Il problema del commesso viaggiatore e problemi di vehicle routing
|
|
- Assunta Fiorini
- 7 anni fa
- Visualizzazioni
Transcript
1 Il problema del commesso viaggiatore e problemi di vehicle routing Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa laura.galli@unipi.it 2 Dicembre 2014 Ricerca Operativa 2 Laurea Magistrale in Ingegneria Gestionale Università di Pisa A.A. 2014/15 L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 1 / 33
2 Problema del commesso viaggiatore (TSP) Problema Grafo (N,A) completo; c ij = costi sugli archi. Trovare un ciclo di costo minimo che passi su tutti i nodi una ed una sola volta (ciclo hamiltoniano). Teorema Questo problema è NP-hard. Quante sono le soluzioni ammissibili? L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 2 / 33
3 Problema del commesso viaggiatore (TSP) Applicazioni trasporti, logistica: (N,A ) rete stradale. S N, cerco ciclo di costo minimo che passi su tutti i nodi di S. Il problema è un TSP sul grafo (N,A), dove N = S, A = S S, c ij = costo cammino minimo da i a j sul grafo (N,A ). scheduling (problema 1 s jk C max ) produzione di circuiti integrati data analysis sequenze DNA...(vedi L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 3 / 33
4 Perché ciclo hamiltoniano? William Rowan Hamilton ( ): in un dodecaedro regolare è possibile partire da un vertice e, passando sugli spigoli, toccare tutti i vertici una ed una sola volta e tornare al vertice di partenza? L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 4 / 33
5 Perché ciclo hamiltoniano? Icosian game: in un dodecaedro regolare è possibile partire da un vertice e, passando sugli spigoli, toccare tutti i vertici una ed una sola volta e tornare al vertice di partenza? L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 5 / 33
6 TSP simmetrico e asimmetrico Se la matrice dei costi è simmetrica, cioè c ij = c ji per ogni arco (i,j), il problema è detto simmetrico; altrimenti è detto asimmetrico. TSP asimmetrico TSP simmetrico Prima tratteremo il problema asimmetrico (più generale) e poi quello simmetrico (caso particolare). L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 6 / 33
7 Modello 1 Variabili: x ij = { 1 se arco (i,j) ciclo hamiltoniano, 0 altrimenti. min (i,j) A i N\{j} j N\{i} (i,j) A: i S, j/ S c ij x ij x ij = 1 j N (1) x ij = 1 i N (2) x ij 1 S N, S,N (3) x ij {0,1} (i,j) A (1)-(2): per ogni nodo deve esistere un arco entrante e un arco uscente (3): eliminazione di sottocicli. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 7 / 33
8 Modello 2 Variabili: x ij = { 1 se arco (i,j) ciclo hamiltoniano, 0 altrimenti. (i,j) A: i S, j S min (i,j) A i N\{j} j N\{i} c ij x ij x ij = 1 j N (4) x ij = 1 i N (5) x ij S 1 S N, S,N (6) x ij {0,1} (i,j) A (4)-(5): per ogni nodo deve esistere un arco entrante e un arco uscente (6): eliminazione di sottocicli. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 8 / 33
9 Modello 3 { 1 se arco (i,j) ciclo hamiltoniano Variabili: x ij = 0 altrimenti u i 1 per ogni i N, dove u i = k se i è il k esimo nodo visitato nel ciclo. min (i,j) A i N\{j} j N\{i} c ij x ij x ij = 1 j N (7) x ij = 1 i N (8) N x ij +u i u j N 1 (i,j) A, j 1 (9) x ij {0,1} u 1 = 1 (i,j) A 2 u i N i N,i 1 (7)-(8): per ogni nodo deve esistere un arco entrante e un arco uscente (9): eliminazione di sottocicli. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 9 / 33
10 Modello 3 Perché il vincolo N x ij +u i u j N 1 (i,j) A, j 1 (9) elimina i sottocicli? Se x ij = 1, con j 1, allora u j u i +1. Se x ij = 0 allora u i u j N 1. Se x soddisfa i vincoli (7)-(8) ma non è un ciclo hamiltoniano, allora è una famiglia di sottocicli, quindi esiste un sottociclo S che non passa per il nodo 1. Applicando il vincolo (9) agli archi di S si ottiene una contraddizione sulle variabili u, quindi (9) non è soddisfatto. Il vincolo (9) è soddisfatto da ogni ciclo hamiltoniano. Infatti, al ciclo corrisponde la soluzione x 14 = 1, x 42 = 1, x 23 = 1, x 31 = 1, u 1 = 1, u 4 = 2, u 2 = 3, u 3 = 4 che soddisfa il vincolo (9). Il vincolo (9) è costituito da O(n 2 ) disequazioni (polinomiale) I vincoli (3) e (6) sono costituiti da O(2 n ) disequazioni (non polinomiale) L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 10 / 33
