Capitolo 5: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano
|
|
- Severino Grandi
- 8 anni fa
- Visualizzazioni
Transcript
1 Capitolo 5: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano
2 5.1 Modelli di PLI, formulazioni equivalenti ed ideali Il modello matematico di un problema di Ottimizzazione Discreta è molto spesso un problema di PL nel quale tutte (alcune) variabili sono vincolate ad assumere valori interi. Programmazione Lineare Intera (PLI): min c t x Ax b x 0 intere dove la matrice A è di dimensione m n, i vettori c e b sono di dimensione n e rispettivamente m. Se tutte le variabili devono assumere valori binari si tratta Programmazione Lineare Binaria (PL0 1) Programmazione Lineare Mista-Intera (PLMI): min c t 1x+c t 2y A 1 x+a 2 y b x 0,y 0 intere dove le matrici A 1 e A 2 sono di dimensione m n e rispettivamente m p, i vettori c 1, c 2 e b sono di dimensione n, p e rispettivamente m. 1
3 Moltissimi problemi decisionali complessi possono essere formulati in termini di PLI (PL0-1) o PLMI. 1) Problema di Zaino Binario Knapsack Un azienda deve decidere come investire un capitale b. Sono disponibili n investimenti. Sia a i la somma da investire nel caso si scelga di effettuare l i-esimo investimento, con 1 i n. Sia p i il profitto atteso dell i-esimo investimento. Problema: determinare quali investimenti effettuare in modo da massimizzare il profitto atteso totale. 2
4 Moltissimi problemi decisionali complessi possono essere formulati in termini di PLI (PL0-1) o PLMI. 1) Problema di Zaino Binario Knapsack Un azienda deve decidere come investire un capitale b. Sono disponibili n investimenti. Sia a i la somma da investire nel caso si scelga di effettuare l i-esimo investimento, con 1 i n. Sia p i il profitto atteso dell i-esimo investimento. Problema: determinare quali investimenti effettuare in modo da massimizzare il profitto atteso totale. Formulazione di PLI Variabili di decisione: x i = 1 se si effettua l i-esimo investimento e x i = 0 altrimenti, con 1 i n max n i=1 p ix i n i=1 a ix i b x i {0,1} i Svariate applicazioni dirette e indirette (come sotto-problema) 3
5 2) Problema di Assegnamento: Assignment Dati n progetti (jobs) e n ingegneri (macchine), supponiamo che ogni progetto possa essere eseguito da qualsiasi ingegnere. Sia c ij il costo se i-esimo progetto è eseguito dal j-esimo ingegnere, con 1 i,j n. Problema: decidere quale progetto assegnare ad ogni ingegnere in modo da minimizzare il costo totale necessario per completare tutti i progetti. Ogni progetto deve essere assegnato esattamente ad un ingegnere e ogni ingegnere deve vedersi assegnare esattamente un progetto. 4
6 2) Problema di Assegnamento: Assignment Dati n progetti (jobs) e n ingegneri (macchine), supponiamo che ogni progetto possa essere eseguito da qualsiasi ingegnere. Sia c ij il costo se i-esimo progetto è eseguito dal j-esimo ingegnere, con 1 i,j n. Problema: decidere quale progetto assegnare ad ogni ingegnere in modo da minimizzare il costo totale necessario per completare tutti i progetti. Ogni progetto deve essere assegnato esattamente ad un ingegnere e ogni ingegnere deve vedersi assegnare esattamente un progetto. Formulazione di PLI Variabili di decisione: x ij = 1 se i-esimo progetto viene assegnato al j-esimo ingegnere e x ij = 0 altrimenti, con 1 i,j n min n i=1 n j=1 c ijx ij n i=1 x ij = 1 j n j=1 x ij = 1 i x ij {0,1} i, j 5
7 3) Problema di Copertura di un Insieme: Set Covering Siano M = {1,2,...,m} un insieme di clienti N = {1,2,...,n} un insieme di siti nei quali si possono localizzare dei centri di servizio M j M il sottoinsieme di clienti serviti adeguatamente se un centro è localizzato in j, con j N c j il costo di localizzare un centro nel sito j determinare dove localizzare i centri in modo da servire ( coprire ) tutti i clienti a costo totale minimo. 6
