Analisi multicriteria. Analisi multicriteria
|
|
- Sergio Magnani
- 7 anni fa
- Visualizzazioni
Transcript
1
2 m alternative: a, b,... n criteri: 1, 2,..., n g i (a): valore che viene attribuito all alternativa a sulla base del criterio i. Ogni criterio i induce sull insieme dei candidati una relazione di ordine che indicheremo con il simbolo i g i (a) g i (b) a i b, se il criterio i è tale che a valutazioni migliori corrispondono valori più alti, e g i (a) g i (b) a i b, se invece a valutazioni migliori corrispondono valori più bassi della funzione g i (.).
3 I problemi nascono dal fatto che di questi ordinamenti ce ne sono uno per ogni criterio e che questi ordinamenti sono in generale fra loro molto diversi. Come fare ad arrivare ad una scelta in una situazione di questo tipo? Un metodo di valutazione non va mai inteso come un algoritmo che fornisca automaticamente la soluzione voluta, quanto piuttosto come un aiuto che permetta una analisi sistematica delle alternative e che guidi il decisore verso la decisione, di cui avrà comunque tutta la responsabilità.
4 Un problema di scelta Nell ambito di un intervento internazionale in una situazione di emergenza, la Overseas Aid è incaricata di gestire la logistica della distribuzione degli aiuti in una specifica area. L incaricato della Ong, arrivato sul luogo, si trova di fronte al problema di approntare un magazzino adeguato al flusso di merci, soprattutto medicinali e cibo. Dopo una breve indagine, individua 5 possibili magazzini che potrebbero essere affittati, a, b, c, d, e, f.
5 I magazzini a b c d e Igiene Umidità Sì No No No No Topi No No No Sì Sì Uccelli No Sì Sì No Sì Polvere Sì No No No No Sicurezza Sistema antincendio No No No No No Basso rischio d incendio No Sì Sì Sì Sì Recinzione con cancello Sì Sì Sì Sì Sì Illuminazione esterna Sì No No No Sì Accessibilità Accesso di grandi automezzi Sì Sì Sì Sì Sì Caratteristiche Superficie (mq/1000) fisiche Altezza (m) Numero porte per carico/scarico Pensilina No No No Sì No Banchina No No No Sì No Capienza piazzale (n. automezzi) Scaffalature No No No No No Illuminazione interna diurna Sì Sì Sì Sì Sì Illuminazione interna notturna No No Sì Sì Sì Servizi Elettricità, acqua, gabinetti Sì Sì Sì Sì Sì Linee telefoniche Ufficio (mq) Costo Indice del costo mensile
6 I magazzini Ci sono 22 criteri diversi, ma solo 16 sono rilevanti in quanto differenziano i magazzini. Definiamo le funzioni g i (.) sostituendo ai Sì degli 1, ed ai No degli 0. i a b c d e 1 Umidità Topi Uccelli Polvere Basso rischio d incendio Illuminazione esterna Superficie (mq/1000) Altezza (m) Numero porte per carico/scarico Pensilina Banchina Capienza piazzale (n. automezzi) Illuminazione interna notturna Linee telefoniche Ufficio (mq) Indice del costo mensile
7 Ordinamenti indotti dai criteri I diversi criteri inducono ordinamenti fra le alternative anche molto diversi fra loro. Criterio 7: Criterio 12: i a b c d e 1 Umidità Topi Uccelli Polvere Basso rischio d incendio Illuminazione esterna Superficie (mq/1000) Altezza (m) Numero porte per carico/scarico Pensilina Banchina Capienza piazzale (n. automezzi) Illuminazione interna notturna Linee telefoniche Ufficio (mq) Indice del costo mensile { } a c 7 e 7 b 7 d e 12 d 12 c 12 b 12 a
8 Un approccio alla Condorcet Si considerano tutti i criteri come ugualmente importanti e si confrontano a due a due le alternative, considerando il numero di criteri in cui ciascuna delle due è superiore o equivalente all altra. n(x, y): numero di criteri secondo cui x è migliore o equivalente a y n(y, x): numero di criteri secondo cui y è migliore o equivalente a x (n(x, y) + n(y, x) n) Fissata una soglia s n 2 + 1, diciamo che x è preferito ad y se n(x, y) s, e analogamente che y è preferito ad x se n(y, x) s.
9 Un approccio alla Condorcet i a b c d e 1 Umidità Topi Uccelli Polvere Basso rischio d incendio Illuminazione esterna Superficie (mq/1000) Altezza (m) Numero porte per carico/scarico Pensilina Banchina Capienza piazzale (n. automezzi) Illuminazione interna notturna Linee telefoniche Ufficio (mq) Indice del costo mensile a b c d e a b c d e Numero di criteri secondo cui ciascun magazzino è non peggiore di ciascun altro
10 Un approccio alla Condorcet a b c d e a b c d e
11 Un approccio alla Condorcet Tabella delle preferenze a b c d e a b c d e = (s = 11) a b c d e a b c d e
12 Un approccio alla Condorcet Tabella delle preferenze a b c d e a b c d e = (s = 11) a b c d e a b c d e Il magazzino a non è preferito a nessuno, mentre tutti gli altri magazzini sono ad esso preferiti. Sembra allora ragionevole scartare questo magazzino e concentrarsi sugli altri.
