1. Considerazioni generali

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "1. Considerazioni generali"

Transcript

1 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 job in ogni istante può essere eseguito su una sola macchina, cioè le operazioni di uno stesso job non possono essere eseguite simultaneamente. Ogni macchina può eseguire un job alla volta. L ambiente di processamento è pertanto quello dei modelli di (general) shop scheduling, così definito: o Sono dati n job j = 1,, n. o Sono date m macchine dedicate M 1,, M m. o Il job j è formato da n j operazioni (task) T 1 n j,, T j j. i o L operazione T j deve essere eseguita sulla macchina i dedicata μ j {M 1,, M m } per un tempo di processamento p i j. In generale, le operazioni di uno stesso job devono essere eseguite rispettando delle relazioni di precedenza. 1

2 1. Considerazioni generali (continua) L obiettivo è determinare una schedula ammissibile che minimizza una funzione (regolare) dei tempi di completamento dei job. In base al numero di operazioni di ciascun job e alle relazioni di precedenza tra le operazioni di uno stesso job si definiscono tre modelli particolari. 1) Open-Shop: o Il job j è costituito da n j = m operazioni, j, e l operazione T j i richiede la macchina μ j i = M i, i. o Non sono date relazioni di precedenza fra le operazioni di uno stesso job. 2) Flow-Shop: o Il job j è costituito da n j = m operazioni, j, e l operazione T i j richiede la macchina μ i j = M i, i. i o L esecuzione di T j deve precedere quella di T i+1 j, j, i. 3) Job-Shop: o il numero n j di operazioni del job j è arbitrario, j, e l operazione T i j richiede la macchina μ i j {M 1,, M m }, i. i o L esecuzione di T j deve precedere quella di T i+1 j, j, i. 2

3 1. Considerazioni generali (continua) i Una volta che l operazione T j del job j è stata eseguita dalla macchina μ i j, l operazione viene immagazzinata nel buffer d uscita della macchina μ i j se non è disponibile la macchina per processare l operazione successiva del job j. La capacità di immagazzinamento può essere illimitata o limitata. Nel caso di capacità di immagazzinamento illimitata non appena un job è completato su una macchina, la stessa diventa libera anche se il job appena completato non trova subito disponibile la macchina successiva. Nel caso di capacità di immagazzinamento limitata può invece capitare che, a causa dell esaurimento di questa capacità, un job pur avendo completato il suo processamento su una macchina non può renderla disponibile per il successivo provocando così un blocco. In corrispondenza a queste due possibilità occorre considerare modelli ed algoritmi di soluzione diversi. Nel seguito esamineremo alcuni modelli di flow-shop, open-shop e job-shop, ipotizzando capacità di immagazzinamento illimitata. Per semplicità di notazione, indicheremo nel seguito con T kj il task T j i che richiede la macchina μ j i = M k e con p kj il suo tempo di processamento. 3

4 2. Il modello O2 C max In questo modello vi sono 2 macchine ed n job. Il generico job j può essere processato prima sulla macchina 1 e poi sulla macchina 2 o viceversa. Il decisore deve determinare le rotte dei job nello shop. E ovvio che per il makespan vale: n n C max γ = max p1 j, p2 j, j= 1 j= 1 in quanto il makespan non può essere minore del maggiore carico di lavoro delle due macchine. Poiché nella maggior parte dei casi il makespan è proprio pari al maggiore dei carichi di lavoro, è opportuno esaminare quando è strettamente più grande. E possibile mostrare che esiste almeno una schedula ottima senza ritardo. Pertanto consideriamo solo le schedule senza ritardo ossia senza idle time non necessari. In tali schedule, se c è un job in attesa di essere eseguito su una macchina e questa si libera non è consentito che essa resti inoperosa. 4

5 2. Il modello O2 C max (continua) Pertanto, nelle schedule senza ritardo un idle time si può verificare se e solo se un solo job deve essere ancora processato su una macchina e quando questa si rende libera quest ultimo job si trova ancora in fase di esecuzione sull altra macchina. Inoltre al più un solo periodo di idle time si può verificare e al più su una sola macchina. Esempio caso a) Macchina Macchina caso b) Macchina 1 Macchina Caso a). L idle time provoca un aumento non-necessario del makespan che risulta quindi strettamente maggiore di γ perché il job 3 è l ultimo job ad essere completato. Caso b). L idle time non provoca ciò perché l ultimo job sulla macchina 1 non è l ultimo ad essere completato (job 4). Il makespan è pari a γ, cioè al maggiore carico di lavoro delle due macchine. 5

6 2. Il modello O2 C max (continua) Regola di processamento: quando una macchina è libera, scegli il job in attesa con il più grande tempo di processamento sull altra macchina. Questa regola è detta Longest Alternate Processing Time (LAPT). Al tempo 0 quando entrambe le macchine sono libere può capitare che lo stesso job può essere processato per primo su entrambe le macchine e la scelta può essere fatta indifferentemente su una delle due macchine. Conseguenza: quando una macchina si è liberata i job che hanno già completato il loro processamento sull altra macchina hanno la priorità più bassa (ossia zero) sulla macchina appena liberata. Non c è quindi differenza di priorità tra job che sono stati già processati su una certa macchina e aspettano per il processamento sull altra. Teorema La regola LAPT dà una schedula ottima per O2 C max con n n max p1 j + p2 j, p1 j, p2 j j {1, K, n} j= 1 j= 1 C * max = max ( ) Il teorema assicura il non verificarsi di situazioni tipo il caso a) precedente. In particolare C * max > γ solo se esiste un job il cui tempo totale è maggiore del massimo carico di lavoro delle due macchine. Esempio a) M 1 M a) M 1 M 2

7 3. Il modello O3 C max Teorema Il problema O3 C max è NP-hard Dimostrazione Attraverso riduzione dal problema PARTITION. Poichè il problema PARTITION è NP-completo in senso ordinario (esiste algoritmo esatto pseudopolinomiale) il problema di scheduling O3 C max è NP-hard in senso ordinario. N.B.: Si veda l Appendice per i dettagli della riduzione. Definizione del problema PARTITION Dato un insieme S di z interi positivi a 1, a 2,, a z e un intero B tali che z i=1 a i = B, esiste una partizione di S in due sottoinsiemi (disgiunti e ricoprenti) S 1, S 2 tali che Σ ai S j a i = B, per j = 1, 2? Dal teorema segue che: Corollario Il problema Om C max, con m 3 è NP-hard. 7

