore per 5 giorni alla settimana precisamente Turno dalle 6.00 alle.00 Turno dalle 8.00 alle 6.00 Turno dalle.00 alle 0.00 Turno dalle 6.00 alle.00 Turno 5 dalle.00 alle 6.00 Ogni persona durante il suo turno copre determinati intervalli di tempo ed è retribuito in base a tariffe prestabilite che tengono conto dell ora in cui si svolge il lavoro. Il costo 7 è fissato per ogni turno di 8 ore. Si ha la tabella.
38 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 turni Intervalli orari da coprire 5 dalle 6.00 alle 8.00 dalle 8.00 alle 0.00 dalle 0.00 alle.00 dalle.00 alle.00 dalle.00 alle 6.00 dalle 6.00 alle 8.00 dalle 8.00 alle 0.00 dalle 0.00 alle.00 dalle.00 alle.00 dalle.00 alle 6.00 Costo
39 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Problema Trovare quante persone devono essere assunte giornalmente per ogni turno in modo da avere un servizio di qualità Modellizzazione matematica Si introducono le variabili j numero di persone assegnate al turno j La funzione obiettivo è Z= Le condizioni da soddisfare si trasformano in disuguaglianze. Per esempio il fatto che dalle.00 alle 6.00 debbano essere disponibili 6 persone si traduce in 9 + 6
40 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 L intero problema si traduce in min Z (dalle 6.00 alle 8.00) (dalle 8.00 alle 0.00) (dalle 0.00 alle.00) (dalle.00 alle.00) (dalle.00 alle 6.00) (dalle 6.00 alle 8.00) (dalle 8.00 alle 0.00) (dalle 0.00 alle.00) (dalle.00 alle.00) (dalle.00 alle 6.00) 0
41 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Nel problema reale le i possono assumere solo valori interi. Nell ambito della Ricerca Operativa la Programmazione Intera studia proprio questo tipo di problema. Comunque a volte si preferisce assumere che le i siano definite nell insieme dei numeri reali e successivamente approssimare al più vicino numero intero. Aggiungiamo al nostro problema i vincoli di non negatività che comunque sono già inclusi negli altri vincoli. In tal caso si parla di ridondanza. Si ha ridondanza anche tra la a e la a equazione e tra la 6 a e la 7 a
42 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 La soluzione di base ottimale è =8 = =9 = 5 =5 z=060. Da notare che in certi intervalli sono disponibili più persone di quante ne sarebbero necessarie. Per es. dalle.00 alle.00 sono disponibili + 5 =58 persone; 5 sarebbero sufficienti.
43 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Assemblaggio d Auto Un azienda automobilistica produce auto in uno stabilimento assemblando i vari componenti che vengono costruiti in altri stabilimenti. Vengono prodotti modelli di auto Vento Classe La prima è un auto quattro/porte di dimensioni medie con interni in plastica e qualità media ma con bassi consumi. La seconda è un auto due/porte di lusso con navigatore satellitare ed interni in pelle.
44 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Ciascuna modello di Vento venduto dà un utile di 600Eu mentre ogni Classe venduta da 500Eu. Il responsabile dello stabilimento deve decidere quante auto di ciascun modello produrre nel mese successivo. Ovviamente la scelta deve essere fatta massimizzando il profitto. Sono noti i seguenti fatti Sono disponibili ore/lavoro per tutto il mese 6 ore/lavoro sono necessarie per assemblare una Vento 05 ore lavoro per una Classe Inoltre a causa di uno sciopero il numero di portiere disponibili è limitato.