13 Un approccio alla Condorcet Abbiamo ora un nuovo problema, con 4 alternative e 13 criteri significativi. Infatti, una volta eliminata l alternativa a, i criteri umidità, polvere e basso rischio di incendio cessano di essere discriminanti. b c d e b c d e
14 Un approccio alla Condorcet Abbiamo ora un nuovo problema, con 4 alternative e 13 criteri significativi. Infatti, una volta eliminata l alternativa a, i criteri umidità, polvere e basso rischio di incendio cessano di essere discriminanti. b c d e b c d e = (s = 9) b c d e b c d e
15 Un approccio alla Condorcet Abbiamo ora un nuovo problema, con 4 alternative e 13 criteri significativi. Infatti, una volta eliminata l alternativa a, i criteri umidità, polvere e basso rischio di incendio cessano di essere discriminanti. b c d e b c d e = (s = 9) b c d e b c d e Ripetendo il ragionamento fatto prima, possiamo scartare l alternativa b, e passare così ad una terza fase in cui si hanno solamente tre alternative, c, d ed e.
16 Un approccio alla Condorcet Abbiamo ora un problema in cui il numero di criteri significativi è di 11, il che comporta una soglia di 8 per costruire la relazione di precedenza. c d e c d e
17 Un approccio alla Condorcet Abbiamo ora un problema in cui il numero di criteri significativi è di 11, il che comporta una soglia di 8 per costruire la relazione di precedenza. c d e c d e = (s = 8) c d e c d e 0 0 1
18 Un approccio alla Condorcet Abbiamo ora un problema in cui il numero di criteri significativi è di 11, il che comporta una soglia di 8 per costruire la relazione di precedenza. c d e c d e = (s = 8) c d e c d e Ora la dominanza di una alternativa sulle altre non è così forte da giustificare una applicazione meccanica della regola di esclusione che abbiamo applicato nei precedenti passi.
19 Il metodo ELECTRE: I pesi Il metodo ELECTRE (ELimination Et Choix T raduisant la REalité) è in realtà una intera famiglia di metodi. Qui ne vedremo la versione più semplice. I criteri vengono pesati con pesi normalizzati, cioè a somma 1.
20 Il metodo ELECTRE: I pesi Il metodo ELECTRE (ELimination Et Choix T raduisant la REalité) è in realtà una intera famiglia di metodi. Qui ne vedremo la versione più semplice. I criteri vengono pesati con pesi normalizzati, cioè a somma 1. i Pesi a b c d e Umidità Topi Uccelli Polvere Basso rischio d incendio Illuminazione esterna Superficie (mq/1000) Altezza (m) Numero porte per carico/scarico Pensilina Banchina Piazzale per.... automezzi Illuminazione interna notturna Linee telefoniche Ufficio (mq) Indice del costo mensile
21 Il metodo ELECTRE: Indici di preferibilità indice di preferibilità: c(x, y) = i:x i y p i
22 Il metodo ELECTRE: Indici di preferibilità indice di preferibilità: c(x, y) = i:x i y p i a b c d e a b c d e
23 Il metodo ELECTRE: Indici di preferibilità indice di preferibilità: c(x, y) = i:x i y p i a b c d e a b c d e = (s = 2/3) a b c d e a b c d e
24 Il metodo ELECTRE: Relazione di preferenza a b c d e a b c d e b c a d e
25 Il metodo ELECTRE: Relazione di preferenza a b c d e a b c d e b c a d e
26 Il metodo ELECTRE: Il nucleo del grafo b c a d e
27 Il metodo ELECTRE: Il nucleo del grafo b b c a = a d e c,d,e
28 Il metodo ELECTRE: Il nucleo del grafo b b c a = a d e c,d,e Nucleo del grafo: x, y Nucleo x y, y Nucleo x Nucleo : x y,
29 Il metodo ELECTRE: Le fasi 1 Si assegnano i pesi ai diversi criteri. I pesi devono essere normalizzati, cioè pesi positivi a somma 1. Il processo della loro determinazione può essere pensato come iterativo: alla luce dei risultati può essere opportuno un riesame dei pesi scelti inizialmente. 2 Si determinano gli indici di preferibilità ed i casi di veto. Ad esempio è possibile che per una coppia (x, y) la maggior parte dei criteri giochi a favore di x, ma ci sia un criterio i per il quale risulti g i (x) g i (y), cioè la differenza per quel criterio è molto alta a favore di y. Questo può essere sufficiente a farci dire che comunque non si può preferire x ad y anche se c(x, y) è a favore di x. Si parla allora di situazioni di veto, e l insieme di veto, V, è l insieme di tutte le coppie per cui è stata riconosciuta una situazione di veto.