8 4. Il modello F2 C max In questo caso si considera un flow-shop con 2 macchine in serie. Ciascun job sarà eseguito prima sulla macchina 1 e poi sulla macchina 2. Siano n i job da schedulare essendo p 1j il tempo di processamento del generico job j sulla macchina 1 e p 2j quello sulla macchina 2. Questo problema è stato uno dei primi ad essere studiato ed è noto nella letteratura come Johnson s problem dal nome nella persona che trovò la regola di minimizzazione del makespan. (Johnson s rule) La regola di Johnson è la seguente: (i) Partiziona i job in 2 insiemi: - S 1 contenente tutti i job con p 1j < p 2j - S 2 contenente tutti i job per i quali p 1j > p 2j. I job con p 1j = p 2j possono essere inseriti nell uno o nell altro insieme. (ii) Schedula, seguendo lo stesso ordine sulle due macchine, prima l insieme S 1 secondo la regola Shortest Processing Time (SPT) sui tempi p 1j e subito dopo S 2 secondo la regola Longest Processing Time (LPT) sui tempi p 2j. o Una schedula siffatta è denotata come SPT(1) LPT(2) ed è ottima. 8

9 4. Il modello F2 C max (continua) Esempio 1 job a b c d e p 1j p 2j S 1 = {b} S 2 = {a, c, d, e} La schedula SPT(1) LPT(2) è la seguente: M1 d c a e M2 b d c a e Le schedule SPT(1) LPT(2) non sono le uniche ottime. La classe di tutte le schedule ottime per questo problema è difficile da caratterizzare e dipende dai dati. Ad esempio, se esiste un job k con un tempo p 1k molto piccolo e con un tempo p 2k Σ j p 1j allora il job k è il primo in una sequenza ottima ed i restanti job non influenzano il makespan. 9

10 4. Il modello F2 C max (continua) Esempio 2 job a b c p 1j p 2j S 1 = {a} S 2 = {b, c} M1 M2 a c b a c b a) M1 M2 a b a c b c b) Poiché p 1a è il più piccolo allora il job a si pone in prima posizione; inoltre visto che p 2a > Σ j p 1j gli altri job possono essere sequenziati in qualsiasi ordine, perché non incidono sul makespan. 10

11 5. Il modello F3 C max Teorema Il problema F3 C max è NP-hard in senso forte Dimostrazione Attraverso riduzione dal problema 3-PARTITION. Poiché il problema 3-PARTITION è NP-completo in senso forte il correlato problema di scheduling è NPhard in senso forte. N.B.: Si veda l Appendice per i dettagli della riduzione. Definizione del problema 3-PARTITION Dato un insieme S di 3z numeri interi positivi a 1,, a 3z, e un intero positivo B tali che 3z B B < ai <, i = 1,...,3z 4 2 e ai = z B, i= 1 esiste una partizione di S in z sottoinsiemi (disgiunti e ricoprenti) S 1,, S z ciascuno costituito da 3interi, tali che Σ ai S j a i = B, j {1,, z}? Corollario Il problema Fm C max, con m 3 è NP-hard in senso forte. Esempio Dato S = {21, 24, 28, 26, 30, 31} e B = 80. In questo caso 20 < a i < 40, per i = 1, 2,, 6, e Σ i a i = 160, pertanto z = 2. Esistono z = 2 insiemi disgiunti e ricoprenti S 1 = {21, 28, 31} S 2 = {24, 26, 30}, per i quali Σ ai S j a i = 80, j = 1, 2. 11

12 5.1 Il modello Fm C max Senza perdita di generalità, possiamo circoscrivere la ricerca delle soluzioni ottime tra le schedule semiattive. Una schedula semiattiva per il problema Fm C max è definita a partire da m sequenze σ 1, σ 2,, σ m di visita degli n job sulle m macchine. σ i è la sequenza dei job sulla macchina M i. La schedula semiattiva si ottiene schedulando al più presto i job nel rispetto dei: o vincoli di precedenza tra le operazioni di uno stesso job o e dagli ulteriori vincoli di precedenza tra le operazioni che richiedono le stessa macchina, una volta assegnate le m sequenze. In generale la sequenza σ i+1 sulla macchina i+1 è diversa dalla σ i sulla macchina i, quindi le possibili schedule semiattive sono (n!) m. 12

13 5.1 Il modello Fm C max Tra le possibili soluzioni è interessante esaminare il sottoinsieme delle schedule di permutazione, cioè quelle associate ad uno stesso sequenziamento dei job su tutte le macchine (σ i+1 = σ i ). Le schedule di permutazione sono n! Teorema Nel problema Fm C max, esiste sempre una soluzione ottima in cui σ 1 = σ 2 e σ m-1 = σ m. Dimostrazione Si consideri una schedula ottima per cui σ 1 σ 2 e nella quale quindi ci sia un job j che precede direttamente k in σ 1 e che viceversa k preceda (eventualmente non direttamente) j in σ 2. Scambiando j e k in σ 1 non si modifica la schedula dei job su M 2. Ripetendo questo procedimento si ottiene una schedula ottima in cui le sequenze su M 1 e su M 2 sono uguali. Il discorso è analogo considerando le ultime due sequenze σ m-1 e σ m, e modificando il sequenziamento su M m fino a renderlo uguale a quello su M m-1. Corollario Per Fm C max, con m 3, esiste una schedula ottima tra le n! schedule di permutazione. Per m 4 la schedula ottima va cercata tra (n!) m-2 schedule semiattive. 13

14 Analizziamo nel seguito alcuni modelli di job shop Considereremo il caso particolare in cui non esiste nessuna coppia di operazioni di uno stesso job che richiedono la stessa macchina: T j i e T j h μ j i μ j h. Per semplicità di notazione, possiamo quindi indicare nel i seguito con T kj il task T j che richiede la macchina μ i j = M k e con p kj il suo tempo di processamento. 6. Il modello J2 C max In questo modello vi sono 2 macchine ed n job. Alcuni job devono essere processati prima sulla macchina 1 e poi sulla macchina 2. I restanti job ovviamente devono essere processati prima sulla macchina 2 e poi sulla macchina 1. I tempi di processamento del generico job j sono p 1j e p 2j rispettivamente per la macchina 1 e per la macchina 2. L obiettivo è minimizzare il makespan. Il problema è trattabile. 14

15 6. Il modello J2 C max (continua) Algoritmo di soluzione Questo problema può essere ricondotto al problema F2 C max già visto come segue. Siano J 1,2 Insieme di job che devono essere processati prima sulla macchina 1 J 2,1 Insieme di job che devono essere processati prima sulla macchina 2 I) Conseguenza: Quando un job di J 1,2 ha completato il processamento sulla macchina 1 il posticipare il suo processamento sulla macchina 2 non ha alcun effetto sul makespan fintanto che questa resta occupata. Lo stesso vale dualmente per un job dell insieme J 2,1. II) Conseguenza: I job di J 1,2 hanno una più alta priorità sulla macchina 1 di qualsiasi job di J 2,1 mentre i job di J 2,1 hanno una più alta priorità sulla macchina 2 di qualsiasi job di J 1,2. 15