45 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Il fornitore ha informato il responsabile che potrà consegnare portiere (0 destre ed altrettante sinistre); i due modelli di auto utilizzano lo stesso tipo di porte. L ufficio vendite ha fatto sapere che il mercato il mese successivo non assorbirà più di 500 Classe mentre non ci sono limiti per le Vento. Problema Trovare quante auto di Vento e Classe devono essere prodotte nel mese successivo in modo da massimizzare i profitti 5
46 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Modellizzazione matematica Si introducono le variabili numero di Vento numero di Classe La funzione obiettivo è Z= Le condizioni da soddisfare si trasformano in disuguaglianze. I vincoli relativi alle ore di lavoro danno
47 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 I vincoli relativi alle porte disponibile I vincoli di vendita sulle Classe danno 500 L intero problema si traduce in un problema PL in forma canonica ma
48 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 La cui soluzione è =800 ( Vento ) z= Eu =00 ( Classe ) Il responsabile prima di decidere sulla produzione vuole approfondire altre opzioni. 8
49 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Opzione L ufficio vendita fa sapere che con una campagna pubblicitaria da Eu può incrementare le domande del modello Classe del 0%. Cosa succede in tal caso? Il problema si formalizza come ma ( ) 9
50 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 La cui soluzione è =800 ( Vento ) z= Eu Eu =00 ( Classe ) Risposta: aumenta la domanda ma non si possono produrre più modelli dell auto Classe. Aumentano solo i costi L opzione è da scartare 50
51 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Opzione Le ore lavoro potrebbero essere incrementate del 5% Chiedendo ai lavoratori di fare gli straordinari. Quante auto potrebbero essere prodotte in più? Il problema si formalizza come ma
52 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 La cui soluzione è =67 ( Vento ) z= Eu =67 ( Classe ) Risposta: il numero di Vento diminuisce da 800 a 67; il numero di Classe aumenta da 00 a 67. Il profitto aumenta da Eu a Eu. L opzione è vantaggiosa se il costo degli straordinari non supera ( ) Eu. 5
53 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 Opzione Cosa avviene se le ore lavoro sono incrementate del 5% e viene fatta la campagna pubblicitaria dell opzione. Quante auto potrebbero essere prodotte in più? Il problema si formalizza come ma ( )
54 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 La cui soluzione è =67 ( Vento ) z= Eu =67 ( Classe ) Risposta: il numero di Vento diminuisce da 800 a 67. il numero di Classe aumenta da 00 a 67. Il profitto aumenta da Eu a ( ) Eu. L opzione è vantaggiosa se il costo degli straordinari non supera ( ) Eu. Comunque l opzione è più vantaggiosa. 5
55 Opzione Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 L amministratore delegato vorrebbe che si soddisfacesse l intera domanda del modello Classe. Si accetta un decremento nei profitti di Eu. La richiesta può essere accolta? Il problema si formalizza come (l ultima disequazione diventa ) ma
56 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n.6 La cui soluzione è =875 ( Vento ) z= Eu =500 ( Classe ) Risposta: il numero di Vento diminuisce da 800 a 875; il numero di Classe aumenta da 00 a 500. Il profitto diminuisce da Eu a Eu. La richiesta dell amministratore può essere accettata in quanto il profitto diminuisce di Eu. (restano anche 5500 portiere non utilizzate!!) 56
57 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Il problema dei trasporti Si consideri una grossa azienda che produce detersivi in tre diversi stabilimenti O O O situati in località diverse. Questi devono essere trasportati in quattro grossi centri di raccolta D D D e D da cui sono poi consegnati ai singoli commerciati per la vendita. Per il trasporto della merce sono stati fissati i costi. In particolare c ij =costo per il trasporto di un quintale di detersivo dallo stabilimento O i al centro D j. Si chiede di determinare la quantità di prodotto che deve essere trasportata da O i a D j in modo da minimizzare i costi tenendo conto che c è una richiesta da soddisfare e che ogni 57 stabilimento ha un limite nella produzione.
