Metodi Matematici per l Ottimizzazione
|
|
- Filiberto Corsi
- 7 anni fa
- Visualizzazioni
Transcript
1 Università di Catania L.M. in Informatica Metodi Matematici per l Ottimizzazione Modulo di Ottimizzazione Matematica Introduzione alla programmazione lineare Laura Scrimali DMI - Studio 338, piano II blocco I Tel scrimali@dmi.unict.it
2 Informazioni generali Materiale didattico Programma e lucidi delle lezioni scaricabili alla pagina: Ricevimento Lunedì dalle ore 11,00 alle ore 13,00 e giovedì dalle ore 9,00 alle ore 11,00. Prova d esame ORALE CON SVOLGIMENTO DI UN ESERCIZIO O ELABORAZIONE DI UN PROGRAMMA IN GAMS. Lezioni In aula. Le ultime 6 o 7 lezioni si terranno in aula Archimede. ATTIVITÀ DI GRUPPO
3 Programma PROGRAMMAZIONE LINEARE Problemi di PL. Algoritmo del Simplesso. Teoria della Dualità. OTTIMIZZAZIONE SU GRAFI Albero di copertura di costo minimo. Cammino minimo. Massimo flusso. Problema dell accoppiamento. Problema dell assegnamento di costo minimo. PROGRAMMAZIONE LINEARE INTERA Esempi di problemi di PLI. Metodo dei piani di taglio. Metodo del Branch and Bound. Problema dello zaino. Problema del commesso viaggiatore. LINGUAGGIO DI PROGRAMMAZIONE GAMS Scrivere e risolvere un modello con GAMS.
4 Testi di riferimento R. Tadei, F. Della Croce. Elementi di Ricerca Operativa. Società Editrice Esculapio, R. Baldacci, M. Dell Amico. Fondamenti di Ricerca Operativa. Pitagora Editrice, M. Bruglieri, A. Colorni. Ricerca Operativa. Zanichelli, F.S. Hillier, G.J. Lieberman. Ricerca operativa. McGraw-Hill, 2006.
5 Testi di riferimento R.E. Rosenthal. A GAMS Tutorial. Scaricabile all url: R.E. Rosenthal. GAMS-A User s Guide. Scaricabile all url:
6 Siti internet di interesse
7 Per cominciare...
8 Cos è l ottimizzazione matematica L ottimizzazione matematica si occupa di studiare problemi (detti problemi di ottimizzazione) della forma: min f (x) x S, f : R n R, S R n. Quindi un problema di ottimizzazione consiste nel determinare, se esiste, un punto di minimo della funzione f tra i punti dell insieme S. L ottimizzazione matematica è una branca della Ricerca Operativa, la disciplina che si occupa della formulazione e risoluzione di modelli matematici associati a processi decisionali complessi.
9
10 Video motivazionale
11 Problemi di ottimizzazione Alcuni problemi che possono essere affrontati come problemi di ottimizzazione sono: Problemi di natura industriale: pianificazione della produzione; gestione ottima delle scorte; localizzazione e dimensionamento di impianti. Problemi di progettazione ottima: progettazione di reti e loro gestione; progettazione strutturale; progettazione di sistemi ottici; allocazione ottima di componenti elettronici. Problemi di economia e finanza: scelta di investimenti; composizione di un portafoglio. Problemi di organizzazione: determinazione dei turni del personale; manutenzione di beni; project planning.
12 Problemi scientifici: studi sulla struttura del DNA; ricostruzione di immagini. Problemi di diagnostica medica: interpretazione e analisi dei dati ottenibili da strumenti di analisi clinica. Problemi di controllo ottimo: controllo di servomeccanismi e di sistemi di guida; controllo di traiettorie.
13 Giochiamo con le costruzioni? Disponibilità settimanale di materie prime: 8 mattoni piccoli Prodotti: 6 mattoni grandi Tavoli Sedie Profitto = euro 20/Tavolo Profitto = euro15/sedia
14 Il dilemma del pasticcere Se un pasticcere vende biscotti da dessert guadagna 4 e la dozzina, se vende torte guadagna 8, 5 e a torta. Un giorno si accorge di avere poca farina, poco burro e poche uova. Poiché entrambe le ricette richiedono tutti e tre gli ingredienti, anche se in proporzioni diverse, il pasticcere non sa più come comportarsi per ottenere il massimo guadagno.
15 Pianificazione degli investimenti Una società finanziaria estera dispone di un capitale di e da investire in progetti di sviluppo. In particolare, sono al vaglio tre progetti A, B e C. La tabella seguente riporta, per ognuno dei tre progetti, il capitale richiesto e il ritorno atteso. Progetto Costo [ke] Ritorno atteso [ke] A B C Si tratta di scegliere l insieme dei progetti che consente di massimizzare il ritorno atteso.