16 6. Il modello J2 C max (continua) Con riferimento alle precedenti considerazioni la schedula ottima è simile a quanto ottenuto con la schedula LAPT per il problema O2 C max : i job già processati su una macchina hanno la più bassa priorità sull altra macchina. Resta quindi da definire la sequenza σ 1 dei job di J 1,2 sulla macchina 1 e la sequenza σ 2 dei job J 2,1 sulla macchina 2. Queste due sequenze possono essere determinate considerando il sequenziamento di J 1,2 e J 2,1, ognuno come un problema F2 C max in cui rispettivamente viene utilizzata prima la macchina 1 e poi la macchina 2 ovvero prima la macchina 2 e poi la macchina 1. Questo porta a sequenze SPT(1) LPT(2) per ognuno dei due insiemi di job con priorità tra gli insiemi definite in precedenza. 16

17 6. Il modello J2 C max (continua) Esempio job a b c d e p 1j p 2j Siano gli insiemi J 1,2 = {a, c}; J 2,1 = {b, d, e} I due problemi F2 C max sono rispettivamente definiti sugli insiemi J 1,2 e J 2,1 ; per il primo (i) la prima macchina è la 1, e per il secondo (ii) la prima macchina è la 2. Pertanto definiti (i) S 1 (J 1,2 ) = {c}; S 2 (J 1,2 ) = {a} (ii) S 1 (J 2,1 ) = {d, e}; S 2 (J 2,1 ) = {b} le relative sequenze SPT(1)-LPT(2) sono: (i) σ 1 = (c, a); (ii) σ 2 = (e, d, b) Le sequenze complessive sulle due macchine sono quindi σ 1 = (c, a, σ(j 2,1 )); σ 2 = (e, d, b, σ(j 1,2 )), con σ(j 1,2 )) e σ(j 2,1 )) sequenze qualsiasi di J 1,2 e J 2,1 (rispettiv.), che non inducano idle time non necessari. Sia, ad esempio, σ(j 1,2 )) = σ 1 e σ(j 2,1 )) = σ 2, e quindi σ 1 = (c, a, e, d, b) σ 2 = (e, d, b, c, a), la schedula complessiva è: c a e d b e d b c a

18 7. Il modello J3 C max Teorema Il problema J3 C max è NP-hard in senso forte Dimostrazione Il teorema si dimostra semplicemente notando che J3 C max è una generalizzazione di F3 C max. Sapendo quindi che F3 C max è NP-hard in senso forte, ciò implica che anche J3 C max è NP-hard in senso forte. Dal teorema precedente segue che: Corollario Il problema Jm C max, con m 3 è NP-hard in senso forte. 18

19 8. Il modello Jm C max : Rappresentazione su grafo disgiuntivo Il problema Jm C max può essere rappresentato tramite grafo disgiuntivo (pesato) G = (V, A, E), con: - V, corrispondente all insieme dei task unione {s, t} - A, insieme di archi (orientati) congiuntivi (rappresentanti relazioni di precedenza diretta tra i task) - E, insieme di archi (non-orientati) disgiuntivi (tra coppie di task che utilizzano la stessa macchina) - Ad ogni vertice è associato un peso pari al tempo di processamento p ij del task T ij rappresentato. I vertici s e t hanno peso 0. Esempio job sequenza sulle macchine tempi di processamento 1 1, 2, 3 p 11 =10, p 21 =8, p 31 =4 2 2, 1, 4, 3 p 22 =8, p 12 =3, p 42 =5, p 32 =6 3 1, 2, 4 p 13 =4, p 23 =7, p 43 =3 (10) 1,1 (8) (4) 1,1 2,1 3,1 s (8) (3) (5) (6) 2,2 1,2 4,2 3,2 t 1,3 (4) 2,3 4,3 (7) (3) 19

20 8. Il modello Jm C max : Rappresentazione su grafo disgiuntivo (continua) Una soluzione ammissibile corrisponde ad un orientamento aciclico di G = (V, A, E), ottenuto orientando gli archi in E. Il makespan C max della schedula associata all orientamento aciclico di G è pari alla lunghezza l π del cammino (critico) di lunghezza massima π da s a t. Il problema si riduce quindi a determinare un orientamento aciclico che minimizza la lunghezza del cammino di lunghezza massima. Lower Bound 1 Ipotesi: Rilassare completamente i vincoli sulle risorse, supponendo che tutte le macchine possono eseguire più di un task alla volta. LB1: lunghezza del cammino critico del sottografo G' del grafo G, depurato degli archi non orientati. 2 Ipotesi: Rilassare quasi completamente i vincoli sulle risorse, supponendo che tutte le macchine tranne una possono eseguire più di un task alla volta. LB2 = LB1 + max i (δ i ), dove δ i è il minimo tempo addizionale necessario per schedulare (in sequenza) i task sulla macchina i. 20

21 8. Il modello Jm C max : Rappresentazione su grafo disgiuntivo (continua) Calcolo di δ i : Per ogni task T ij, siano r ij il suo earliest start time e d ij il suo latest finish time nell ipotesi 1. Calcolo di r ij e d ij : Supponiamo di aver rinumerato i q task (nodi) T (k) secondo ordinamento topologico: k < l solo se T (l) < T (k) In particolare, siano il task (nodo) sorgente s T (0) e il pozzo t T (q+1). Siano: P (k) : insieme predecessori diretti di T (k) S (k) : insieme successori diretti di T (k) Gli istanti di tempo r (k) e d (k) di T (k) si calcolano con le seguenti procedure forward e backward che visitano in larghezza G' rispettivamente in avanti da s a t e all indietro da t a s. procedura forward r (0) := 0; for k := 1 to q + 1 do r (k) := max[r (j) + p (j) T (j) P (k) ] procedura backward d (q+1) := r (q+1) ; for k := q downto 0 do d (k) := min[d (l) p (l) T (l) S (k) ] 21