58 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Il problema può rappresentarsi con un grafo (grafo G) O c ij D O D O D Grafo G D 58
59 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Tenendo conto della seguente tabella in cui sono fissate produzione e richiesta Costo trasporto D D D D produzione O O O richiesta
60 z minimizza ij Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Il problema può formalizzarsi come
61 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Un tipico problema dei trasporti in cui m sono i nodi di partenza ed n- le destinazioni ha la forma minimizza z m i n- j c ij ij n j ij a i i... m m i ij ij 0 b j j...(n -) i... m j...(n -) sottole ipotesi a i b j a i 0 b j 0 c ij 0 6
62 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Le prime due ipotesi assicurano l esistenza della soluzione. La soluzione ottimale soddisferà il secondo gruppo di vincoli col segno di uguaglianza. Infatti se valesse il segno allora i suoi valori potrebbero decrementarsi e la funzione obbiettivo decrescerebbe contraddicendo l ottimalità. Al primo gruppo di vincoli si può aggiungere una variabile di scarto in i=..m. Le n variabili di scarto potrebbero avere il significato di quantità di merce (surplus) trasportata ad una destinazione fittizia n-sima senza costo da ciascun nodo origine i. Il problema può scriversi come 6
63 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Il problema dei trasporti standard minimizza z m i n j c ij ij n j ij a i i...m m i ij b j j...n ij 0 i...m j...n sottole ipotesi a i b j a i 0 b j 0 c ij 0 c in 0 6
64 6 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 La matrice A dei coefficienti dei vincoli diventa Con l ( ) n-vettore riga I (n) matrice identità nn (n) (n) (n) I I I l l l A
65 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Risultati teorici Teorema. Il problema del trasporto ammette sempre una soluzione ammissibile. Ogni soluzione è limitata. Dim. I valori ij =a i b j /a i costituiscono una soluzione. Inoltre ij min(a i b j ). Teorema. La matrice A ha rango (m+n-). 65
66 Matematica Computazionale Ottimizzazione a.a. 0- Lezione n. 6 Teorema. La matrice A è unimodulare cioè tutte le sottomatrici quadrate di A hanno determinante uguale a 0 oppure + oppure. Corollario. Se i valori a i e b j sono numeri interi i valori delle soluzioni di base sono anch essi interi. Esiste pertanto un programma di base con valori interi. 66
Matematica Computazionale(6cfu) Matematica Computazionale, Ottimizzazione(8cfu) (a.a , lez.6)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Matematica Computazionale, Ottimizzazione(8cfu) (a.a. 205-6,
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3)
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. -4 lez.) Matematica Computazionale
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3)
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. 5-6 lez.) Matematica Computazionale
DettagliMatematica 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,
DettagliCorso 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.
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.7)
Docente: Marco Gaviano (e-mail:gaviano@nica.it) Corso di Larea in Infomatica Corso di Larea in Matematica Matematica Comptazionale(6cf) Ottimizzazione(8cf) (a.a. -4, lez.7) Matematica Comptazionale, Ottimizzazione,
DettagliLEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO. 1di 18
LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO 1di 18 Metodo del Simplesso Il metodo del simplesso dovuto a Dantzing ed a Kantorovich è un algoritmo il cui nome deriva
DettagliRicerca Operativa. Programmazione Lineare. Università Mediterranea di Reggio Calabria Decisions Lab
Ricerca Operativa Programmazione Lineare Università Mediterranea di Reggio Calabria Decisions Lab Ottimizzazione In un problema di ottimizzazione si cerca di massimizzare o minimizzare una quantità specifica,
DettagliSI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11
SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11 MARTEDÌ 11 APRILE LA LEZIONE SI TERRÀ IN AULA SEMINARI PIANO C 1di 26 LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE
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
DettagliOttimizzazione (1 mod., 6 crediti, 48 ore, a.a , lez.2)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Ottimizzazione ( mod., 6 crediti, 8 ore, a.a. 09-0, lez.) Esempi di problemi risolvibili mediante
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
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.1)
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. 2013-14, lez.1) 1 Matematica Computazionale,
DettagliProgrammazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
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
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
DettagliAlgoritmi 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
DettagliL ALGORITMO DEL SIMPLESSO REVISIONATO
L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e
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
DettagliA-2 a PI. Esercizio 2. Domanda 3
A-2 a PI Ricerca Operativa 1 Seconda prova intermedia È dato il problema di PL in figura. 1. Facendo uso delle condizioni di ortogonalità, dimostrare o confutare l ottimalità della soluzione x = 1; x =
DettagliUniversità degli Studi di Napoli "Federico II" - Facoltà di Ingegneria Corso di Ricerca Operativa - Prova d'esame del (Prof.
