PATTUGLIAMENTO STRATEGICO MULTI-ROBOT IN AMBIENTI DI TOPOLOGIA ARBITRARIA
|
|
- Eugenio Conti
- 7 anni fa
- Visualizzazioni
Transcript
1 PATTUGLIAMENTO STRATEGICO MULTI-ROBOT IN AMBIENTI DI TOPOLOGIA ARBITRARIA Ingegneria Informatica Federico Villa Politecnico di Milano 1 /24
2 SOMMARIO Obiettivo: estendere lo stato dell arte del pattugliamento strategico da singolo-agente a multi-agente Parte I - Introduzione: Il problema del pattugliamento Il problema del pattugliamento strategico Il modello Basilico-Gatti-Amigoni (BGA) Parte II - Contributi: Astrazione della topologia: il multi-grafo etichettato Minimo numero di robot non coordinati Dimensioni di coordinamento Parte III - Valutazioni sperimentali 2 /24
3 PARTE I INTRODUZIONE 3 /24
4 PATTUGLIAMENTO 0,4 0,6 4 /24
5 PATTUGLIAMENTO STRATEGICO - I Due giocatori: un pattugliatore che difende un ambiente e un intruso che cerca di entrare Tempo discretizzato in turni L intruso può aspettare indefinitamente fuori dall ambiente, osservando la strategia del pattugliatore per poi entrare Gioco non-cooperativo con equilibrio leader-follower, dove il leader è il pattugliatore e il follower è l intruso 5 /24
6 PATTUGLIAMENTO STRATEGICO - II singolo multi perimetrale Agmon et al. topologia arbitraria BGA modelli esistenti 6 /24
7 BGA - I L ambiente comprende degli obiettivi (celle con un valore su cui pattugliatore e intruso compiono le medesime valutazioni) Ogni obiettivo ha un tempo di penetrazione, ovvero un numero di turni per cui l intruso non può compiere azioni diverse dallo stare fermo dopo avere tentato l attacco E un gioco ad orizzonte infinito, che sotto ipotesi Markoviane diventa un gioco finito 7 /24
8 BGA - II d=6 d=14 t4 d=6 d=7 8 /24
9 PARTE II CONTRIBUTI 9 /24
10 BGA MULTI-AGENTE Una configurazione è un insieme di celle che specifica la posizione dei robot c =(c 1,c 2,...,c R ) Un obiettivo è indifeso se nessun robot può raggiungerlo in un tempo inferiore al tempo di penetrazione del target stesso d=2 d=2 Nessun obiettivo indifeso R1 R1 è indifeso d=2 R2 d=2 d=2 R2 d=2 10/24
11 NUMERO MINIMO DI ROBOT Astrazione dell ambiente: multi-grafo etichettato, un multi-grafo con delle etichette sugli archi E possibile trovare una copertura in termini di clique etichettate massime tale per cui ogni obiettivo appartiene ad almeno una clique Il numero di clique massime della copertura è il minimo numero di robot non coordinati necessari a proteggere l ambiente in modo che sia 1 la probabilità che l intruso non attacchi 11/24
12 MULTIGRAFO ETICHETTATO Vertici: Archi: e1 Etichette: {,, } e1 e2 e3 {, } {, } 12/24
13 CLIQUE ETICHETTATA {,,} {,,} {,,} {,t4} {,t4} t4 {,t4} L insieme degli obiettivi della clique è contenuto nell intersezione delle etichette degli archi della clique Un pattugliatore può muoversi tra gli obiettivi della clique senza lasciarne mai indifeso nessuno 13/24
14 ALGORITMO PER LE CLIQUE ETICHETTATE MASSIME Estensione dell algoritmo di Bron-Kerbosch (1973), modificato per gestire multi-grafi E in grado di distinguere tra clique etichettate massime e clique etichettate non massime Individuate le clique massime, è possibile trovare una copertura impostando un problema di programmazione matematica intera 14/24
15 ESEMPIO {,, } {,, } e1 e1 e2 e3 {, } {, } e2 e3 {,, } {,, } 15/24
16 DIMENSIONI DI COORDINAMENTO - I Disaccoppiamento strategico: grado di coordinazione nel calcolare le strategie Strategia congiunta: la strategia è calcolata considerando tutti i robot, che scelgono come muoversi globalmente Strategia disaccoppiata: ogni robot decide come muoversi localmente, ma la strategia è calcolata considerando tutti gli agenti Strategie separate: il movimento dei robot e le strategie sono indipendenti Disaccoppiamento topologico: grado di coordinazione nel partizionare l ambiente Assegnamento completo: tutti i robot pattugliano l intero ambiente Assegnamento in clique massime: ogni robot è assegnato ad una clique etichettata massima Assegnamenti separati: ogni robot è assegnato ad una clique, anche non massima 16/24