30 Il metodo ELECTRE: Le fasi 1 Si assegnano i pesi ai diversi criteri. I pesi devono essere normalizzati, cioè pesi positivi a somma 1. Il processo della loro determinazione può essere pensato come iterativo: alla luce dei risultati può essere opportuno un riesame dei pesi scelti inizialmente. 2 Si determinano gli indici di preferibilità ed i casi di veto. Ad esempio è possibile che per una coppia (x, y) la maggior parte dei criteri giochi a favore di x, ma ci sia un criterio i per il quale risulti g i (x) g i (y), cioè la differenza per quel criterio è molto alta a favore di y. Questo può essere sufficiente a farci dire che comunque non si può preferire x ad y anche se c(x, y) è a favore di x. Si parla allora di situazioni di veto, e l insieme di veto, V, è l insieme di tutte le coppie per cui è stata riconosciuta una situazione di veto.
31 Il metodo ELECTRE: Le fasi 3 Si sceglie la soglia di preferibilità. La soglia s sarà un numero compreso fra 0.5 ed 1. Un valore troppo vicino a 0.5 rischierebbe di discriminare troppo poco, mentre un valore troppo alto, cioè vicino ad 1, darebbe una relazione troppo povera (pochi archi nel grafo). 4 Si costruisce il grafo di preferibilità. Innanzitutto viene costruito un grafo di partenza G = (N, A), dove N, l insieme dei nodi, è l insieme delle alternative (ad ogni nodo corrisponde una alternativa) ed esiste un arco fra il nodo x ed il nodo y se e solo se è x y, cioè se x è preferita o equivalente a y, e (x, y) / V, cioè la coppia (x, y) non appartiene all insieme di veto V.
32 Il metodo ELECTRE: Le fasi 3 Si sceglie la soglia di preferibilità. La soglia s sarà un numero compreso fra 0.5 ed 1. Un valore troppo vicino a 0.5 rischierebbe di discriminare troppo poco, mentre un valore troppo alto, cioè vicino ad 1, darebbe una relazione troppo povera (pochi archi nel grafo). 4 Si costruisce il grafo di preferibilità. Innanzitutto viene costruito un grafo di partenza G = (N, A), dove N, l insieme dei nodi, è l insieme delle alternative (ad ogni nodo corrisponde una alternativa) ed esiste un arco fra il nodo x ed il nodo y se e solo se è x y, cioè se x è preferita o equivalente a y, e (x, y) / V, cioè la coppia (x, y) non appartiene all insieme di veto V.
33 Il metodo ELECTRE: Le fasi 5 In G vengono cercati i cicli, cioè insiemi di nodi equivalenti e questo si traduce in una operazione di condensamento dei singoli nodi in un unico nodo che li rappresenta tutti. Abbiamo così costruito un nuovo grafo Ĝ = ( ˆN, Â), dove ora i nodi non rappresentano più singole alternative, ma insiemi di alternative. 6 Si determina il nucleo del grafo.
34 Il metodo ELECTRE: Le fasi 5 In G vengono cercati i cicli, cioè insiemi di nodi equivalenti e questo si traduce in una operazione di condensamento dei singoli nodi in un unico nodo che li rappresenta tutti. Abbiamo così costruito un nuovo grafo Ĝ = ( ˆN, Â), dove ora i nodi non rappresentano più singole alternative, ma insiemi di alternative. 6 Si determina il nucleo del grafo.
35 Un esempio: la scelta di una automobile Pesi Costo Confort E E M M M S S 0.27 Velocità V M V V M V M 0.20 Estetica E E E M E E M 0.20 (E = Eccellente; M = Medio; S = Scarso; V = Veloce) Indici di preferibilità:
36 Un esempio: la scelta di una automobile Pesi Costo Confort E E M M M S S 0.27 Velocità V M V V M V M 0.20 Estetica E E E M E E M 0.20 (E = Eccellente; M = Medio; S = Scarso; V = Veloce) Indici di preferibilità:
37 La scelta di una automobile: la relazione di precedenza (s = 0.7)
38 La scelta di una automobile: la relazione di precedenza (s = 0.7)
39 La scelta di una automobile: la relazione di precedenza
40 La scelta di una automobile: la relazione di precedenza = 3 4 2,3 4,5,6
41 La scelta di una automobile: la relazione di precedenza = 3 4 2,3 4,5,6 Nucleo = {4, 5, 6, 7}
42 La scelta di una automobile: la relazione di precedenza = 3 4 2,3 4,5,6 Nucleo = {4, 5, 6, 7} Pesi Costo Confort E E M M M S S 0.27 Velocità V M V V M V M 0.20 Estetica E E E M E E M 0.20 (E = Eccellente; M = Medio; S = Scarso; V = Veloce)
I metodi Electre. La scelta fra le alternative: i metodi Electre. Perché introdurre l incompletezza? I metodi Electre: elementi comuni
I metodi Electre La scelta fra le alternative: i metodi Electre Electre = ELimination Et Choix Traduisant la REalité scopo: mettere a punto un metodo decisionale il più aderente possibile alla realtà rifiutano
DettagliINSTRADAMENTO: ALGORITMO DI BELLMAN-FORD
UNIVERSITA' DEGLI STUDI DI BERGAMO Dipartimento di Ingegneria INSTRADAMENTO: ALGORITMO DI BELLMAN-FORD FONDAMENTI DI RETI E TELECOMUNICAZIONE A.A. 2012/13 - II Semestre Esercizio 1 Sia dato il grafo G=
DettagliASSEGNAZIONE STOCASTICA. SU RETI NON CONGESTIONATE SNL (Stochastic Network Loading)
ASSEGNAZIONE STOCASTICA SU RETI NON CONGESTIONATE SNL Stochastic Network Loading algoritmo di DIAL Ipotesi: 1. La scelta del percorso è basata sul modello LOGIT 2. Si considerano solamente percorsi efficienti
DettagliEsercitazione 6 Ancora sul Network Flow
Esercitazione 6 Ancora sul Network Flow Problema 14 (appello 28/09/2015) Un importante azienda di sviluppo software ha n progetti da portare a termine entro la fine dell anno. Il manager dell azienda stima
