JOB SHOP SCHEDULING Algoritmo di tabu search

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "JOB SHOP SCHEDULING Algoritmo di tabu search"

Transcript

1 DESCRIZIONE DEL PROBLEMA JOB SHOP SCHEDULING Algoritmo di tabu search Sono dati 4 job da eseguire su quattro macchine M 1, M 2, M 3, M 4, descritti nel formato OPERAZIONE (MACCHINA, DURATA): job 1: A (M 1, 1) B (M 2, 1) C (M 3, 6) D (M 4, 1) job 2: E (M 2, 12) F (M 4, 3) G (M 1, 1) H (M 3, 1) job 3: I (M 4, 12) L (M 2, 15) M (M 1, 6) N (M 3, 1) job 4: O (M 4, 2) P (M 2, 4) Q (M 3, 18) R (M 1, 5) La soluzione iniziale è data dall ordinamento topologico: dove e sono le operazioni fittizie start e finish. OBIETTIVO 1. Calcolare teste e code di ogni operazione e determinare il cammino critico. 2. determinare la mossa più vantaggiosa secondo Nowicki e Smutnicki 1996, 3. determinare la mossa più vantaggiosa secondo Nowicki e Smutnicki 25, 4. calcolare il makespan della nuova soluzione nei due casi. Calcolo di teste, code e cammino critico. Teste Code

2 Cammino critico: A BELP QNH La mossa più vantaggiosa secondo Nowicki e Smutnicki 1996 Mosse ammissibili (due per blocco): v(b,e), v(l,p), v(q,n), v(n,h). NB: con la notazione v(x,y) si indica la mossa di invertire l ordine delle operazioni x e y lasciando invariato l ordine di processamento delle altre. Per stimare il makespan di una soluzione dopo una mossa con NS96 si utilizza la formula: C max = max{h (x)+q (x); h (y)+q (y)} α(x) α(y) β(x) x y δ(y) γ(x) γ(y) h (y) = max{h(β(x))+ p β(x) ; h(α(y))+ p α(y) } h (x) = max{h (y)+ p y ; h(α(x))+ p α(x) } q (x) = p x + max{q(δ(y)); q(γ(x))} q (y) = p y + max{q (x); q(γ(y))} Si ha: v(b,e): h (E) = max{h(β(b))+ p β(b) ; h(α(e))+ p α(e) } h (B) = max{h (E)+ p E ; h(α(b))+ p α(b) } q (B) = p B + max{q(δ(e)); q(γ(b))} q (E) = p E + max{q (B); q(γ(e))} dove α(e) = β(e) = B γ(e) = F δ(e) = L α(b) = A β(b) = γ(b) = C δ(b) = E 2

3 da cui: v(l,p): da cui: v(q,n): h (E) = max{; } = h (B) = max{h (E)+ p E ; h(a)+ p A } = max{+12; +1}= 12 q (B) = 1 + max{57; 51} = 67 q (E) = 12 + max{67; 48} = 79 C max = 79 h (P) = max{h(β(l))+ p β(l) ; h(α(p))+ p α(p) } h (L) = max{h (P)+ p P ; h(α(l))+ p α(l) } q (L) = p L + max{q(δ(p)); q(γ(l))} q (P) = p P + max{q (L); q(γ(p))} h (P) = max{h(e)+ p E ; h(o)+ p O } = max{2+12; 36+2}= 38 h (L) = max{h (P)+ p P ; h(i)+ p I } = max{38+4;+12} = 42 q (L) = p L + max{q( ); q(m)} = 15 + max{; 26} = 41 q (P) = p P + max{q (L); q(q)}= 4 + max{41; 38} = 45 C max = 83 h (N) = max{h(β(q))+ p β(q) ; h(α(n))+ p α(n) } = max{2+6;47+6} = 53 h (Q) = max{h (N)+ p N ; h(α(q))+ p α(q) } = max{53+1;47+4} = 63 q (Q) = p Q + max{q(δ(n)); q(γ(q))} =18 + max{1; 5} = 28 q (N) = p N + max{q (Q); q(γ(n))} = 1 + max{28;--} = 38 C max = 91 v(n,h) Si potrebbe evitare perché si tratta delle ultime due operazioni del cammino critico (e quindi non può migliorare) h (H) = max{h(β(n))+ p β(n) ; h(α(h))+ p α(h) } = max{51+18;35+1} = 69 h (N) = max{h (H)+ p H ; h(α(n))+ p α(n) } = max{69+1;47+6} = 79 q (N) = p N + max{q(δ(h)); q(γ(n))} = 1 + max{--;} = 1 q (H) = p H + max{q (N); q(γ(h))} = 1 + max{1;--} = 2 C max = 89 Mossa più vantaggiosa secondo Nowicki e Smutnicki 1996: v(b,e). La mossa più vantaggiosa secondo Nowicki e Smutnicki 25 Per calcolare esattamente il makespan di una soluzione dopo una mossa con NS5 si utilizza la formula: C max = max { D[ P ( x y)] σ ; D[ P π } 3