17 DIMENSIONI DI COORDINAMENTO - II Possibili combinazioni Strategico/Topologico assegnamento completo assegnamento in clique massime assegnamento separato strategia congiunta D1 D2 strategia disaccoppiata D3 strategie separate D4 D5 17/24
18 PARTE III VALUTAZIONI SPERIMENTALI 18/24
19 VALUTAZIONI SPERIMENTALI Algoritmo per l enumerazione delle clique massime: JAVA Insieme delle clique appartenenti alla copertura: JAVA Modelli: AMPL CPLEX: problemi lineari SNOPT: problemi non lineari 19/24
20 VALUTAZIONI SPERIMENTALI %T_medio su D5 %U_media su D D1 D2 D3 D4 D5 20/24
21 VALUTAZIONI SPERIMENTALI D1 D2 D3 D4 Pro garantisce la massima utilità attesa calcolabile garantisce la massima utilità attesa calcolabile miglior compromesso tempo/utilità nessuno Contro oneroso, non è scalabile oneroso, non è scalabile utilità inferiore a D1 e D2 qualità della soluzione strettamente inferiore a D5 D5 scalabile 21/24 tempo di calcolo dipendente dal numero di assegnamenti da risolvere
22 CONCLUSIONI Abbiamo fornito un astrazione che ci ha permesso di indicare un lower bound sul numero di robot Abbiamo indicato due dimensioni di coordinamento e le loro combinazioni I test sperimentali indicano come sia possibile usare ogni combinazione per un certo tipo di ambiente Più è forte è il coordinamento, maggiore è il tempo di elaborazione Più forte è il coordinamento, migliore è l utilità dei pattugliatori Agenti numerosi non-coordinati funzionano peggio di pochi agenti coordinati 22/24
23 CONCLUSIONI - II Nicola Basilico, Nicola Gatti, Federico Villa Asynchronous Multi-Robot Patrolling against Intrusion in Arbitrary Topologies. In Proceedings of the 24th AAAI Conference on Artificial Intelligence (AAAI). Atlanta, USA, July, /24
24 GRAZIE PER L ATTENZIONE 24/24
Calcolo di equilibri auto-confermanti
Calcolo di equilibri auto-confermanti nei giochi in forma estesa con due giocatori Fabio Panozzo Politecnico di Milano 3 maggio 2010 Fabio Panozzo (Politecnico di Milano) Calcolo di equilibri auto-confermanti
DettagliEquilibri di Nash e di tipo Leadership con applicazione ai Patrolling Games
POLITECNICO DI MILANO FACOLTÀ DI INGEGNERIA INDUSTRIALE E DELL INFORMAZIONE CORSO DI STUDI IN INGEGNERIA MATEMATICA Equilibri di Nash e di tipo Leadership con applicazione ai Patrolling Games Stefania
DettagliProblemi, algoritmi, calcolatore
Problemi, algoritmi, calcolatore Informatica e Programmazione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Problemi, algoritmi, calcolatori Introduzione
DettagliPattugliamento strategico multi-robot in ambienti di topologia arbitraria
POLITECNICO DI MILANO Corso di Laurea in Ingegneria Informatica Dipartimento di Elettronica e Informazione Pattugliamento strategico multi-robot in ambienti di topologia arbitraria AI & R Lab Laboratorio
DettagliL adozione di MATLAB e Simulink nei Corsi di Ingegneria al Politecnico di Milano. Maurizio Magarini MATLAB EXPO Milano, 4 novembre 2014
L adozione di MATLAB e Simulink nei Corsi di Ingegneria al Politecnico di Milano MATLAB EXPO Milano, 4 novembre 2014 Sommario Introduzione. Il ruolo dei laboratori informatici nella didattica, formazione
DettagliIntroduzione a Matlab
INFORMATICA B Ingegneria Elettrica Introduzione a Matlab Introduzione a Matlab Matlab (MATrix LABoratory) è uno strumento per il calcolo scientifico ed ingegneristico Matlab facilita lo sviluppo di programmi
DettagliCosa è l Informatica?
