4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
|
|
- Berto Leone
- 4 anni fa
- Visualizzazioni
Transcript
1 4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
2 Problemi di programmazione matematica: min s.v. f () X n dove X è la regione delle soluzioni ammissibili con funzione obiettivo f lineare e X={ n : g i () 0, i {1,, m} } (=) con g i lineari i = 1,, m E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 2
3 Forma generale: min z = c c n n a a 1n n b 1 (=) A b 0 ( ) a m a mn n b m (=) ( ) 1,, n 0 Notazione matriciale: 1 min min z = c T c 1 c n n a 11 a 1n 1 b 1 a m1 a mn n b m 1 0 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano n 3
4 X = { n : A b, 0 } regione delle soluzioni ammissibili Def. Un * X è soluzione ottima di un problema di minimizzazione se c T * c T X Una classe molto ampia di problemi decisionali possono essere formulati come programmi lineari Spesso si tratta di problemi di allocazione ottimale di risorse limitate fra varie attività Origini: modelli di PL (L. Kantorovich 1939) algoritmo del simplesso (G. Dantzig 1947) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 4
5 Dati n m a i b i c Problema della dieta cibi = 1,, n sostanze nutritive i = 1,, m quantità di i-esima sostanza contenuta in ogni unità del -esimo cibo fabbisogno sostanza i costo di un unità del cibo Determinare una dieta di costo minimo che soddisfa tutti i fabbisogni. E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 5
6 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 6 = quantità di -esimo cibo, con = 1,..., n n m i b a c n i i n 1,..., 0 1,..., min 1 1 Variabili di decisione:
7 Problema del trasporto (monoprodotto) m impianti produttivi i = 1,, m n clienti = 1,, n c i p i d q i costo di trasporto di una unità di prodotto dall impianto i al cliente disponibilità ma di prodotto presso l impianto i domanda del cliente massima quantità trasportabile da i a Determinare un piano di trasporto che minimizzi i costi rispettando le domande e i limiti di disponibilità. E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 7
8 Ipotesi: m i1 p i d n 1 Variabili di decisione: i = quantità trasportata da i a min m n i1 1 c i i n 1 i p i i = 1,, m (disponibilità) m i1 i d = 1,, n (domanda) 0 i q i i, (capacità) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 8
9 Problema di mi produttivo n prodotti ( = 1,, n) che competono per l utilizzo di m risorse (i = 1,, m) con disponibilità limitate c a i b i margine lordo (ricavo costi) per unità di -esimo prodotto quantità di i-esima risorsa necessaria per una unità di -esimo prodotto disponibilità massima di i-esima risorsa Determinare un piano di produzione che massimizzi il margine lordo totale rispettando i limiti di disponibilità. E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 9
10 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 10 = quantità di -esimo prodotto, con = 1,..., n n m i b a c n i i n 1,..., 0 1,..., ma 1 1 Variabili di decisione:
11 Ipotesi dei modelli di PL 1) Linearità della funzione obiettivo e dei vincoli Proporzionalità: contributo di ogni variabile = costante variabile Non si tiene conto di economie di scala! Addittività: contributo di tutte le variabile = somma dei singoli contributi Prodotti in competizione guadagni non indipendenti! E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 11
12 2) Divisibilità Le variabili possono assumere valori frazionari (reali) Parametri: Si suppone che tutti i parametri numerici del modello possano essere considerati costanti, ovvero stimati con un grado di precisione sufficiente. Diversi scenari analisi di sensitività E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 12
13 Forma generale : min (ma) Def. Forma standard min 4.1 Forme equivalenti z = c T A 1 b 1 A 2 b 2 A 3 = b 3 0 per J {1,, n} libera per {1,, n} \ J z = c T A = b 0 vincoli di disuguaglianza vincoli di uguaglianza solo vincoli di uguaglianza e tutte variabili non negative E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 13
14 Le due forme sono equivalenti Delle regole di trasformazioni permettono di passare dalla forma generale a quella standard e viceversa. NB: il passaggio dall una all altra può comportare una variazione del numero di vincoli e di variabili E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 14
15 ma c T = - min c T Regole di trasformazione a T b a T + s = b s 0 variabile di scarto a T b a T - s = b s 0 variabile di surplus E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 15
16 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 16 Sostituendo con + si elimina dal problema Alternativamente può essere ricavata da una equazione e sostituita dappertutto (si elimina un equazione e una variabile). 0 0 libera
17 Esempio Forma generale: ma , 2 libera ma = 3 4 3, , 3, 4 0 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 17
18 introducendo 5 e 6 di scarto e surplus + cambiando di segno la funzione obiettivo min = = 4 1, 3, 4, 5, 6 0 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 18