22 8. Il modello Jm C max : Rappresentazione su grafo disgiuntivo (continua) Il tempo addizionale richiesto dal task T ij è pari alla sua tardiness rispetto a d ij, mentre è ovvio che il task non può iniziare prima di r ij. Quindi il tempo addizionale necessario per sequenziare i task T ij richiedenti la macchina i, è pari alla massima tardiness tra tali task. Determinare il minimo tempo addizionale δ i equivale a risolvere un istanza del problema 1 r j L max sui task T ij che richiedono la macchina i, con release date r ij e due date d ij. Quindi, δ i = T * max = max(0, L * max). N.B.: 1 r j L max è NP-hard in s. f., ma si può risolvere in tempi ragionevoli con B&B. Esempio Riconsideriamo l esempio precedente. LB1 = 22 è pari alla lunghezza del cammino critico del grafo disgiuntivo depurato degli archi non orientati (10) [0, 10] 1,1 (8) [10, 18] (4) [18, 22] 2,1 3,1 s [0, 0] (8) (3) (5) (6) 2,2 1,2 4,2 3,2 [0, 8] [8, 11] [11, 16] [16, 22] [22, 22] t 1,3 [0, 12] (4) 2,3 4,3 (7) [4, 19] [11, 22] (3) (p ij ) [r ij, d ij ] 22

23 8. Il modello Jm C max : Rappresentazione su grafo disgiuntivo (continua) Calcoliamo LB2 = LB1+ max i (δ i ). - Macchina 1 δ 1 job p j r j d j La sequenza ottima è (1, 2, 3) con L * max = 5. δ 1 = 5 - Macchina 2 δ 2 job p j r j d j La sequenza ottima è (2, 3, 1) con L * max = 5. δ 2 = 5 - Macchina 3 δ 3 job 1 2 p j 4 6 r j d j La sequenza ottima è (2, 1) con L * max = 4. δ 3 = 4 23

24 8. Il modello Jm C max : Rappresentazione su grafo disgiuntivo (continua) - Macchina 4 δ 4 job 2 3 p j 5 3 r j d j La sequenza ottima è (2, 3) con L * max = 0. δ 4 = 0 Pertanto max i (δ i ) = 5 e quindi LB2 = = 27. LB2 è pari alla lunghezza del cammino critico del grafo orientato aciclico ottenuto da quello disgiuntivo G depurato degli archi disgiuntivi (non orientati), ad eccezione di quelli definiti tra coppie di nodi relativi a task che richiedono la macchina i * = argmax i [δ i ] bottleneck e che sono orientati secondo la sequenza ottima del problema di 1 r j L max per il calcolo di δ i*. Nel nostro caso i * = 1, con sequenza (1, 2, 3) su di essa. (10) [0, 10] 1,1 (8) [10, 23] (4) [18, 27] 1,1 2,1 3,1 s [0, 0] (8) (3) (5) (6) [27, 27] 2,2 1,2 4,2 3,2 t [0, 10] [10, 13] [13, 21] [18, 27] [13, 17] 1,3 (4) 2,3 4,3 (7) [17, 24] [24, 27] (3) (p ij ) [r ij, d ij ] 24

25 8. Il modello Jm C max : Algoritmo di B&B Risolviamo il problema in modo esatto con un Algoritmo di B&B Impiega uno schema di branch basato sulla generazione di tutte le schedule attive. Ogni nodo dell albero di ricerca definisce l orientamento di un sottoinsieme di archi disgiuntivi, cioè una schedula parziale (attiva). Ogni branch da un nodo corrisponde alla selezione di un task T i*j Ω (con Ω Ω, ove Ω è l insieme dei task non schedulati i cui predecessori sono stati schedulati) dove Ω è l insieme dei task T i*j che richiedono la macchina i * che si libererebbe per prima dopo aver eseguito uno dei task in Ω, e tale che T i*j risulta pronto prima di quando questa si libererebbe. Ciò implica l orientamento degli archi (T i*j T i*h ), per tutte le operazioni T i*h che devono ancora essere processate su i *, e la creazione di un nuovo nodo nell albero di ricerca, corrispondente alla schedula parziale ottenuta aggiungendo T i*j alla precedente. Per ogni nodo generato si calcola il lower bound LB2 sul valore della migliore schedula che completa quella parziale. Anche se per calcolare LB2 occorre risolvere m problemi strongly NP-hard, sperimentalmente l uso di LB2 aumenta l efficienza del B&B. 25

26 8. Il modello Jm C max : Algoritmo di B&B (continua) Esempio Riconsideriamo l esempio precedente. Il nodo P 0 dell albero di ricerca corrisponde alla schedula parziale vuota. Il sottoproblema relativo ha LB = LB2 = 27. L insieme Ω dei task non schedulati i cui predecessori sono stati schedulati è Ω = {T 11, T 22, T 13 }. Essendo t(ω) = min Tij Ω{r ij + p ij } = min{0 + 10, 0 + 8, 0 + 4} = 4 il tempo in cui terminerebbe per primo uno dei task di Ω e i * = 1 la macchina che si libererebbe conseguentemente per prima, segue che Ω = Ω i* = Ω 1 = {T 11, T 13 } (T 11 e T 13 richiedono la macchina i * = 1 e sono pronti prima dell istante 4 in cui questa si libererebbe). I possibili branch da P 0 sono quindi 2 corrispondenti a schedulare rispettivamente i task T 11 e T 13. P 0 LB = 27 T 11 T 13 P 1 P 2 26

27 8. Il modello Jm C max : Algoritmo di B&B (continua) Esaminiamo il sottoproblema relativo al nodo P 1. Siccome T 11 viene schedulato, consideriamo gli archi disgiuntivi orientati (T 11 T 12 ), (T 11 T 13 ). Il sottoproblema relativo ha LB1(P 1 ) = 24 pari alla lunghezza del cammino critico del grafo disgiuntivo depurato degli archi non orientati. s [0, 0] (10) (8) (4) [0, 10] [18, 24] 1,1 1,1 2,1 3,1 [10, 20] (8) (3) (5) (6) 2,2 [0, 10] 1,3 (4) [10, 14] 1,2 4,2 3,2 t [10, 13] [13, 18] [18, 24] [24, 24] (7) (3) 2,3 4,3 [14, 21] [21, 24] Calcoliamo LB2(P 1 ) = LB1(P 1 ) + max i (δ i ). - Macchina 1 δ 1 job 2 3 p j 3 4 r j d j La sequenza ottima è (2, 3) con L * max = 3. δ 1 = 3 27

28 8. Il modello Jm C max : Algoritmo di B&B (continua) - Macchina 2 δ 2 job p j r j d j La sequenza ottima è (2, 1, 3) con L * max = 4. δ 2 = 4 - Macchina 3 δ 3 job 1 2 p j 4 6 r j d j La sequenza ottima è (1, 2) con L * max = 4. δ 3 = 4 - Macchina 4 δ 4 job 2 3 p j 5 3 r j d j La sequenza ottima è (2, 3) con L * max = 0. δ 4 = 0 Pertanto LB(P 1 ) = LB2(P 1 ) = LB1(P 1 ) + max(3, 4, 4, 0) = =

