Contenuto e scopo presentazione. Vehicle Scheduling. Motivazioni VSP

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Contenuto e scopo presentazione. Vehicle Scheduling. Motivazioni VSP"

Transcript

1 Contenuto e scopo presentazione Vehicle Scheduling 08/03/ Contenuto vengono introdotti modelli e metodi per problemi di Vehicle Scheduling Problem (VSP) Scopo fornire strumenti di supporto alle decisioni operativo in ambito logistico evidenziare pregi e limiti dei modelli matematici quando sono applicati al di fuori dei contesti per cui sono stati sviluppati. Raffaele Pesenti 2 Motivazioni VSP Coordinare i viaggi di veicoli, tipicamente autobus o automezzi, in modo da minimizzare i costi, in particolare per quanto riguarda i viaggi a vuoto. Esempi: autobus urbani o extraurbani compagnie di autotrasporto... Vehicle Scheduling Problem VSP(I,K) Istanza: un insieme I di viaggi (o in generale attività), ognuno dei quali caratterizzato da uno start time st i e un end time et i, da una start location sl i e una end location el i. Una flotta K di veicoli identici. Soluzione: un vehicle scheduling, i.e., per ogni veicolo la lista dei viaggi che deve compiere. Obiettivo: minimizzare i costi operativi. 3 4

2 Descrizione del problema. obiettivo: minimizzare costi operativi vincoli: un veicolo può eseguire un viaggio (un attività) solo se riesce a raggiungere la localizzazione di inizio viaggio in tempo utile ogni attività deve essere eseguita VSP leve decisionali: assegnazione dei viaggi ai veicoli dati tecnologici: start e end time start e end location costi di svolgimento di un viaggio e di trasferimento a vuoto da una località all altra Commenti Passare dalla formulazione a parole a quella matematica non è un operazione banale. Si sarebbe infatti tentati di definire: delle variabili binarie x ik che assumono valore 1 se il viaggio i è assegnato al veicolo k, 0 altrimenti; dei vincoli, che coinvolgono delle variabili binarie ausiliare, che impediscono l assegnazione allo stesso veicolo di viaggi incompatibili per data e/o luogo. Questo tipo di approccio condurrebbe però ad una formulazione MIP per un problema che in realtà è semplice. Conviene cercare di formulare un modello che sfrutti il fatto che alcuni vincoli definiscono delle relazioni binarie tra alcuni elementi del sistema. Un tale modello includerebbe una struttura a grafo e quindi potrebbe sfruttare alcune proprietà di tali entità matematiche. In particolare, si osservi che tra ogni coppia di viaggi è possibile definire una relazione di compatibilità. 5 6 Rete del VSP Esempio Sia G = (N,E) una rete in cui N = I {s,t}: insieme dei viaggi da svolgere (I) e delle attività attesa in deposito (s) e arrivo in deposito (t). E = {(i,j): i,j N, esecuzione di j compatibile con i}: insieme di archi orientati. Ogni arco (i,j) E indica che, terminata l attività i all istante et i nel luogo el i, è possibile raggiungere in tempo il luogo sl j entro l istante st j e quindi iniziare l attività j. s deposito = 8 =MI = 10 =GE = 11 =GE = 12 =PV = 17 =PR = 19 =MI t deposito Commenti Nella rete G i vincoli di incompatibilità tra viaggi sono espressi in modo implicito. Tra due viaggi incompatibili non esiste arco. Ogni percorso da s a t esprime descrive lo scheduling di un veicolo. 7 = 9 =MI = 12 =SV = 13 =GE = 15 =SV = 16 =SV = 18 =PR In continuo due schedule ammissibili, in tratteggiato le altre relazioni ammissibili 8

3 Costi e capacità Ogni arco (s,i) rappresenta un veicolo che lascia il deposito s per eseguire l attività i. Ogni arco (i,j) rappresenta lo spostamento di un veicolo dalla località finale del viaggio i fino al completamento del viaggio j. Ogni arco (i,t) rappresenta lo spostamento di un veicolo che raggiunge il deposito. Formulazione del problema. Le variabili: variabili binarie 1 x ij = 0 se un veicolo attraversa arco ( i, j) altrimenti Il costo c ij di un generico arco (i,j) comprende quindi le componenti: costi di viaggio a vuoto (deadheading) da el i a sl j profitti/costi operativi del viaggio j se i=s, costi fissi legati all uso di un nuovo veicolo La funzione obiettivo: il costo atteso Σ (i,j) E c ij x ij Le capacità di tutti gli archi sono tutte uguali ad I vincoli: tanti veicoli eseguono un attività i (entrano nel nodo i), tanti, una volta terminata i, si muovono da sl i verso una nuova attività (escono nel nodo i) Σ i:(i,j) E x ij - Σ j:(i,j) E x ji =0, i N {s,t} ogni attività j deve essere eseguita da un veicolo Σ j:(i,j) E x ij =1, i N {s,t} al più un veicolo si sposta da el i verso una nuova attività j 0 x ij 1 x ij {0,1}, (i,j) E (in realtà i vincoli 0 x ij 1 sono ovviamente ridondanti) Commenti la condizione di interezza sulle x ij non è necessaria in quanto il problema è un problema di flusso a costo minimo il problema, in quanto riconducibile ad un problema di flusso a costo minimo, è risolvibile in modo esatto in tempo polinomiale. Per ridurre i secondo vincolo ad un problema di flusso si suddivide un nodo attività in due nodi (inizio e fine attività) congiunti da un arco di capacità minima e massima uguale a uno Cplex risolve in meno di un minuto problemi anche con 1000 attività. Esistono inoltre algoritmi strongly polinomial per la soluzione di problemi di flusso a costo minimo