11 Modello 4 Variabili: x ij = { 1 se arco (i,j) ciclo, 0 altrimenti, j N\{i} min (i,j) A i N\{j} j N\{i} y ji j N\{i} c ij x ij y ij = flusso inviato lungo (i,j) x ij = 1 j N (10) x ij = 1 i N (11) y ij = 1 i N,i 1 (12) 0 y ij ( N 1)x ij (i,j) A (13) x ij {0,1} (i,j) A (10)-(11): per ogni nodo deve esistere un arco entrante e un arco uscente (12)-(13): eliminazione di sottocicli. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 11 / 33
12 Metodo Branch and Bound: rilassamenti Rilassamenti continui dei modelli 1, 2, 3, 4. Eliminare i vincoli di connessione dal modello 1: si ottiene un problema di assegnamento di costo minimo: min c ij x ij i N j N x ij = 1 j N i N x ij = 1 i N j N x ij {0,1} i,j N Questo problema è un flusso di costo minimo e quindi è risolubile in tempo polinomiale. La soluzione ottima è una famiglia di cicli orientati che coprono tutti i nodi. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 12 / 33
13 Metodo Branch and Bound: rilassamenti Esempio Consideriamo la seguente matrice dei costi: La soluzione ottima del rilassamento è formata da due cicli: e ha valore 125 = v I (P). x 13 = 1, x 32 = 1, x 21 = 1, x 45 = 1, x 54 = 1, L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 13 / 33
14 Metodo Branch and Bound: metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio x 34 = 1, x 43 = 0, x 13 = 1, x 45 = 1, x 54 = 0, x 14 = 0, x 42 = 0, x 35 = 0, x 53 = 0, x 12 = 0, x 15 = 0, x 21 = 1, x 32 = 0, x 41 = 0, x 31 = 0, x 23 = 0, x 52 = 1. Il ciclo trovato è di costo 135. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 14 / 33
15 Metodo Branch and Bound: metodi euristici Algoritmo del nodo più vicino Parti da un nodo i. Il nodo successivo è il più vicino a i tra quelli non ancora visitati. E così via. Esempio Partendo dal nodo 1 si ottiene il ciclo di costo 135. Partendo dal nodo 5 si ottiene il ciclo di costo 134. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 15 / 33
16 Metodo Branch and Bound: metodi euristici Algoritmi di inserimento Costruisco un ciclo su un sottoinsieme di nodi. Estendo questo ciclo inserendo uno alla volta i nodi rimanenti fino ad inserire tutti i nodi. L implementazione di questo schema dipende da: come costruisco il ciclo iniziale: ciclo qualsiasi, ciclo sui 3 nodi che formano il triangolo più grande, ciclo che segue l involucro convesso dei nodi (quando c ij = distanza euclidea tra i e j),... come scelgo il prossimo nodo da inserire: il più vicino al ciclo, il più lontano dal ciclo, quello il cui inserimento causa il minimo incremento nella lunghezza del ciclo,... dove inserisco il nodo scelto: di solito è inserito nel punto che causa il minimo incremento nella lunghezza del ciclo L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 16 / 33
17 Metodo Branch and Bound: metodi euristici Esempio Scelgo un ciclo a caso: Il nodo 4 ha distanza 12 dal ciclo, mentre il nodo 5 ha distanza 30. Scelgo il nodo più vicino al ciclo: 4. Dove inserisco il nodo 4? Se inserisco 4 tra 1 e 2, la lunghezza del ciclo aumenta di = 21 Se inserisco 4 tra 2 e 3, la lunghezza del ciclo aumenta di = 24 Se inserisco 4 tra 3 e 1, la lunghezza del ciclo aumenta di = 8 Quindi inserisco il nodo 4 tra 3 e 1. Il ciclo diventa Dove inserisco il nodo 5? Conviene inserirlo tra 3 e 4, quindi il ciclo hamiltoniano è di costo 167. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 17 / 33
18 Metodo Branch and Bound: metodi euristici Algoritmo basato sulla soluzione ottima del rilassamento. Algoritmo delle toppe (patching) 1. L assegnamento di costo minimo è formato da una famiglia di cicli orientati F = {C 1,...,C p }. 2. Per ogni coppia di cicli C i,c j F, calcola l incremento di costo γ ij corrispondente alla fusione di C i e C j nel modo più conveniente possibile. 3. Effettua la fusione dei due cicli C i e C j ai quali corrisponde il minimo valore di γ ij. Aggiorna F. 4. Se F contiene un solo ciclo allora STOP altrimenti torna al passo 2. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 18 / 33