16 Pianificazione di progetti Un progetto è composto da 9 attività, con le durate minime e le relazioni di precedenza indicate nella tabella. Si vuole determinare il tempo minimo di completamento dell intero progetto. Attività Durata Predecessori A 3 B 2 A C 3 A D 3 C E 4 B,C F 3 B G 1 E,D H 4 C I 2 F
17 Approccio modellistico
18 Approccio modellistico 1 Formulazione del problema (analisi): individuazione degli obiettivi, determinazione dei vincoli e raccolta dei dati.
19 Approccio modellistico 1 Formulazione del problema (analisi): individuazione degli obiettivi, determinazione dei vincoli e raccolta dei dati. 2 Costruzione del modello: compromesso tra precisione e trattabilità matematica, individuazione delle variabili, funzione obiettivo, vincoli.
20 Approccio modellistico 1 Formulazione del problema (analisi): individuazione degli obiettivi, determinazione dei vincoli e raccolta dei dati. 2 Costruzione del modello: compromesso tra precisione e trattabilità matematica, individuazione delle variabili, funzione obiettivo, vincoli. 3 Analisi del modello: deduzione di proprietà (esistenza e unicità della soluzione, condizioni di ottimalità, stabilità delle soluzioni).
21 Approccio modellistico 1 Formulazione del problema (analisi): individuazione degli obiettivi, determinazione dei vincoli e raccolta dei dati. 2 Costruzione del modello: compromesso tra precisione e trattabilità matematica, individuazione delle variabili, funzione obiettivo, vincoli. 3 Analisi del modello: deduzione di proprietà (esistenza e unicità della soluzione, condizioni di ottimalità, stabilità delle soluzioni). 4 Soluzione numerica: costruzione dell algoritmo e calcolo della soluzione.
22 Approccio modellistico 1 Formulazione del problema (analisi): individuazione degli obiettivi, determinazione dei vincoli e raccolta dei dati. 2 Costruzione del modello: compromesso tra precisione e trattabilità matematica, individuazione delle variabili, funzione obiettivo, vincoli. 3 Analisi del modello: deduzione di proprietà (esistenza e unicità della soluzione, condizioni di ottimalità, stabilità delle soluzioni). 4 Soluzione numerica: costruzione dell algoritmo e calcolo della soluzione. 5 Validazione del modello: collaudo e miglioramento del modello.
23 Problemi di Ottimizzazione Un problema di Ottimizzazione può presentarsi nella forma f : R n R, S R n f funzione obiettivo S regione ammissibile x S punto ammissibile min f (x) x S, Si parlerà indifferentemente di problemi di massimo o di minimo in quanto vale min x S f (x) = max x S ( f (x)).
24 Definizione Un problema di ottimizzazione si dice inammissibile se S =. Definizione Un problema di ottimizzazione si dice illimitato se comunque si sceglie k > 0 esiste un punto x S tale che f (x) < k. Definizione Un punto x S si dice di ottimo globale se risulta f (x ) f (x), x S. Definizione Un punto x S si dice di ottimo locale se esiste ε > 0 tale che f (x ) f (x), x : x x < ε.
25 Classificazione dei problemi di Ottimizzazione Problemi di Ottimizzazione Continua. Le variabili possono assumere tutti i valori reali. Si possono avere problemi di ottimizzazione continua vincolata se S R n e non vincolata se S = R n. Problemi di Ottimizzazione Discreta. Le variabili sono vincolate ad essere numeri interi. In particolare, si ha programmazione a numeri interi se S Z n. Problemi misti. Solo alcune variabili sono vincolate ad essere intere.
26 Programmazione Matematica Un problema di Programmazione Matematica ha la forma min f (x) x S = {x R n : g(x) b}, f : R n R, g : R n R m, b R m.
27 Programmazione Matematica Un problema di Programmazione Matematica ha la forma min f (x) f : R n R, g : R n R m, b R m. Definizione x S = {x R n : g(x) b}, Dato un vincolo g(x) b, esso si dice violato nel punto x se g( x) < b; si dice attivo se g( x) = b. Un vincolo si dice infine ridondante se può essere eliminato senza alterare l insieme ammissibile.
28 Problemi di Programmazione Lineare (PL). La funzione obiettivo e le funzioni dei vincoli sono lineari, sono cioè del tipo: a 1 x a n x n. Problema di Programmazione non Lineare. Almeno una delle funzioni non è lineare.
29 Problema generale di PL ) min / max (c 1 x 1 + c 2 x c n x n a 11 x 1 + a 12 x a 1n x n b a m1 x 1 + a m2 x a mn x n b m x j 0, j = 1,..., n x j variabili decisionali c j coefficienti di costo (o di profitto) b i termini noti a ij coefficienti del sistema dei vincoli
30 Modelli di PL 1 modelli di produzione 2 modelli di miscelazione 3 modelli di trasporto
31 Modelli di produzione Supponiamo che si debbano realizzare n diversi prodotti P 1,..., P n a partire da m materie prime R 1,..., R m diverse tra loro. Il problema dell allocazione ottima delle risorse consiste nel determinare le quantità da produrre di ciascun prodotto P 1,..., P n in modo da massimizzare il profitto rispettando i vincoli sulle risorse disponibili. Sia a ij la quantità di risorsa i necessaria a fabbricare una unità del prodotto P j. Supponiamo che ciascuna risorsa R i non possa superare un valore fissato b i e che c j sia il profitto ottenuto dalla vendita di una unità di prodotto P j.