4 Caratteristiche problemi reali Veicoli che cambiano stato (solo caso merci) Numero limitato di veicoli, non tutte le attività possono essere svolte (comune nel caso merci, molto raro in quello passeggeri) Finestre temporali invece che start e end time (comune nel caso merci, meno in quello passeggeri) Stocasticità nei tempi di trasporto Multideposito (comune nel caso merci e nel caso passeggeri extraurbano, meno in quello passeggeri urbano): VSP with Multiple Depots (VSPMD) Veicoli diversi (comune nel caso passeggeri, meno in quello merci): VSP with Multiple Vehicle Types (VSPMVT) Vincoli di massima percorrenza o di tempo: VSP with Length of Path Restriction(VSPLPR) Nelle prime due situazioni il problema rimane semplice, nei rimanenti casi il problema diventa difficile. Perché i problemi diventano difficili Il limite intrinseco del modello presentato per il VSP è che esso si limita a verificare localmente se due attività consecutive sono compatibili, in termini di tempo, tra loro. Esso non permette di trasferire all attività successiva informazioni sulle caratteristiche dell attore che ha eseguito l attività precedente. Il trasferimento di questa informazione può essere imposto introducendo nuovi vincoli al modello che però, in questo caso, perde le sue caratteristiche geometriche particolari che lo rendevano facilmente risolvibile. Il problema rimane facile se il numero di attività massimo di ogni percorso è fissato (la complessità cresce esponenzialmente nel numero di attività), Situazione è abbastanza comune nel caso di trasporto primario dove le attività hanno una durata relativamente lunga Cambio stato Il cambio di stato dei veicoli non introduce difficoltà particolari. Anche in questo casi si introduce un arco da i a j solo se il nuovo stato del veicolo che si ottiene al termine dell attività i è compatibile con l attività j. Cambi di stato avvengono tipicamente solo nel trasporto merci. Ad esempio, alla fine di un viaggio un trattore può trovarsi o meno con un container vuoto a traino. In tale situazione un arco (i,j) indica che l operazione j necessita di un container vuoto, oppure è compatibile con la presenza di un container vuoto, oppure ancora che il trattore riesce a depositare il container prima di iniziare l operazione j. Costi diversi saranno associati all arco (i,j) a seconda della situazione. Quanto detto vale solo se lo stato del veicolo dipende solo dall ultima operazione eseguita. Numero veicoli limitato Bisogna: introdurre un vincolo che limiti la capacità del deposito: Σ j:(s,j) E x sj K eliminare i vincoli Σ j:(i,j) E x ij =1 che impongono che ogni attività debba essere eseguita. Le attività vengono eseguite solo se vi è convenienza economica. Il problema rimane un semplice problema di flusso a costo minimo. Il nuovo vincolo corrisponde infatti a sdoppiare il nodo s in s e s, ed aggiungere un arco (s,s ) di capacità K. K s s s 15 16

5 Modello multicommodity I problemi VSPMD e VSPMVT sono NP-hard. Possono essere modellati come problemi di flusso multicommodity Sia R l insieme dei tipi diversi di veicoli. Il problema può essere formulato come segue Modello multicommodity I problemi VSPMD, VSPLPR e il VSP con finestre temporali sono NP-hard. Possono essere modellati come problemi di flusso multicommodity Formulazione del problema. R l insieme dei tipi diversi di veicoli. Le variabili: variabili binarie 1 se un veicolo x rij = 0 altrimenti di tipo r attraversa arco ( i, j) La funzione obiettivo: il costo atteso Σ r R Σ (i,j) E c rij x rij Modello multicommodity I vincoli: tanti veicoli di tipo r eseguono un attività i (entrano nel nodo i), tanti, una volta terminata i, si muovono da sl i verso una nuova attività (escono nel nodo i) Σ i:(i,j) E x rij - Σ j:(i,j) E x rji =0, r R, i N {s,t} ogni attività j deve essere eseguita da un veicolo Σ r R Σ j:(i,j) E x ij =1, i N {s,t} al più un veicolo si sposta da el i verso una nuova attività j 0 x rij 1 x rij {0,1}, r R, (i,j) E I vincoli (cont.): Modello multicommodity numero minimo e massimo di veicoli di tipo r da utilizzare a r Σ j:(s,j) E x rsi b r r R Commenti il flusso multicommodity a costo minimo è un problema NP-hard. il problema può risultare inammissibile se viene imposto sia l ultimo tipo di vincolo che quello sulla necessità di eseguire ogni attività vengono eseguiti solo i viaggi economicamente vantaggiosi se viene eliminato il vincolo sulla necessità di eseguire ogni attività l insieme R può rappresentare anche i diversi depositi di origine, nel caso multi-deposito, oppure gli slot temporali in cui è suddivisa una finestra ammissibile per l inizio di un viaggio