29 8. Il modello Jm C max : Algoritmo di B&B (continua) Consideriamo ora il branching dal nodo P 1. L insieme Ω dei task non schedulati i cui predecessori sono stati schedulati è Ω = {T 21, T 22, T 13 }. Essendo t(ω) = min T,j Ω{r ij + p ij } = min{10 + 8, 0 + 8, } = 8 il tempo in cui terminerebbe per primo uno dei task di Ω e i * = 2 la macchina che si libererebbe conseguentemente per prima, segue che Ω = {T 22 } (T 22 richiede la macchina i * = 2 ed è l unico pronto prima dell istante 8 in cui questa si libererebbe). C è quindi un solo possibile branch da P 1 corrispondente a schedulare il task T 22. P 0 LB = 27 T 11 T 13 LB = 28 P 1 P 2 T 22 P 3 Esaminiamo il sottoproblema relativo al nodo P 3. Siccome T 22 viene schedulato, consideriamo gli archi disgiuntivi orientati (T 22 T 21 ), (T 22 T 23 ). 29

30 8. Il modello Jm C max : Algoritmo di B&B (continua) Il sottoproblema relativo ha LB1(P 3 ) = 24 pari alla lunghezza del cammino critico del grafo disgiuntivo depurato degli archi non orientati s [0, 0] (10) (8) (4) [0, 10] [18, 24] 1,1 1,1 2,1 3,1 [10, 20] (8) (3) (5) (6) 2,2 1,2 4,2 3,2 t [0, 10] [10, 13] [13, 18] (7) (3) [18, 24] [24, 24] 1,3 2,3 4,3 (4) [10, 14] [14, 21] [21, 24] Calcoliamo LB2(P 3 ) = 24 + max i (δ i ). - Macchina 1 δ 1 job 2 3 p j 3 4 r j d j La sequenza ottima è (2, 3) con L * max = 3. δ 1 = 3 30

31 8. Il modello Jm C max : Algoritmo di B&B (continua) - Macchina 2 δ 2 job 1 3 p j 8 7 r j d j La sequenza ottima è (1, 3) con L * max = 4. δ 2 = 4 - Macchina 3 δ 3 job 1 2 p j 4 6 r j d j La sequenza ottima è (1, 2) con L * max = 4. δ 3 = 4 - Macchina 4 δ 4 job 2 3 p j 5 3 r j d j La sequenza ottima è (2, 3) con L * max = 0. δ 4 = 0 Pertanto LB(P 3 ) = LB2(P 3 ) = LB1(P 3 ) + max(3,4,4,0) = =

32 8. Il modello Jm C max : Algoritmo di B&B (continua) Consideriamo ora il branching dal nodo P 3. L insieme Ω dei task non schedulati i cui predecessori sono stati schedulati è Ω = {T 21, T 12, T 13 }. Essendo t(ω) = min Tij Ω{r ij + p ij } = min{10 + 8, , } = 13 il tempo in cui terminerebbe per primo uno dei task di Ω e i * = 1 la macchina che si libererebbe conseguentemente per prima, segue che Ω = {T 12, T 13 } (entrambi richiedono la macchina i * = 1 e sono pronti prima dell istante 13 in cui questa si libererebbe). Ci sono due possibili branch da P 3 corrispondenti a schedulare i task T 12, T 13. P 0 LB = 27 T 11 T 13 LB = 28 P 1 P 2 T 22 LB = 28 P 3 T 12 T 13 P 4 P 5 32

33 8. Il modello Jm C max : Algoritmo di B&B (continua) Esaminiamo il sottoproblema relativo al nodo P 4. Siccome T 12 viene schedulato, consideriamo l ulteriore arco disgiuntivo orientati (T 12 T 13 ). Il sottoproblema relativo ha LB1(P 4 ) = 27 pari alla lunghezza del cammino critico del grafo disgiuntivo depurato degli archi non orientati s [0, 0] (10) (8) (4) [0, 10] [18, 27] 1,1 1,1 2,1 3,1 [10, 23] (8) (3) (5) (6) 2,2 1,2 4,2 3,2 t [0, 10] [10, 13] [13, 21] (7) (3) [18, 27] [27, 27] 1,3 2,3 4,3 (4) [13, 17] [17, 24] [24, 27] Calcoliamo LB2(P 4 ) = 27 + max i (δ i ). - Macchina 1 già schedulata. 33

34 8. Il modello Jm C max : Algoritmo di B&B (continua) - Macchina 2 δ 2 job 1 3 p j 8 7 r j d j La sequenza ottima è (1, 3) con L * max = 1. δ 2 = 1 - Macchina 3 δ 3 job 1 2 p j 4 6 r j d j La sequenza ottima è (1, 2) con L * max = 1. δ 3 = 1 - Macchina 4 δ 4 job 2 3 p j 5 3 r j d j La sequenza ottima è (2, 3) con L * max = 0. δ 4 = 0 Pertanto LB(P 4 ) = LB2(P 4 ) = LB1(P 4 ) + max(-, 1, 1, 0) = =

35 8. Il modello Jm C max : Algoritmo di B&B (continua) Consideriamo ora il branching dal nodo P 4. L insieme Ω dei task non schedulati i cui predecessori sono stati schedulati è Ω = {T 21, T 42, T 13 }. Essendo t(ω) = min Tij Ω{r ij + p ij } = min{10 + 8, , } = 17 il tempo in cui terminerebbe per primo uno dei task di Ω e i * = 1 la macchina che si libererebbe conseguentemente per prima, segue che Ω = {T 13 } (solo T 13 richiede la macchina i * = 1 ed è pronto prima dell istante 17 in cui questa si libererebbe). C è un solo branch da P 4 corrispondenti a schedulare T 13. P 0 LB = 27 T 11 T 13 LB = 28 P 1 P 2 T 22 LB = 28 P 3 T 12 T 13 LB = 28 P 4 P 5 T 13 P 6 35

36 8. Il modello Jm C max : Algoritmo di B&B (continua) Esaminiamo il sottoproblema relativo al nodo P 6. Siccome T 13 viene schedulato, ma non si aggiungono orientandoli ulteriori archi disgiuntivi, abbiamo che LB(P 6 ) = LB(P 4 ) = 28. Consideriamo ora il branching dal nodo P 6. L insieme Ω dei task non schedulati i cui predecessori sono stati schedulati è Ω = {T 21, T 42, T 23 }. Essendo t(ω) = min Tij Ω{r ij + p ij } = min{10 + 8, , } = 18 il tempo in cui terminerebbe per primo uno dei task di Ω e i * = 2 la macchina che si libererebbe conseguentemente per prima, segue che Ω = {T 21 } (solo T 21 richiede la macchina i * = 2 ed è pronto prima dell istante 18 in cui questa si libererebbe). 36