19 4.2 Geometria della PL Esempio Problema di investimenti Capitale di e due possibili investimenti A e B con rendimenti previsti rispettivamente del 4% e 6% Determinare un piano di investimento che massimizzi il ritorno, rispettando le condizioni di diversificazione: non più del 75% del capitale investito in A non più del 50% del capitale investito in B E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 19
20 Modello A = somma investita in A B = somma investita in B ma z = 0,04 A + 0,06 B s.v. A + B A B A, B 0 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 20
21 4.2.1 Risoluzione grafica B A regione delle soluzioni ammissibili B A A + B A, B 0 K euro E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 21
22 K euro B z crescente linee di livello sono le rette 0,04 A + 0,06 B = z 10 8 z = z = 500 z = A costante Soluzione ottima: * A * B = z * = Gradiente f () = 0,04 0,06 indica la direzione di massimo aumento di f E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 22
23 4.2.2 Vertici della regione ammissibile Def.: H = { H - = { n : a T = b} è un iperpiano n : a T b} è un semispazio affine semipiano in 2 Ogni vincolo (a T b o a T b) definisce un semispazio affine nello spazio delle variabili a H - ={ n : a T b} a 0 b = 0 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 23
24 Def.: La regione ammissibile X è un poliedro P P può essere vuoto e non limitato semispazi # finito Def.: Un insieme X n è convesso se y 1, y 2 X X contiene tutto il segmento che congiunge y 1 e y 2.. y 1 y 2 y 1 y 2 convesso [y 1, y 2 ] = { n : = y 1 + (1 - ) y 2 con [0, 1] } segmento tutte le combinazione convesse di y 1 e y 2 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 24
25 Proprietà: un poliedro P è un insieme convesso di n Infatti: un semispazio è chiaramente convesso y 1 y 2 e l intersezione di un numero finito di insiemi convessi è anch esso un insieme convesso. E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 25
26 non è un vertice! 2 (0,3,1) (0,3,0) H 1 (0,1,3)... H 2 3 (0,0,0) (1,3,0) (0,0,3) (2,2,0) (1,0,3). (2,0,2) (2,0,0) faccetta spigolo ~ è un vertice di P se y 1, y 2 P, y 1 y 2 e (0, 1) tale che ~ = y 1 + (1 - ) y 2 Def.: I vertici di P sono i punti di P che non possono essere espressi come combinazione convessa di altri due punti di P. H 3 Poliedro P ~ vertice 1 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 26
27 Proprietà: Un poliedro P ={ n : A = b, 0 } ø ha un numero finito ( 1) di vertici. Def.: Sia P un poliedro, un vettore d n con d 0 è una direzione ammissibile di P se per ogni punto 0 P n il raggio { : = 0 + d, 0 } è completamente contenuto in P.. P d. d 0 0 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 27
28 Rappresentazione dei poliedri: Ogni punto di un poliedro P può essere espresso come combinazione convessa dei suoi vertici più una eventuale direzione ammissibile d di P : = k k + d dove 1,..., k sono i vertici di P e i moltiplicatori i 0 soddisfano k = 1. P [ 1, 2 ], d = d 1 2 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 28
29 Conseguenza: (Weyl-Minkowski) Ogni punto di un poliedro limitato P (polítopo) può essere espresso come combinazione convessa dei suoi vertici P 2. = con i 0 e = 1 (d = 0) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 29
30 Teorema fondamentale della PL: Se il poliedro P ={ n : A = b, 0 } delle soluzioni ammissibili del PL min{ c T : P } non è vuoto, esiste almeno un vertice ottimo o il valore della funzione obiettivo non è limitato inferiormente su P. Dim. Caso 1: P ha una direzione ammissibile d tale che c T d < 0 P è illimitato e il valore z = c T - lungo la direzione d E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 30
31 E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 31 Caso 2: P non ha direzioni ammissibili d tali che c T d < 0 i T k i T k i i T i k i i i T T c d c c d c c min Per qualsiasi P, d = 0 o c T d 0 e quindi Ogni punto di P può essere espresso come: dove 1,..., k sono i vertici di P, i 0 con k =1, e d = 0 oppure d è una direzione ammissibile. d k i i i 1 visto che i 0 i e k =1. 0
32 Nonostante le variabili assumano valori frazionari la PL si riconduce ad un problema di natura combinatoria: basta esaminare i vertici del poliedro delle soluzioni ammissibili! # finito Metodo grafico applicabile solo se n 3 algoritmo? E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 32
33 Un punto interno P non può essere una soluzione ottima: c = direzione di massimo aumento di z (gradiente costante) spostamento che migliora il valore di z In un vertice ottimo tutte le direzioni che permettono (passo suff. piccolo) di rispettare l ammissibilità sono peggioranti: vertici direzioni miglioranti direzioni che permettono di non violare l ammissibilità E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 33
34 4.2.3 Quattro tipi di programmi lineari La soluzione ottima è unica 2. c 1 Numero infinito di soluzioni ottime c E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 34
35 PL illimitato c poliedro illimitato e non esiste una soluzione ottima PL inammissibile poliedro vuoto (nessuna soluzione ammissibile) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 35