6 Modello con archi backward I problemi VSPLPR sono NP-hard. Possono essere risolti in maniera esatta con un modello con archi backward. Modello con archi backward si considera una rete G simile a quella definita per il VSP, gli archi uniscono però solo attività che possono essere compiute entrambe in tempo utile non esistono i nodi s e t e tutti gli archi incidenti su di essi si introduce un arco backward tra il nodo i e il nodo j solo se et j st i + td i + dt j T max dove td i è il tempo necessario per raggiungere sl i a partire dal deposito, viceversa dt j è il tempo necessario per raggiungere il deposito a partire da el j un arco backward rappresenta il fatto che un schedule che inizia con l attività i e termina con l attività j può essere compiuto entro il tempo massimo T max si cerca di coprire tutti i nodi i attraverso dei circuiti che comprendono un solo arco backward 21 Formulazione del problema. Le variabili: variabili binarie 1 xij = 0 1 yij = 0 se un veicolo attraversa arco ( i, j) altrimenti se un veicolo attraversa arco backward ( i, j) altrimenti La funzione obiettivo: il costo atteso (E insieme archi farward, E insieme archi backward) Σ (i,j) E c ij x ij + Σ (i,j) E c ij y ij 22 Esempio I vincoli: Σ i:(i,j) E x ij - Σ j:(i,j) E x ji + Σ i:(i,j) E y ij - Σ j:(i,j) E y ji =0, i I 5 8 Σ j:(i,j) E x ij + Σ i:(i,j) E y ij =1, i I 3 9 Σ (i,j) E C x ij + Σ (i,j) E C y ij C -1, C circuito tale che E C x ij 1 x ij {0,1}, (i,j) E 0 y ij 1 y ij {0,1}, (i,j) E Il terzo tipo di vincoli impedisce che si formino cicli con più di due archi backward. Il numero di tali vincoli è esponenziale e quindi questi devono essere aggiunti dinamicamente. Sono rappresentati solo gli archi forward. Ad ogni arco forward corrisponda un arco backward in direzione inversa

7 Esempio Esempio Soluzione ammissibile con tre veicoli. Gli archi backward sono tratteggiati. Soluzione a due schedule non ammissibile. Il secondo schedule comprende due archi backward Euristica greedy Euristica greedy Algoritmo ConcurrentScheduler(I,K) 1. Inizializzazione ordina le attività per tempo di inizio assegna la attività 1 al veicolo 1. V ={1} // insieme veicoli utilizzati 2. Iterazione for j=2 to I // attività scandite nell ordine fissato { k = veicolo in V per cui è ammissibile eseguire j e per cui è minimo il costo c i(k),j //i(k) ultima attività svolta dal veicolo k if k = nil then aggiungi nuovo veicolo a V } Commenti l euristica greedy è molto utilizzata nella pratica è sempre possibile rendere un euristica greedy un po meno miope permettendo un numero, in generale molto limitato, di passi backward (ripensamenti) sulle assegnazioni compiute si giunge ad un enumerazione completa se è invece sempre possibile eseguire un numero di passi backward uguale alle decisioni compiute 27 28

8 Euristiche a due passi Per problemi VSPMD e VSPMVT cluster first, schedule second: si raggruppano le attività per cluster, si assegna poi ogni cluster ad un deposito oppure ad una tipologia di veicoli. Per ogni coppia attività/cluster deve essere assegnato un peso che misura l appropriatezza di assegnare l attività al cluster, per esempio in base alla distanza dal deposito. Si risolve quindi un problema di assegnazione delle attività ai cluster tenendo conto delle capacità di questi ultimi Euristiche di ricerca locale intraschedule scambio di posizione di due attività all interno di uno stesso schedule (euristica sensata solo quando vi sono delle finestre temporali, invece di date precise, che delimitano le attività). interschedule si spezzano due schedule e la coda del primo viene aggiunto alla testa del secondo e viceversa. Per problemi VSPMD (per problemi VSPMVT non sempre si giunge a soluzioni ammissibili) schedule first, cluster second: si risolve un VSP generale come da un solo deposito. Si assegnano quindi gli schedule ai cluster associati ai depositi. 29 In entrambe i casi gli scambi vengono mantenuti se lo schedule ottenuto è migliore del precedente. Si possono realizzare generalizzazioni usando metaeuristiche locali come tabù search, simulated annealing, ecc. scambiando più attività o più pezzi di schedule 30 Bibliografia L. Bodin, B. Golden, A. Assad, and M. Ball Routing and scheduling of vehicles and Crews: the state of the art Computers & Operations Research 10 (1983), pp Handbooks in Operations Research and Management Science, Vol. 8: Network. Routing, eds M. O. Ball, T. L. Magnanti, C. L. Monma, and G. L. Nemhauser (1995). "Heuristic Algorithms for the Multiple Depot Vehicle Scheduling Problem Management Sciences 39(1993), pp "Simple Heuristic for the Vehicle Routeing Problem with Soft Time Windows" Journal of the Society of Operational Research 44(1993), pp

Contenuto e scopo presentazione. Crew Scheduling e Crew Rostering. Gestione del personale. Motivazioni

Contenuto 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

Dettagli

Esercizi di Ricerca Operativa I

Esercizi 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

Dettagli

Modelli di Programmazione Lineare. PRTLC - Modelli

Modelli 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

Dettagli

Ricerca Operativa A.A. 2007/2008

Ricerca Operativa A.A. 2007/2008 Ricerca Operativa A.A. 2007/2008 9. Cenni su euristiche e metaeuristiche per ottimizzazione combinatoria Motivazioni L applicazione di metodi esatti non è sempre possibile a causa della complessità del

Dettagli

Gestione 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 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

Dettagli

Sono 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

Sono 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

Dettagli

1. Considerazioni generali

1. Considerazioni generali 1. Considerazioni generali Modelli di shop scheduling In molti ambienti produttivi l esecuzione di un job richiede l esecuzione non simultanea di un certo numero di operazioni su macchine dedicate. Ogni

Dettagli

Approcci esatti per il job shop

Approcci esatti per il job shop Approcci esatti per il job shop Riferimenti lezione: Carlier, J. (1982) The one-machine sequencing problem, European Journal of Operational Research, Vol. 11, No. 1, pp. 42-47 Carlier, J. & Pinson, E.