Cosa è l Informatica? Scienza degli elaboratori elettronici (Computer Science) Scienza dell informazione Scienza della rappresentazione, memorizzazione, elaborazione e trasmissione dell informazione Elaboratore
DettagliSoluzione di problemi di Programmazione Lineare Intera
10 Soluzione di problemi di Programmazione Lineare Intera 10.1 ESERCIZI SULLA SOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 10.1.1 Risolvere con il metodo del Branch and Bound il seguente
DettagliAlgorithms for verification and computation of strong Nash equilibria. Stefano Paladino Relatore: Nicola Gatti 3 Ottobre 2014
Algorithms for verification and computation of strong Nash equilibria Stefano Paladino Relatore: Nicola Gatti 3 Ottobre 2014 Introduzione 1 Teoria matematica dei giochi Introduzione 1 Teoria matematica
DettagliSi consideri il seguente tableau ottimo di un problema di programmazione lineare
ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6
DettagliUniversità Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi NOTE sul Metodo del BRANCH & BOUND Università Ca Foscari Venezia, Dipartimento di Management,
DettagliRicerca Operativa. Docenti. 1. Introduzione
Ricerca Operativa 1. Introduzione Docenti Luigi De Giovanni - Giacomo Zambelli Dipartimento di Matematica Pura e Applicata (Torre Archimede) Tel. 049 827 1349 / 1348 email: luigi - giacomo @math.unipd.it
Dettagli3 Ricerca per Giochi e CSP
Esercizio 3.1 Dire quale tecnica usereste per risolvere i seguenti giochi: 1. Backgammon 2. Scarabeo 3. Scacchi 4. Go 5. Monpoli 6. Poker Motivate le risposte con adeguate ragioni basate sulle caratteristiche
DettagliIl concetto di calcolatore e di algoritmo
Il concetto di calcolatore e di algoritmo Elementi di Informatica e Programmazione Percorso di Preparazione agli Studi di Ingegneria Università degli Studi di Brescia Docente: Massimiliano Giacomin Informatica
DettagliINTRODUZIONE ALLA TEORIA DEI GIOCHI
Corso di Identificazione dei Modelli e Controllo Ottimo Prof. Franco Garofalo INTRODUZIONE ALLA TEORIA DEI GIOCHI A cura di Elena Napoletano elena.napoletano@unina.it Teoria dei Giochi Disciplina che studia
DettagliSistemi Informativi Territoriali. Paolo Mogorovich
Sistemi Informativi Territoriali Paolo Mogorovich www.di.unipi.it/~mogorov La topologia - Sintesi La parte geometrica dei dati territoriali presenta incongruenze che possono causare problemi per un singolo
DettagliPossibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
DettagliSoluzione di problemi di Programmazione Lineare Intera
11 Soluzione di problemi di Programmazione Lineare Intera 11.1 ESERCIZI SULLA SOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 11.1.1 Risolvere con il metodo del Branch and Bound il seguente
DettagliTecniche algoritmiche e strumenti software per lo studio di patrolling security games
POLITECNICO DI MILANO Corso di Laurea in Ingegneria Informatica Dipartimento di Elettronica e Informazione Tecniche algoritmiche e strumenti software per lo studio di patrolling security games AI & R Lab
DettagliTeoria dei giochi. migliorare il proprio obiettivo il sistema ha raggiunto l equilibrio.