32 Si introducano le variabili decisionali x 1,..., x n che rappresentano le quantità di ciascun prodotto P 1,..., P n. Tali variabili sono i cosiddetti livelli di attività. Il problema si può formulare come segue: max n j=1 c jx j n j=1 a ijx j b i i = 1,..., m x j 0 j = 1,..., n.
33 Il problema dei mattoni Lego Si vogliono determinare le quantità da produrre di tavoli e sedie in modo da massimizzare il profitto rispettando i vincoli sulle risorse disponibili. Disponibilità settimanale di materie prime: 8 mattoni piccoli Prodotti: 6 mattoni grandi Tavoli Sedie Profitto = euro 20/Tavolo Profitto = euro15/sedia
34 Formulazione matematica max(15x x 2 ) x 1 + 2x 2 6 2x 1 + 2x 2 8 x 1, x 2 0
35 Esempio Un azienda tessile produce due tipi di tessuto: A e B. Nella tabella sono riportate le quantità di lana e cotone impiegate e i profitti netti in euro: A B Lana 30 q 11 q Cotone 7 q 20 q Profitti Supponiamo che occorrano 5 ore di lavoro per ogni unità di prodotto. Supponiamo inoltre che ogni settimana siano disponbili 170 q di lana e 60 q di cotone e si abbiano a diposizione 40 ore di lavoro. Si vogliono massimizzare i profitti, rispettando i vincoli di disponibilità delle risorse.
36 Formulazione matematica max(300x x 2 ) 30x x x x x 1 + 5x 2 40 x 1, x 2 0
37 Modelli di miscelazione Supponiamo di avere a disposizione n sostanze diverse S 1,..., S n, ciasuna delle quali contenga una certa quantità di ciasuno degli m componenti C 1,..., C m. Supponendo che ogni sostanza S j abbia costo unitario c j, j = 1,..., n, si vuole ottenere la miscela (delle sostanze) più economica che soddisfi alcuni requisiti qualitativi, cioè contenga una quantità non inferiore a b i di ciascun componente C i, i = 1,..., m. Sia a ij la quantità di componente C i presente nella sostanza S j.
38 Introducendo le variabili x 1,..., x n, che rappresentano la quantità di ciascuna sostanza S 1,..., S n da utilizzare nella miscela, il problema può essere scritto nella forma: min n j=1 c jx j n j=1 a ijx j b i i = 1,..., m x j 0 j = 1,..., n.
39 Esempio Un industria conserviera produce marmellata utilizzando frutta e dolcificante in modo che vengano soddisfatti certi requisiti circa il contenuto di vitamina C, sali minerali e zucchero. La frutta e il dolcificante vengono acquistati al costo di 0.5 euro e 0.4 euro ogni etto. Inoltre, 100 g di frutta contengono 120 mg di vitamina C, 20 mg di sali minerali, 20 g di zucchero, 100 g di dolcificante contegono 10 mg di sali minerali e 50 g di zucchero. Il prodotto finale deve contenere almeno 70 mg di vitamina C, 30 mg di sali minerali e 75 g di zucchero. Determinare le quantità di frutta e dolcificante da utilizzare, in modo da minimizzare il costo dell acquisto della frutta e del dolcificante.
40 Formulazione matematica min(0.5x x 2 ) 120x x x x x 2 75 x 1, x 2 0
41 Assegnazione di personale a turni Supponiamo che: i generico giorno i 1,..., m; j generico turno lavorativo j 1,..., n; a ij rappresenti il numero di ore che una persona assegnata al turno j lavorerà il giorno i; c j sia il salario di una persona assegnata al turno j; x j sia il numero di persone assegnate al turno j; b i sia il numero minimo di ore lavorative prestate da coloro che lavorano nel giorno i. Si vuole minimizzare il costo della retribuzione in modo che siano soddisfatte le richieste giornaliere.
42 Il problema può essere scritto nella forma: min n j=1 c jx j n j=1 a ijx j b i i = 1,..., m x j 0, x j Z, j = 1,..., n.
43 Esempio Un ristorante deve organizzare i turni dei camerieri con programmazione settimanale. Siano 30, 35, 40, 42, 50, 60, 74 i numeri minimi di camerieri necessari, rispettivamente, nel giorno i = 1,..., 7 della settimana. Supponiamo inoltre che ogni cameriere lavori cinque giorni consecutivi ed abbia poi due giorni consecutivi liberi. Il salario settimanale di un cameriere è pari a 300 euro se include la domenica e 250 euro in caso contrario.