Dettagli

TSP con eliminazione di sottocicli

TSP 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

Dettagli

Contenuto e scopo presentazione. Decisioni tattiche. Decisioni tattiche. Decisioni tattiche

Contenuto e scopo presentazione. Decisioni tattiche. Decisioni tattiche. Decisioni tattiche Contenuto e scopo presentazione Decisioni tattiche 21/05/2002 12.01 Contenuto vengono discusse alcune problematiche decisionali tattiche tipicamente affrontate dalle aziende di trasporto. Scopo fornire

Dettagli

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso

Progetto 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

Dettagli

Capitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano

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

Dettagli

Capitolo 5: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano

Capitolo 5: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano Capitolo 5: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano 5.1 Modelli di PLI, formulazioni equivalenti ed ideali Il modello matematico di un problema di Ottimizzazione Discreta è molto spesso

Dettagli

Tesi di Laurea Specialistica. Un approccio metaeuristico per il Multi Depot Vehicle Routing Problem with Time Windows

Tesi di Laurea Specialistica. Un approccio metaeuristico per il Multi Depot Vehicle Routing Problem with Time Windows UNIVERSITÀ DEGLI STUDI DI GENOVA Facoltà di Ingegneria Corso di laurea in Ingegneria Informatica Tesi di Laurea Specialistica Un approccio metaeuristico per il Multi Depot Vehicle Routing Problem with

Dettagli

Politecnico di Milano. Reti Wireless. Seminari didattici. Dalla teoria alla soluzione. Ilario Filippini

Politecnico di Milano. Reti Wireless. Seminari didattici. Dalla teoria alla soluzione. Ilario Filippini Politecnico di Milano Reti Wireless Seminari didattici Dalla teoria alla soluzione Ilario Filippini 2 Approccio euristico 3 Obiettivo dell approccio euristico 4 Tipi di euristiche Dalla teoria alla soluzione

Dettagli

Parte 3: Gestione dei progetti, Shop scheduling

Parte 3: Gestione dei progetti, Shop scheduling Parte : Gestione dei progetti, Shop scheduling Rappresentazione reticolare di un progetto Insieme di attività {,...,n} p i durata (nota e deterministica dell attività i) relazione di precedenza fra attività:

Dettagli

Tecniche Reticolari. Problema: determinare l istante di inizio di ogni attività in modo che la durata complessiva del progetto sia minima

Tecniche Reticolari. Problema: determinare l istante di inizio di ogni attività in modo che la durata complessiva del progetto sia minima Project Management Tecniche Reticolari Metodologie per risolvere problemi di pianificazione di progetti Progetto insieme di attività A i di durata d i, (=,...,n) insieme di relazioni di precedenza tra

Dettagli

APPLICAZIONI DELLA RICERCA OPERATIVA

APPLICAZIONI DELLA RICERCA OPERATIVA Università degli Studi della Calabria Laurea in Informatica A.A. 2004/2005 Appunti di supporto didattico al corso di APPLICAZIONI DELLA RICERCA OPERATIVA Indice 1 Introduzione alla teoria dello Scheduling

Dettagli

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

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

Dettagli

montagna ai trasporti internazionali Luca Bertazzi

montagna 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 -

Dettagli

Ricerca Operativa e Logistica

Ricerca 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

Dettagli

Problemi di localizzazione impianti

Problemi 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

Dettagli

Bibliografia. Gestione operativa della produzione. Terminologia. Schedulazione. Schedulazione operativa della produzione

Bibliografia. Gestione operativa della produzione. Terminologia. Schedulazione. Schedulazione operativa della produzione Bibliografia Gestione operativa della produzione Schedulazione operativa della produzione 14/12/2001 11.54 E.L. Lawler, J.K. Lenstra, A.G.H. Rinnoy Kan, D.B. Shmoys, Sequencing and Scheduling: Algorithms

Dettagli

Problemi di trasporto merci

Problemi di trasporto merci Problemi di routing di veicoli: 1 - Introduzione Daniele Vigo DEIS, Università di Bologna dvigo@deis.unibo.it Problemi di trasporto merci Trasporto merci 10% - 25% del costo totale dei beni di consumo

Dettagli

RISOLUZIONE TRAMITE ALGORITMO EURISTICO DEL PROBLEMA DEL TRASPORTO DELLE PELLI FRESCHE DAI MACELLI ALLA CONCERIA

RISOLUZIONE TRAMITE ALGORITMO EURISTICO DEL PROBLEMA DEL TRASPORTO DELLE PELLI FRESCHE DAI MACELLI ALLA CONCERIA UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Ingegneria Gestionale DIPARTIMENTO DI TECNICA E GESTIONE DEI SISTEMI INDUSTRIALI Tesi di Laurea Triennale RISOLUZIONE TRAMITE ALGORITMO EURISTICO DEL PROBLEMA