19 Metodo Branch and Bound: metodi euristici Esempio La soluzione ottima del rilassamento è formata da due cicli: e Le possibili fusioni dei due cicli sono le seguenti: sostituire gli archi con gli archi si ottiene il ciclo di costo (1,3) e (4,5) (1,5) e (4,3) (1,3) e (5,4) (1,4) e (5,3) (2,1) e (4,5) (2,5) e (4,1) (2,1) e (5,4) (2,4) e (5,1) (3,2) e (4,5) (3,5) e (4,2) (3,2) e (5,4) (3,4) e (5,2) La fusione più conveniente trova il ciclo di costo 128. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 19 / 33
20 Metodi euristici: ricerca locale Dopo aver trovato una soluzione ammissibile, provo a migliorarla. 1. Trovo una soluzione ammissibile x 2. Genero un insieme N(x) di soluzioni vicine ad x (intorno) 3. Se in N(x) esiste una soluzione ammissibile x migliore di x allora x := x e torno al passo 2 altrimenti STOP (x è una soluzione ottima locale) L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 20 / 33
21 Metodi euristici: ricerca locale Nel caso del TSP, come definisco un intorno N(x)? Una possibile scelta è: N(x) = {cicli hamiltoniani che hanno 2 archi diversi da x} x x N(x) L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 21 / 33
22 Metodi euristici: ricerca locale Esempio Consideriamo il TSP sul grafo Effettuiamo la ricerca locale a partire dal ciclo di costo 142. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 22 / 33
23 Metodi euristici: ricerca locale Esempio x costo elimino archi inserisco archi x costo (1,3) (5,2) (1,5) (3,2) (1,5) (2,4) (1,2) (5,4) (1,2) (3,5) (1,3) (2,5) (1,2) (5,4) (1,5) (2,4) (2,3) (5,4) (2,5) (3,4) (2,3) (4,1) (2,4) (3,1) L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 23 / 33
24 Problemi di vehicle routing Servire un insieme di clienti utilizzando una flotta di veicoli, localizzati in uno o più depositi, che si spostano su una rete stradale. Rete stradale Grafo completo (N, A), dove N={clienti, depositi}, A ={tratti stradali}, c ij = lunghezza del cammino minimo da i a j vale disuguagliaza triangolare t ij = tempo di viaggio da i a j Clienti - il cliente i ha una domanda d i - tempi di carico/scarico - eventuali finestre temporali (orari apertura, orari accesso ZTL,...) - eventuali veicoli non utilizzabili L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 24 / 33
25 Problemi di vehicle routing Veicoli - veicoli di dimensione fissa o variabile (rimorchio?) - veicolo può ritornare in un deposito diverso da quello di origine - capacità di carico (volume, peso, unità,...) - archi che un veicolo non può attraversare - costi (per km, per ora,...) Autisti - dipendenti o ditte esterne - vincoli su orario di lavoro, durata pause,... L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 25 / 33
26 Problemi di vehicle routing Vincoli operativi - capacità dei veicoli - è permessa solo la consegna di merce ai clienti, oppure solo il ritiro, oppure entrambe le operazioni - massima lunghezza/durata dei viaggi - rispetto finestre temporali - precedenze tra clienti (pickup and delivery): la merce prelevata da un cliente deve essere consegnata ad un altro cliente dallo stesso veicolo - precedenze tra clienti (vehicle routing with backhaul): tutte le consegne di merce devono essere effettuate prima dei ritiri di merce Obiettivi - minimizzare costo totale di trasporto (distanza percorsa + costi veicoli) - minimizzare numero dei veicoli utilizzati - minimizzare penalità associate al mancato servizio di clienti L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 26 / 33
27 Problemi di vehicle routing Applicazioni distribuzione di merci a clienti dislocati in diverse zone geografiche distribuzione di merci ai negozi di una città raccolta rifiuti solidi urbani... L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 27 / 33