44 Formulazione matematica min(250x x x x x x x 7 ) x 1 + x 4 + x 5 + x 6 + x 7 30 x 1 + x 2 + x 5 + x 6 + x 7 35 x 1 + x 2 + x 3 + x 6 + x 7 40 x 1 + x 2 + x 3 + x 4 + x 7 42 x 1 + x 2 + x 3 + x 4 + x 5 50 x 2 + x 3 + x 4 + x 5 + x 6 60 x 3 + x 4 + x 5 + x 6 + x 7 74 x j 0, x j Z, j = 1,..., 7.
45 Dieta ottimale Supponiamo di avere a disposizione n alimenti A 1,..., A n ed m principi nutritivi essenziali (proteine, vitamine, ecc.) P 1,..., P m. Siano: a ij la quantità del principio nutritivo P i contenuta nell alimento A j ; c j il costo unitario dell alimento A j ; b i il fabbisogno minimo giornaliero del principio nutritivo P i. Si vuole determinare una dieta gionaliera che minimizzi il costo totale e che rispetti il fabbisogno minimo giornaliero. Sia x j, j = 1,..., n la quantità di alimento A j da introdurre nella dieta, allora il problema si può formulare come segue: min n j=1 c jx j n j=1 a ijx j b i i = 1,..., m x j 0 j = 1,..., n.
46 Esempio Una fattoria acquista due tipi di alimenti per i suoi ovini. Il bestiame richiede ogni giorno almeno 60, 125 e 76 unità di ciascuno degli elementi nutrizionali A, B, C. Nella tabella sono riportati gli elementi nutrizionali (unità al chilo) e il costo (euro al chilo).
47 Esempio Una fattoria acquista due tipi di alimenti per i suoi ovini. Il bestiame richiede ogni giorno almeno 60, 125 e 76 unità di ciascuno degli elementi nutrizionali A, B, C. Nella tabella sono riportati gli elementi nutrizionali (unità al chilo) e il costo (euro al chilo). Alimento 1 Alimento 2 A 5 9 B 3 4 C 6 7 Costi
48 Formulazione matematica min(0.2x x 2 ) 5x 1 + 9x x 1 + 4x x 1 + 7x 2 76 x 1, x 2 0.
49 Modelli di trasporto Supponiamo che siano definite m località di produzione (generica località di produzione indicata con i) ed n località di distribuzione (generica località di distribuzione indicata con j). Siano definite le seguenti quantità: p i la capacità produttiva; q j la domanda; c ij il costo del trasporto dalla località i alla destinazione j. Si vogliono pianificare i trasporti in modo da soddisfare le richieste delle destinazioni minimizzando il costo del trasporto.
50 Sia x ij, i = 1,..., m, j = 1,..., n, la quantità di merce spedita dal luogo i al luogo j, allora il problema si può formulare come segue ( m ) min n i=1 j=1 c ijx ij n j=1 x ij p i i = 1,..., m m i=1 x ij q j j = 1,..., n x ij 0 i = 1,..., m, j = 1,..., n.
51 Se n j=1 q j > m i=1 p i, il sistema non ammette soluzioni ammissibili. Tuttavia si può ammettere l esistenza di un origine fittizia, collegata con costo nullo con tutti i luoghi di destinazione, che raccoglie l eccesso di domanda. La quantità di prodotto che una destinazione riceve dal luogo fittizio corrisponde ad una richiesta non soddisfatta per quella destinazione. Se n j=1 q j < m i=1 p i, si aggiunge un luogo fittizio di raccolta, collegato con costo nullo con tutti i luoghi di produzione, che raccoglie l eccesso di offerta.
52 Il problema bilanciato diventa ( m ) min n i=1 j=1 c ijx ij n j=1 x ij = p i i = 1,..., m m i=1 x ij = q j j = 1,..., n x ij 0 i = 1,..., m, j = 1,..., n.
53 Esempio Sono disponibili 3 cinquecento a Torino e 9 a Vicenza. Vengono richieste 2 automobili a Perugia, 5 a Milano e 5 a Roma. I costi di trasporto sono riportati nella tabella da/per Perugia Milano Roma Torino Vicenza Determinare lo schema del trasporto in modo da minimizzare il costo.
54 Formulazione matematica Indichiamo con x 1, x 2, x 3 rispettivamente le auto da trasportare da Torino a Perugia, Milano e Roma e con x 4, x 5, x 6 rispettivamente le auto da trasportare da Vicenza a Perugia, Milano e Roma. min(600x x x x x x 6 ) x 1 + x 2 + x 3 = 3 x 4 + x 5 + x 6 = 9 x 1 + x 4 = 2 x 2 + x 5 = 5 x 3 + x 6 = 5 x i 0, i = 1,..., 6.
Introduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO
Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa è la
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare - TESTI Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi
DettagliProblemi di Flusso: Il modello del Trasporto
Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su
DettagliEsercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
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,
DettagliProblema Determinare la miscelazione ottimale delle materie prime in modo da massimizzare il profitto complessivo
Mix Produttivo Si dispone di i=1,...,m risorse produttive (ad esempio, materie prime) in quantità limitata. La massima disponibilità delle risorse è b 1,...,b m Si possono produrre j=1,...,n diversi prodotti
DettagliRicerca Operativa. Esercizi proposti
Ricerca Operativa Esercizi proposti 1. Un fiorista deve addobbare una sala per un ricevimento. Ha a disposizione quattro tipi di fiori: rose, gerbere, lilium e calle. Rose, gerbere e lilium sono disponibili
DettagliLezioni di Ricerca Operativa 2 Dott. F. Carrabs
Lezioni di Ricerca Operativa Dott. F. Carrabs.. 009/00 Lezione 6: - mmissibilità di un vincolo - Vincoli alternativi - Vincoli alternativi a gruppi - Rappresentazione di funzioni non lineari: Costi fissi
DettagliRICERCA OPERATIVA. Tema d esame del 04/03/2008 (Simulazione)
RICERCA OPERATIVA Tema d esame del 04/03/2008 (Simulazione) COGNOME: NOME: MATRICOLA:. Una nota azienda automobilistica produce due modelli di auto (un utilitaria e una berlina), che rivende con un guadagno
DettagliEsercizi soluzione grafica e Branch and Bound. Daniele Vigo
Esercizi soluzione grafica e Branch and Bound Daniele Vigo daniele.vigo@unibo.it Mix Mangimi Il gestore di un allevamento desidera determinare il mix ottimale di mangimi da aggiungere al riso per la dieta
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
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.1)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 2013-14, lez.1) 1 Matematica Computazionale,
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come
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
DettagliBilanciamento di tempi e costi Progetti a risorse limitate Note bibliografiche
Indice Prefazione 1 1 Modelli di ottimizzazione 3 1.1 Modelli matematici per le decisioni.................... 4 1.1.1 Fasi di sviluppo di un modello................... 7 1.2 Esempi di problemi di ottimizzazione...................
DettagliEsame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da basket e da calcio che vende rispettivamente a 1 e euro. L azienda compra ogni settimana 00
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 20 giugno 2014
A Ricerca Operativa 1 Seconda prova intermedia Un tifoso di calcio in partenza da Roma vuole raggiungere Rio De Janeiro per la finale del mondiale spendendo il meno possibile. Sono date le seguenti disponibilità
DettagliManagement Sanitario. Modulo di Ricerca Operativa
Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa Prof. Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di
DettagliEsame di Ricerca Operativa del 16/06/2015
Esame di Ricerca Operativa del 1/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una ditta produce vernici in tre diversi stabilimenti (Pisa, Cascina, Empoli) e le vende a tre imprese edili (A, B, C). Il
DettagliVediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto.
Esempio di risoluzione di un problema di PL con Excel Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto. Un azienda vinicola desidera produrre due tipi di vino: uno
DettagliLA PROGRAMMAZIONE MATEMATICA (p.m.)
LA PROGRAMMAZIONE MATEMATICA (p.m.) Un problema di programmazione matematica è un problema di ottimizzazione riconducibile alla seguente espressione generale: ricercare i valori delle variabili x 1, x
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
Dettagli5.3 Metodo dei piani di taglio
5.3 Metodo dei piani di taglio (PLI) min s.v. c T x Ax b x interi X Ipotesi: a ij, c j e b i interi Osservazione: La regione ammissibile di un PLI può essere descritta mediante dei vincoli più o meno stringenti
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
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 2x 2 + x 3 = 4 x 1 x 2 x 3 = 3 x 2 + 2x 3 = 1 x 1, x 2, x 3 0
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Sia dato il seguente problema di PL: max x + x 2 x 2x 2 + x 3 = 4 x x 2 x 3 = 3 x 2 + 2x 3 = x, x 2, x 3 0 Utilizzando il metodo due fasi, si stablisca
DettagliProva in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A
Nome... Cognome... 1 Prova in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A Un rinomato biscottificio italiano dispone di tre stabilimenti, ubicati nelle città di Ancona, Belluno e Catanzaro
DettagliProblema 6 * * * x = numero di cassonetti di tipo A y = numero di cassonetti di tipo B f(x, y) = 500x + 600y da massimizzare Vincoli:
Problema 6 Un industria specializzata produce due tipi di cassonetti A e B per la raccolta differenziata dei rifiuti. Le macchine utilizzate per la produzione non possono produrre giornalmente più di 40
DettagliESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI
ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI ESERCIZIO N. 6 PAG. 418 z 100 + 200 100 vincoli 3 2 + 20 0 Si rappresenta la REGIONE AMMISSIBILE ottenendo Determino le coordinate dei
DettagliModelli di Programmazione Lineare
Capitolo 2 Modelli di Programmazione Lineare 2.1 Generalità Come già detto nel capitolo precedente, è possibile classificare i modelli di Programmazione Matematica in base alla struttura particolare che
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it Anno accademico 2000/2001 La Ricerca Operativa (Operation
DettagliESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017. Esercizi di Programmazione Lineare in Aula
ESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017 Esercizi di Programmazione Lineare in Aula Esercizio 1. Una industria vuole commercializzare un particolare
DettagliFacoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso. Cenni sulla programmazione lineare
Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso Cenni sulla programmazione lineare Illustriamo le idee di fondo della programmazione lineare, disciplina matematica
DettagliA UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 15 giugno 2012
A UNIVRSITÀ GLI STUI ROMA TR orso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 5 giugno 22 sercizio L azienda rogram&o produce software e deve decidere quanto tempo impiegare
DettagliSoluzioni degli esercizi di formulazione di PL{0, 1}
Soluzioni degli esercizi di formulazione di PL{0, 1} Salvatore Nocella 12 febbraio 2007 1 Al lavoro Due operai devono eseguire un certo numero di lavori J = {1,..., n}, ciascuno della durata di un ora.