8 3) Problema di Copertura di un Insieme: Set Covering Siano M = {1,2,...,m} un insieme di clienti N = {1,2,...,n} un insieme di siti nei quali si possono localizzare dei centri di servizio M j M il sottoinsieme di clienti serviti adeguatamente se un centro è localizzato in j, con j N c j il costo di localizzare un centro nel sito j determinare dove localizzare i centri in modo da servire ( coprire ) tutti i clienti a costo totale minimo. Formulazione di PLI Variabili di decisione: x j = 1 se si localizza un centro nel sito j e x j = 0 altrimenti, con 1 j n min n j=1 c jx j j:i M j x j 1 i (1) x j {0,1} j dove i vincoli (1) sono quelli di copertura 7
9 Set covering : min n c j x j : Ax e, x {0,1} n j=1 dove A = [a ij ] con a ij = 1 se i M j e a ij = 0 altrimenti, ed e = (1,1,...,1) t Set packing : max n c j x j : Ax e, x {0,1} n j=1 dove i parametri c j rappresentano profitti Set partitioning : min o max n c j x j : Ax = e, x {0,1} n j=1 dove i parametri c j possono rappresentare sia costi che profitti 8
10 4) Problema del Commesso Viaggiatore (asimmetrico) Asymmetric TSP Dato un grafo orientato G = (N,A), dove N = {1,2,...,n}, con un costo c ij R associato ad ogni arco (i, j) A, determinare un ciclo che visita esattamente una volta ogni nodo (ciclo Hamiltoniano) di costo totale minimo. Tipico problema di instradamento. Molte varianti: G non-orientato, più veicoli da instradare, vincoli di precedenza, vincoli temporali,... Esempio: 9
11 Una formulazione di PLI Variabili di decisione: x ij = 1 se il ciclo Hamiltoniano contiene l arco (i,j) e x ij = 0 altrimenti, per (i,j) A min (i,j) A c ijx ij i:(i,j) A x ij = 1 j = 1,...,n j:(i,j) A x ij = 1 i = 1,...,n (i,j) A:i S,j N\S x ij 1 S N,S (2) x ij {0,1} (i,j) A dove i vincoli (3) sono i cosiddetti vincoli di taglio 10
12 Una formulazione di PLI Variabili di decisione: x ij = 1 se il ciclo Hamiltoniano contiene l arco (i,j) e x ij = 0 altrimenti, per (i,j) A min (i,j) A c ijx ij dove i vincoli (3) sono i cosiddetti vincoli di taglio i:(i,j) A x ij = 1 j = 1,...,n j:(i,j) A x ij = 1 i = 1,...,n (i,j) A:i S,j N\S x ij 1 S N,S (3) x ij {0,1} (i,j) A Formulazione di PLI alternativa contiente, al posto dei vincoli (3), i cosiddetti vincoli di eliminazione dei sottocicli: (i,j) A: i,j S x ij S 1 S N,2 S n 1 (4) NB: I vincoli (3) e (4) sono in numero esponenziale rispetto alla dimensione di G 11
13 5) Localizzazione ottima senza vincoli di capacità Uncapacitated Facility Location Siano N = {1,2,...,n} un insieme di siti nei quali si possono localizzare dei depositi M = {1,2,...,m} un insieme di clienti M j M il sottoinsieme di clienti serviti adeguatamente se un deposito è attivato nel sito j, con j N f j il costo fisso di utilizzo del deposito in j c ij il costo di trasporto se tutta la domanda del cliente i è soddisfatta dal deposito j, determinare dove localizzare i depositi in modo da soddisfare la domanda di tutti i clienti minimizzando i costi (costi di trasporto e costi di utilizzo). 12
14 Formulazione di PLMI Variabili di decisione: x ij la frazione della domanda del cliente i soddisfatta dal deposito j, con 1 i m e 1 j n y j = 1 se si utilizza il deposito j e y j = 0 altrimenti, con 1 j n min i M j N c ijx ij + j N f jy j j N x ij = 1 i M i M x ij my j j N (5) y j {0,1} j N 0 x ij 1 i M,j N con n vincoli (5) che legano le variabili x ij e y j NB: Se d i indica la domanda del cliente i e k j la capacità del deposito j, gli eventuali vincoli di capacità: d i x ij k j y j j N i M 13
15 Formulazione di PLMI alternativa: min i M j N c ijx ij + j N f jy j j N x ij = 1 i M x ij y j i M,j N (6) con mn vincoli (7) che legano le variabili x ij e y j y j {0,1} j N 0 x ij 1 i M,j N 14
16 Formulazione di PLMI alternativa: min i M j N c ijx ij + j N f jy j j N x ij = 1 i M x ij y j i M,j N (7) con mn vincoli (7) che legano le variabili x ij e y j y j {0,1} j N 0 x ij 1 i M,j N Proprietà: Il rilassamento continuo (lineare) della formulazione di PLMI alternativa (con 0 y j 1 invece di y j {0,1} per ogni j) domina quello della prima formulazione di PLMI. Siano P 1 = e P 2 = { (x,y) R nm+n : { (x,y) R nm+n : j N x ij = 1 i, } i M x ij my j j, 0 x ij 1 i, j, 0 y j 1 j } j N x ij = 1 i, x ij y j i, j, 0 x ij 1 i, j, 0 y j 1 j, chiaramente P 2 P 1 (sommando gli m vincoli (7) per un dato j si ottiene il vincolo (5) per quel j) Inoltre è facile esibire un (x,y) che appartiene a P 1 ma non appartiene a P 2 15