28 VRP capacitato un solo deposto (nodo 0) da cui partono e in cui tornano i veicoli n clienti (nodi 1,...,n) solo consegne di merce di un unico tipo d i = domanda del cliente i K veicoli identici di capacità C, un solo viaggio per veicolo obiettivo: minimizzare lunghezza totale percorsa Questo problema è NP-hard (perché il TSP è un caso particolare per K = 1). L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 28 / 33
29 Modello 1 Variabili: x ij = { 1 se arco (i,j) sol. ottima 0 altrimenti min (i,j) A i N\{j} j N\{i} i N\{0} x ij i S j/ S c ij x ij x ij = 1 j N \{0} (14) x ij = 1 i N \{0} (15) x i0 = K (16) i S di C x ij {0,1} S N \{0}, S (17) (i,j) A (14)-(15): un arco entrante e un arco uscente per ogni cliente. (16): K veicoli usati. (17): capacità dei veicoli ed eliminazione di sottocicli. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 29 / 33
30 Modello 2 Variabili: x ij = { 1 se arco (i,j) sol. ottima 0 altrimenti min (i,j) A i N\{j} j N\{i} i N\{0} c ij x ij u i = carico veicolo prima di visitare i x ij = 1 j N \{0} (18) x ij = 1 i N \{0} (19) x i0 = K (20) u j u i +C x ij C d i i,j N \{0}, i j (21) x ij {0,1} (i,j) A d i u i C i N \{0} (18)-(19): un arco entrante e un arco uscente per ogni cliente. (20): K veicoli usati. (21): capacità dei veicoli ed eliminazione di sottocicli. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 30 / 33
31 Modello 3 Variabili: x ijk = { { 1 se veicolo k passa sull arco (i,j) 1 se i assegnato al veicolo k y ik = 0 altrimenti 0 altrimenti j N\{i} min K c ij x ijk (i,j) A k=1 K y ik = 1 i N \{0} (22) k=1 K y 0k = K (23) k=1 x ijk = x jik = y ik i N,k = 1,...,K (24) j N\{i} d i y ik C k = 1,...,K (25) i N\{0} x ijk y hk S N \{0},h S,k = 1,...,K (26) i S j/ S x ijk {0,1},y ik {0,1} i,j,k (22): ogni cliente è assegnato a un solo veicolo. (23): K veicoli usati. (24): se i è assegnato a k, allora k entra ed esce da i. (25): capacità dei veicoli. (26): eliminazione sottocicli. L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 31 / 33
32 Modello 4 Indichiamo con R = {R 1,...,R q } l insieme di tutte le rotte ammissibili (R j è un ciclo che include { il deposito e rispetta le capacità) { e c j = costo della rotta R j. 1 se i R j 1 se scelgo la rotta R j Definiamo a ij = Variabili: x j = 0 altrimenti 0 altrimenti min q c j x j j=1 q a ij x j = 1 i N \{0} (27) j=1 q x j = K (28) j=1 x j {0,1} (27): ogni cliente è assegnato a una sola rotta. (28): K veicoli usati. j L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 32 / 33
33 Metodi euristici Costruttivi: trovano gradualmente una soluzione ammissibile, senza fasi di miglioramento A due fasi: cluster-first-route-second: prima si dividono i clienti in sottoinsiemi ammissibili (rispettando le capacità), poi per ogni sottoinsieme si determina la rotta (risolvendo un TSP) route-first-cluster-second: prima si trova un ciclo hamiltoniano su tutti i clienti (TSP), poi si suddivide il ciclo in pezzi ammissibili (rispettando le capacità) Ricerca locale: prima trovano una soluzione ammissibile, poi cercano di migliorarla esplorando un intorno, fino a trovare una soluzione ottima locale L. Galli Corso di Ricerca Operativa 2 - Laurea Magistrale in Ingegneria Gestionale Università di Pisa 33 / 33
Il problema del commesso viaggiatore
Il problema del commesso viaggiatore Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università
DettagliIntroduzione al Vehicle Routing Problem
Introduzione al Vehicle Routing Problem Laboratorio di Strumenti di Ottimizzazione 2012-2013 Roberto Roberti roberto.roberti6@unibo.it 22 Maggio 2013 Il Vehicle Routing Problem (VRP) Problema di determinare
DettagliProblemi dello zaino e di bin packing
Problemi dello zaino e di bin packing 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
DettagliPROBLEMA DEL COMMESSO VIAGGIATORE
PROBLEMA DEL COMMESSO VIAGGIATORE INTRODUZIONE Il problema del commesso viaggiatore (traveling salesman problem :TSP) è un classico problema di ottimizzazione che si pone ogni qual volta, dati un numero
DettagliCorso di Trasporto merci e logistica. Supporto didattico ad uso esclusivo interno. a cura di: ing. Mario Cordasco A.A