4 Dove D[ Pσ ( x y)] = max {h (x)+q (x); h (y)+q (y)}=ns96 e D[ P π è la lunghezza del cammino critico che NON passa per x nella soluzione iniziale π data: D[ P = max{ h( u) + pu + q( v) : OT ( u) < OT ( x), OT ( v) > OT ( x)} π Nota che D[ P π non va calcolato se D[ Pσ ( x y)] D[ Pπ ], in quanto [ Pπ D[ Pπ ] quindi il calcolo è esteso alle sole mosse migliorative secondo NS96. Allo scopo è necessario individuare per ogni mossa migliorativa tutti gli archi che scavalcano il nodo x nell ordinamento topologico iniziale (uno per job e potenzialmente uno per macchina). Mosse migliorative: v(b,e), v(l,p). job 1: A (M 1, 1) B (M 2, 1) C (M 3, 6) D (M 4, 1) job 2: E (M 2, 12) F (M 4, 3) G (M 1, 1) H (M 3, 1) job 3: I (M 4, 12) L (M 2, 15) M (M 1, 6) N (M 3, 1) job 4: O (M 4, 2) P (M 2, 4) Q (M 3, 18) R (M 1, 5) D, Teste Code Si ha: v(b,e): archi di job (,E), (,I), (,O), archi di macchina (A,G). arco (,E): h()+p +q(e) = 69 arco (,I): h()+p +q(i) = 69 arco (,O): h()+p +q(o) = 44 arco (A,G): h(a)+p A +q(g) = +1+27=37 C max = max{ns96; P π (x)}= max{79;69}=79 4

5 v(l,p): archi di job (D,), (G,H), (,O), archi di macchina (G,M), (D,O), (C,Q). arco (D,): h(d)+p D +q() = =74 arco (G,H): h(g)+p G +q(h) = =46 arco (,O): h()+p +q(o) = 44 arco (G,M): h(g)+p G +q(m) = =62 arco (D,O): h(d)+p D +q(o) = =8 arco (C,Q): h(c)+p C +q(q) = =64 C max = max{ns96; P π (x)}= max{83;8}=83 Qui si può notare che, essendo NS96=83>79 (stima della mossa precedente) si poteva risparmiare questo calcolo in quanto questa mossa è certamente peggiore della precedente. Nota che questa considerazione vale solo perché il 79 della mossa precedente è il valore esatto del makespan mentre il valore 83 della mossa attuale è una sottostima al valore del makespan ottenibile in questa mossa. Mossa più vantaggiosa secondo Nowicki e Smutnicki 25: v(b,e) (in questo caso è la stessa di NS96). Makespan della nuova soluzione A E B C I F D G L O P M Q R N H Teste Il makespan della nuova soluzione è 79, come già calcolato con NS5, dovuto al cammino critico in rosso. 5

Esercitazione: Job shop scheduling con vincoli di processo. 22/12/2010 Ottimizzazione della Logistica

Esercitazione: Job shop scheduling con vincoli di processo. 22/12/2010 Ottimizzazione della Logistica Esercitazione: ob shop scheduling con vincoli di processo 1 Descrizione del problema di scheduling capacitato Analizziamo una semplice officina meccanica con macchine. l processo tecnologico di un job

Dettagli

Approcci euristici per il job shop

Approcci euristici per il job shop Approcci euristici per il job shop Riferimenti lezione: Nowicki, E. & Smutnicki, C. (1996) A fast taboo search algorithm for the job shop problem, Management Science, Vol. 42, No. 6, pp. 797-813 1 Problema

Dettagli

2.3.3 Cammini ottimi nei grafi senza circuiti

2.3.3 Cammini ottimi nei grafi senza circuiti .. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo

Dettagli

Un approccio esatto per il job shop

Un approccio esatto per il job shop Un approccio esatto per il ob shop Riferimenti lezione: rucker, P., Jurisch,. & Sievers,. (994) branch and bound algorithm for the ob scheduling shop problem, Discrete pplied Mathematics, Vol. 49, No.