DettagliMetodi e modelli per le decisioni
Metodi e modelli per le decisioni Roberto Cordone A. A. 2015-16 7.4 Esercizi Nota : Devo molti di questi esercizi a temi d esame del prof. Alberto Colorni. Nota : Benvenuti negli anni 80 e 90. Pur avendoli
DettagliIntroduzione ai grafi
TFA A048 Anno Accademico 2012-13 Outline Cenni storici sui grafi Nozioni introduttive: cammini, connessione, alberi, cicli Cammini di costo minimo Origini storiche La nascita della teoria dei grafi risale
DettagliRICERCA OPERATIVA (a.a. 2011/12) Nome: Cognome: Matricola:
5 o Appello 8/0/0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si individui un albero dei cammini minimi di radice sul grafo in figura, utilizzando l algoritmo più appropriato dal punto di vista
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),
DettagliQuinto appello 27/6/ = 4. B b B = 2 b N = 4
Quinto appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il problema di PL dato applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B {, }. Per
DettagliIl Problema dell Albero Ricoprente Minimo (Shortest Spanning Tree - SST)
Il Problema dell Albero Ricoprente Minimo (Shortest Spanning Tree - SST) È dato un grafo non orientato G=(V,E). Ad ogni arco e i E, i=1,,m, è associato un costo c i 0 7 14 4 10 9 11 8 12 6 13 5 17 3 2
DettagliMatroidi, algoritmi greedy e teorema di Rado
Matroidi, algoritmi greedy e teorema di Rado per il corso di Laboratorio di Algoritmi e Ricerca Operativa Dott. Alberto Leporati / Prof.ssa Enza Messina Dipartimento di Informatica, Sistemistica e Comunicazione
DettagliRicerca Operativa A.A. 2017/2018
Ricerca Operativa A.A. 2017/2018 Esercizi su modelli di programmazione lineare intera - Soluzioni Nota Vengono fornite delle possibili soluzioni. Potrebbero esserci soluzioni alternative altrettanto valide.
DettagliAUTOMA A STATI FINITI
Gli Automi Un Automa è un dispositivo, o un suo modello in forma di macchina sequenziale, creato per eseguire un particolare compito, che può trovarsi in diverse configurazioni più o meno complesse caratterizzate
DettagliCorso di Perfezionamento
Programmazione Dinamica 1 1 Dipartimento di Matematica e Informatica Università di Camerino 15 febbraio 2009 Tecniche di Programmazione Tecniche di progettazione di algoritmi: 1 Divide et Impera 2 Programmazione
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 7 giugno 0 Nome: Cognome: Matricola: Orale /06/0 ore aula N Orale 0/07/0 ore aula N
DettagliRICERCA OPERATIVA (a.a. 2008/09) Nome: Cognome: Matricola:
o Appello /09/009 RICERCA OPERATIVA (a.a. 008/09) Nome: Cognome: Matricola: ) Si applichi l algoritmo di Kruskal per determinare un albero di copertura di costo minimo sul grafo in figura. Per ogni iterazione
DettagliDISPIEGAMENTO CENTRALIZZATO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO IL PROBLEMA DEL SENSORI MOBILI IL PROBLEMA (1)
1 IL PROBLEMA DEL DISPIEGAMENTO CENTRALIZZATO DI SENSORI MOBILI OVVERO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO Prof. Tiziana Calamoneri Corso di Algoritmi per le reti A.A. 2010/11 2 IL PROBLEMA SENSORI
DettagliTeoria dei Giochi Prova del 28 Settembre 2012
Cognome, Nome, Numero di Matricola, email: Teoria dei Giochi Prova del 28 Settembre 2012 Esercizio 1. Considera il seguente gioco non cooperativo. È data una rete con insieme dei nodi V = {s,x 1,x 2,y,t}
DettagliGrammatiche. Grammatiche libere da contesto Grammatiche regolari Potenza delle grammatiche libere e regolari Struttura di frase: Alberi di derivazione
Grammatiche Grammatiche libere da contesto Grammatiche regolari Potenza delle grammatiche libere e regolari Struttura di frase: Alberi di derivazione Esempio dei numeri interi Si consideri il linguaggio
Dettaglidecisioni multiattributo lezione 10
decisioni multiattributo lezione 10 richiamo- tabella multiattributo Attributi X1 X2 Xn Alternative A 1 V 11 V 12 V 1n A 2 V 21 V 22 V 2n A m V m1 V m2 V mn obiettivi o attributi? obiettivi := ragioni
DettagliAlgoritmi Approssimanti per -TSP
Dispensa del corso di TAA redatta da Amati Di auro Rattà. Algoritmo 5 e APX per il problema Algoritmi Approssimanti per -TSP Definizione (TSP) Il problema del commesso viaggiatore (TSP) è definito come
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. p. 1/1 Problema del trasporto Supponiamo di avere m depositi in
DettagliCoverage. Visto che il coverage si basa su aree dell ambiente che vengono monitorate non è
L. Pallottino, Sistemi Robotici Distribuiti - Versione del 10 Dicembre 2015 393 Coverage Si consideri ora il problema di coordinare una squadra di robot con dei sensori omnidirezionali in modo da garantire
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Minimo albero ricoprente Domenico Fabio Savo 1 Albero ricoprente Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è un
DettagliCammini 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)
Dettaglietà (anni) manutenzione (keuro) ricavato (keuro)
.6 Cammini minimi. Determinare i cammini minimi dal nodo 0 a tutti gli altri nodi del seguente grafo, mediante l algoritmo di Dijkstra e, se applicabile, anche mediante quello di Programmazione Dinamica.