logistica Supporto didattico ad uso esclusivo interno a cura di: ing. Mario Cordasco A.A. 2008-2009 La distribuzione fisica delle merci La logistica è l insieme delle attività e dei servizi che permettono
DettagliTeoria della Programmazione Lineare Intera
Teoria della Programmazione Lineare Intera Laura Galli Dipartimento di Informatica Largo B. Pontecorvo, 567 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 7 Ottobre 0 Ricerca Operativa Laurea
DettagliTeoria della Complessità Computazionale
Teoria della Complessità Computazionale Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 21 Ottobre 2014 Ricerca Operativa 2
DettagliAlgoritmi Euristici. Molti problemi reali richiedono soluzioni algoritmiche
9 Algoritmi Euristici introduzione Vittorio Maniezzo Università di Bologna 1 Molti problemi reali richiedono soluzioni algoritmiche I camion devono essere instradati VRP, NP-hard I depositi o i punti di
Dettagli3.2 Rilassamenti lineari/combinatori e bounds
3.2 Rilassamenti lineari/combinatori e bounds Consideriamo un problema di Ottimizzazione Discreta min{f(x) : x X} e sia z il valore di una soluzione ottima x X. Metodi di risoluzione spesso generano una
DettagliRichiami di Teoria dei Grafi. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Richiami di Teoria dei Grafi Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Teoria dei grafi La Teoria dei Grafi costituisce, al pari della Programmazione Matematica, un corpo
DettagliAlberi di copertura. Mauro Passacantando. Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa
Alberi di copertura Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 0/ - Corso di Ricerca Operativa Università di Pisa / 9 Definizioni
DettagliMassimo flusso e matching
Capitolo Massimo flusso e matching. Problema del massimo matching. Nel problema del massimo matching è dato un grafo non orientato G(V, A); un matching in G è un insieme di archi M A tale che nessuna coppia
DettagliProgrammazione Lineare Intera: Piani di Taglio
Programmazione Lineare Intera: Piani di Taglio Andrea Scozzari a.a. 2014-2015 April 22, 2015 Andrea Scozzari (a.a. 2014-2015) Programmazione Lineare Intera: Piani di Taglio April 22, 2015 1 / 23 Programmazione
DettagliRICERCA OPERATIVA (a.a. 2017/18) Nome: Cognome: Matricola:
Sesto appello 7/7/8 RICERCA OPERATIVA (a.a. 7/8) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B
DettagliESERCIZIO 1: Punto 1
ESERCIZIO : Punto La seguente matrice è una matrice delle distanze di un istanza del problema del Commesso Viaggiatore. - - - - - - - Calcolare.Il valore del rilassamento che si ottiene determinando l
DettagliModelli di Programmazione Lineare. PRTLC - Modelli
Modelli di Programmazione Lineare PRTLC - Modelli Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver Come ricavare una stima dell ottimo Rilassamento continuo - generazione di
DettagliRICERCA OPERATIVA (a.a. 2018/19)
Secondo appello //9 RICERCA OPERATIVA (a.a. 8/9) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: min y + y y y y y = y + y y = y, y, y, y Si verifichi se la soluzione ȳ =,,, sia ottima
DettagliProblemi di Distribuzione
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Problemi di Distribuzione Renato Bruni bruni@dis.uniroma1.it Il materiale presentato è derivato da quello dei
DettagliProblemi di localizzazione di servizi (Facility Location Problems)
9. Problemi di Localizzazione di Servizi 1 Problemi di localizzazione di servizi (Facility Location Problems) Dato un insieme di clienti richiedenti una data domanda di merce e dato un insieme di possibili
DettagliOttimizzazione Combinatoria e Reti (a.a. 2007/08)
o Appello 6/07/008 Ottimizzazione Combinatoria e Reti (a.a. 007/08) Nome Cognome: Matricola: ) Dopo avere finalmente superato l esame di Ricerca Operativa, Tommaso è pronto per partire in vacanza. Tommaso
DettagliDai ponti di Königsberg al postino cinese
Dai ponti di Königsberg al postino cinese Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 2012/1 - Corso di Ricerca Operativa Università
Dettaglimin det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione.