Dettagli

1. Considerazioni generali

1. Considerazioni generali 1. Considerazioni generali Modelli di shop scheduling In molti ambienti produttivi l esecuzione di un job richiede l esecuzione non simultanea di un certo numero di operazioni su macchine dedicate. Ogni

Dettagli

Problema del Job Shop

Problema del Job Shop Problema del Job Shop Job Shop n job, m macchine iascun job j è composto da una sequenza di task (t j (),,t j (r j )) ogni task t j (k) deve essere eseguito su una specifica macchina i = m j (k) (richiedendo

Dettagli

CASE STUDY 2. Fabbricazione dell acciaio. Un problema di pianificazione: Minimizzazione dei costi di carica del forno. Dati. Formulazione del problema

CASE STUDY 2. Fabbricazione dell acciaio. Un problema di pianificazione: Minimizzazione dei costi di carica del forno. Dati. Formulazione del problema CASE STUDY 2 Fabbricazione dell acciaio Gestione delle risorse produttive nell industria siderurgica Un problema di pianificazione: Minimizzazione dei costi di carica del forno Magazzini materie prime

Dettagli

Esercizi su predizione lineare

Esercizi su predizione lineare Esercizi su predizione lineare Esercizio Si consideri il processo reale x n ottenuto risolvendo l equazione alle differenze finite: x n a x n a x n + z n dove: a ; a 0.08; E z(n) 0; E z(n)z(n + k) r z

Dettagli

Makespan con set-up dipendenti dalla sequenza. 1/s jk /C max

Makespan con set-up dipendenti dalla sequenza. 1/s jk /C max Makespan con set-up dipendenti dalla sequenza 1/s jk /C max 1/s jk /C max Un tempo di riattrezzaggio (set-up) s jk è richiesto fra il processamento di j e quello di k. In questo caso, C max dipende dalla

Dettagli

Esercitazione ENS su Predizione lineare (4 Giugno 2008)

Esercitazione ENS su Predizione lineare (4 Giugno 2008) Esercitazione ENS su Predizione lineare (4 Giugno 008) D. Donno dove: Esercizio Si consideri il processo reale x n ottenuto risolvendo l equazione alle differenze finite: a 1 = 1; a = 0.08; x n = a 1 x

Dettagli

Problema del Job Shop

Problema del Job Shop Problema del Job hop Job hop n ob, m macchine iascun ob è composto da una sequenza di task (t (1),,t (r )) ogni task t (k) deve essere eseguito su una specifica macchina i = m (k) (richiedendo un tempo

Dettagli

0 A B I C O L M P E Q R F G D H N *

0 A B I C O L M P E Q R F G D H N * UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Modelli di Sistemi di Produzione I scritti d'esame appelli 2004/05 e 2005/06 Esercizio 1 job 3: I (M 1, 3) L (M 2, 4) M (M 3, 11)

Dettagli

Esame di Ricerca Operativa del 11/07/2016

Esame di Ricerca Operativa del 11/07/2016 Esame di Ricerca Operativa del /0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un erboristeria vuole produrre una nuova tisana utilizzando tipi di tisane già in commercio. Tali tisane sono per lo più composte

Dettagli

Esame di Ricerca Operativa del 15/01/2015

Esame di Ricerca Operativa del 15/01/2015 Esame di Ricerca Operativa del 1/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da calcio e da basket che vende a 1 e 20 euro rispettivamente. L azienda compra ogni settimana

Dettagli

Esame di Ricerca Operativa del 15/01/2015

Esame di Ricerca Operativa del 15/01/2015 Esame di Ricerca Operativa del 1/01/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da basket e da calcio che vende rispettivamente a 1 e euro. L azienda compra ogni settimana 00

Dettagli

APPELLO STATICA 18 GENNAIO 2018 (1)

APPELLO STATICA 18 GENNAIO 2018 (1) APPELLO STATICA 18 GENNAIO 2018 (1) 1) Baricentro (vincolo) Nella struttura della Figura il corpo (2) è un pannello di densita di area q formato da un quadrato e da un quarto di cerchio. Tutto il corpo

Dettagli

Esame di Ricerca Operativa del 08/09/17

Esame di Ricerca Operativa del 08/09/17 Esame di Ricerca Operativa del 08/09/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Una dieta giornaliera consiste di tre cibi C, C e C, che vengono assunti nella quantità complessiva di 00 grammi.