37 8. Il modello Jm C max : Algoritmo di B&B (continua) C è un solo branch da P 6 corrispondenti a schedulare T 21. P 0 LB = 27 T 11 T 13 LB = 28 P 1 P 2 T 22 LB = 28 P 3 T 12 T 13 LB = 28 P 4 P 5 T 13 LB = 28 P 6 T 21 P 7 Esaminiamo il sottoproblema relativo al nodo P 7. Siccome T 21 viene schedulato, consideriamo l ulteriore arco disgiuntivo orientato (T 21 T 23 ). Il sottoproblema relativo ha LB1(P 7 ) = 28 pari alla lunghezza del cammino critico del grafo disgiuntivo depurato degli archi non orientati 37

38 8. Il modello Jm C max : Algoritmo di B&B (continua) s [0, 0] (10) (8) (4) [0, 10] [18, 28] 1,1 1,1 2,1 3,1 [10, 18] (8) (3) (5) (6) 2,2 1,2 4,2 3,2 [0, 10] [10, 14] [13, 22] [18, 28] (7) (3) 1,3 (4) [13, 18] 2,3 4,3 [18, 25] [25, 28] 38 t [28, 28] Calcoliamo LB2(P 7 ) = 28 + max i (δ i ). - Macchine 1 e 2 già schedulate. - Macchina 3 δ 3 job 1 2 p j 4 6 r j d j La sequenza ottima è (1, 2) con L * max = 0. δ 3 = 0 - Macchina 4 δ 4 job 2 3 p j 5 3 r j d j La sequenza ottima è (2, 3) con L * max = 0. δ 4 = 0 Pertanto LB(P 7 ) = LB2(P 7 ) = LB1(P 7 ) + max(-, -, 0, 0) = = 28.

39 8. Il modello Jm C max : Algoritmo di B&B (continua) Consideriamo ora il branching dal nodo P 7. L insieme Ω dei task non schedulati i cui predecessori sono stati schedulati è Ω = {T 31, T 42, T 23 }. Essendo t(ω) = min Tij Ω{r ij + p ij } = min{18 + 4, , } = 18 il tempo in cui terminerebbe per primo uno dei task di Ω e i * = 4 la macchina che si libererebbe conseguentemente per prima, segue che Ω = {T 42 } (solo T 42 richiede la macchina i * = 4 ed è pronto prima dell istante 18 in cui questa si libererebbe). C è un solo branch da P 7 corrispondenti a schedulare T 42. P 0 T 11 T 13 LB = 27 LB = 28 P 1 P 2 T 22 LB = 28 P 3 T 12 T 13 LB = 28 P 4 P 5 T 13 LB = 28 P 6 T 21 LB = 28 P 7 T 42 P 8 39

Esame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 20/12/13. 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 x x x + x x +x x x x x x x 0 x x

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

Esame di Ricerca Operativa del 18/12/12. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 18/12/12. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 8// (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 x + x 8 x Base

Dettagli

Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova. Metodi per supportare le decisioni relative alla gestione di progetti

Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova. Metodi per supportare le decisioni relative alla gestione di progetti Project Management Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova Project Management 2 Metodi per supportare le decisioni relative alla gestione di progetti esempi sono progetti nell

Dettagli

Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante

Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante Introduzione Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante Il problema del massimo flusso è uno dei fondamentali problemi nell ottimizzazione su rete. Esso è presente

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

IL PROBLEMA DELLO SHORTEST SPANNING TREE

IL PROBLEMA DELLO SHORTEST SPANNING TREE IL PROBLEMA DELLO SHORTEST SPANNING TREE n. 1 - Formulazione del problema Consideriamo il seguente problema: Abbiamo un certo numero di città a cui deve essere fornito un servizio, quale può essere l energia

Dettagli

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12 A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA

Dettagli

Minimo sottografo ricoprente. Minimo sottografo ricoprente. Minimo albero ricoprente. Minimo albero ricoprente

Minimo sottografo ricoprente. Minimo sottografo ricoprente. Minimo albero ricoprente. Minimo albero ricoprente Minimo sottografo ricoprente Minimo sottografo ricoprente Dato un grafo connesso G = (V, E) con costi positivi sugli archi c e, un minimo sottografo ricoprente è un insieme di archi E E tale che: G = (V,

Dettagli

Alberi binari. Ilaria Castelli castelli@dii.unisi.it A.A. 2009/2010. Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione

Alberi binari. Ilaria Castelli castelli@dii.unisi.it A.A. 2009/2010. Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione Alberi binari Ilaria Castelli castelli@dii.unisi.it Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione A.A. 2009/2010 I. Castelli Alberi binari, A.A. 2009/2010 1/20 Alberi binari

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

Ricerca non informata in uno spazio di stati

Ricerca non informata in uno spazio di stati Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A5_2 V2.4 Ricerca non informata in uno spazio di stati Il contenuto del documento è liberamente utilizzabile dagli

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

DESMATRON TEORIA DEI GRAFI

DESMATRON TEORIA DEI GRAFI DESMATRON TEORIA DEI GRAFI 0 Teoria dei Grafi Author: Desmatron Release 1.0.0 Date of Release: October 28, 2004 Author website: http://desmatron.altervista.org Book website: http://desmatron.altervista.org/teoria_dei_grafi/index.php

Dettagli

Permutazione degli elementi di una lista

Permutazione degli elementi di una lista Permutazione degli elementi di una lista Luca Padovani padovani@sti.uniurb.it Sommario Prendiamo spunto da un esercizio non banale per fare alcune riflessioni su un approccio strutturato alla risoluzione

Dettagli

Alberto Montresor Università di Trento

Alberto Montresor Università di Trento !! Algoritmi e Strutture Dati! Capitolo 1 - Greedy!!! Alberto Montresor Università di Trento!! This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike License. To view a copy

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

Dettagli

IL GIOCO DEL 15. OVVERO: 1000$ PER SPOSTARE DUE BLOCCHETTI

IL GIOCO DEL 15. OVVERO: 1000$ PER SPOSTARE DUE BLOCCHETTI IL GIOCO DEL. OVVERO: 000$ PER SPOSTARE DUE BLOCCHETTI EMANUELE DELUCCHI, GIOVANNI GAIFFI, LUDOVICO PERNAZZA Molti fra i lettori si saranno divertiti a giocare al gioco del, uno dei più celebri fra i giochi

Dettagli

Dispense del Corso di Algoritmi e Strutture Dati

Dispense del Corso di Algoritmi e Strutture Dati Dispense del Corso di Algoritmi e Strutture Dati Marco Bernardo Edoardo Bontà Università degli Studi di Urbino Carlo Bo Facoltà di Scienze e Tecnologie Corso di Laurea in Informatica Applicata Versione

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,

Dettagli

Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni.

Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. Albero semantico Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. A differenza dell albero sintattico (che analizza la formula da un punto di vista puramente

Dettagli

Esercizi sull Association Analysis

Esercizi sull Association Analysis Data Mining: Esercizi sull Association Analysis 1 Esercizi sull Association Analysis 1. Si consideri il mining di association rule da un dataset T di transazioni, rispetto a delle soglie minsup e minconf.

Dettagli

Esercizi Capitolo 5 - Alberi

Esercizi Capitolo 5 - Alberi Esercizi Capitolo 5 - Alberi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2 NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione

Dettagli

Autori: M. Di Ianni, A. Panepuccia

Autori: M. Di Ianni, A. Panepuccia AR Analisi di Reti 2010/2011 M.Di Ianni Assegnazioni di ruoli Autori: M. Di Ianni, A. Panepuccia In questa dispensa verrà trattato il problema dell assegnazione dei ruoli in un grafo. Tale problema è stato

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

AA 2006-07 LA RICORSIONE

AA 2006-07 LA RICORSIONE PROGRAMMAZIONE AA 2006-07 LA RICORSIONE AA 2006-07 Prof.ssa A. Lanza - DIB 1/18 LA RICORSIONE Il concetto di ricorsione nasce dalla matematica Una funzione matematica è definita ricorsivamente quando nella

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Sulla monotonia delle funzioni reali di una variabile reale

Sulla monotonia delle funzioni reali di una variabile reale Liceo G. B. Vico - Napoli Sulla monotonia delle funzioni reali di una variabile reale Prof. Giuseppe Caputo Premetto due teoremi come prerequisiti necessari per la comprensione di quanto verrà esposto

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale 4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,

Dettagli

6. Moto in due dimensioni

6. Moto in due dimensioni 6. Moto in due dimensioni 1 Vettori er descriere il moto in un piano, in analogia con quanto abbiamo fatto per il caso del moto in una dimensione, è utile usare una coppia di assi cartesiani, come illustrato

Dettagli

Funzioni tra insiemi niti Numeri di Stirling e Bell. Davide Penazzi

Funzioni tra insiemi niti Numeri di Stirling e Bell. Davide Penazzi Funzioni tra insiemi niti Numeri di Stirling e Bell Davide Penazzi 2 Funzioni tra insiemi niti: i numeri di Stirling e Bell 1 Contare il numero delle funzioni tra insiemi 1.1 Denizioni e concetti preliminari

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04 I numeri reali Note per il corso di Analisi Matematica 1 G. Mauceri a.a. 2003-04 2 I numeri reali Contents 1 Introduzione 3 2 Gli assiomi di campo 3 3 Gli assiomi dell ordine 4 4 Valore assoluto 5 5 I

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli

1 LA CORRENTE ELETTRICA CONTINUA

1 LA CORRENTE ELETTRICA CONTINUA 1 LA CORRENTE ELETTRICA CONTINUA Un conduttore ideale all equilibrio elettrostatico ha un campo elettrico nullo al suo interno. Cosa succede se viene generato un campo elettrico diverso da zero al suo

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

1 Alcuni criteri di convergenza per serie a termini non negativi

1 Alcuni criteri di convergenza per serie a termini non negativi Alcuni criteri di convergenza per serie a termini non negativi (Criterio del rapporto.) Consideriamo la serie a (.) a termini positivi (ossia a > 0, =, 2,...). Supponiamo che esista il seguente ite a +

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

The Directed Closure Process in Hybrid Social-Information Networks

The Directed Closure Process in Hybrid Social-Information Networks The Directed Closure Process in Hybrid Social-Information Networks with an Analysis of Link Formation on Twitter Dario Nardi Seminario Sistemi Complessi 15 Aprile 2014 Dario Nardi (CAS) 15/4/14 1 / 20

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati Tipologie di pianificatori Pianificazione Intelligenza Artificiale e Agenti II modulo Pianificazione a ordinamento parziale (POP) (HTN) pianificazione logica (SatPlan) Pianificazione come ricerca su grafi

Dettagli

Appunti dalle lezioni di

Appunti dalle lezioni di Università di Roma La Sapienza Sede di Latina (Università Pontina) Corso di Laurea in Ingegneria Informatica Appunti dalle lezioni di Ricerca Operativa Anno Accademico 2003-2004 Indice Introduzione 5 Che

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

Modelli di Sistemi di Produzione

Modelli di Sistemi di Produzione Modelli di Sistemi di Produzione 2 Indice 1 I sistemi di produzione 1 1.1 Generalità............................. 1 1.2 I principi dei sistemi manifatturieri............... 4 1.3 Descrizione dei principali

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Limiti e continuità di funzioni reali di una variabile

Limiti e continuità di funzioni reali di una variabile di funzioni reali di una variabile Corso di Analisi Matematica - capitolo VI Facoltà di Economia, UER Maria Caterina Bramati Université Libre de Bruxelles ECARES 22 Novembre 2006 Intuizione di ite di funzione

Dettagli

LIVELLO STRATEGICO E TATTICO

LIVELLO STRATEGICO E TATTICO Corso di Laurea Triennale in INGEGNERIA GESTIONALE Anno Accademico 2012/13 Prof. Davide GIGLIO 1 ESEMPI DI PROBLEMI DECISIONALI LIVELLO STRATEGICO Capacity growth planning LIVELLO TATTICO Aggregate planning

Dettagli

19. Inclusioni tra spazi L p.

19. Inclusioni tra spazi L p. 19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p

Dettagli

Middleware Laboratory. Dai sistemi concorrenti ai sistemi distribuiti

Middleware Laboratory. Dai sistemi concorrenti ai sistemi distribuiti Dai sistemi concorrenti ai sistemi distribuiti Problemi nei sistemi concorrenti e distribuiti I sistemi concorrenti e distribuiti hanno in comune l ovvio problema di coordinare le varie attività dei differenti

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Risolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati

Risolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati Algoritmi Algoritmi Risolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati Il procedimento (chiamato algoritmo) è composto da passi elementari

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

Sistemi Operativi. Interfaccia del File System FILE SYSTEM : INTERFACCIA. Concetto di File. Metodi di Accesso. Struttura delle Directory

Sistemi Operativi. Interfaccia del File System FILE SYSTEM : INTERFACCIA. Concetto di File. Metodi di Accesso. Struttura delle Directory FILE SYSTEM : INTERFACCIA 8.1 Interfaccia del File System Concetto di File Metodi di Accesso Struttura delle Directory Montaggio del File System Condivisione di File Protezione 8.2 Concetto di File File