Dettagli

Esempi di modelli di programmazione lineare (intera) 2014

Esempi 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:

Dettagli

Problemi di Programmazione Lineare Intera

Problemi 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

Dettagli

MRP. Pianificazione della produzione. Distinta base Bill Of Materials (BOM) MPS vs. MRP. Materials Requirements Planning (MRP)

MRP. 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

Dettagli

Metodi 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 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

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Metodi euristici di ottimizzazione combinatoria

Metodi e Modelli per l Ottimizzazione Combinatoria Metodi euristici di ottimizzazione combinatoria Metodi e Modelli per l Ottimizzazione Combinatoria Metodi euristici di ottimizzazione combinatoria L. De Giovanni 1 Introduzione I metodi visti finora garantiscono, almeno in linea teorica, di risolvere

Dettagli

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

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

Dettagli

Metodi 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 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

Dettagli

Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy

Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy Dr Maria Federico Programmazione dinamica Solitamente usata per risolvere problemi di ottimizzazione il problema ammette

Dettagli

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

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

Dettagli

Schedulazione: più macchine. Schedulazione: più macchine. Modello. Modello. job composti di un unico task da schedulare su una tra più macchine;

Schedulazione: più macchine. Schedulazione: più macchine. Modello. Modello. job composti di un unico task da schedulare su una tra più macchine; Schedulazione: più macchine Schedulazione: più macchine casi: job composti di un unico task da schedulare su una tra più macchine; open shop (tutti i job hanno task su tutte le macchine, ma non le stesse

Dettagli

Progetto 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 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

Dettagli

Laboratory for innovation MUSP. Macchine utensili e sistemi di produzione. Laboratorio MUSP www.musp.it

Laboratory for innovation MUSP. Macchine utensili e sistemi di produzione. Laboratorio MUSP www.musp.it Laboratory for innovation MUSP Macchine utensili e sistemi di produzione www.musp.it Sommario La schedulazione della produzione Gli obiettivi nella schedulazione Le problematiche legate alla schedulazione

Dettagli

Ottimizzazione topologica di reti di tipo Internet Protocol con il metodo del Local Branching

Ottimizzazione topologica di reti di tipo Internet Protocol con il metodo del Local Branching POLITECNICO DI TORINO I Facoltà di Ingegneria Corso di Laurea in Matematica per le Scienze dell Ingegneria Tesi di Laurea Ottimizzazione topologica di reti di tipo Internet Protocol con il metodo del Local

Dettagli

Principi di Schedulazione in tempo reale

Principi di Schedulazione in tempo reale Principi di Schedulazione in tempo reale 1 Task in tempo reale Un task t i è una sequenza di processi in tempo reale τ ik ciascuno caratterizzato da q un tempo d arrivo r ik (r=release time, oppure a=arrival

Dettagli

SVILUPPO DI UN SISTEMA DI SORVEGLIANZA MEDIANTE ROBOT MOBILI.

SVILUPPO DI UN SISTEMA DI SORVEGLIANZA MEDIANTE ROBOT MOBILI. SVILUPPO DI UN SISTEMA DI SORVEGLIANZA MEDIANTE ROBOT MOBILI. 1. ABSTRACT In questo progetto si intende costruire un sistema di sorveglianza mediante l uso di robot mobili. L idea base è quella di usare

Dettagli

Contenuto e scopo presentazione. I sistemi di trasporto e le loro problematiche decisionali. Attori. Attori

Contenuto e scopo presentazione. I sistemi di trasporto e le loro problematiche decisionali. Attori. Attori Contenuto e scopo presentazione I sistemi di trasporto e le loro problematiche decisionali 24/10/2005 11.31 Contenuto viene descritta la struttura base dei sistemi di trasporto e le problematiche gestionali

Dettagli

Problemi di soddisfacimento di vincoli. Formulazione di problemi CSP. Colorazione di una mappa. Altri problemi

Problemi 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

Dettagli

La pianificazione della produzione

La pianificazione della produzione Manufacturing Planning and Control 1 La pianificazione della produzione La pianificazione della produzione è un processo complesso che coinvolge larga parte dell azienda (funzioni e risorse) e deve ragionare

Dettagli

Gestione dei flussi di traffico aereo

Gestione dei flussi di traffico aereo Gestione dei flussi di traffico aereo Daniele Vigo DEIS Università di Bologna 1 Trasporto aereo in Europa In tutto il mondo sono trasportate per via aerea merci per un valore di 1500 miliardi di dollari

Dettagli

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

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

Dettagli

Management Sanitario. Modulo di Ricerca Operativa

Management 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

Dettagli

Laboratorio di Programmazione II Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona

Laboratorio di Programmazione II Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona e e Laboratorio di Programmazione II Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Sommario e ed implementazione in Java Visita di un grafo e e Concetti di base Struttura

Dettagli

Ant Colony Optimization (ACO) e Swarm Intelligence

Ant Colony Optimization (ACO) e Swarm Intelligence Università degli Studi di Milano Facoltà di scienze Matematiche, Fisiche e Naturali Ant Colony Optimization (ACO) e Swarm Intelligence Seminario per il corso di Sistemi Intelligenti Prof. N. Alberto BORGHESE