17 6) Pianificazione della produzione Uncapacitated Lot-Sizing Un impresa deve pianificare la produzione di un solo tipo di prodotto per i prossimi n mesi Siano f t il costo fisso di produzione durante il periodo t p t il costo unitario di produzione durante il periodo t h t il costo unitario di immagazzinamento durante il periodo t d t domanda per il periodo t determinare un piano di produzione per i prossimi n mesi che permetta di minimizzare i costi(produzione e magazzino) soddisfacendo la domanda ad ogni periodo. Si suppone che il magazzino sia vuoto all inizio del periodo di pianificazione. Formulare il problema come un PLMI, dare una formulazione estesa e confrontarle. Come si può tenere conto di un eventuale lotto minimo di produzione di u unità? 16
Capitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano
Capitolo 3: Ottimizzazione Discreta E. Amaldi DEIB, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati o approssimati come problemi di Programmazione
DettagliCapitolo 3: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati come problemi di Programmazione Lineare
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Localizzazione
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Localizzazione Posizionamento di antenne È dato un insieme A di possibili siti in cui installare antenne, a ciascuno
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. Nel deposito i è immagazzinata la quantità a i di prodotto. Nel
DettagliModelli di Programmazione Lineare Intera
8 Modelli di Programmazione Lineare Intera 8.1 MODELLI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 8.1.1 Una compagnia petrolifera dispone di 5 pozzi (P1, P2, P3, P4, P5) dai quali può estrarre petrolio.
Dettaglimese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000
1.7 Servizi informatici. Un negozio di servizi informatici stima la richiesta di ore di manutenzione/consulenza per i prossimi cinque mesi: mese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000 All inizio
DettagliModelli di Programmazione Lineare e Programmazione Lineare Intera
Modelli di Programmazione Lineare e Programmazione Lineare Intera 1 Azienda Dolciaria Un azienda di cioccolatini deve pianificare la produzione per i prossimi m mesi. In ogni mese l azienda ha a disposizione
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
DettagliProdotto Disponibilità Costo 1 3000 3 2 2000 6 3 4000 4. e rispettando le seguenti regole di composizione delle benzine:
1.1 Pianificazione degli investimenti. Una banca deve investire C milioni di Euro, e dispone di due tipi di investimento: (a) con interesse annuo del 15%; (b) con interesse annuo del 25%. Almeno 1 di C
DettagliEsempi di modelli di programmazione lineare (intera) 2014
Esempi di modelli di programmazione lineare (intera) 2014 1) Combinando risorse Una ditta produce due tipi di prodotto, A e B, combinando e lavorando opportunamente tre risorse, R, S e T. In dettaglio:
DettagliProblemi di localizzazione impianti
Problemi di localizzazione impianti Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 2 Dicembre 2014 Ricerca Operativa 2 Laurea
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 2011/2012 Lezione 10: Variabili e vincoli logici Variabili logiche Spesso nei problemi reali che dobbiamo affrontare ci sono dei
DettagliProblemi di Programmazione Lineare Intera
Capitolo 4 Problemi di Programmazione Lineare Intera La Programmazione Lineare Intera (PLI) tratta il problema della massimizzazione (minimizzazione) di una funzione di più variabili, soggetta a vincoli
DettagliEsercizi di Ricerca Operativa I