DettagliAppunti lezione Capitolo 13 Programmazione dinamica
Appunti lezione Capitolo 13 Programmazione dinamica Alberto Montresor 12 Novembre, 2015 1 Domanda: Fattore di crescita dei numeri catalani Vogliamo dimostrare che cresce almeno come 2 n. La nostra ipotesi
Dettagli1 The house allocation problem
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
Dettagli29 maggio Distinzione importante: giochi simultanei giochi sequenziali: uno dei giocatori ha la prima mossa; l altro deve rispondere.
ESERCITAZIONE 8 29 maggio 204. Premessa. Trattando della teoria dei giochi, bisogna ricordare questi concetti: * strategia dominante: ogni giocatore dispone di una scelta strategica ottima, quale che sia
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Lotterie (II parte) Prof.ssa Bice Cavallo Criterio media- varianza Una misura di rischio insito in una lotteria non viene evidenziato dal solo criterio basato
Dettagli1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44;
1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44; c 24 = 15; c 25 = 12; c 34 = 32; c 35 = 55; c 45 = 24 Si calcoli l ottimo duale (formulazione
Dettaglialgoritmi e strutture di dati
algoritmi e strutture di dati grafi m.patrignani nota di copyright queste slides sono protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (inclusi, ma non limitatamente, immagini,
DettagliGrafi e reti di flusso
Grafi e reti di flusso Molti problemi di ottimizzazione sono caratterizzati da una struttura di grafo: in molti casi questa struttura emerge in modo naturale, in altri nasce dal particolare modo in cui
DettagliEspressioni regolari
spressioni Regolari Un FA (NFA o DFA) e una macchina a stati finiti che riconosce linguaggi regolari. Una espressione regolare e un modo dichiarativo (o algebrico) per descrivere un linguaggio regolare.
DettagliComplessità sociale: diversità dei punti di vista degli attori e degli stakeholder COMPLEXITY
METODI NON MONETARI 1)Complessità fisica e sociale: accettarla 2) Strumenti di intervento: quelli che accettano la complessità Ad esempio tecniche di valutazione a criteri multipli Importanza della qualità
DettagliEsercizi sull'ottimizzazione a molti obiettivi
Politecnico di Milano, Corso di Modellistica e Simulazione Esercizi sull'ottimizzazione a molti obiettivi 1 caso discreto 1.1 il problema Volete individuare le soluzioni progettuali ecienti tra quelle
DettagliUn esempio di applicazione della programmazione lineare intera al progetto di una rete stradale con vincoli di network survivability
Un esempio di applicazione della programmazione lineare intera al progetto di una rete stradale con vincoli di network survivability Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria
DettagliBioinformatica. Grafi. a.a Francesca Cordero. Grafi Bioinformatica
fcordero@di.unito.it Introduzione cknowledgement Lucidi da. Horváth,. emetrescu et al, lgoritmi e strutture dati, McGraw-Hill 3 efinizione: che cosa sono i grafi? definizione astratta: un grafo G = (V,)
DettagliGrafi diretti. Un grafo diretto (o grafo orientato) G è una coppia (V,E) dove. V è u n i n s i e m e d i nodi (o vertici);
Algoritmi e Strutture di Dati II 2 Grafi diretti Un grafo diretto (o grafo orientato) G è una coppia (V,E) dove V è u n i n s i e m e d i nodi (o vertici); E µ V V è u n i n s i e m e d i archi. Denotiamo
DettagliRagionamento su reti di vincoli temporali
UNIVERSITA DEGLI STUDI DI BRESCIA FACOLTA DI INGEGNERIA ELETTRONICA Ragionamento su reti di vincoli temporali NICOLA FERRARI - NICOLA MOROTTI Rappresentazione info. temporale L informazione temporale qualitativa
DettagliTopologie delle reti di telecomunicazione
Topologie delle reti di telecomunicazione Gruppo Reti TLC nome.cognome@polito.it http://www.telematica.polito.it/ INTRODUZIONE ALLE RETI TELEMATICHE - 1 Rete di telecomunicazione Definizione: un insieme
DettagliA-2 a PI. Esercizio 2. Domanda 3
A-2 a PI Ricerca Operativa 1 Seconda prova intermedia È dato il problema di PL in figura. 1. Facendo uso delle condizioni di ortogonalità, dimostrare o confutare l ottimalità della soluzione x = 1; x =
DettagliProblema di flusso massimo
p. 1/5 Problema di flusso massimo Si consideri una rete, ovvero un grafo orientato G = (V,A). Attraverso tale rete si fa viaggiare quello che chiameremo genericamente un flusso di "prodotto". A seconda
DettagliRICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: max x + x x x x x x + x x Si applichi l algoritmo del Simplesso Duale, per via algebrica, a
DettagliMetodi Decisionali Multicriterio
Metodi Decisionali Multicriterio Decisore Si hanno individuano due proprietà di un decisore: -intelligenza possiede capacità logiche per individuare senza errori la scelta che gli assicura il miglior risultato
DettagliAlgoritmi 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
DettagliInformatica 3 V anno
Informatica 3 V anno Teoria degli automi Introduzione agli automi Un particolare tipo di sistemi dinamici è rappresentato dagli automi. L automa è un modello di calcolo molto semplice da utilizzare, adatto
DettagliSintesi di Reti sequenziali Sincrone
Sintesi di Reti sequenziali Sincrone Sintesi di Reti Sequenziali Sincrone Una macchina sequenziale è definita dalla quintupla I è l insieme finito dei simboli d ingresso U è l insieme finito dei simboli
DettagliEsecuzione concorrente di transazioni
Esecuzione concorrente di transazioni A L B E R T O B E L U S S I P A R T E I A N N O A C C A D E M I C O 2 0 1 0-2 0 1 1 Osservazione Per gestire con prestazione accettabili il carico di lavoro tipico
DettagliIl valore di flusso che si ottiene è
1) Si consideri un insieme di piste da sci e di impianti di risalita. Lo si modelli con un grafo orientato che abbia archi di due tipi: tipo D (discesa e orientato nel senso della discesa) e tipo R (risalita
DettagliRICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola:
Sesto appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x x x x x x + x x per via algebrica, mediante l algoritmo del Simplesso Primale a partire
Dettaglimax x i,j Avremo una famiglia di vincoli per imporre che al piú un carattere di s possa essere messo in corrispondenza con uno stesso carattere di t.
Esame di Ricerca Operativa - giugno Facoltà di Ingegneria - Udine - CORREZIONE - Problema ( punti): Formulare come un problema di PLI il problema di trovare la piú lunga sottosequenza comune di due stringhe
DettagliGARA SECONDARIA DI PRIMO GRADO INDIVIDUALE
GARA2 2019 SECONDARIA DI PRIMO GRADO INDIVIDUALE ESERCIZIO 1 Premessa La tabella che segue descrive le attività di un progetto (indicate rispettivamente con le sigle A1, A2,...), riportando per ciascuna
Dettagli1 TEORIA DELLE RETI 1. 1 Teoria delle reti. 1.1 Grafi
1 TEORIA DELLE RETI 1 1 Teoria delle reti 1.1 Grafi Intuitivamente un grafo è un insieme finito di punti (nodi o vertici) ed un insieme di frecce (archi) che uniscono coppie di punti Il verso della freccia
Dettaglimin det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione.
Se è unimodulare e è intero allora il poliedro 0 ha vertici interi. Sia un vertice di Per definizione esiste allora una base di tale che, 0 Poiché è non singolare ( invertibile det 0) si ha che det 1 è
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A Ricerca Operativa 1 Seconda prova intermedia Si è rotto un aereo che doveva trasportare un elevato numero di persone dalla città 3 alla città 8. Si rende quindi necessario utilizzare i posti disponibili
DettagliElaborazione delle immagini a basso livello
Sommario Introduzione Percezione Formazione delle immagini Estrazione di informazione 3D da un immagine Riconoscimento di oggetti Manipolazione e navigazione Conclusioni 128 La luce riflessa dagli oggetti
DettagliIntroduzione ai Problemi di Flusso su Reti
UNIVERSI DI PIS IROCINIO ORMIVO IVO - I CICLO CLSSE DI BILIZIONE MEMIC PPLIC Introduzione ai Problemi di lusso su Reti Relatore: Prof. V. Georgiev.U: Prof. M. Berni Elisabetta lderighi R.O e Riforma della
DettagliEsercitazione 5 Network Flow
Esercitazione 5 Network Flow Diamo innanzitutto una definizione informale del concetto di riduzione polinomiale tra problemi: Si dice che un problema A è riducibile polinomialmente ad un problema B, se
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
Dettagli12.1 IL PROBLEMA DEL CAMMINO MINIMO: L ALGORITMO DI DIJKSTRA
Problemi strutturati. IL PROBLEMA DEL CAMMINO MINIMO: L ALGORITMO DI DIJKSTRA Esercizio.. Dato il grafo di Figura.., trovare il peso dei cammini minimi dal nodo a tutti gli altri nodi del grafo (il peso
DettagliGRAFI. Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi!