4 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
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
DettagliProgrammazione Matematica: III.1 - Programmazione Lineare
Programmazione Matematica: III.1 - Programmazione Lineare Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 ottobre 2003 Programmazione Lineare Def.: (F, ϕ ) è un problema di Programmazione
DettagliRicerca 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
DettagliRicerca Operativa. Ricerca Operativa p. 1/6
Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
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
Dettagli5.3 Metodo dei piani di taglio
5.3 Metodo dei piani di taglio (PLI) min s.v. c T x Ax b x interi X Ipotesi: a ij, c j e b i interi Osservazione: La regione ammissibile di un PLI può essere descritta mediante dei vincoli più o meno stringenti
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
DettagliTeoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8
Teoria della Programmazione Lineare Teoria della Programmazione Lineare p. 1/8 I problemi di PL in forma canonica In forma scalare: max n j=1 c jx j n j=1 a ijx j b i x j 0 i = 1,...,m j = 1,...,n Teoria
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
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
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
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi, poliedri Sia a un vettore non nullo
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
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione
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
DettagliParte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio
Parte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio Nozioni di geometria Definizione: Un vettore y R n è combinazione conica dei vettori { 1,, k } se esistono k coefficienti reali λ
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
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
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
Dettagli1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo. c 1 x 1 + c 2 x c n x n,
VERTICIDIUNPOLIEDRO 31 Esercizi di riepilogo sui Capitoli 1 5 1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo dove c 1,c 2,...,c n sono numeri
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
DettagliProblemi di Ottimizzazione
Problemi di Ottimizzazione x = (x 1,..., x n ) R n : vettore di variabili decisionali F R n : insieme delle soluzioni ammissibili (regione ammissibile) : F R: funzione obiettivo (P) min (x) x F ovvero
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
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
DettagliIntroduzione alla programmazione lineare
Introduzione alla programmazione lineare struttura del problema di PL forme equivalenti rappresentazione e soluzione grafica rif. Fi 1.2; BT 1.1, 1.4 Problema di programmazione lineare Dati: un vettore
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:
DettagliCapitolo 2: Preliminari ed elementi di analisi convessa. E. Amaldi DEIB, Politecnico di Milano
Capitolo 2: Preliminari ed elementi di analisi convessa E. Amaldi DEIB, Politecnico di Milano 2.1 Concetti di base In R n con norma euclidea x S R n è un punto interno di S se ε > 0 tale che B ε (x) =
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
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,
DettagliEsempi di Problemi di Programmazione Lineare
Esempi di Problemi di Programmazione Lineare Esempio 1: Soluzione con l algoritmo del simplesso dell esempio in forma standard ma = 2 + 0 1 2 + + = 5 1 2 3 + + = 0 1 2 4 6 + 2 + = 21 1 2 5 1 2 3 4 5 Il
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
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]
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
Dettagli5.2 IL TEOREMA FONDAMENTALE DELLA PROGRAMMAZIONE LINEARE
94 TEORIA DELLA PROGRAMMAZIONE LINEARE 5.2 IL TEOREMA FONDAMENTALE DELLA PROGRAMMAZIONE LINEARE Quanto fino ad ora esaminato permette di enunciare e dimostrare un risultato di fondamentale importanza che
DettagliPROGRAMMAZIONE LINEARE ESEMPIO INTRODUTTIVO. L azienda usa l officina A e l officina B con le seguenti ORE UNITARIE: A B Testing 30 10
ESEMPIO INTRODUTTIVO Una azienda metalmeccanica deve produrre 2 tipi di Prodotti (Cuscinetti): Cuscinetto a sfera (P1): Profitto=5000ITL/pezzo Cuscinetto a rulli (P2): Profitto=4000 ITL/pezzo L azienda
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
DettagliSoluzione grafica di problemi PM in 2 variabili
Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema
Dettagli1.4 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
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
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
DettagliProgrammazione Non Lineare
Capitolo 1 Programmazione Non Lineare 1.1 Introduzione Un problema di ottimizzazione viene definito come la minimizzazione o la massimizzazione di una funzione a valori reali su un insieme specificato.