Dettagli

Esercizio 1. Variabili decisionali:

Esercizio 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

Dettagli

1. Problemi di ottimizzazione combinatoria

1. Problemi di ottimizzazione combinatoria 1. Problemi di ottimizzazione combinatoria Un istanza I di un problema di ottimizzazione combinatoria è la coppia (X, f), dove: o X Ω è un insieme finito (soluzioni ammissibili) o f è una funzione di costo

Dettagli

Parte 3: Gestione dei progetti, Shop scheduling

Parte 3: Gestione dei progetti, Shop scheduling Parte : Gestione dei progetti, Shop scheduling Rappresentazione reticolare di un progetto Insieme di attività {,...,n} p i durata (nota e deterministica dell attività i) relazione di precedenza fra attività:

Dettagli

Algoritmi e strutture dati

Algoritmi e strutture dati Algoritmi e Strutture Dati Cammini minimi Definizioni Sia G = (V,E) un grafo orientato pesato sugli archi. Il costo di un cammino π = è dato da: Un cammino minimo tra una coppia di

Dettagli

Esame di Ricerca Operativa del 16/07/18

Esame di Ricerca Operativa del 16/07/18 Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un terreno agricolo è costituito dalla miscela di tre tipi di terra T, T e T. Da un analisi di laboratorio viene rilevata,

Dettagli

1) Disegnare la rete di progetto con le attività sugli archi, e la rete di progetto con le attività sui nodi.

1) Disegnare la rete di progetto con le attività sugli archi, e la rete di progetto con le attività sui nodi. Un progetto di ricerca e sviluppo di una società si compone di 12 (principali) attività con precedenze, durate normali b ij (in giorni), costi diretti c ij (in dollari) delle attività alla loro durata

Dettagli

Esame di Ricerca Operativa del 11/02/2015

Esame 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

Dettagli

Esame di Ricerca Operativa del 07/06/2019

Esame di Ricerca Operativa del 07/06/2019 Esame di Ricerca Operativa del 0/0/09 (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere il seguente problema di programmazione lineare applicando l algoritmo del simplesso duale: min y y

Dettagli

1. Considerazioni generali

1. Considerazioni generali 1. Considerazioni generali Modelli di shop scheduling In molti ambienti produttivi l esecuzione di un job richiede l esecuzione non simultanea di un certo numero di operazioni su macchine dedicate. Ogni

Dettagli

Esame di Ricerca Operativa del 05/09/18

Esame di Ricerca Operativa del 05/09/18 Esame di Ricerca Operativa del 0/09/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda agricola produce mensilmente 0 ettolitri di olio (O) e 0 ettolitri di vino (V) che vengono venduti all

Dettagli

Esame di Ricerca Operativa del 22/01/18

Esame di Ricerca Operativa del 22/01/18 Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale

Dettagli

Esame di Ricerca Operativa del 19/01/2016

Esame di Ricerca Operativa del 19/01/2016 Esame di Ricerca Operativa del 19/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Una banca offre ai suoi clienti diversi tipi di prestito: mutuo casa, credito auto, credito famiglia, che rendono un interesse

Dettagli

La Gestione dei Progetti. Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena

La Gestione dei Progetti. Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena La Gestione dei Progetti Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Relazioni di precedenze generalizzate Le relazioni di precedenza viste fino ad

Dettagli

Esame di Ricerca Operativa del 22/01/18

Esame di Ricerca Operativa del 22/01/18 Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale

Dettagli

Esame di Ricerca Operativa del 07/09/2016

Esame di Ricerca Operativa del 07/09/2016 Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un industria chimica produce due tipi di fertilizzanti (A e B) la cui lavorazione è affidata ai reparti di produzione e

Dettagli

Grafo per n/m/g/c max r i =0

Grafo per n/m/g/c max r i =0 M1 M2 M3 M JOB SHOP SENZA RICIRCOLAZIONE Grafo per n/m/g/c max r i =0 Archi (precedenze) disgiuntivi(macch.) Arco(precedenza) congiuntivo(pezzi) 1,1 2,1 3,1 I 2,2 1,2,2 3,2 F 1,3 2,3,3 Operazione(i,j):

Dettagli

Esame di Ricerca Operativa del 19/01/2016

Esame di Ricerca Operativa del 19/01/2016 Esame di Ricerca Operativa del 9/0/06 (Cognome) (Nome) (Matricola) Esercizio. Una banca offre ai suoi clienti diversi tipi di prestito: mutuo casa, credito auto, credito famiglia, che rendono un interesse