Dettagli

Introduzione alla Simulazione Numerica

Introduzione alla Simulazione Numerica Introduzione alla Simulazione Numerica Daniele Vigo D.E.I.S. - Università di Bologna dvigo@deis.unibo.it rev. 1.0 - Novembre 2001 Simulazione numerica Tecnica che permette di eseguire esperimenti su un

Dettagli

Ottimizzazione nella gestione dei progetti

Ottimizzazione nella gestione dei progetti Ottimizzazione nella gestione dei progetti Capitolo 2: Reti di attività CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica Definizioni di ase Il Progetto è costituito

Dettagli

Un approccio metaeuristico al Dial-A-Ride Problem: il caso del trasporto a chiamata a Genova. Cristiano Nattero

Un approccio metaeuristico al Dial-A-Ride Problem: il caso del trasporto a chiamata a Genova. Cristiano Nattero Un approccio metaeuristico al Dial-A-Ride Problem: il caso del trasporto a chiamata a Genova Cristiano Nattero October 24, 2008 i a Pino e Minuccia, faro, punto di riferimento ii Abstract Questa tesi,

Dettagli

Ricerca Automatica. Esercitazione 3. Ascensore. Ascensore. Ascensore

Ricerca Automatica. Esercitazione 3. Ascensore. Ascensore. Ascensore Ascensore Ricerca Automatica Esercitazione In un grattacielo ci sono coppie formate da marito e moglie. Il cancello delle scale viene chiuso e l unico modo per scendere è con l ascensore che può portare

Dettagli

Flusso a costo minimo e simplesso su reti

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

Dettagli

1) Descrivere dettagliatamente a quale problema di scheduling corrisponde il problema.

1) Descrivere dettagliatamente a quale problema di scheduling corrisponde il problema. Un veicolo viene utilizzato da una società di trasporti per trasportare beni a partire da un unico deposito verso prefissate località di destinazione. Si supponga che occorre trasportare singolarmente

Dettagli

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

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

Dettagli

Ricerca Operativa e Logistica

Ricerca 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:

Dettagli

PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO

PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO 1. Load Balancing Un istanza del problema del load balancing consiste di una sequenza p 1,..., p n di interi positivi (pesi dei job) e un

Dettagli

L'incidenza del costo del trasporto

L'incidenza del costo del trasporto L'incidenza del costo del trasporto TRASPORTO di Emanuele Papini Dott. Emanuele Papini, Business Developer, AntOptima SA &( È possibile gestire processi logistici in tempo reale, gestire le informazioni

Dettagli

Fondamenti di Ricerca Operativa

Fondamenti di Ricerca Operativa Politecnico di Milano Anno Accademico 2010/2011 Fondamenti di Ricerca Operativa Corso del Prof. Edoardo Amaldi Stefano Invernizzi Facoltà di Ingegneria dell Informazione Corso di Laurea Magistrale in Ingegneria

Dettagli

Programmazione lineare

Programmazione lineare Programmazione lineare Dualitá: definizione, teoremi ed interpretazione economica Raffaele Pesenti 1 Dualità 1.1 Definizione e teoremi Definizione 1 Dato un problema di LP in forma canonica max x = ct

Dettagli

Modelli di Programmazione Lineare Intera

Modelli 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

Dettagli

2.3.4 Pianificazione di progetti

2.3.4 Pianificazione di progetti .. Pianificazione di progetti Un progetto è costituito da un insieme di attività i, con i =,..., m, ciascuna di durata d i. stima Tra alcune coppie di attività esistono relazioni di precedenza del tipo

Dettagli

rassegna 16 n.20 novembre 2015 Optit Srl, Cesena (FC), www.optit.net

rassegna 16 n.20 novembre 2015 Optit Srl, Cesena (FC), www.optit.net Ottimizzazione primaria e secon Claudio Caremi 1, Fabio Lombardi 1, Mattia Manfroni 1, Tiziano Parriani 1, Lorenzo Ravaglia 1, Gessica Zarri 1, Daniele Vigo 1,2, Giorgia Volta 3, Fabrizio Salieri 3, Adriano

Dettagli

Quadratic assignment Problem: The Hospital Layout

Quadratic assignment Problem: The Hospital Layout Università degli Studi di Modena e Reggio Emilia Corso di Laurea Magistrale in Ingegneria Gestionale Metodi di ottimizzazione per la logistica e la produzione Quadratic assignment Problem: The Hospital

Dettagli

Scopo intervento. Integrazione scorte e distribuzione. Indice. Motivazioni

Scopo intervento. Integrazione scorte e distribuzione. Indice. Motivazioni Scopo intervento Integrazione scorte e distribuzione Modelli a domanda costante Presentare modelli e metodi utili per problemi di logistica distributiva Indicare limiti degli stessi e come scegliere tra

Dettagli

Intelligenza Artificiale

Intelligenza Artificiale Intelligenza Artificiale Esercizi e Domande di Esame Tecniche di Ricerca e Pianificazione Esercizi Griglia Si consideri un ambiente costituito da una griglia n n in cui si muove un agente che può spostarsi

Dettagli

1. Considerazioni preliminari

1. 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

Dettagli

Politecnico di Milano. Facoltà di Ingegneria dell Informazione. Reti Radiomobili. Prof. Antonio Capone. 5 Riuso delle frequenze