iii migliorare il proprio obiettivo il sistema ha raggiunto l equilibrio. Per introdurre la nozione di equilibrio di Nash consideriamo due giocatori. Siano f A (x, y) :AxB = R e f B (x, y) :AxB = R entrambe
DettagliISTITUTO COMPRENSIVO SAN VENANZO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE III SECONDARIA I GRADO LIVELLI DI COMPETENZE I QUADRIMESTRE
ISTITUTO COMPRENSIVO SAN VENANZO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE III SECONDARIA I GRADO MACRO INDICATORI Curricolo verticale I QUADRIMESTRE LIVELLI DI COMPETENZE I QUADRIMESTRE II QUADRIMESTRE
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
DettagliRicerca Operativa. Docente. 1. Introduzione
Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
DettagliREGISTRI D'ESAME CODICE ESAME CORSO DI LAUREA NOME DEL CORSO LAUREA CFU
REGISTRI D'ESAME Con "" si intende la Triennale del Nuovo Ordinamento (Legge 270) Con "" si intende la Specialistica di due anni del Nuovo Ordinamento (Legge 270) CODICE ESAME CORSO DI LAUREA NOME DEL
DettagliLA TEORIA DELLA COMPLESSITÀ COMPUTAZIONALE
LA TEORIA DELLA COMPLESSITÀ COMPUTAZIONALE INTRODUZIONE OBIETTIVO: classificare gli algoritmi a seconda delle risorse utilizzate - risorse necessarie (lower bound) - risorse sufficienti (upper bound) Aspetti
DettagliLABORATORIO di Reti di Calcolatori
LABORATORIO di Reti di Calcolatori Architetture client-server 1 of 12 v slide della docente Bibliografia v testo di supporto: D. Maggiorini, Introduzione alla programmazione client-server, Pearson Ed.,
DettagliRicerca Operativa. Docente. 1. Introduzione
Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
DettagliITI INFORMATICA: STATISTICA
ITI INFORMATICA: STATISTICA INDICE:.INFERENZA STATISTICA.IL CAMPIONAMENTO CASUALE.LA PROGRAMMAZIONE LINEARE.IL CAMPIONAMENTO STATISTICO.DISTRIBUZIONI CAMPIONARIE.L ALGORITMO DEL SIMPLESSO INFERENZA STATISTICA
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound.
Ricerca Operativa A.A. 2007/2008 17. Esercitazione di laboratorio: Branch and Bound. Luigi De Giovanni - Ricerca Operativa - 17. Esercitazione di laboratorio: Branch and Bound 17.1. Luigi De Giovanni -
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound.
Ricerca Operativa A.A. 2007/2008 17. Esercitazione di laboratorio: Branch and Bound. Luigi De Giovanni - Ricerca Operativa - 17. Esercitazione di laboratorio: Branch and Bound 17.1 . Luigi De Giovanni
Dettagli31 maggio 2018, es.1) Programmazione lineare
maggio 08, es.) Programmazione lineare Discutere il seguente problema di Programmazione lineare: trovare il massimo di p(,,, 4 ) = + + - 4 con i vincoli k 0 ( k ) e + 4 + + 4 = + = 5 + 8 - + 4 = 4 Può
DettagliLaboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale
Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Il problema di fondo Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Algoritmi e Programmazione Stefano
DettagliI giochi con avversario. I giochi con avversario. Introduzione. Giochi come problemi di ricerca. Il gioco del NIM.
I giochi con avversario I giochi con avversario Maria Simi a.a. 26/27 Regole semplici e formalizzabili eterministici, due giocatori, turni alterni, zero-sum, informazione perfetta (ambiente accessibile)
DettagliUniversità di Bergamo Facoltà di Ingegneria. Intelligenza Artificiale. Paolo Salvaneschi A3_1 V1.3. Agenti
Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A3_1 V1.3 Agenti Il contenuto del documento è liberamente utilizzabile dagli studenti, per studio personale e per
DettagliCome ragiona il computer
Come ragiona il computer Problemi e algoritmi Il problema Abbiamo un problema quando ci poniamo un obiettivo da raggiungere e per raggiungerlo dobbiamo mettere a punto una strategia Per risolvere il problema
DettagliInformatica e Laboratorio di Programmazione Automi Alberto Ferrari. Alberto Ferrari Informatica e Laboratorio di Programmazione
Informatica e Laboratorio di Programmazione Automi Alberto Ferrari Alberto Ferrari Informatica e Laboratorio di Programmazione automa o automa: macchina astratta o realizza un certo algoritmo, secondo
DettagliCorso di Politica Economica