Dettagli

Project Scheduling: CPM time analysis

Project Scheduling: CPM time analysis 1. Intoduzione Una volta costruita la rete di progetto AOA (attività sugli archi) G = (N, A) è possibile fare una prima analisi del progetto a partire dalla conoscenza delle durate (tempi di esecuzione)

Dettagli

PROBLEMA DEL COMMESSO VIAGGIATORE

PROBLEMA DEL COMMESSO VIAGGIATORE PROBLEMA DEL COMMESSO VIAGGIATORE INTRODUZIONE Il problema del commesso viaggiatore (traveling salesman problem :TSP) è un classico problema di ottimizzazione che si pone ogni qual volta, dati un numero

Dettagli

Esame 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 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

Dettagli

Esame di Ricerca Operativa del 12/02/18. P 1 P 2 P 3 P 4 P 5 P 6 Peso bagaglio km di viaggio

Esame di Ricerca Operativa del 12/02/18. P 1 P 2 P 3 P 4 P 5 P 6 Peso bagaglio km di viaggio Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. L autista di un taxi puo trasportare al massimo persone richiedendo a ciascuna Euro a km per il viaggio. Fanno richiesta

Dettagli

Macchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4

Macchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4 Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse

Dettagli

Esame di Ricerca Operativa del 18/06/18

Esame di Ricerca Operativa del 18/06/18 Esame di Ricerca Operativa del 8/0/8 (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 + x

Dettagli

Esame di Ricerca Operativa del 12/07/17

Esame di Ricerca Operativa del 12/07/17 Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda produttrice di mobili possiede due sedi S e S, che richiedono mensilmente 0 e 0 quintali di legname per il

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

BOLLETTINO UNIONE MATEMATICA ITALIANA

BOLLETTINO UNIONE MATEMATICA ITALIANA BOLLETTINO UNIONE MATEMATICA ITALIANA Sezione A La Matematica nella Società e nella Cultura Marco Pranzo Algoritmi ed applicazioni per problemi di job shop scheduling complessi Bollettino dell Unione Matematica

Dettagli

Fac-simile dell esame di Ricerca Operativa. max 7 x 1 2 x 2 3 x 1 +x 2 2 x 1 2 x 2 3 x x 1 +x x 1 x 2 5

Fac-simile dell esame di Ricerca Operativa. max 7 x 1 2 x 2 3 x 1 +x 2 2 x 1 2 x 2 3 x x 1 +x x 1 x 2 5 Fac-simile dell esame di Ricerca Operativa (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

Dettagli

Ottimizzazione nella Gestione dei Progetti - Esercitazione 1: calcolo degli schedule ottimi

Ottimizzazione nella Gestione dei Progetti - Esercitazione 1: calcolo degli schedule ottimi Università degli Studi di Roma La Sapienza Ottimizzazione nella Gestione dei Progetti - Esercitazione : calcolo degli schedule ottimi di FABIO D ANDREAGIOVANNI Dipartimento di Informatica e Sistemistica

Dettagli

Esercizi svolti a lezione

Esercizi svolti a lezione Esercizi svolti a lezione Problema 1 In un corso di laurea sono previsti un certo numero di esami obbligatori. Esistono inoltre dei vincoli di propedeuticità: se un esame A è propedeutico ad un esame B

Dettagli

Integrali doppi. Hynek Kovarik. Analisi Matematica 2. Università di Brescia

Integrali doppi. Hynek Kovarik. Analisi Matematica 2. Università di Brescia Integrali doppi Hynek Kovarik Università di Brescia nalisi Matematica 2 Hynek Kovarik (Università di Brescia) Integrali curvilinei nalisi Matematica 2 1 / 47 Motivazione: calcolo di volume Hynek Kovarik

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

Esame di Ricerca Operativa del 09/02/2016

Esame di Ricerca Operativa del 09/02/2016 Esame di Ricerca Operativa del 0/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una sartoria produce tipi di vestiti: pantaloni, gonne e giacche, utilizzando stoffa e filo. Settimanalmente, la disponibilità

Dettagli

COMPITO DI RICERCA OPERATIVA APPELLO DEL 07/04/04

COMPITO DI RICERCA OPERATIVA APPELLO DEL 07/04/04 COMPITO DI RICERCA OPERATIVA APPELLO DEL 07/04/04 Esercizio 1 1)Dato il seguente problema di PL: max 2x 1 x 2 x 1 + x 2 2 x 1 + 2x 2 7 x 1 + x 2 1 x 1, x 2 0 trasformarlo in forma standard (2 punti) 2)