Se è unimodulare e è intero allora il poliedro 0 ha vertici interi. Sia un vertice di Per definizione esiste allora una base di tale che, 0 Poiché è non singolare ( invertibile det 0) si ha che det 1 è
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
DettagliEuristiche per il Problema del Commesso Viaggiatore
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Euristiche per il Problema del Commesso Viaggiatore Renato Bruni bruni@dis.uniroma.it Il materiale presentato
DettagliProblemi di Instradamento di Veicoli
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Problemi di Instradamento di Veicoli Renato Bruni bruni@dis.uniroma1.it Il materiale presentato è derivato
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
DettagliTecniche euristiche Ricerca Locale
Tecniche euristiche Ricerca Locale PRTLC - Ricerca Locale Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo: rilassamenti Rilassamento
DettagliDualità Lagrangiana. Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa
Dualità Lagrangiana Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 3 Novembre 2015 Ricerca Operativa 2 Laurea Magistrale in
DettagliMETODI DELLA RICERCA OPERATIVA
Università degli Studi di Cagliari FACOLTA' DI INGEGNERIA CORSO DI METODI DELLA RICERCA OPERATIVA Dott.ing. Massimo Di Francesco (mdifrance@unica.it) i i Dott.ing. Maria Ilaria Lunesu (ilaria.lunesu@unica.it)
DettagliALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I
ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si
DettagliEsame di Ricerca Operativa del 22/01/18
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale
DettagliEsame di Ricerca Operativa del 24/07/18. max 7 x 1 +4 x 2 x 1 +3 x x 1 +x x 1 +x 2 12 x 1 x x 1 3 x 2 2 x 1 2 x 2 14
Esame di Ricerca Operativa del /07/18 Cognome) Nome) Numero di Matricola) Esercizio 1. Effettuare due iterazioni dell algoritmo del simplesso primale per il problema max 7 x 1 + x x 1 + x 6 x 1 +x x 1
DettagliMakespan con set-up dipendenti dalla sequenza. 1/s jk /C max
Makespan con set-up dipendenti dalla sequenza 1/s jk /C max 1/s jk /C max Un tempo di riattrezzaggio (set-up) s jk è richiesto fra il processamento di j e quello di k. In questo caso, C max dipende dalla
DettagliEsame di Ricerca Operativa del 12/07/17
Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda produttrice di mobili possiede due sedi S e S, che richiedono mensilmente 0 e 0 quintali di legname per il
DettagliEsame di Ricerca Operativa del 22/01/18
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale
DettagliEsame di Ricerca Operativa del 12/02/18. P 1 P 2 P 3 P 4 P 5 P 6 Peso bagaglio km di viaggio
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. L autista di un taxi puo trasportare al massimo persone richiedendo a ciascuna Euro a km per il viaggio. Fanno richiesta
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
DettagliRICERCA OPERATIVA (a.a. 2018/19) Nome: Cognome: Matricola:
Primo appello //9 RICERCA OPERATIVA (a.a. /9) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x + x x + x x + x x x x x applicando l algoritmo del Simplesso Primale, per via algebrica,
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),
DettagliFlusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
DettagliEsame di Ricerca Operativa del 18/06/18
Esame di Ricerca Operativa del 8/0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x +x x x x +x x x x + x
Dettagli2. Si definisca un algoritmo euristico di tipo greedy per determinare una buona soluzione ammissibile del problema;
Esercizio 6 Un azienda di trasporti deve affrontare il seguente problema di caricamento. L azienda dispone di n prodotti che possono essere trasportati e di m automezzi con cui effettuare il trasporto.
DettagliCertificati dei problemi in NP
Certificati dei problemi in NP La stringa y viene in genere denominata un certificato Un Certificato è una informazione ausiliaria che può essere utilizzata per verificare in tempo polinomiale nella dimensione
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. min. Esercizio 2. Esercizio 3
A UNIVERSIÀ DEGLI SUDI ROMA RE Ricerca Operativa Primo appello gennaio 00 Esercizio Portando il problema in forma standard si aggiungono le variabili e 4. Impostando il problema artificiale è sufficiente
DettagliAppunti sul Vehicle Routing Problem
Appunti sul Vehicle Routing Problem Marco Pranzo Corso di Ottimizzazione su Reti Anno Accademico 2007/2008 Il Vehicle Routing Problem (VRP) è un tipico problema operativo nelle reti di distribuzione, e
Dettagli1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44;
1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44; c 24 = 15; c 25 = 12; c 34 = 32; c 35 = 55; c 45 = 24 Si calcoli l ottimo duale (formulazione
DettagliEsame di Ricerca Operativa del 09/01/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min 7 y +y + y + y +y +7 y y +y y y
DettagliTecniche euristiche greedy
Tecniche euristiche greedy PRTLC - Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali
DettagliFormulazioni. Consideriamo il seguente problema di Knapsack 0-1. max (5x x 2. ) st 3x x 2. < 6 x {0,1} 2
Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)} Rappresentiamo sul piano gli insiemi ammissibili.