G R A F I 1 GRAFI Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi! 2 cip: cip: Pallogrammi Pallogrammi GRAFI: cosa sono I grafi sono una struttura matematica fondamentale: servono
DettagliUNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA. Algoritmi
UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA Algoritmi Algoritmi classici Alcuni problemi si presentano con elevata frequenza e sono stati ampiamente studiati Ricerca di un elemento in un vettore
DettagliAlgoritmi e Strutture Dati. Capitolo 12 Minimo albero ricoprente: Algoritmo di Kruskal
Algoritmi e Strutture Dati Capitolo 12 Minimo albero ricoprente: Algoritmo di Kruskal Progettare una rete stradale Supponiamo di dover progettare una rete stradale in cui il costo di costruzione di un
DettagliLaboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale
Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Algoritmi e Programmazione Stefano Cagnoni Il problema
DettagliEsercizi di Algoritmi e Complessità
Esercizi di Algoritmi e Complessità 1 Gli interrogatori di Montalbano Nel comune di Vigata sono state realizzate recentemente 3 grosse rapine ai 3 principali supermercati. Il commissario Montalbano è convinto
DettagliRouting IP. IP routing
Routing IP IP routing IP routing (inoltro IP): meccanismo per la scelta del percorso in Internet attraverso il quale inviare i datagram IP routing effettuato dai router (scelgono il percorso) Routing diretto
DettagliAlgoritmo di Dijkstra
Algoritmo di Dijkstra (Da Wikipedia, l'enciclopedia libera.) L'algoritmo di Dijkstra deve il suo nome all'informatico olandese Edsger Dijkstra e permette di trovare i cammini minimi (o Shortest Paths,
DettagliLABORATORIO DI ALGORITMI E STRUTTURE DATI A-L. Ingegneria e scienze informatiche Cesena A.A: 2016/2017 Docente: Greta Sasso
LABORATORIO DI ALGORITMI E STRUTTURE DATI A-L Ingegneria e scienze informatiche Cesena A.A: 2016/2017 Docente: Greta Sasso Minimum Spanning Tree Albero di copertura (Spanning Tree): un albero di copertura
DettagliProcessi di cost management - Programmazione multiperiodale
Processi di cost management - Programmazione multiperiodale Queste slide (scrte da Carlo Mannino) riguardano il problema di gestione delle attivà di un progetto allorché i costi di esecuzione sono legati
DettagliX ~ N (20, 16) Soluzione
ESERCIZIO 3.1 Il tempo di reazione ad un esperimento psicologico effettuato su un gruppo di individui si distribuisce normalmente con media µ = 20 secondi e scarto quadratico medio σ = 4 secondi: X ~ N
DettagliTeoria dei Grafi Elementi di base della Teoria dei Grafi
L. Pallottino, Sistemi Robotici Distribuiti - Versione del 4 Marzo 2015 42 Teoria dei Grafi Elementi di base della Teoria dei Grafi Definizione 1. Un grafo G = (V, E) è composto da un insieme finito di
DettagliINSTRADAMENTO: ALGORITMO DI KRUSKAL
UNIVERSITA' DEGLI STUDI DI BERGAMO Dipartimento di Ingegneria INSTRADAMENTO: ALGORITMO DI KRUSKAL FONDAMENTI DI RETI E TELECOMUNICAZIONE A.A. 2012/13 - II Semestre Esercizio 1 Sia dato il grafo G= (N,
DettagliAutoma a Stati Finiti (ASF)
Automa a Stati Finiti (ASF) E una prima astrazione di macchina dotata di memoria che esegue algoritmi Introduce il concetto fondamentale di STATO che informalmente può essere definito come una particolare
DettagliRisoluzione di un problema di VRP
Risoluzione di un problema di VRP Un problema di VRP (Vehicle Routing Problem) è un tipico problema di programmazione lineare in cui l obiettivo primario è quello di individuare, su una rete generica,
DettagliEsercitazione 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
DettagliComplessità Computazionale
Complessità Computazionale La teoria della Computabilità cattura la nozione di algoritmo nel senso che per ogni problema sia esso decisionale o di calcolo di funzione stabilisce dei criteri per determinare
DettagliMinimo albero di copertura
apitolo 0 Minimo albero di copertura efinizione 0.. ato un grafo G = (V, E) non orientato e connesso, un albero di copertura di G è un sottoinsieme T E tale che il sottografo (V, T ) è un albero libero.