Esercizi di Ricerca Operativa I Dario Bauso, Raffaele Pesenti May 10, 2006 Domande Programmazione lineare intera 1. Gli algoritmi per la programmazione lineare continua possono essere usati per la soluzione
DettagliModelli di PL: allocazione ottima di risorse. Un esempio Modelli a risorse condivise Modelli a risorse alternative Modelli multi-periodo
Modelli di PL: allocazione ottima di risorse Un esempio Modelli a risorse condivise Modelli a risorse alternative Modelli multi-periodo Allocazione ottima di robot Un azienda automobilistica produce tre
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Flusso di costo minimo È dato un grafo direzionato G = (N, A). Ad ogni arco (i, j) A è associato il costo c ij
DettagliModelli di Programmazione Lineare. PRTLC - Modelli
Modelli di Programmazione Lineare PRTLC - Modelli Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo Rilassamento continuo - generazione
DettagliESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI
ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI PROBLEMA: un azienda deve scegliere fra due possibili investimenti al fine di massimizzare il profitto netto nel rispetto delle condizioni interne e di mercato
Dettagli1. Considerazioni preliminari
1. Considerazioni preliminari Uno dei principali aspetti decisionali della gestione logistica è decidere dove localizzare nuove facility, come impianti, magazzini, rivenditori. Ad esempio, consideriamo
DettagliLuigi De Giovanni Esercizi di modellazione matematica Ricerca Operativa
Piani di investimento Un finanziere ha due piani di investimento A e B disponibili all inizio di ciascuno dei prossimi cinque anni. Ogni euro investito in A all inizio di ogni anno garantisce, due anni
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
DettagliSeconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12
A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 20/202 Lezione 6-8 Rappresentazione di funzioni non lineari: - Costi fissi - Funzioni lineari a tratti Funzioni obiettivo non lineari:
DettagliProduzione e forza lavoro
Produzione e forza lavoro Testo Un azienda produce i modelli I, II e III di un certo prodotto a partire dai materiali grezzi A e B, di cui sono disponibili 4000 e 6000 unità, rispettivamente. In particolare,
Dettaglib i 1,1,1 1,1,1 0,1,2 0,3,4
V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile
DettagliModelli di Programmazione Lineare Intera
8 Modelli di Programmazione Lineare Intera Come è stato già osservato in precedenza, quando tutte le variabili di un problema di Programmazione Lineare sono vincolate ad assumere valori interi, si parla
DettagliRicerca Operativa A.A. 2008/2009
Ricerca Operativa A.A. 08/09 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
DettagliRicerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare
Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Network design
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Network design Network Design È data una rete rappresentata su da un grafo G = (V, A) e un insieme di domande K, ciascuna
DettagliDimensionamento dei lotti di produzione: il caso con variabilità nota
Dimensionamento dei lotti di produzione: il caso con variabilità nota A. Agnetis In questi appunti studieremo alcuni modelli per il problema del lot sizing, vale a dire il problema di programmare la dimensione
DettagliLa gestione delle scorte
La gestione delle scorte Controllo delle scorte Sist. prod. / Fornitore ordini domanda I Magazzino R Lead Time T La gestione delle scorte Problema: uando ordinare uanto ordinare Obiettivi: Basso livello
Dettagli0 A B I C O L M P E Q R F G D H N *
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Modelli di Sistemi di Produzione I scritti d'esame appelli 2004/05 e 2005/06 Esercizio 1 job 3: I (M 1, 3) L (M 2, 4) M (M 3, 11)
DettagliSistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >
Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego
DettagliRicerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari
Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari Esercizio n.1 Un azienda intende incrementare il proprio organico per ricoprire alcuni compiti scoperti. I dati relativi ai compiti
DettagliTSP con eliminazione di sottocicli
TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 7-8 9 7 9-8 79
DettagliModelli per la gestione delle scorte
Modelli per la gestione delle scorte Claudio Arbib Università di L Aquila Seconda Parte Sommario Sui problemi di gestione aperiodica equazioni di stato Funzioni di costo Un modello convesso formulazione
DettagliUn applicazione della programmazione lineare ai problemi di trasporto
Un applicazione della programmazione lineare ai problemi di trasporto Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA 2012-2013
DettagliTSP con eliminazione di sottocicli
TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 3 5 7-8 9 57
DettagliLogistica o distribuzione
6. I problemi di trasporto e distribuzione 1 Logistica o distribuzione La logistica è l attività di trasportare merci e/o servizi dai luoghi ( sorgenti ) dove tali merci o servizi sono disponibili, alle
DettagliModelli con vincoli di tipo logico
Modelli con vincoli di tipo logico Le variabili decisionali possono essere soggette a vincoli di tipo logico, più o meno espliciti. Ad esempio: vincoli di incompatibilità tra varie alternative: se localizziamo
DettagliLa Programmazione Lineare
4 La Programmazione Lineare 4.1 INTERPRETAZIONE GEOMETRICA DI UN PROBLEMA DI PROGRAMMAZIONE LINEARE Esercizio 4.1.1 Fornire una rappresentazione geometrica e risolvere graficamente i seguenti problemi
DettagliContenuto e scopo presentazione. Crew Scheduling e Crew Rostering. Gestione del personale. Motivazioni
Contenuto e scopo presentazione Crew Scheduling e Crew Rostering Contenuto vengono introdotti modelli e metodi per problemi di turnazione del personale Raffaele Pesenti 07/02/2002 14.41 Scopo fornire strumenti
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
DettagliProblemi di Ottimizzazione
Problemi di Ottimizzazione Obiettivo: misura della qualità di una soluzione. Vincoli: condizioni che devono essere soddisfatte per ottenere una soluzione ammissibile. Problema di Ottimizzazione: determina
DettagliGestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Problemi di Distribuzione: Il problema del Vehicle Rou:ng
DettagliUniversità del Salento
Università del Salento Dipartimento di Matematica DAI SISTEMI DI DISEQUAZIONI LINEARI.. ALLA PROGRAMMAZIONE LINEARE Chefi Triki La Ricerca Operativa Fornisce strumenti matematici di supporto alle attività
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
Dettagli5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano Programma lineare intero: (PLI) min c T x Ax b x 0 intero Ipotesi: A, b interi La condizione di interezza non è
DettagliProblemi complessi : come trovare una soluzione soddisfacente?
Informatica nel futuro, sfide e prospettive - evento scientifico per i 40 anni di ated Manno, 7 ottobre 2011 Problemi complessi : come trovare una soluzione soddisfacente? Marino Widmer Università di Friburgo
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 11. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 11 Docente: Laura Palagi Alina Volovei Ilaria Noce Lea Mariella Pianificazione degli approvvigionamenti
DettagliLogistica - Il problema del trasporto
Logistica - Il problema del trasporto Federico Di Palma December 17, 2009 Il problema del trasporto sorge ogniqualvolta si debba movimentare della merce da una o più sorgenti verso una o più destinazioni
DettagliSequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione
Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione presentato in questo file trova la seq. a costo minimo per
Dettagli1 Breve introduzione ad AMPL
1 Breve introduzione ad AMPL Il primo passo per risolvere un problema reale attraverso strumenti matematici consiste nel passare dalla descrizione a parole del problema al modello matematico dello stesso.