DettagliEsame di Ricerca Operativa del 28/05/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del /0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x +x x x x +x x x Base Soluzione
DettagliAlgoritmi euristici. Parte I: metodi classici
Algoritmi euristici. Parte I: metodi classici Daniele Vigo D.E.I.S. - Università di Bologna dvigo@deis.unibo.it rev. 1.0 - febbraio 2003 Algoritmi Euristici Algoritmi Euristici, Approssimati, Approssimanti
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound.
Ricerca Operativa A.A. 2007/2008 17. Esercitazione di laboratorio: Branch and Bound. Luigi De Giovanni - Ricerca Operativa - 17. Esercitazione di laboratorio: Branch and Bound 17.1. Luigi De Giovanni -
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
DettagliFondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione
Fondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione Esercizio 1 In un supermercato si vuole disporre un insieme {1,...,n} di prodotti su m sca ali. Ogni prodotto
DettagliAlgoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano
Algoritmi Euristici Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Martedì 14.30-16.30 in Aula Omega Venerdì 14.30-16.30 in
DettagliEsame di Ricerca Operativa del 15/01/16. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del /0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x x x x + x x + x x x x +x Base
DettagliEsame di Ricerca Operativa del 19/07/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 9/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x +x x + x x x x x x x x 9 Base Soluzione
DettagliUn esempio di applicazione della programmazione lineare intera al progetto di una rete stradale con vincoli di network survivability
Un esempio di applicazione della programmazione lineare intera al progetto di una rete stradale con vincoli di network survivability Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound.
Ricerca Operativa A.A. 2007/2008 17. Esercitazione di laboratorio: Branch and Bound. Luigi De Giovanni - Ricerca Operativa - 17. Esercitazione di laboratorio: Branch and Bound 17.1 . Luigi De Giovanni
DettagliEsame di Ricerca Operativa del 11/02/2015
Esame di Ricerca Operativa del /0/0 (Cognome) (Nome) (Matricola) Esercizio. Un azienda produce tipi di TV (, 0, 0 e pollici) ed è divisa in stabilimenti (A e B). L azienda dispone di 0 operai in A e 0
DettagliEsame di Ricerca Operativa del 19/01/2016
Esame di Ricerca Operativa del 19/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Una banca offre ai suoi clienti diversi tipi di prestito: mutuo casa, credito auto, credito famiglia, che rendono un interesse
DettagliEsame di Ricerca Operativa del 03/09/2015
Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Una raffineria di petrolio miscela tipi di greggio per ottenere tipi di carburante: senza piombo, diesel e blu diesel.