Corso di Ricerca Operativa - Prova d'esame del.0.008 (Prof. Bruno) Una ditta di spedizioni ha accettato un ordine per trasportare con urgenza 00 tonnellate di materiale industriale in una località. La
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
Dettagli4.5 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
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliFONDAMENTI DI RICERCA OPERATIVA Prof. M.Trubian a.a. 2008/09 Prima prova in itinere: 25/11/08
FONDAMENTI DI RICERCA OPERATIVA Prof. M.Trubian a.a. 2008/09 Prima prova in itinere: 25/11/08 Nome studente:... Matricola:...... Esercizio 3 4 5 6 Valore % 0.25 0.15 0.15 0.15 0.15 0.15 Valutazione A [1]
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
Dettagli4.5 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
DettagliIl modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
DettagliProblemi di Ottimizzazione
Problemi di Ottimizzazione Obiettivo: misura della qualità di una soluzione. Vincoli: condizioni che devono essere soddisfatte per ottenere una soluzione ammissibile. Problema di Ottimizzazione: determina
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
DettagliAlgoritmo 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.)
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
Dettaglimin 2x 1 +4x 2 2x 3 +2x 4 x 1 +4x 2 +2x 3 + x 4 =6 2x 1 + x 2 +2x 3 + x 5 =3 x 0.
5 IL METODO DEL SIMPLESSO 6.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
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
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 26. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 26 Docente: Laura Palagi Modello di distribuzione Cardillo Raffaele Di Paola Catherine Trano Marco
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
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
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
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
DettagliALGORITMO DEL SIMPLESSO. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Simplesso / 1.
ALGORITMO DEL SIMPLESSO Una piccola introduzione R. Tadei R. Tadei 2 SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
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
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
DettagliUniversità Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi FAQ sul Metodo del SIMPLESSO Università Ca Foscari Venezia, Dipartimento di Management,
DettagliProgrammazione lineare: basi e soluzioni di base
Programmazione lineare:basi e soluzioni di base p. 1/33 Programmazione lineare: basi e soluzioni di base Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria
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
DettagliLEZIONE 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
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
Dettagli5.5 Programmazione quadratica (PQ)
5.5 Programmazione quadratica (PQ Minimizzare una funzione quadratica soggetta a vincoli lineari: 1 min x t Qx + c t x 2 s.v. a t i x b i i D (P a t i x = b i i U x R n dove Q matrice n n, D e U sono gli
DettagliG. Improta - Trasparenti del Corso di Ricerca Operativa A.A. 2001/ Vietata la riproduzione senza l'espresso assenso dell'autore.
LA DUALITA' IL PROBLEMA DEL MIXING DI PRODUZIONE Una fabbrica vuole mettere in produzione due articoli, P e P. I due prodotti richiedono lavorazioni su due differenti tipi di macchine, MA ed MB, senza
DettagliIL METODO DEL SIMPLESSO
IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliPROVE D'ESAME 1997/98
PROVE D'ESAME 1997/98 PROVA PARZIALE DEL 28/11/1997 1) Si consideri il seguente problema di programmazione lineare P: min z = x 1 + 2x 2 s.t. x 1 + x 2 6 2x 1 + x 2 10 x 1 4 x 1, x 2 0 a - Scrivere le
DettagliProgrammazione Matematica Lineare
Programmazione Matematica Lineare Problema di Programmazione Matematica (PM) (problema di ottimizzazione) max f(x) s.t. x R n vettore delle variabili decisionali insieme delle soluzioni ammissibili funzione
DettagliRICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: max x + x x x x x x + x x Si applichi l algoritmo del Simplesso Duale, per via algebrica, a
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
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
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
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 28 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 28 Prof.ssa Ing. Laura Palagi
DettagliEsercizi 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
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema
DettagliTEORIA 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
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
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.11)
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. 03-4, lez.) Matematica Computazionale,
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
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliEsame di Ricerca Operativa - 18 aprile 2007 Facoltà di Ingegneria - Udine - CORREZIONE -
Esame di Ricerca Operativa - 18 aprile 007 Facoltà di Ingegneria - Udine - CORREZIONE - Problema 1 (4 punti): Una raffineria miscela 4 tipi di petrolio greggio in diverse proporzioni per ottenere 3 diversi
Dettagli4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min f () s.v. X n insieme delle soluzioni ammissibili con funzione obiettivo
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
DettagliSviluppando ancora per colonna sulla prima colonna della prima matrice e sulla seconda della seconda matrice si ottiene:
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 5 - Soluzioni Esercizio 5. - La norma Euclidea di è 9 6 5 - Il versore corrispondente
DettagliEsercizio 1. Esercizio 2
A-2 a PI Ricerca Operativa 1 Seconda prova intermedia La Pharmatix è un azienda di Anagni che produce due principi attivi, A e B, che consentono un profitto per grammo venduto di 20 e 30 euro rispettivamente.
DettagliFondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione
Fondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione Esercizio 1 In un supermercato si vuole disporre un insieme {1,...,n} di prodotti su m sca ali. Ogni prodotto
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
DettagliVETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato
DettagliEsame di Ricerca Operativa del 28/06/2019. max 9 x 1 +8 x 2 6 x x x 1 +2 x x 1 +2 x x 1 3 x x 1 4 x 2 3
Esame di Ricerca Operativa del 8/0/09 (Cognome) (Nome) (Numero di Matricola) Esercizio. a) Risolvere il seguente problema di programmazione lineare mediante l algoritmo del simplesso: max 9 x +8 x x +0
DettagliProblemi di Flusso e Applicazioni
Problemi di Flusso e Applicazioni Andrea Scozzari a.a. 2013-2014 May 20, 2014 Andrea Scozzari (a.a. 2013-2014) Problemi di Flusso e Applicazioni May 20, 2014 1 / 5 Flussi Multiprodotto I problemi presi
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
DettagliEsercizio 2. Domanda 3
A-2 a PI Ricerca Operativa 1 Seconda prova intermedia È dato il problema di PL in figura. 1. Facendo uso delle condizioni di ortogonalità, dimostrare o confutare l ottimalità della soluzione 2; 0; 2. Facendo
DettagliLEZIONE 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
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
DettagliIntroduzione alla RO - Parte II
Introduzione alla RO - Parte II Andrea Scozzari a.a. 2013-2014 March 7, 2014 Andrea Scozzari (a.a. 2013-2014) Introduzione alla RO - Parte II March 7, 2014 1 / 18 Problema della pianificazione del personale:
Dettagli4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min s.v. f () X n dove X è la regione delle soluzioni ammissibili con funzione
Dettagli4.4 Programmazione quadratica
4.4 Programmazione quadratica Minimizzare una funzione quadratica soggetta a vincoli lineari: min 1 2 xt Qx + c t x s.v. a t i x b i i D (P) a t i x = b i i U x R n dove Q matrice n n, D e U sono gli insiemi
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito B 3/05/005 A. A. 004 005 ) Risolvere il seguente sistema
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
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
Dettagli3.3 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:
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).
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
DettagliAlgoritmo del Simplesso
Algoritmo del Simplesso Renato Bruni bruni@dis.uniroma.it Univertà di Roma Sapienza Corso di Ricerca Operativa, Corso di Laurea Ingegneria dell Informazione Vertici e Punti Estremi di un Poliedro Un poliedro
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
DettagliRICERCA OPERATIVA (a.a. 2017/18) Nome: Cognome: Matricola:
Primo appello 9//8 RICERCA OPERATIVA (a.a. 7/8) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x + x x + x x x x x applicando l algoritmo del Simplesso Primale, per via algebrica,
DettagliSistemi Lineari. Elisabetta Colombo. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 200-20 2 a di o.0 4 Capelli Rango o Caratterisca : definizioni a di o.0 Un equazione nelle n incognite x,..., x n della forma dove
DettagliI sistemi lineari di n equazioni in n incognite
I sistemi lineari I sistemi lineari di n equazioni in n incognite I sistemi lineari di n equazioni in n incognite, sono formati da equazioni di primo grado, in cui le incognite hanno tutte esponente uguale
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto
Dettagli