Corso di Politica Economica Lezione 11: Introduzione alla Teoria dei Giochi (part 2) David Bartolini Università Politecnica delle Marche (Sede di S.Benedetto del Tronto) d.bartolini@univpm.it (email) http://utenti.dea.univpm.it/politica
DettagliLezione 8 programmazione in Java. Anteprima. La ricorsione. Nicola Drago Dipartimento di Informatica Università di Verona
Lezione 8 programmazione in Java Nicola Drago nicola.drago@univr.it Dipartimento di Informatica Università di Verona Anteprima Programmazione ricorsiva Fattoriale Somma di n numeri Torre di Hanoi Array
DettagliIntroduzione all informatica
Introduzione all informatica INFORMATICA Varie definizioni Scienza degli elaboratori elettronici (Computer Science) Scienza dell informazione Definizione proposta Scienza della rappresentazione e dell
DettagliUniversità di Salerno Corso di FONDAMENTI DI INFORMATICA Corso di Laurea Ingegneria. Docente : Ing. Secondulfo Giovanni Anno Accademico
Università di Salerno Corso di FONDAMENTI DI INFORMATICA Corso di Laurea Ingegneria Docente : Ing. Secondulfo Giovanni Anno Accademico 2010-2011 Lezione 3: La Formalizzazione degli Algoritmi Dati e Variabili
DettagliParte I.5 Cenni alla computazione
Parte I.5 Cenni alla computazione Elisabetta Ronchieri Università di Ferrara Dipartimento di Economia e Management Insegnamento di Informatica Dicembre 14, 2015 Elisabetta Elisabetta Ronchieri I Concetti
DettagliAlgoritmi e Complessità
Algoritmi e Complessità Università di Camerino Corso di Laurea in Informatica (tecnologie informatiche) III periodo didattico Docente: Emanuela Merelli Email:emanuela.merelli@unicam.it Lezione 1 Teoria
DettagliDomini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):
UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione
DettagliFondamenti di Informatica. Ipotesi fondamentale. Irrisolubilità. Prof. V.L. Plantamura Informatica e Comunicazione Digitale a.a.
Fondamenti di Informatica Prof. V.L. Plantamura Informatica e Comunicazione Digitale a.a. 2006-2007 Ipotesi fondamentale Tesi di Church Qualunque algoritmo può essere espresso sotto forma di matrice funzionale
DettagliGestione della produzione e della supply chain Logistica distributiva
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Convergenza dell algoritmo Se non
DettagliCorso di Laurea Ingegneria Informatica Fondamenti di Informatica 2
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 2 Dispensa 04 Introduzione ai Tipi astratti di dato A. Miola Febbraio 2007 http://www.dia.uniroma3.it/~java/fondinf2/ Introduzione ADT 1
DettagliIndice. 1 Introduzione... 1
Indice 1 Introduzione............................................... 1 2 Esempi di modelli......................................... 7 2.1 Problema della dieta.................................... 7 2.2
DettagliLezione 3: Le strutture cinematiche. Vari modi per fare un braccio
Robotica Industriale Lezione 3: Le strutture cinematiche Vari modi per fare un braccio Tre G.D.L. traslazionali e tre rotazionali Robot cartesiano Esempio 2 1 Vari modi per fare un braccio Due G.D.L. traslazionali
DettagliAlgoritmi e Strutture Dati. Luciano Gualà
Algoritmi e Strutture Dati Luciano Gualà guala@mat.uniroma2.it www.mat.uniroma2.it/~guala Programmazione dinamica una tecnica di progettazione algoritmica molto potente Sommario La tecnica della programmazione
DettagliAlgoritmi esatti per la ricerca di strategie ottime nel problema di pattugliamento con singolo pattugliatore
POLITECNICO DI MILANO FACOLTÀ DI INGEGNERIA DELL INFORMAZIONE Corso di Laurea Specialistica in Ingegneria Informatica Algoritmi esatti per la ricerca di strategie ottime nel problema di pattugliamento
DettagliUna prima distinzione nell ambito della teoria dei giochi è quella tra: Giochi cooperativi (si possono fare accordi vincolanti)
Una prima distinzione nell ambito della teoria dei giochi è quella tra: Giochi cooperativi (si possono fare accordi vincolanti) Giochi non cooperativi (non si possono fare accordi vincolanti) Ci occuperemo
DettagliStallo di processi. Definizione del problema e modellizzazione Stefano Quer Dipartimento di Automatica e Informatica Politecnico di Torino