DettagliRICERCA OPERATIVA (a.a. 2012/13) Nome: Cognome: Matricola:
o Appello 7// RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si individui un albero dei cammini minimi di radice sul grafo in figura utilizzando l algoritmo più appropriato dal punto di vista della
DettagliEsame di Ricerca Operativa del 06/02/17
Esame di Ricerca Operativa del 0/0/7 (Cognome) (Nome) (Numero d Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max 7 x x x x x x x + x x x 0 x
DettagliALFABETIZZAZIONE INFORMATICA
Laurea in ilosofia a.a. 2008-2009 LTIZZZION INORMTI Ogni problema che ho risolto è diventato una regola che in seguito è servita a risolvere altri problemi. (René escartes, artesio iscorso sul metodo )
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
DettagliEsame di Ricerca Operativa del 19/01/2016
Esame di Ricerca Operativa del 9/0/06 (Cognome) (Nome) (Matricola) Esercizio. Una banca offre ai suoi clienti diversi tipi di prestito: mutuo casa, credito auto, credito famiglia, che rendono un interesse
DettagliQuinto appello 27/6/ = 4. B b B = 2 b N = 4
Quinto appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il problema di PL dato applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B {, }. Per
DettagliProblemi, istanze, soluzioni
lgoritmi e Strutture di Dati II 2 Problemi, istanze, soluzioni Un problema specifica una relazione matematica tra dati di ingresso e dati di uscita. Una istanza di un problema è formata dai dati di un
DettagliEsame di Ricerca Operativa del 06/02/17
Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Numero d Matricola) Esercizio. Uno studente vuole definire un piano di studio settimanale per preparare gli esami A, B e C, massimizzando le ore (h)
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)
DettagliEsame di Ricerca Operativa del 11/07/2016
Esame di Ricerca Operativa del /0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un erboristeria vuole produrre una nuova tisana utilizzando tipi di tisane già in commercio. Tali tisane sono per lo più composte
DettagliRisoluzione di un problema di VRP
Risoluzione di un problema di VRP Un problema di VRP (Vehicle Routing Problem) è un tipico problema di programmazione lineare in cui l obiettivo primario è quello di individuare, su una rete generica,
DettagliWeek #9 Assessment. Practice makes perfect... November 23, 2016
Week #9 Assessment Practice makes perfect... November 23, 2016 Esercizio 1 Un azienda di trasporto deve caricare m camion {1,..., m} in modo da servire giornalmente un dato insieme di clienti. Nei camion
DettagliEsame di Ricerca Operativa del 21/07/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y y + y + y + y + y y y +y + y +y
DettagliGestione della produzione e della supply chain Logistica distributiva
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Convergenza dell algoritmo Se non
DettagliEsame di Ricerca Operativa. x 1 +2 x 2 6 x 1 +x 2 6 x 1 4 x 1 1
Esame di Ricerca Operativa (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x + x x +x x 0 x + x x +x x x Base Soluzione
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
DettagliEsame di Ricerca Operativa del 18/02/13
Esame di Ricerca Operativa del 8/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x +8 x x + x x +x x x + x x +x 8 x
DettagliRICERCA OPERATIVA (a.a. 2003/04) Nome Cognome:
o Appello 0//00 RICERCA OPERATIVA (a.a. 00/0) Nome Cognome: Corso di Laurea: I SI M Matricola Corso A B C ) La ditta di trasporti FurgonFast deve suddividere tra tre diversi trasportatori n oggetti da
DettagliEsame di Ricerca Operativa del 04/02/16. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y + y + y + y + y + y y y +y y +
DettagliRICERCA OPERATIVA (a.a. 2011/12) Nome: Cognome: Matricola:
5 o Appello 8/0/0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si individui un albero dei cammini minimi di radice sul grafo in figura, utilizzando l algoritmo più appropriato dal punto di vista
DettagliEsame di Ricerca Operativa del 09/06/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 0/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y + y + y +0 y +y + y y y + y y y y
DettagliEsame di Ricerca Operativa del 09/06/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 09/0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x +x x x x +x x + x x Base
Dettaglicittà
Esercitazione 11-4-18 Esercizio 1. Si consideri il problema di trovare il ciclo hamiltoniano di costo minimo su una rete di 5 città, le cui distanze reciproche sono indicate in tabella: città 2 3 4 5 1
DettagliAlgoritmi esatti. La teoria ci dice che per problemi difficili (come il
p. 1/4 Algoritmi esatti La teoria ci dice che per problemi difficili (come il KNAPSACK o, ancora di più, il TSP ) i tempi di risoluzione delle istanze, calcolati tramite analisi worst-case, tendono a crescere
DettagliFACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 6 Giugno 1996
Verona, Giugno ) E dato il seguente problema di Programmazione Lineare: min( x + ) x x x Rappresentare il problema geometricamente e successivamente scriverlo in forma standard. a) Determinare una soluzione
DettagliCommesso Viaggiatore. Università del Salento. Il Problema del. Dal Rompicapo alla Teoria dei Grafi. Kaliningrad. Dipartimento di Matematica
Università del Salento Dipartimento di Matematica Il Problema del Commesso Viaggiatore Chefi TRIKI Dal Rompicapo alla Teoria dei Grafi Kaliningrad Ex-citt città Prussiana Fiume Pregel Dal Rompicapo alla
DettagliIntroduzione ai grafi
TFA A048 Anno Accademico 2012-13 Outline Cenni storici sui grafi Nozioni introduttive: cammini, connessione, alberi, cicli Cammini di costo minimo Origini storiche La nascita della teoria dei grafi risale
DettagliEsame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da calcio e da basket che vende a 1 e 20 euro rispettivamente. L azienda compra ogni settimana
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
Dettagli