Dettagli

Esame di Ricerca Operativa del 16/06/2015

Esame di Ricerca Operativa del 16/06/2015 Esame di Ricerca Operativa del 1/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una ditta produce vernici in tre diversi stabilimenti (Pisa, Cascina, Empoli) e le vende a tre imprese edili (A, B, C). Il

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

Pilastri con avvolgimento a spirale

Pilastri con avvolgimento a spirale metodo alle tensioni ammissibili Unità Sforzo normale di compressione semplice Pilastri con avvolgimento a spirale Calcolo di progetto L area ideale resistente A i,c del pilastro con avvolgimento a spirale

Dettagli

Esame di Ricerca Operativa del 06/02/17

Esame di Ricerca Operativa del 06/02/17 Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Numero d Matricola) Esercizio. Uno studente vuole definire un piano di studio settimanale per preparare gli esami A, B e C, massimizzando le ore (h)

Dettagli

Operations Management

Operations Management La schedulazione dei progetti Estratto da Operations Management Modelli e metodi per la logistica II Edizione Autore: Giuseppe Bruno Edizioni Scientifiche Italiane I problemi di scheduling 21 6.8 - LA

Dettagli

Esame di Ricerca Operativa. max 14 x x 2 5 x 1 3 x x 1 3 x x x 2 16 x x x 1 x 2 15 x x 2 41

Esame di Ricerca Operativa. max 14 x x 2 5 x 1 3 x x 1 3 x x x 2 16 x x x 1 x 2 15 x x 2 41 Esame di Ricerca Operativa (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x + 8 x x 3 x x 3 x x + 3 x x + x x x x +

Dettagli

Grafi (orientati): cammini minimi

Grafi (orientati): cammini minimi Grafi (orientati): cammini minimi Una breve presentazione Definizioni Sia G=(V,E) un grafo orientato con costi w sugli archi. Il costo di un cammino π= è dato da: Un cammino minimo tra

Dettagli

ESERCIZIO 1: Punto 1

ESERCIZIO 1: Punto 1 ESERCIZIO : Punto La seguente matrice è una matrice delle distanze di un istanza del problema del Commesso Viaggiatore. - - - - - - - Calcolare.Il valore del rilassamento che si ottiene determinando l

Dettagli

1. Classificazione delle risorse

1. Classificazione delle risorse 1. Classificazione delle risorse Classificazione delle risorse in base alla disponibilità. - Risorse rinnovabili Sono risorse utilizzate per l esecuzione di una attività per tutta la sua durata, ma sono

Dettagli

Foglio Esercizi A (interpolazione, approssimazione, integrazione)

Foglio Esercizi A (interpolazione, approssimazione, integrazione) Foglio Esercizi A (interpolazione, approssimazione, integrazione) Esercizio cos( ) +, [,π ] Costruire una approssimazione f ( ) di f () utilizzando elemento di ermite a nodi non equispaziati (, π, π )

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Metodi di Ottimizzazione mod.

Dettagli

Esercizi proposti nel Cap Soluzioni. Esercizio 14.1

Esercizi proposti nel Cap Soluzioni. Esercizio 14.1 M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 14 - Soluzioni Esercizio 14.1 Al fine di utilizzare l algoritmo più efficiente, verifichiamo

Dettagli

Algoritmi euristici. Parte I: metodi classici

Algoritmi euristici. Parte I: metodi classici Algoritmi euristici. Parte I: metodi classici Daniele Vigo D.E.I.S. - Università di Bologna dvigo@deis.unibo.it rev. 1.0 - febbraio 2003 Algoritmi Euristici Algoritmi Euristici, Approssimati, Approssimanti

Dettagli

Ricerca per ispezione guidata (Branch and Bound) per min L max con r j 0

Ricerca per ispezione guidata (Branch and Bound) per min L max con r j 0 Per esporre il più importante algoritmo per lo scheduling in sistemi ad instradamento differenziato occorre considerare un estensione del min L max Ricerca per ispezione guidata (Branch and Bound) per

Dettagli

3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura

Dettagli

c.l. in Matematica (F7X) - Analisi Matematica 3 - prof. M.Vignati II prova in itinere versione a

c.l. in Matematica (F7X) - Analisi Matematica 3 - prof. M.Vignati II prova in itinere versione a Cognome Nome Matr. c.l. in Matematica (F7X) - Analisi Matematica 3 - prof. M.Vignati 22.1.2014 II prova in itinere versione a 1a] (6 punti) Dopo aver determinato per quali a, b R la forma differenziale

Dettagli

Pianificazione dei progetti. Alberto Caprara DEIS - Università di Bologna

Pianificazione dei progetti. Alberto Caprara DEIS - Università di Bologna Pianificazione dei progetti Alberto Caprara DEIS - Università di Bologna acaprara@deis.unibo.it Tecniche reticolari Metodologie per la risoluzione di problemi di pianificazione di progetti Progetto: insieme

Dettagli

Approcci esatti per il job shop

Approcci esatti per il job shop Approcci esatti per il job shop Riferimenti lezione: Carlier, J. (1982) The one-machine sequencing problem, European Journal of Operational Research, Vol. 11, No. 1, pp. 42-47 Carlier, J. & Pinson, E.