Dettagli

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti Y T T I Numeri Complessi Operazioni di somma e prodotto su Consideriamo, insieme delle coppie ordinate di numeri reali, per cui si ha!"# $&% '( e )("+* Introduciamo in tale insieme una operazione di somma,/0"#123045"#

Dettagli

LAVORO, ENERGIA E POTENZA

LAVORO, ENERGIA E POTENZA LAVORO, ENERGIA E POTENZA Nel linguaggio comune, la parola lavoro è applicata a qualsiasi forma di attività, fisica o mentale, che sia in grado di produrre un risultato. In fisica la parola lavoro ha un

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

3. TEORIA DELL INFORMAZIONE

3. TEORIA DELL INFORMAZIONE 3. TEORIA DELL INFORMAZIONE INTRODUZIONE MISURA DI INFORMAZIONE SORGENTE DISCRETA SENZA MEMORIA ENTROPIA DI UNA SORGENTE NUMERICA CODIFICA DI SORGENTE 1 TEOREMA DI SHANNON CODICI UNIVOCAMENTE DECIFRABILI

Dettagli

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

La curva grafico della funzione, partendo dal punto A(a,f(a)), si snoda con continuità, senza interruzioni, fino ad approdare nel punto B(b,f(b)).

La curva grafico della funzione, partendo dal punto A(a,f(a)), si snoda con continuità, senza interruzioni, fino ad approdare nel punto B(b,f(b)). Calcolo differenziale Il teorema di Rolle TEOREMA DI ROLLE Ipotesi f continua su [a, b] f derivabile per lo meno su (a,b) f(a) = f(b) Tesi Esiste almeno un punto c in (a, b) tale che Giustificazione con

Dettagli

Gli algoritmi. Gli algoritmi. Analisi e programmazione

Gli algoritmi. Gli algoritmi. Analisi e programmazione Gli algoritmi Analisi e programmazione Gli algoritmi Proprietà ed esempi Costanti e variabili, assegnazione, istruzioni, proposizioni e predicati Vettori e matrici I diagrammi a blocchi Analisi strutturata

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

Esercitazione 7. Procedure e Funzioni

Esercitazione 7. Procedure e Funzioni Esercitazione 7 Procedure e Funzioni Esercizio Scrivere un programma che memorizza in un array di elementi di tipo double le temperature relative al mese corrente e ne determina la temperatura massima,

Dettagli

Maurizio Vichi Sapienza Università di Roma

Maurizio Vichi Sapienza Università di Roma Percorsi didattici, interdisciplinari ed innovativi per la Statistica Maurizio Vichi Sapienza Università di Roma Presidente Federazione Europea delle Società Nazionali di Statistica Scuola Estiva di Matematica

Dettagli

5 Radici primitive dell unità e congruenze del tipo

5 Radici primitive dell unità e congruenze del tipo 5 Radici primitive dell unità e congruenze del tipo X m a (mod n ) Oggetto di questo paragrafo è lo studio della risolubilità di congruenze del tipo: X m a (mod n) con m, n, a Z ed m, n > 0. Per l effettiva

Dettagli

1. Si consideri uno spazio di indirizzamento logico di otto pagine di 1024 parole ognuna, mappate su una memoria fisica di 32 frame.

1. Si consideri uno spazio di indirizzamento logico di otto pagine di 1024 parole ognuna, mappate su una memoria fisica di 32 frame. 1. Si consideri uno spazio di indirizzamento logico di otto pagine di 1024 parole ognuna, mappate su una memoria fisica di 32 frame. (a) Da quanti bit è costituito l indirizzo logico? (b) Da quanti bit

Dettagli

Introduzione all elettronica

Introduzione all elettronica Introduzione all elettronica L elettronica nacque agli inizi del 1900 con l invenzione del primo componente elettronico, il diodo (1904) seguito poi dal triodo (1906) i cosiddetti tubi a vuoto. Questa

Dettagli

Dipendenza dai dati iniziali

Dipendenza dai dati iniziali Dipendenza dai dati iniziali Dopo aver studiato il problema dell esistenza e unicità delle soluzioni dei problemi di Cauchy, il passo successivo è vedere come le traiettorie di queste ultime dipendono

Dettagli

Descrizioni VHDL Behavioral

Descrizioni VHDL Behavioral 1 Descrizioni VHDL Behavioral In questo capitolo vedremo come la struttura di un sistema digitale è descritto in VHDL utilizzando descrizioni di tipo comportamentale. Outline: process wait statements,

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

Dettagli

STUDIO DEL MODELLO DI ISING SU GRAFI FRATTALI

STUDIO DEL MODELLO DI ISING SU GRAFI FRATTALI UNIVERSITÀ DEGLI STUDI DI PARMA FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN FISICA STUDIO DEL MODELLO DI ISING SU GRAFI FRATTALI Relatore: Correlatore: Dott. DAVIDE CASSI Dott.ssa

Dettagli

La struttura dell RNA Struttura dell RNA mediante analisi comparativa Predizione della struttura secondaria: L algoritmo di Nussinov Predizione della

La struttura dell RNA Struttura dell RNA mediante analisi comparativa Predizione della struttura secondaria: L algoritmo di Nussinov Predizione della La struttura dell RNA Struttura dell RNA mediante analisi comparativa Predizione della struttura secondaria: L algoritmo di Nussinov Predizione della struttura secondaria: Minimizzazione dell energia Un

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

Codifica dei numeri negativi

Codifica dei numeri negativi E. Calabrese: Fondamenti di Informatica Rappresentazione numerica-1 Rappresentazione in complemento a 2 Codifica dei numeri negativi Per rappresentare numeri interi negativi si usa la cosiddetta rappresentazione

Dettagli

OGNI SPAZIO VETTORIALE HA BASE

OGNI SPAZIO VETTORIALE HA BASE 1 Mimmo Arezzo OGNI SPAZIO VETTORIALE HA BASE CONVERSAZIONE CON ALCUNI STUDENTI DI FISICA 19 DICEMBRE 2006 2 1 Preliminari Definizione 1.0.1 Un ordinamento parziale (o una relazione d ordine parziale)

Dettagli

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti 4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}

Dettagli

Esercizio 1 Soluzione Esercizio 2 Soluzione

Esercizio 1 Soluzione Esercizio 2 Soluzione Esercizio 1 Si specifichi, mediante una formula del prim ordine un apparato che funziona nel modo seguente: All istante 0 esso emette un segnale s, che può essere uno 0 o un 1. Se, dopo l emissione di

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ icroeconomia Douglas Bernheim, ichael Whinston Copyright 009 The cgraw-hill Companies srl COE ASSIIZZARE UNA FUNZIONE DI UTILITÀ Supponiamo che il reddito mensile di Elena sia pari a Y e sia interamente

Dettagli