DettagliInterpretazione economica della dualità
Interpretazione economica della dualità Interpretazione economica delle variabili duali Interpretazione economica del problema duale nei problemi di allocazione risorse e miscelazione Applicazioni della
DettagliProf. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Modelli di programmazione lineare.
CAPITOLO V MODELLI DI PROGRAMMAZIONE LINEARE 5.1) Un'impresa costruisce 3 modelli di radio a transistor di cui il primo dà un profitto unitario di 4800 lire, il secondo di 9000 lire ed il terzo di 15000
DettagliFigura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.
ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c
DettagliRicerca Operativa. Ricerca Operativa p. 1/6
Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: analisi di sensitività
Ricerca Operativa A.A. 2007/2008 14. Esercitazione di laboratorio: analisi di sensitività Luigi De Giovanni - Ricerca Operativa - 14. Laboratorio: analisi di sensitività 14.1 Problema di mix della produzione
DettagliRicerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015
1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)
DettagliN.B.: Gli esercizi di OFFICE vanno risolti prima dell esercizio sulla PL
EIPE - I appello a.a. 2014-2015, 4-5-6 maggio 2015 Cognome:... Nome:... Matricola:... Office (I es.) x/10:... Office (II es.) x/10:... Office (III es.) x/10:... Bonus tempo: b b B B N.B.: Gli esercizi
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
DettagliProgrammazione Lineare Intera. Programmazione Lineare Intera p. 1/4
Programmazione Lineare Intera Programmazione Lineare Intera p. 1/4 Programmazione Lineare Intera Problema di PLI in forma standard: max cx Ax = b x 0, x I n I insieme degli interi. Regione ammissibile:
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
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
Dettaglii completi l'esecuzione dell'algoritmo di programmazione dinamica per questo problema restituendo il valore ottimo e una soluzione ottima del problema
Compito di Ricerca Operativa II Esercizio ( punti). ia dato il problema di flusso massimo sulla rete in figura (le capacit a degli archi sono riportate sopra di essi). 0 8 i consideri il seguente flusso
DettagliFONDAMENTI DI RICERCA OPERATIVA D / E
Ingegneria Informatica e Ingegneria Matematica FONDAMENTI DI RICERCA OPERATIVA D / E Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Sito web: http://home.dei.polimi.it/amaldi/fro-de-08-09.html
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
DettagliLa Programmazione Matematica
Capitolo La Programmazione Matematica All interno della Ricerca Operativa, un ruolo di fondamentale importanza è svolto dalla Programmazione Matematica che è la disciplina che ha per oggetto lo studio
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
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Modelli per la Logistica Distributiva: Single Commodity Minimum Cost Flow Problem Multi Commodity Minimum Cost Flow Problem Fixed Charge
DettagliIndice. 1 Introduzione... 1
Indice 1 Introduzione............................................... 1 2 Esempi di modelli......................................... 7 2.1 Problema della dieta.................................... 7 2.2
Dettagli1. MODELLI DI PROGRAMMAZIONE LINEARE
Esercizi di programmazione lineare. MODELLI DI PROGRAMMAZIONE LINEARE Politecnico di Torino Pagina di 0 Data ultima revisione //00 Esercizi di programmazione lineare Es. Il problema dello zaino Un gruppo
DettagliIl modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
DettagliProgrammazione e Controllo della Produzione. Introduzione
PROGRAMMAZIONE E CONTROLLO DELLA PRODUZIONE A. Boschetto, S. Pettirossi ORARIO Lezioni Ricevimento Giorno Martedì Venerdì Ora 15.45 17.15 12.00 15.30 Aula A7 A4 Stanza 26 DMA INDIRIZZI Telefoni: 0644585240
DettagliLA RICERCA OPERATIVA. Richiami storici
LA RICERCA OPERATIVA La ricerca operativa si occupa delle tecniche e dei metodi che sono di supporto alle decisioni in campo economico ed organizzativo. La ricerca operativa ha lo scopo di individuare
DettagliDomande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Giovedí 14 Maggio 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Geometria di R n 1 Dare la definizione di Poliedro e Vertice di un Poliedro 2 Dare la definizione di Poliedro e di Politopo
DettagliFONDAMENTI DI RICERCA OPERATIVA
Ingegneria Informatica FONDAMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Pagina web del corso: http://home.dei.polimi.it/amaldi/fro-11-12.html INTRODUZIONE
DettagliL efficienza e la valutazione delle performance Concetti ed introduzione alla D.E.A.