Politecnico di Milano. Facoltà di Ingegneria dell Informazione. Reti Radiomobili. Prof. Antonio Capone. 5 Riuso delle frequenze Politecnico di Milano Facoltà di Ingegneria dell Informazione Reti Radiomobili Prof. Antonio Capone 5 Riuso delle frequenze Assegnamento dei canali alle celle La tecnica di accesso multiplo nei sistemi

Dettagli

Introduzione alla teoria dello scheduling

Introduzione alla teoria dello scheduling 1. Generalità I problemi di scheduling riguardano l allocazione di risorse limitate ad attività nel tempo. In generale il processo di decisione associato richiede la determinazione dell ordine in cui l

Dettagli

Strumenti ICT per una gestione efficiente dei sistemi di raccolta e trattamento dei rifiuti solidi urbani

Strumenti ICT per una gestione efficiente dei sistemi di raccolta e trattamento dei rifiuti solidi urbani Strumenti ICT per una gestione efficiente dei sistemi di raccolta e trattamento dei rifiuti solidi urbani Prof. ing. Gianpaolo Ghiani1 Università del Salento & Itaca srl ICT e Igiene Ambientale Igiene

Dettagli

Un 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 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

Dettagli

STRUTTURE NON LINEARI

STRUTTURE NON LINEARI PR1 Lezione 13: STRUTTURE NON LINEARI Michele Nappi mnappi@unisa.it www.dmi.unisa.it/people/nappi Per la realizzazione della presentazione è stato utilizzato in parte materiale didattico prodotto da Oronzo

Dettagli

Schedulazione delle attività di un progetto in presenza di multi-calendari e di vincoli sulle risorse

Schedulazione delle attività di un progetto in presenza di multi-calendari e di vincoli sulle risorse Schedulazione delle attività di un progetto in presenza di multi-calendari e di vincoli sulle risorse Maria Silvia Pini Resp. accademico: Prof.ssa Francesca Rossi Università di Padova Attività FSE DGR

Dettagli

CAPITOLO 6 La programmazione operativa (operations scheduling)

CAPITOLO 6 La programmazione operativa (operations scheduling) CAPITOLO 6 La programmazione operativa (operations scheduling) Contenuti Le funzioni della PO Gli obiettivi della PO Il job loading Il metodo dell assegnazione Il job sequencing Regole e tecniche di priorità

Dettagli

Esercizio 1 Soluzione Esercizio 2 Soluzione

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

Dettagli

Feature Selection per la Classificazione

Feature Selection per la Classificazione 1 1 Dipartimento di Informatica e Sistemistica Sapienza Università di Roma Corso di Algoritmi di Classificazione e Reti Neurali 20/11/2009, Roma Outline Feature Selection per problemi di Classificazione

Dettagli

Sommario della lezione

Sommario della lezione Sommario della lezione Ulteriori applicazioni del Massimo Flusso 1. Connettività di grafi. Selezione di progetti 3. Trasporto in reti 4. Eliminazione in tornei Università degli Studi di Salerno Corso di

Dettagli

3. Gli algoritmi di ottimizzazione.

3. Gli algoritmi di ottimizzazione. Marcello Salmeri - Progettazione Automatica di Circuiti e Sistemi Elettronici Capitolo 3-3. Gli algoritmi di ottimizzazione. I grafi. La teoria dei grafi è un comodo strumento per la definizione e la formalizzazione

Dettagli

ESERCITAZIONE 9 Lezioni di riferimento: 29, 30

ESERCITAZIONE 9 Lezioni di riferimento: 29, 30 ESERCITAZIONE 9 Lezioni di riferimento: 29, 30 Tecniche di instradamento Nel modello di riferimento OSI una rete di calcolatori è vista come un insieme di sistemi interconnessi. Su alcuni di tali sistemi

Dettagli

STUDIO DI SETTORE UG68U

STUDIO DI SETTORE UG68U ALLEGATO 13 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE UG68U CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L evoluzione dello Studio di Settore ha il fine di cogliere i cambiamenti strutturali, le

Dettagli

Livello di Rete. Prof. Filippo Lanubile. Obiettivo

Livello di Rete. Prof. Filippo Lanubile. Obiettivo Livello di Rete Circuiti virtuali e datagram La funzione di instradamento Costruzione della tabella di routing Algoritmi di routing adattivi: distance vector routing e link-state routing Routing gerarchico

Dettagli

Esercizi e complementi di Ottimizzazione nella Gestione dei Progetti

Esercizi e complementi di Ottimizzazione nella Gestione dei Progetti Esercizi e complementi di Ottimizzazione nella Gestione dei Progetti Marco Pranzo 16 Aprile 009 1 Organizzazione concerto rock I promotori di un evento rock devono svolgere le attività (Tabella 1) per

Dettagli

Progettazione e realizzazione di uno strumento per la risoluzione distribuita e decentralizzata di problemi di soddisfacimento di vincoli.