Stallo di processi Definizione del problema e modellizzazione Stefano Quer Dipartimento di Automatica e Informatica Politecnico di Torino 2 Stallo (deadlock) Condizione di stallo (deadlock) Un P/T richiede
DettagliLucchetto con combinazione (3 numeri tra 0 e 39)
Complessita computazionale ed il problema P / NP Fondamenti di Informatica 2011/12 Lucchetto con combinazione (3 numeri tra 0 e 39) Perche e sicuro? (escludendo che lo si rompa) Combinazione di 3 numberi
DettagliProgrammazione Lineare Intera (ILP)
Programmazione Lineare Intera (ILP) (P) min (x), x F Z : R n ->R è lineare: (x) = c, x = c 1 x 1 + c 2 x 2 +... + c n x n F R n è definito da : g i (x) 0 (i = 1,...,m), con g i : R n R lineare i Z insieme
DettagliGuido Caldarelli2, Paolo De Los Rios3, Stefano Leonardi1 e Stefano Millozzi1 Giancarlo Casale e Ernesto Ricci
Il WebGraph Lavoro svolto in collaborazione con Guido Caldarelli 2, Paolo De Los Rios 3, Stefano Leonardi 1 e Stefano Millozzi 1 e con le tesi di Giancarlo Casale e Ernesto Ricci 1: Dipartimento di Informatica
Dettagli2.6 Calcolo degli equilibri di Nash
92 2 Giochi non Cooperativi Per queste estensioni di giochi non finiti si possono provare risultati analoghi a quelli visti per i giochi finiti. Rimandiamo alla bibliografia per uno studio più approfondito
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 8 marzo 2010 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2010.html Finora siamo partiti dalla forma estesa per descriverne
DettagliFondamenti di Informatica
Fondamenti di Informatica (L-Z) Corso di Laurea in Ingegneria Gestionale Introduzione alla Programmazione Prof. Stefano Mariani Dott. Alket Cecaj Indice Il concetto di algoritmo Algoritmo vs. programma
DettagliLaboratorio di Algoritmi
Laboratorio di Algoritmi Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Martedì 8.30-10.30 in aula 3 Mercoledì 10.30-12.30 in Aula 2 Giovedì 8.30-10.30 in
DettagliRicerca Operativa. Docente. 1. Introduzione
1 Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi Ricevimento: giovedì,
DettagliTeoria dei Giochi e delle Decisioni Prova del 24 Settembre Giocatore 2 a b Giocatore 1 a 8-12 b minz. ε ε 2 1 = 1.
Teoria dei Giochi e delle Decisioni Prova del 24 Settembre 2009 Cognome, Nome, Numero di Matricola: Esercizio Si consideri il gioco antagonista descritto dalla seguente matrice di payoff: Giocatore 2 a
DettagliRICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 1)
RICERCA OPERATIVA Tema d esame del 04/12/2008 (Simulazione 1) COGNOME: NOME: MATRICOLA: 1. Un azienda meccanica deve pianificare il lavoro delle sue tre macchine per un dato giorno. I lotti che è possibile
DettagliSviluppo di programmi
Sviluppo di programmi Per la costruzione di un programma conviene: 1. condurre un analisi del problema da risolvere 2. elaborare un algoritmo della soluzione rappresentato in un linguaggio adatto alla
DettagliAnalisi Numerica: Introduzione
Analisi Numerica: Introduzione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Analisi numerica e calcolo numerico Analisi numerica e calcolo numerico La matematica del continuo
DettagliComputer. Capitolo 2. 05/04/2012 continuazione 1
Computer Capitolo 2 05/04/2012 continuazione 1 Le prestazioni del computer Velocità delle cpu, ossia numero d istruzioni eseguite nell unità di tempo; Dimensione delle RAM; Capacità e velocità in scrittura/
DettagliSommario Riepilogo nozioni matematiche di base Il concetto di funzione Funzioni e algoritmi Decidibilità Funzioni parziali e calcolabilità
Sommario Riepilogo nozioni matematiche di base Il concetto di funzione Funzioni e Calcolabilità Funzioni e algoritmi Decidibilità Funzioni parziali e calcolabilità Funzioni e Calcolabilità 1 Funzioni e
DettagliIndice della lezione. Incertezza e rischio: sinonimi? Le Ipotesi della Capital Market Theory UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Indice della lezione Corso di Pianificazione Finanziaria Introduzione al rischio Rischio e rendimento per titoli singoli La Teoria di Portafoglio di Markowitz
DettagliCriteri per la definizione e modelli per la verifica di una disciplina della circolazione in accordo con gli obiettivi del P.U.T.