L efficienza e la valutazione delle performance Concetti ed introduzione alla D.E.A. Corso di Economia Industriale Lezione dell 8/01/2010 Valutazione delle peformance Obiettivo: valutare le attività di
DettagliPrerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
DettagliUn esempio di applicazione della programmazione lineare intera: il Sudoku
Un esempio di applicazione della programmazione lineare intera: il Sudoku Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA
DettagliSoluzione dei Problemi di Programmazione Lineare
Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle
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
DettagliRicerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto
1 Lunedí 23 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Simplesso in 2 fasi Fase I (rg(a) m) Se P non è ammissibile, STOP Altrimenti 1 elimina da (A... b) eventuali
DettagliEsercizi di Modellazione Lineare Intera
Esercizi di Modellazione Lineare Intera Domenico Salvagnin 2013-11-25 1. Miscelazione di prodotti Una raffineria produce tre tipi di benzina (A,B,C), ciascuna delle quali si ottiene mescolando 4 prodotti
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 10. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 10 Docente: Laura Palagi Smaltimento dei rifiuti solidi urbani HOMEWORK N 10 Francesco Cambiotti
DettagliRICERCA OPERATIVA. 1. Introduzione
RICERCA OPERATIVA 1. Introduzione mercoledì 16 settembre 2015 Ricerca Operativa - F. Maggioni 2 Docente Francesca Maggioni Ricercatrice (s.s.d. MAT/09 Ricerca Operativa) Dipartimento di Scienze aziendali,
DettagliOttimizzazione marginale
Ottimizzazione marginale R. Pesenti Problema di faceness Formulazione del problema Il vostro supermercato deve disporre i prodotti A, B, C e D sugli scaffali 1, 2, e 3 ognuno di lunghezza 100 cm. Dato
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
Dettaglix 1 x x 1 2 x 2 6 x 2 5 Indici di base Vettore Ammissibile Degenere (si/no) (si/no)
Esercitazione di Ricerca Operativa Esercizio. Completare la seguente tabella: max x x x x x x x x x x Indici di base Vettore Ammissibile Degenere, x =, y = Esercizio. Effettuare due iterazioni dell algoritmo
DettagliParte V: Rilassamento Lagrangiano
Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice
DettagliCOME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI
COME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI In questa Appendice, mostreremo come un impresa possa individuare la sua combinazione di minimo costo dei fattori produttivi attraverso il calcolo
DettagliSoluzione grafica di problemi PM in 2 variabili
Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema
DettagliModelli di Ottimizzazione: definizione formale
Modelli di Ottimizzazione: definizione formale Insieme delle possibili alternative Un criterio di ottimizzazione Soluzione ammissibile (Feasible) x appartiene ad un insieme F f: F funzione obiettivo finito
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
DettagliPresentazione del corso di ECONOMIA E GESTIONE DELLE IMPRESE (M-Z) Prof. Gianluigi Guido Facoltà di Economia Università del Salento, Lecce
Presentazione del corso di ECONOMIA E GESTIONE DELLE IMPRESE (M-Z) Prof. Gianluigi Guido Facoltà di Economia Università del Salento, Lecce Programma del corso di Economia e Gestione delle Imprese (M-Z)
DettagliGAMBOTTO-MANZONE, Conoscere e applicare la Matematica, vol.2 Tramontana GAMBOTTO-MANZONE, Conoscere e applicare la Matematica, vol.
RELAZIONE FINALE DEL DOCENTE All. A Docente: CONTI ELEONORA Disciplina: Matematica Classe 5AP A. S. 2013-2014 1. LIBRO DI TESTO UTILIZZATO: GAMBOTTO-MANZONE, Conoscere e applicare la Matematica, vol.2
DettagliProblemi di flusso a costo minimo
p. 1/7 Problemi di flusso a costo minimo È data una rete (grafo orientato e connesso) G = (V,A). (i,j) A c ij, costo di trasporto unitario lungo l arco (i, j). i V b i interi e tali che i V b i = 0. p.
DettagliAppendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19
14 18-12-07 19:04 Pagina 411 Le decisioni di breve termine fra alternative diverse 411 i minori costi differenziali, almeno nella misura in cui la dimensione di costo è la più importante. Sebbene i costi
DettagliCorso di Fondamenti di Informatica e Laboratorio T-AB
Università degli Studi di Bologna Facoltà di Ingegneria Corso di Fondamenti di Informatica e Laboratorio T-AB Corso di Laurea in Ingegneria Elettronica e Telecomunicazioni e Ingegneria dell Automazione
DettagliL Esame di Stato di abilitazione alla professione di Ingegnere dell Informazione
Ordine degli Ingegneri della Provincia di Roma Facoltà di Ingegneria dell Informazione, Informatica e Statistica (I3S) Facoltà di Ingegneria Civile e Industriale (ICI) Sapienza Università di Roma Domenico
DettagliElementi di un modello di Programmazione Matematica
1 Ricerca Operativa Laboratorio: utilizzo di solver per programmazione matematica Elementi di un modello di Programmazione Matematica Insiemi: elementi del sistema; Parametri: dati del problema; Variabili
DettagliMacchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4
Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse
DettagliModulo di Ricerca Operativa 1 Canale J Z, A.A Prova in Itinere 26 gennaio Testo d esame A turno 1
Prova in Itinere 26 gennaio 2004 Nota bene: È necessario: (i) scrivere il nome su tutti i fogli che si consegnano; (ii) consegnare il foglio del testo e ogni altro foglio utilizzato come minuta e/o che
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliFondamenti di Informatica e Laboratorio T-AB
Università degli Studi di Bologna Facoltà di Ingegneria Fondamenti di Informatica e Laboratorio T-AB Corso di Laurea in Ingegneria Elettronica e Telecomunicazioni Prof. Luca Foschini Prof. Alessio Bonfietti
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Modellazione in Programmazione Lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Modellazione in Programmazione Lineare Luigi De Giovanni 1 Modelli di programmazione lineare I modelli di programmazione lineare sono una
DettagliEQUIVALENZE, PROPORZIONI, CALCOLI PERCENTUALI E RIPARTI
ATTIVITÀ DIDATTICHE 1 EQUIVALENZE, PROPORZIONI, CALCOLI PERCENTUALI E RIPARTI di Elena LAMBERTI Materie: DIRITTO E TECNICHE AMMINISTRATIVE DELLA STRUTTURA RICETTIVA (Classe 3 a IP Indirizzo Alberghiero)
DettagliIl calcolo economico. Le relazioni tra costi e prezzi.
UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI ECONOMIA Il calcolo economico. Le relazioni tra costi e prezzi. Capitolo 6 Chiara Demartini cdemartini@eco.unipv.it 1 RELAZIONI TRA COSTI E PREZZI Nel cap. 5
DettagliLezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4
Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università
DettagliSCHEDA DI LAVORO N.1 LABORATORIO PREMESSA
SCHEDA DI LAVORO N.1 LABORATORIO Problemi di modellizzazione PREMESSA La soluzione di semplici problemi di programmazione lineare permette di affrontare e approfondire il concetto di ottimizzazione nell
DettagliDocente: Prof. Marco Patella Tutor: Vincenzo Lomonaco
Università di Bologna Facoltà di Ingegneria C.d.L. in Ing. Gestionale Fondamenti di Informatica T-1 (A-K) A.A. 2015/16 Docente: Prof. Marco Patella Tutor: Vincenzo Lomonaco 1 Obiettivi del corso Il corso
Dettagli4.3 Problema Duale Lagrangiano
Sia ora (x, λ, µ ) un punto di sella della funzione Lagrangiana (4.3) dalle (4.5)-(4.8) del Teorema 4.2.2 si ha: g(x ) 0, h(x ) = 0, λ 0, (λ ) T g(x ) = 0, (4.23) L(x, λ, µ ) = min x X L(x, λ, µ ). (4.24)
DettagliMD6 Disequazioni, sistemi di disequazioni di 1 grado a due incognite e programmazione lineare
MD6 Disequazioni, sistemi di disequazioni di 1 grado a due incognite e programmazione lineare Disequazioni, sistemi di disequazioni di 1 grado a due incognite Programmazione lineare Disequazioni, sistemi
DettagliOttimizzazione e Controllo 2015/2016 ESERCITAZIONE
Ottimizzazione e Controllo 2015/2016 ESERCITAZIONE Esercizio 1. Sono dati 6 job da processare su un centro di lavorazione automatizzato che può eseguire una sola lavorazione alla volta. Di ciascun job
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliMassimizzazione del profitto Appunti - Bozza
Massimizzazione del profitto Appunti - Bozza Indice 1 Premessa 1 2 Massimizzazione del profitto 1 2.1 Introduzione............................ 1 2.2 Il costo............................... 2 2.3 Il ricavo..............................
DettagliMetodi & Modelli per le Scelte Economiche
Metodi & Modelli per le Scelte Economiche [domande di teoria utilizzate in passato per la prova scritta le soluzioni NON vengono fornite, occorrerà quindi verificare la esattezza delle diverse possibili
DettagliRisolvere lo stesso problema ipotizzando che le scarpe siano vendute a 40 il paio e che gli scarponi siano venduti a 90 il paio.
Problema 1 Un'industria calzaturiera produce scarpe da tennis che vende a 40 il paio e scarponi da trekking che vende a 50 il paio. Ogni paio di scarpe richiede 6 minuti di lavorazione a macchina e 5 minuti
Dettagli