Progettazione e realizzazione di uno strumento per la risoluzione distribuita e decentralizzata di problemi di soddisfacimento di vincoli. UNIVERSITÀ DEGLI STUDI DI PARMA Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea in Informatica Tesi di Laurea Triennale Progettazione e realizzazione di uno strumento per la risoluzione

Dettagli

Ricerca 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 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

Dettagli

Analisi di una rete stradale con il software VISUM

Analisi di una rete stradale con il software VISUM Paolo Martinis Preone, 10.07.2004 Università degli Studi di Trieste Facoltà di Ingegneria Corso di Pianificazione dei Trasporti Prof. Giovanni Longo Anno Accademico 2003-2004 Analisi di una rete stradale

Dettagli

2 Formulazione dello shortest path come problema di flusso

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

Dettagli

Appunti di Algoritmi e Strutture Dati. Grafi. Gianfranco Gallizia

Appunti di Algoritmi e Strutture Dati. Grafi. Gianfranco Gallizia Appunti di Algoritmi e Strutture Dati Grafi Gianfranco Gallizia 12 Dicembre 2004 2 Indice 1 Grafi 5 1.1 Definizione.............................. 5 1.2 Implementazione........................... 5 1.2.1

Dettagli

Interval scheduling problem analisi teorica e test

Interval scheduling problem analisi teorica e test Università degli Studi di Padova Corso di Laurea Magistrale in Ingegneria Informatica Interval scheduling problem analisi teorica e test Relatori: Prof. Giorgio Romanin Jacur Prof. Matteo Fischetti Studente:

Dettagli

Note su quicksort per ASD 2010-11 (DRAFT)

Note su quicksort per ASD 2010-11 (DRAFT) Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea

Dettagli

Algoritmi per la Visualizzazione. Disegno 2D ortogonale. Disegno ortogonale 2D (1) Disegno ortogonale 2D (2)

Algoritmi per la Visualizzazione. Disegno 2D ortogonale. Disegno ortogonale 2D (1) Disegno ortogonale 2D (2) Algoritmi per la visualizzazione DISEGNO DI GRAFI: ALCUNI CASI PARTICOLARI Disegno 2D ortogonale Disegno ortogonale 2D () Disegno ortogonale 2D (2) Punto di vista umano: primo criterio per giudicare la

Dettagli

Sommario della lezione

Sommario della lezione Università degli Studi di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Acc. 2014/15 p. 1/33 Sommario della lezione Ancora sui cammini minimi: Cammini minimi in grafi con archi di costo negativo Algoritmi

Dettagli

OTTIMIZZAZIONE DEI PERCORSI NELLA RACCOLTA DEI RIFIUTI CASO HERA RAVENNA

OTTIMIZZAZIONE DEI PERCORSI NELLA RACCOLTA DEI RIFIUTI CASO HERA RAVENNA Alma Mater Studiorum Università dibologna FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Gestionale Insegnamento: Ricerca Operativa OTTIMIZZAZIONE DEI PERCORSI NELLA RACCOLTA DEI RIFIUTI CASO HERA

Dettagli

Elettronica dei Sistemi Digitali Algoritmi di channel routing per standard cells; verifica progettuale

Elettronica dei Sistemi Digitali Algoritmi di channel routing per standard cells; verifica progettuale Elettronica dei Sistemi Digitali Algoritmi di channel routing per standard cells; verifica progettuale Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013 Crema

Dettagli

Un algoritmo di ottimizzazione per un sistema Dial-a-Ride

Un algoritmo di ottimizzazione per un sistema Dial-a-Ride UNIVERSITÀ DEGLI STUDI DI MILANO Facoltà di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione Corso di Laurea in Scienze e Tecnologie dell Informazione Un algoritmo di

Dettagli

CAPITOLO 1 INTRODUZIONE ALLE RETI COMPLESSE

CAPITOLO 1 INTRODUZIONE ALLE RETI COMPLESSE CAPITOLO 1 INTRODUZIONE ALLE RETI COMPLESSE Negli ultimi anni si è compreso che sistemi anche molto diversi tra loro possono essere efficacemente descritti in termini di cosiddetti "networks" o reti complesse.

Dettagli

Gestione delle Scorte

Gestione delle Scorte Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Gestione delle Scorte Renato Bruni bruni@dis.uniroma.it Il materiale presentato è derivato da quello dei proff.

Dettagli

SCHEDULING SCHEDULING

SCHEDULING SCHEDULING Corso di Laurea Triennale in INGEGNERIA GESTIONALE Anno Accademico 2012/13 Prof. Davide GIGLIO 1 INDICE Esempio Introduttivo Generalità sui problemi di scheduling SINGLE MACHINE SPT (shortest processing

Dettagli

Integrazione di un algoritmo per l ottimizzazione dei turni del personale in un sistema informativo aziendale

Integrazione di un algoritmo per l ottimizzazione dei turni del personale in un sistema informativo aziendale UNIVERSITÀ DEGLI STUDI DI MILANO Facoltà di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione (Corso di Laurea in Informatica) Integrazione di un algoritmo per l ottimizzazione

Dettagli

Algoritmi di scheduling - Parte 2

Algoritmi di scheduling - Parte 2 Algoritmi di scheduling - Parte 2 Automazione I 12/11/2013 Vincenzo Suraci STRUTTURA DEL NUCLEO TEMATICO ALGORITMO DEADLINE MONOTONIC PRIORITY ORDERING (DMPO) ALGORITMO TIMELINE SCHEDULING (TS) SCHEDULING

Dettagli

Appunti di Ricerca Operativa

Appunti di Ricerca Operativa Appunti di Ricerca Operativa 0/0 Prefazione La Ricerca Operativa è un campo in continua evoluzione, il cui impatto sulle realtà aziendali ed organizzative è in costante crescita. L insegnamento di questa

Dettagli