Criteri per la definizione e modelli per la verifica di una disciplina della circolazione in accordo con gli obiettivi del P.U.T. R. Camus, G. Longo, E. Padoano Dipartimento di Ingegneria Civile Università
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it http://www.dattero.dist.unige.it Anno accademico
DettagliCorso Matematica Discreta Anno accademico Lista domande per l orale breve.
Corso Matematica Discreta Anno accademico 2014-2015 Lista domande per l orale breve. 1. Dimostrare una delle leggi che coinvolgono l intersezione, l unione, il complementare (associativa, distributiva
DettagliTeoria della complessità
Teoria della complessità Materiale consigliato: testo del corso capitolo 34 Introduzione agli algoritmi e strutture dati T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein McGraw Hill, 2005 Denise Salvi
DettagliAlgoritmo di Branch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo di Branch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
DettagliVISITA IL SITO PER ALTRO MATERIALE E GUIDE
COPYRIGHT SEGO LICENSE Questo documento viene fornito così come è: se pensate che faccia schifo problemi vostri, nessuno vi obbliga a leggerlo. Se pensate che sia qualcosa di positivo e/o avete suggerimenti
DettagliUnità E1. Obiettivi. Non solo problemi matematici. Problema. Risoluzione di un problema. I dati
Obiettivi Unità E1 Dall analisi del problema alla definizione dell algoritmo Conoscere il concetto di algoritmo Conoscere le fasi di sviluppo di un algoritmo (analisi, progettazione, verifica) Conoscere
DettagliIL METODO DEL SIMPLESSO
IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno
DettagliMaturità 2018 Seconda Prova Tema di Matematica Quesiti 6-10
Maturità 2018 Seconda Prova Tema di Matematica Quesiti 6-10 Quesito 6 Determinare l'equazione della superficie sferica S, con centro sulla retta tangente al piano nel punto Nominiamo gli assi cartesiani:
DettagliFACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 5 Febbraio , : ; ;,, trovare il punto di
Verona, Febbraio 99 ) Dato il problema min( cx + cx ) x+ x x = x + x x = ax + x x = x i 0 i =,... a) dire, giustificando, per quali valori di c, c ed a in una soluzione ammissibile si ha x =x =/; la soluzione
DettagliMATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI. Anna TORRE
MATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI Anna TORRE Dipartimento di Matematica, Università di Pavia, Via Ferrata 1, 27100, Pavia, Italy. E-mail: anna.torre@unipv.it 1 SOLUZIONI:
DettagliINDICAZIONI TECNICHE-REGOLAMENTARI CATEGORIA U12. 11/16/2018 Matteo Mazzantini
INDICAZIONI TECNICHE-REGOLAMENTARI 2018-2019 CATEGORIA U12 Quale rugby Divertente Veloce Maggiore difficoltà e qualità del gioco Che faccia vivere situazioni più complesse (stimolanti) Più vicino alla
DettagliScaletta. Cenni di computabilità. Cosa fa un programma? Definizioni (1/2) Definizioni (2/2) Problemi e domande. Stefano Mizzaro 1
Scaletta Cenni di computabilità Stefano Mizzaro Dipartimento di matematica e informatica Università di Udine http://www.dimi.uniud.it/mizzaro/ mizzaro@uniud.it Programmazione, lezione 23 27 novembre 2013
Dettagli! Problemi, domande, risposte. ! Algoritmi che calcolano funzioni. ! Funzioni computabili e non. ! Problema = insieme di domande omogenee. !
Scaletta Cenni di computabilità Stefano Mizzaro Dipartimento di matematica e informatica Università di Udine http://www.dimi.uniud.it/mizzaro/ mizzaro@uniud.it Programmazione, lezione 24 26 maggio 2015!
DettagliCorso Matematica Discreta Anno accademico Lista domande per l orale breve.