DettagliBilanciamento di tempi e costi Progetti a risorse limitate Note bibliografiche
Indice Prefazione 1 1 Modelli di ottimizzazione 3 1.1 Modelli matematici per le decisioni.................... 4 1.1.1 Fasi di sviluppo di un modello................... 7 1.2 Esempi di problemi di ottimizzazione...................
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte I)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte I) Luigi De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo
DettagliSoluzione grafica di problemi PM in 2 variabili
Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
DettagliLa Programmazione Lineare
4 La Programmazione Lineare In questo capitolo esaminiamo in modo più dettagliato la Programmazione Lineare illustrando una tecnica risolutiva per il caso di due sole variabili che aiuta a comprendere
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2015-2016 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Paolo Tubertini, Daniele Vigo rev. 2. ottobre 2016 Fondamenti di
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
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
Dettagli5.1 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)
DettagliLa Programmazione Lineare
5 La Programmazione Lineare In questo capitolo esaminiamo in modo più dettagliato la Programmazione Lineare illustrando una tecnica risolutiva per il caso di due sole variabili che aiuta a comprendere
DettagliTeoria della Dualità: I Introduzione
Teoria della Dualità: I Introduzione Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.2 Maggio 2004 Dualità Per ogni problema PL, detto primale, ne esiste un altro, detto duale, costruito
DettagliIngegneria Informatica ed Automatica (forma teledidattica) Appunti dalle esercitazioni di Daniele Vigo Parte I Programmazione Lineare e Lineare Intera
Ingegneria Informatica ed utomatica (forma teledidattica) ppunti dalle esercitazioni di Parte I Programmazione Lineare e Lineare Intera Problemi di Ottimizzazione x = (x 1 ;:::;x n )2R n : vettore di variabili
DettagliIntroduzione alla Programmazione Lineare
5 Introduzione alla Programmazione Lineare In questo capitolo esaminiamo in modo dettagliato la struttura di un problema di Programmazione Lineare fornendo, in particolare, la rappresentazione geometrica
DettagliIntroduzione alla Programmazione Lineare
4 Introduzione alla Programmazione Lineare In questo capitolo esaminiamo in modo dettagliato la struttura di un problema di Programmazione Lineare fornendo, in particolare, la rappresentazione geometrica
DettagliPrerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
DettagliEsercizi sulla Programmazione Lineare Intera
Soluzioni 4.7-4.0 Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare Intera 4.7 Algoritmo del Simplesso Duale. Risolvere con l algoritmo del simplesso duale il seguente
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
DettagliOTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA OTTIMIZZAZIONE DISCRETA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA OTTIMIZZAZIONE DISCRETA Edoardo Amaldi DEI - Politecnico
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
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione
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
DettagliTeoria della Programmazione Lineare
5 Teoria della Programmazione Lineare In questo capitolo iniziamo lo studio formale dei problemi di Programmazione Lineare e, in particolare, dimostriamo il Teorema fondamentale della Programmazione Lineare.
DettagliOTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it
DettagliCOMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria dell Automazione, Informatica, Matematica e Telecomunicazioni COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Sito web: http://home.dei.polimi.it/amaldi/cro-09.shtml
DettagliA.A Fondamenti di Ricerca Operativa Esercizi ottobre min 2x 1 + x 2 + 4x 3 3x 4 x 1 + x 3 = 5 x 2 + x 4 = 2
. Si consideri il problema A.A. 07-08 Fondamenti di Ricerca Operativa Esercizi ottobre 07 min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto,
DettagliMODELLI DECISIONALI FORMULAZIONE GENERALE DEL PROBLEMA DECISIONALE (OTTIMIZZAZIONE)
MODELLI DECISIONALI FORMULAZIONE GENERALE DEL PROBLEMA DECISIONALE (OTTIMIZZAZIONE) z vettore di n elementi (variabili di decisione) o funzione J(z) obiettivo (vettoriale) da ottimizzare (max o min) Z
DettagliOTTIMIZZAZIONE in unione con OTTIMIZZAZIONE DISCRETA e COMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con OTTIMIZZAZIONE DISCRETA e COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEIB -
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
DettagliTeoria della Programmazione Lineare
6 Teoria della Programmazione Lineare In questo capitolo iniziamo lo studio formale dei problemi di Programmazione Lineare e, in particolare, dimostriamo il Teorema fondamentale della Programmazione Lineare.
DettagliGeometria della Programmazione Lineare
Capitolo 2 Geometria della Programmazione Lineare In questo capitolo verranno introdotte alcune nozioni della teoria dei poliedri che permetteranno di cogliere gli aspetti geometrici della Programmazione
DettagliPROGRAMMAZIONE LINEARE A NUMERI INTERI
PROGRAMMAZIONE LINEARE A NUMERI INTERI N.B. Nei seguenti esercizi vengono utilizzate, salvo diversa indicazione, le seguenti notazioni: PLO programma lineare ordinario S a insieme delle soluzioni ammissibili
DettagliUniversità degli Studi di Roma La Sapienza
Università degli Studi di Roma La Sapienza Dipartimento di Informatica e Sistemistica A. Ruberti Proff. Gianni Di Pillo and Laura Palagi Note per il corso di OTTIMIZZAZIONE (a.a. 2007-08) Dipartimento
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
DettagliSi 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
DettagliScuola di Dottorato in Ingegneria L. da Vinci. Problemi di estremo vincolato ed applicazioni. Introduzione ai problemi di estremo
Scuola di Dottorato in Ingegneria L. da Vinci Problemi di estremo vincolato ed applicazioni Pisa, 28-29 Maggio, 2009 Introduzione ai problemi di estremo G. Mastroeni Ricercatore, Dipartimento di Matematica
DettagliPROGRAMMAZIONE LINEARE
PROGRAMMAZIONE LINEARE La programmazione lineare ha un ruolo fondamentale tra i metodi risolutivi per i problemi di ottimizzazione. Storicamente questo settore della matematica, che è strettamente connesso
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
DettagliDomande 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
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
DettagliA.A Fondamenti di Ricerca Operativa. 2. Determinare β affinchè il poliedro descritto dal sistema di disequazioni
A.A. 08-09 Fondamenti di Ricerca Operativa. Si consideri il problema min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto, oppure è illimitato,
DettagliNLP KKT 1. Le condizioni necessarie di ottimo per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J
NLP KKT 1 Le condizioni necessarie di ottimo per il problema min f o (x) g i (x) 0 i I h j (x) = 0 j J sono, riferite ad un punto ammissibile x*, μ 0 f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0
Dettagli5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f (x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
Dettagli7.9 Il caso vincolato: vincoli di disuguaglianza
7.9 Il caso vincolato: vincoli di disuguaglianza Il problema con vincoli di disuguaglianza: g i (x) 0, i = 1,..., p, (51) o, in forma vettoriale: g(x) 0, può essere trattato basandosi largamente su quanto
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
DettagliEsercizi proposti nel Cap. 6 - Soluzioni. Esercizio 6.1. Esercizio 6.2
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 6 - Soluzioni Esercizio 6.1 La soluzione ottima è il vertice 4 1, di valore 9, vedi
DettagliProgrammazione Lineare
Capitolo 5 Programmazione Lineare In questo capitolo vengono considerati i problemi di Programmazione Lineare. In particolare per questa classe particolare di problemi è possibile dimostrare un risultato
Dettagliinoltre, deve essere: Funzioni obiettivo lineare a tratti
Funzioni obiettivo lineare a tratti Si supponga che la funzione obiettivo J(z) sia non lineare rispetto ad una (o più) delle variabili di decisione. Ipotizziamo tuttavia che la non linearità sia di tipo
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
DettagliLa Programmazione Lineare e l Algoritmo del Simplesso
La Programmazione Lineare e l Algoritmo del Simplesso Albanesi Valentina, Radice David e Travaglino Ermanno Sommario Questo breve testo ha come obbiettivo la descrizione concisa dei principali risultati
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare - TESTI Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi
Dettagli