Dettagli

Esercitazione 3. Osserviamo che, dato un grafo con pesi distinti, questo ammette un unico MST.

Esercitazione 3. Osserviamo che, dato un grafo con pesi distinti, questo ammette un unico MST. Esercitazione 3 Problema 6: Sia G = (V, E) un grafo con pesi distinti sugli archi ed e E un arco di G. Progettare un algoritmo lineare in grado di determinare se esiste un MST di G che contiene l arco

Dettagli

Esame di Ricerca Operativa del 14/09/18

Esame di Ricerca Operativa del 14/09/18 Esame di Ricerca Operativa del /9/ (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere mediante l algoritmo del simplesso duale il seguente problema di programmazione lineare: Iterazione {,}

Dettagli

Ordinamento parziale

Ordinamento parziale Ordinamento parziale Ordinamento parziale di un insieme A: relazione d'ordine parziale sugli elementi di A possono esistere coppie tra le quali non è definito alcun ordine Un grafo diretto aciclico (DAG)

Dettagli

Linea monoprodotto con assiemature (modello:pettine): lotto, flusso. Minimo tempo di completamento: pezzo singolo, lotto finito, linea satura

Linea monoprodotto con assiemature (modello:pettine): lotto, flusso. Minimo tempo di completamento: pezzo singolo, lotto finito, linea satura Linea monoprodotto con assiemature (modello:pettine): lotto, flusso Minimo tempo di completamento: pezzo singolo, lotto finito, linea satura Sistemi di movimentazione PIPELINE In questo tipo di sistemi

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

Esame di Ricerca Operativa del 19/07/19. Esercizio 1. (a) Risolvere mediante il metodo del simplesso il seguente problema di programmazione lineare:

Esame di Ricerca Operativa del 19/07/19. Esercizio 1. (a) Risolvere mediante il metodo del simplesso il seguente problema di programmazione lineare: Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere mediante il metodo del simplesso il seguente problema di programmazione lineare: max x +x x + x x x x

Dettagli

Esame di Ricerca Operativa del 24/07/18. max 7 x 1 +4 x 2 x 1 +3 x x 1 +x x 1 +x 2 12 x 1 x x 1 3 x 2 2 x 1 2 x 2 14

Esame di Ricerca Operativa del 24/07/18. max 7 x 1 +4 x 2 x 1 +3 x x 1 +x x 1 +x 2 12 x 1 x x 1 3 x 2 2 x 1 2 x 2 14 Esame di Ricerca Operativa del /07/18 Cognome) Nome) Numero di Matricola) Esercizio 1. Effettuare due iterazioni dell algoritmo del simplesso primale per il problema max 7 x 1 + x x 1 + x 6 x 1 +x x 1

Dettagli

Alberi binari: definizione e alcune proprietà

Alberi binari: definizione e alcune proprietà Alberi binari: definizione e alcune proprietà Alberi binari Un albero binario è un albero con radice in cui ogni nodo ha al più due figli. In maniera più formale: Definizione. (Alberi binari) Un albero

Dettagli

Esame di Ricerca Operativa del 03/09/2015

Esame di Ricerca Operativa del 03/09/2015 Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Una raffineria di petrolio miscela tipi di greggio per ottenere tipi di carburante: senza piombo, diesel e blu diesel.

Dettagli

Campo di Esistenza. Il campo di esistenza di una funzione f è il dominio più grande su cui ha significato la legge f.