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Introduzione
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Introduzione La Ricerca Operativa La Ricerca Operativa è una disciplina relativamente recente. Il termine Ricerca Operativa è stato coniato
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
DettagliModello matematico PROGRAMMAZIONE LINEARE PROGRAMMAZIONE LINEARE
PRGRMMZIN LINR Problemi di P.L. in due variabili metodo grafico efinizione: la programmazione lineare serve per determinare l allocazione ottimale di risorse disponibili in quantità limitata, per ottimizzare
DettagliModelli LP (complementi)
Modelli LP (complementi) Daniele Vigo D.E.I.S. - Università di Bologna dvigo@deis.unibo.it rev. 1.0 - ottobre 2003 1. Comprare o fabbricare? Electro-Poly è un produttore leader di lavatrici Ha ricevuto
DettagliSono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza
Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di
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
DettagliTeoria delle scorte. Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio
Teoria delle scorte Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio Dipartimento di Matematica Università di Bari Teoria delle scorte p.1/26 definizione del problema
Dettagli(3,4) (1,3) (2,2) (0,2) (3,4) (2,4) t (2,3) (3,5) (2,4) (3,5) (6,8) (3,4) (1,2) 1 (1,3)
Prova Scritta di RICERCA OPERATIVA èinformaticiè 2èè98 - Esame æ Cognome: æ Nome:. Una compagnia petrolifera possiede 3 depositi dai quali puço prelevare benzina e trasportarla ai 5 impianti di distribuzione.
DettagliSIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 28 novembre 2005 SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : XXXXXXXXXXXXXXXXX Nome : XXXXXXXXXXXXXX VALUTAZIONE
DettagliMETODI MATEMATICI PER LE DECISIONI ECONOMICHE E AZIENDALI 12 CANDIDATO.. VOTO
METODI MATEMATICI PER LE DECISIONI ECONOMICHE E AZIENDALI 12 1) In un problema multiattributo i pesi assegnati ai vari obiettivi ed i risultati che essi assumono in corrispondenza alle varie alternative
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
DettagliUn esempio di applicazione della programmazione lineare intera all ingegneria del software: stima del worst-case execution time di un programma
Un esempio di applicazione della programmazione lineare intera all ingegneria del software: stima del worst-case execution time di un programma Corso di Ricerca Operativa per il Corso di Laurea Magistrale
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Il modello matematico 2: Funzioni obiettivo: ma.min, Min-ma Tipologie di Vincoli Funzione obiettivo ma-min: Esempio Scommesse Il signor
Dettaglimontagna ai trasporti internazionali Luca Bertazzi
Il problema dello zaino: dalla gita in montagna ai trasporti internazionali Luca Bertazzi 0 Il problema dello zaino Zaino: - capacità B Oggetti (items): - numero n - indice i =1,2,...,n - valore p i -
DettagliIndice. Nota degli autori. 1 Capitolo 1 Introduzione alla ricerca operativa
XI Nota degli autori 1 Capitolo 1 Introduzione alla ricerca operativa 1 1.1 Premessa 1 1.2 Problemi di ottimizzazione 6 1.3 Primi approcci ai modelli di ottimizzazione 13 1.4 Uso del risolutore della Microsoft
DettagliFormulazioni PLI di problemi di decisione. 1 Introduzione: La formulazione dei problemi di ottimizzazione combinatoria
Formulazioni PLI di problemi di decisione Dispensa per il modulo di Analisi e Ottimizzazione dei Processi di Produzione Università di Roma Tor Vergata a cura di Andrea Pacifici, Claudio Cavalletti, Daniela
DettagliEsercizio. almeno una tenuta lasci 200 ettari di terreno incolto, e
Un finanziere ha a disposizione due piani di investimento A e B, disponibili all inizio di ciascuno dei prossimi cinque anni. Ogni euro investito in A all inizio di ogni anno dà, due anni più tardi, un
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
Dettagli1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.
. Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,
DettagliModelli di Ottimizzazione
Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo
DettagliLezione 4. Modello EER
Lezione 4 Modello EER 1 Concetti del modello EER Include tutti i concetti di modellazione del modello ER Concetti addizionali: sottoclassi/superclassi, specializzazione, categorie, propagazione (inheritance)
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliSelezione di un portafoglio di titoli in presenza di rischio. Testo
Selezione di un portafoglio di titoli in presenza di rischio Testo E ormai pratica comune per gli operatori finanziari usare modelli e metodi basati sulla programmazione non lineare come guida nella gestione
DettagliLEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.
LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento
DettagliAlgoritmi euristici per il caricamento e l instradamento di una flotta di bisarche
Università degli Studi di Modena e Reggio Emilia Ingegneria di Reggio Emilia Estratto della Tesi di Laurea di Simone Falavigna Algoritmi euristici per il caricamento e l instradamento di una flotta di
DettagliGestione Impresa. Mese 1 2 3 4 5 6 Unità richieste 700 600 500 800 900 800
Gestione Impresa Un impresa di produzione produce un solo tipo di merce. Ci sono 40 operai, ciascuno dei quali produce 20 unità di merce al mese. La domanda fluttua nel corso di un semestre secondo la
DettagliUniversità Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano 2 Problemi di Costo Fisso & Vincoli Disgiuntivi (con esercizi ) November 12, 2015 2 Università
DettagliPolitecnico di Milano Facoltà di Ingegneria dell Informazione AGENTI AUTONOMI E SISTEMI MULTIAGENTE Appello COGNOME E NOME
Politecnico di Milano Facoltà di Ingegneria dell Informazione AGENTI AUTONOMI E SISTEMI MULTIAGENTE Appello COGNOME E NOME 5 luglio 2006 RIGA COLONNA MATRICOLA Il presente plico pinzato, composto di quattro
DettagliSe x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2
NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione
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
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 6. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 6 Docente: Laura Palagi PIANIFICAZIONE DELLA PRODUZIONE 2 Si distingue in: PRODUCTION PLANNING: Tentativo
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
Dettagli3.3 Problemi di PLI facili
3.3 Problemi di PLI facili Consideriamo un generico problema di PLI espresso in forma standard min{c t x : Ax = b, x Z n +} (1) dove A Z m n con n m, e b Z m. Supponiamo che A sia di rango pieno. Sia P
DettagliEsercizio 1: Automobili
Esercizio 1: Automobili Le variabili decisionali sono i quattro pesi da attribuire alle quattro caratteristiche. Si tratta di variabili intere maggiori o uguali a 1, minori o uguali a 5, che sommate devono
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
DettagliProblema del Trasporto. Container vuoti Verona 10 Perugia 12 Roma 20 Pescara 24 Taranto 18 Lamezia 40
Problema del Trasporto Una ditta di trasporto deve trasferire container vuoti dai propri 6 Magazzini, situati a Verona, Perugia, Roma, Pescara, Taranto e Lamezia, ai principali Porti nazionali (Genova,
DettagliProblemi di soddisfacimento di vincoli. Formulazione di problemi CSP. Colorazione di una mappa. Altri problemi
Problemi di soddisfacimento di vincoli Maria Simi a.a. 2014/2015 Problemi di soddisfacimento di vincoli (CSP) Sono problemi con una struttura particolare, per cui conviene pensare ad algoritmi specializzati
DettagliAppello di Ricerca Operativa A.A. 2006-2007 (29/3/2007)
Nome... Cognome... 1 Appello di Ricerca Operativa A.A. 2006-2007 (29/3/2007) Si consideri la funzione f(x) = 4x 2 1 + 6x 4 2 2x 2 1x 2. Si applichi per un iterazione il metodo del gradiente a partire dai
DettagliM.APS Manufacture Advanced Planning System
M.APS Manufacture Advanced Planning System Per chi M.APS Le piccole e medie aziende italiane di produzione, sono sempre più sottoposte a cambiamenti nella metodologia di lavoro dovuti soprattutto al cambiamento
Dettagli2 Formulazione dello shortest path come problema di flusso
Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione
DettagliRicerca Operativa Esercizio 1
E1 Esercizio 1 La fonderia ESSELLE deve produrre esattamente 1000 pezzi del peso di un chilogrammo ciascuno. Il ferro con cui questi pezzi saranno fatti deve contenere manganese e silicio nelle seguenti
DettagliMRP. Pianificazione della produzione. Distinta base Bill Of Materials (BOM) MPS vs. MRP. Materials Requirements Planning (MRP)
MRP Pianificazione della produzione Materials Requirements Planning (MRP) 15/11/2002 16.58 Con l MRP si decide la tempificazione delle disponibilità dei materiali, delle risorse e delle lavorazioni. MRP
Dettagli2) Codici univocamente decifrabili e codici a prefisso.
Argomenti della Lezione ) Codici di sorgente 2) Codici univocamente decifrabili e codici a prefisso. 3) Disuguaglianza di Kraft 4) Primo Teorema di Shannon 5) Codifica di Huffman Codifica di sorgente Il
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 14 marzo 2013 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2013.html IL PARI O DISPARI I II S T S (-1, 1) (1, -1)
Dettagli