DettagliApprocci multi-criterio III. Valutazione economica dei piani e dei progetti
Approcci multi-criterio III Valutazione economica dei piani e dei progetti Metodo Analytic Hierarchy Process Il metodo AHP, sviluppato da Thomas L. Saaty a partire dalla fine degli anni 70 è diffuso a
DettagliProgettazione di Algoritmi - lezione 19
Progettazione di Algoritmi - lezione 19 Discussione dell'esercizio [viaggio] Un viaggio in auto prevede n tappe. Gli interi d i, 1 i < n rappresentano il numero di litri di benzina necessari per spostarsi
DettagliIntroduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 0/06/06 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via avrai
DettagliLaboratorio di Algoritmi
Laboratorio di Algoritmi Progetto Fabbrica (gennaio 2019) Nota: La scadenza del progetto è fissata per lunedì 21 gennaio compreso. Nota: Si consiglia di consultare sulla pagina web il documento che riporta
DettagliPSPACE completezza. Un linguaggio A è PSPACE completo se. 1. A è in PSPACE, cioè esiste una TM T che accetta A con complessità di spazio polinomiale.
Sommario Il problema della verità per formule booleane pienamente quantificate è PSPACE - completo PSPACE come la classe dei giochi. Il gioco geografico generalizzato è PSPACE - completo 1 PSPACE completezza
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Capitolo 3 Cammini minimi: algoritmo di Dijkstra Cammini minimi in grafi: cammini minimi a singola sorgente (senza pesi negativi) Cammini minimi in grafi pesati Sia G=(V,E,w)
DettagliProblema del cammino minimo
Algoritmi e Strutture di Dati II Problema del cammino minimo Un viaggiatore vuole trovare la via più corta per andare da una città ad un altra. Possiamo rappresentare ogni città con un nodo e ogni collegamento
DettagliLezione del 7/12/04 [2 ore, in AULA C, dalle 11:00 alle 13:00]
Lezione del 7/2/04 [2 ore, in UL, dalle :00 alle 3:00] di: lgoritmi & Laboratorio (Modulo ) "Riassunto" della lezione: Sono stati svolti i seguenti esercizi (alla lavagna).. Dato il grafo in fig.(a): a
DettagliLuigi Piroddi
Automazione industriale dispense del corso 13. Reti di Petri: analisi strutturale sifoni e trappole Luigi Piroddi piroddi@elet.polimi.it Introduzione Abbiamo visto in precedenza il ruolo dei P-invarianti
DettagliOttimizzazione Combinatoria e Reti (a.a. 2007/08)
o Appello 6/07/008 Ottimizzazione Combinatoria e Reti (a.a. 007/08) Nome Cognome: Matricola: ) Dopo avere finalmente superato l esame di Ricerca Operativa, Tommaso è pronto per partire in vacanza. Tommaso
DettagliTeorema 1. Il problema AP è N P-complete.
(Dalla prova scritta d esame del 18/12/2006.) Si consideri il seguente problema AssegnazioneProgetto (AP). Input: un insieme, P, di n persone, ed un insieme V di m vincoli. Ogni vincolo ha la forma k#(l
DettagliCapitolo 10. La media pesata Calcolo della media pesata
Capitolo 0 La media pesata Supponiamo che una stessa grandezza sia stata misurata da osservatori differenti (es. velocità della luce) in laboratori con strumenti e metodi di misura differenti: Laboratorio
DettagliEsercitazione 7. Grafi. Rappresentazione e algoritmi di visita
Esercitazione 7 Grafi Rappresentazione e algoritmi di visita Grafo G = (V,E) non orientato 1 1 G = (V,E) orientato 6 Rappresentazione Grafo G = (V,E) metodi standard per la rappresentazione Liste di adiacenza
DettagliPROBLEMI SU GRAFO (combinatori)
PROLMI SU GRO (combinatori) In molti problemi il numero di soluzioni ammissibili è finito. Questi problemi sono quasi sempre descritti su grafi. Rete stradale: come andare da a in tempo minimo? Grafo orientato
Dettaglia 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn mentre le variabili decisionali sono rappresentate dal vettore colonna n-dimensionale x,
Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Appunti dal corso di Metodi e Modelli di Ottimizzazione Discreta 1 A.A. 2018-2019 Prof. Sara Nicoloso A seconda del tipo di variabili che
DettagliEconomia Aziendale Sistemi di Elaborazione delle Informazioni Università degli Studi di Enna Kore Mario Collotta
Economia Aziendale Sistemi di Elaborazione delle Informazioni Università degli Studi di Enna Kore Mario Collotta mario.collotta@unikore.it 1 In questa lezione Algoritmi e diagrammi di flusso Consultazione
DettagliGrafi (non orientati e connessi): minimo albero ricoprente
Grafi (non orientati e connessi): minimo albero ricoprente Una breve presentazione Definizioni Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è
DettagliAnalisi interazione domanda/offerta: modelli di assegnazione
Corso di Laurea Ingegneria Civile e Ambientale - AA Corso di: Fondamenti di Trasporti Lezione: Analisi interazione domanda/offerta: modelli di assegnazione Giuseppe Inturri Università di Catania Dipartimento
DettagliAlberi di copertura. Mauro Passacantando. Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa
Alberi di copertura Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 0/ - Corso di Ricerca Operativa Università di Pisa / 9 Definizioni
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
Dettagli