Corso Matematica Discreta Anno accademico 2015-2016 Lista domande per l orale breve. 1. Dimostrare una delle leggi che coinvolgono l intersezione, l unione, il complementare di insiemi contenute nel Teorema
DettagliProgrammazione in C. Vettori. Strutture dati complesse. I vettori in C Operazioni elementari sui vettori Esercizi guidati sui vettori Sommario
Programmazione in C Vettori I vettori in C Operazioni elementari sui vettori Esercizi guidati sui vettori Sommario 006 Politecnico di Torino 1 Riferimenti al materiale Testi Kernighan & Ritchie: capitoli
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
DettagliA.A. 2018/2019 Corso di Laurea in Matematica Corso di Laurea in Informatica. Precorso di Matematica. L. Paladino. Foglio di esercizi n.
A.A. 018/019 Corso di Laurea in Matematica Corso di Laurea in Informatica Precorso di Matematica L. Paladino Foglio di esercizi n. 1 Risolvere le seguenti equazioni: 1) x + x 3 + (1 + 1 )x + 6 = 1. ) x
DettagliLAUREA TRIENNALE IN INFORMATICA - DM 270/04
LAUREA TRIENNALE IN INFORMATICA - DM 270/04 SC01123195 ALGEBRA E GEOMETRIA 10:00 MAT/02, MAT/03 2010 SC02100080 ALGORITMI E STRUTTURE DATI 08:00 INF/01 2009 SC02100179 ANALISI MATEMATICA 10:00 MAT/05,
DettagliSCHEMA DI COLLOCAZIONE delle monografie disposte a scaffale aperto
SCHEMA DI COLLOCAZIONE delle monografie disposte a scaffale aperto 00 OPERE DI CARATTERE GENERALE 00A Matematiche generali 00B Atti di convegni internazionali - Proceedings di interesse generale 00C Dizionari
Dettaglicittà
Esercitazione 11-4-18 Esercizio 1. Si consideri il problema di trovare il ciclo hamiltoniano di costo minimo su una rete di 5 città, le cui distanze reciproche sono indicate in tabella: città 2 3 4 5 1
DettagliVariabili e assegnazione
Corso di Laurea Ingegneria Civile Fondamenti di Informatica Variabili e assegnazione Carla Limongelli Marzo 2009 Variabili e assegnazione 1 Contenuti Variabili a ab e assegnazionea e Variabili e aree di
DettagliIstituto Universitario Architettura Venezia TR 285. Servizio Bibliografico Audiovisivo e di Documentazione
Istituto Universitario Architettura Venezia TR 285 Servizio Bibliografico Audiovisivo e di Documentazione ENNIO CASCETT A Professore ordinario di Teoria dei sistemi di trasporto Università di Napoli «Federico
DettagliAlgoritmo dibranch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo dibranch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
DettagliFondamenti di Ricerca Operativa LA. Corso di Laurea in Ingegneria Gestionale
Fondamenti di Ricerca Operativa LA Corso di Laurea in Ingegneria Gestionale Alberto Caprara (acaprara@deis.unibo.it) Michele Monaci (mmonaci@deis.unibo.it) Contenuti del corso Il modulo si propone di introdurre
DettagliEsercitazione 8 (03/05/2018) Domande a risposta multipla
Esercitazione 8 (03/05/2018) Domande a risposta multipla 1) Quando si regolamenta un monopolio naturale, imporre semplicemente un prezzo uguale al costo marginale non è possibile perché: a) un monopolio
DettagliPROVE D'ESAME 1997/98
PROVE D'ESAME 1997/98 PROVA PARZIALE DEL 28/11/1997 1) Si consideri il seguente problema di programmazione lineare P: min z = x 1 + 2x 2 s.t. x 1 + x 2 6 2x 1 + x 2 10 x 1 4 x 1, x 2 0 a - Scrivere le
DettagliMacchine sequenziali. Automa a Stati Finiti (ASF)
Corso di Calcolatori Elettronici I Macchine sequenziali Prof. Roberto Canonico Università degli Studi di Napoli Federico II Dipartimento di Ingegneria Elettrica e delle Tecnologie dell Informazione Corso
DettagliLaboratorio di Programmazione
Laboratorio di Programmazione Corso di laurea triennale in Informatica Musicale Università degli Studi di Milano, A.A. 2016-2017 Nicola Basilico, Andrea Lanzi Appello del 04 Luglio 2017 L esame ha una
Dettagli