Campo di Esistenza. Il campo di esistenza di una funzione f è il dominio più grande su cui ha significato la legge f. Campo di Esistenza Il campo di esistenza di una funzione f è il dominio più grande su cui ha significato la legge f. ESERCIZIO. Determinare il campo di esistenza della funzione f(x) = 9+2x. Soluzione:

Dettagli

Linea di 4 macchine con buffer

Linea di 4 macchine con buffer La soluzione del 2JSP è la generalizzazione di quella data da Aker per 2 lavori J i di m operazioni in serie da eseguire su una linea con buffer intermedi: ciascuno di lunghezza temporale t i sulla macchina

Dettagli

Esame di Ricerca Operativa del 15/09/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 15/09/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del /09/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x x x x x +x 9 x + x 8 x +x Base

Dettagli

c.l. Fisica Analisi 2 prof. Molteni/Vignati 20 Giugno 2017 II prova intermedia versione A cos x sin x. Soluzione del P.C.: α = 2, β = 1.

c.l. Fisica Analisi 2 prof. Molteni/Vignati 20 Giugno 2017 II prova intermedia versione A cos x sin x. Soluzione del P.C.: α = 2, β = 1. Cognome Nome Matr. c.l. Fisica Analisi 2 prof. Molteni/Vignati 20 Giugno 2017 II prova intermedia versione A 1A](6 p.ti) Determinare la soluzione generale di y 4y + 3y = 3x 1 + 5 cos x. y 4y + 3y = 3x

Dettagli

Esame di Ricerca Operativa del 21/06/17

Esame di Ricerca Operativa del 21/06/17 Esame di Ricerca Operativa del /0/7 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda vinicola produce tre qualitá di vino Q, Q, Q che vende ad un prezzo di 0E, 0E, 0E ad ettolitro, rispettivamente

Dettagli

Analisi Matematica 2. Integrali doppi. Integrali doppi 1 / 24

Analisi Matematica 2. Integrali doppi. Integrali doppi 1 / 24 Analisi Matematica 2 Integrali doppi Integrali doppi 1 / 24 Integrali doppi su domini rettangolari. Sia f (x, y) una funzione limitata nel rettangolo Q = [a, b] [c, d] e sia D 1 = {x 0 = a, x 1,, x m =

Dettagli

Esame di Ricerca Operativa del 12/06/18. Base x Degenere? y Indice Rapporti Indice uscente entrante

Esame di Ricerca Operativa del 12/06/18. Base x Degenere? y Indice Rapporti Indice uscente entrante Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Effettuare due iterazioni dell algoritmo del simplesso duale: min y + y + y + y + y + y y y y + y +y = y y + y +y y

Dettagli

I Appello Ricerca Operativa 2 bis Compito A

I Appello Ricerca Operativa 2 bis Compito A I Appello Ricerca Operativa 2 bis Compito A Cognome e nome:. Esercizio 1. Si consideri il problema del matching di cardinalità massima in un grafo G ed il suo problema di decisione associato: esiste un

Dettagli

Algoritmi e giochi combinatori

Algoritmi e giochi combinatori Algoritmi e giochi combinatori Panoramica Giochi combinatori Programmi che giocano Albero di un gioco L algoritmo Minimax 1 Perché studiare i giochi? Problemi che coinvolgono agenti in competizione tra

Dettagli

Esame di Ricerca Operativa del 09/01/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 09/01/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min 7 y +y + y + y +y +7 y y +y y y

Dettagli

2JSP: Condivisione a tempo minimo di risorse per due lavori*. Griglia, Grafo degli stati

2JSP: Condivisione a tempo minimo di risorse per due lavori*. Griglia, Grafo degli stati 2JSP: Condivisione a tempo minimo di risorse per due lavori*. Griglia, Grafo degli stati *Per la quasi totalità di questa unità didattica si possono prendere come riferimento le dispense di A. Agnetis:

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

Progettazione di Algoritmi Anno Accademico Esercizi su Grafi: Parte Prima

Progettazione di Algoritmi Anno Accademico Esercizi su Grafi: Parte Prima 1 Progettazione di Algoritmi Anno Accademico 2018 2019 Esercizi Ugo Vaccaro Esercizi su Grafi: Parte Prima N.B. Si ricorda che ogni algoritmo và accompagnato da una argomentazione sul perchè calcola correttamente

Dettagli

Pianificazione dei progetti

Pianificazione dei progetti 1/11/ Pianificazione dei progetti aniele Vigo..I.S. - Università di ologna dvigo@deis.unibo.it Rev. 1.2, 1/ Tecniche reticolari Metodologie per la risoluzione di problemi di pianificazione di progetti

Dettagli

Cammini minimi fra tutte le coppie

Cammini minimi fra tutte le coppie Capitolo 12 Cammini minimi fra tutte le coppie Consideriamo il problema dei cammini minimi fra tutte le coppie in un grafo G = (V, E, w) orientato, pesato, dove possono essere presenti archi (ma non cicli)

Dettagli

Macchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4

Macchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4 Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse

Dettagli