3.6 Metodi basati sui piani di taglio
|
|
- Bernardo Pastore
- 6 anni fa
- Visualizzazioni
Transcript
1 3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una formulazione ideale: Proposizione: conv(x) = {x R n + : Ax b} è un poliedro. Risultato valido anche per programmi misti interi con X = {(x, y) R n + Z p + condizione che i coefficienti di A, G e b siano razionali. : Ax + Gy b} a Per i problemi N P -difficili la formulazione ideale non è nota e/o direttamente utilizzabile. Si cerca di migliorare la formulazione iniziale, ovvero di ottenere una migliore approssimazione di conv(x), aggiungendo delle disuguaglianze valide. 1
2 Definizione: π t x π 0 è una disuguaglianza valida per X R n se π t x π 0 per ogni x X. Due principali modi di utilizzare le disuguaglianze valide: aggiungerle a priori rafforzare la formulazione generarle in modo automatico metodi dei piani di taglio 1) Aggiunta a priori di disuguaglianze valide Esempio: Data la formulazione debole del problema di localizzazione ottima (UFL) con vincoli aggregati i M x ij my j, aggiungere i vincoli di coerenza x ij y j per ogni i M e j N. 2) Metodi dei piani di taglio Sia un generico PLI: min{c t x : x X = P Z n } dove P = {x R n + : Ax b} è la regione ammissibile del rilassamento continuo. Consideriamo una famiglia F di disuguaglianze πx π 0 valide per X, (π, π 0 ) F. Spesso il numero di disuguaglianze in F è troppo elevato per essere aggiunte a priori. 2
3 Definizione: Dato x P con x X, un (piano di) taglio è una disuguaglianza π t x π 0 tale che π t x π 0 è valida per X = P Z n π t x > π 0 Idea: La formulazione ideale di X (conv(x)) non è necessaria, basta aggiungere un insieme di tagli che fornisca una buona descrizione di conv(x) intorno alla soluzione ottima x P LI, ovvero faccia emergere come vertice ottimo del rilassamento continuo per il dato c. x P LI Problema di separazione: Dato un x / X e una famiglia di disuguaglianze valide F per X, trovare un piano di taglio in F che separa x da conv(x) o stabilire che non esiste. Algoritmo dei piani di taglio: Inizializzazione P := P = {x R n + : Ax b} 1. Risolvere il rilassamento continuo min{c t x : x X = P Z n }, sia x P L 2. IF x P L Zn THEN termina perché x P L è anche soluzione ottima del PLI ELSE Risolvere il problema di separazione per x P L, F e X una soluzione ottima. IF π t x π 0 è il taglio trovato THEN P := P {x R n : π t x π 0 } e torna a (1) ELSE termina. 3
4 Esempio: Tagli frazionari di Gomory (cf e corso di Fondamenti di R.O.) NB: Se non si trova una soluzione x P L intera, la formulazione P è comunque più stringente di P Disuguaglianze valide semplici 1) Insieme binario X = {x {0, 1} 5 : 3x 1 4x 2 + 2x 3 3x 4 + x 5 2} Se le variabili con coefficiente negativo sono nulle (x 2 = x 4 = 0), il vincolo non può essere soddisfatto. Quindi x 2 + x 4 1 è una disuguaglianza valida. Se x 1 = 1 e x 2 = 0, il vincolo non può essere soddisfatto. Quindi x 1 x 2 è un altra disuguaglianza valida. 2) Insieme misto 0-1 Sia X = {(x, y) : x cy, 0 x b, y {0, 1}} con c > b (ad esempio c = 9 e b = 5). Poiché X = {(0, 0), (x, 1) con 0 x b}, la disuguaglianza x by è valida e fornisce, con x 0 e y 1, il guscio convesso di X. 4
5 3) Insieme misto intero Sia X = {(x, y) : x cy, 0 x b, y 0 intero}. Se c b (ad esempio c = 10 e b = 14), la disuguaglianza con k = b c x b γ(k y), ( ) b e γ = b 1 c, è valida per X. c 4) Insieme combinatorio: accoppiamenti ( matching ) Dato un grafo non orientato G = (V.E), X = {x {0, 1} E : e δ(i) x e 1, i V }, con δ(i) = {e E : e = {i, j} per qualche j V }, è l insieme dei vettori binari che corrispondono a tutti gli accoppiamenti. Sia T V di cardinalità, T, dispari. Poiché il numero di lati di qualsiasi accoppiamento aventi entrambi gli estremi in T è al più e E(T ) x e ( T 1), 2 ( T 1) 2, dove E(T ) = {e E : e = {i, j}, i, j T }, è una disuguaglianza valida per X se T 3 è dispari. 5
6 3.6.2 Disuguaglianze di Chvátal Idea: Generare disuguaglianze valide tramite arrotondamento dei coefficienti. z P LI = min x 1 x 2 x 3 s.v. x X = {x Z 3 + : x 1 + x 2 1, x 2 + x 3 1, x 1 + x 3 1} z P L = min x 1 x 2 x 3 s.v. x P = {x R 3 + : x 1 + x 2 1, x 2 + x 3 1, x 1 + x 3 1} soluzioni ottime rispettive: x P LI = (1, 0, 0) con z P LI = 1, x P L = (0.5, 0.5, 0.5) con z P L = 1.5 Moltiplicando il primo vincolo per 0.75, gli altri due vincoli per 0.5 e sommandoli, si ottiene 5 4 x x 2 + x disuguaglianza valida per P e quindi anche per X. Arrotondando i coefficienti per difetto, si ottiene la disuguaglianza x 1 + x 2 + x valida per P dato che x 0 e quindi anche per X. Poichè le variabili x i debbono essere intere, la disuguaglianza 7 x 1 + x 2 + x 3 = 1 4 è valida per X ma non per P. Ad esempio è violata da x P L. 6
7 Procedura di Chvátal-Gomory per generare disuguaglianze valide: Sia X = P Z n con P = {x R n + : Ax b} Scegliere un u R+ m e considerare u t Ax u t b Ponendo π t = u t A, si ottiene π t x u t b con m π j = u i a ij j = 1,..., n che è valida per P e per X. i=1 Ponendo π 0 = u t b si ottiene π t x π 0 che è valida per X (ma non necessariamente per P ). Esempio: Per il problema di accoppiamento (massimo), le disuguaglianze valide e E(T ) x e ( T 1) 2 con T V e T 3 dispari sono disuguaglianze di Chvátal-Gomory rispetto al sistema x e 1 i V (1) e δ(i) x e Z + e E. (2) 7
8 Sia X = {x {0, 1} E : e δ(i) x e 1, i V }. Consideriamo un qualsiasi T V con T 3. Prendendo la combinazione lineare dei vincoli (1) con u i = 0.5 per i T e u i = 0 per i T, si ottiene e E(T ) x e e δ(t ) x e T 2 che è valida per X. Poiché x e 0 e x e Z per ogni e E, anche è valida per X. e E(T ) x e T 2 (3) Se T è pari, la disuguaglianza (3) è chiaramente implicata dai vincoli (1) associati ai nodi i T e dai vincoli (2). Se T è dispari, T T 1 2 = 2 e la disuguaglianza (3) non è implicata. 8
9 La procedura di Chvátal-Gomory permette di generare tutte le disuguaglianze valide di un PLI! Teorema (Chvátal) Ogni disuguaglianza valida per X può essere ottenuta applicando la procedura di Chvátal-Gomory un numero finito di volte. Per la dimostrazione del caso X {0, 1} n cf. L. Wolsey, Integer Programming, Wiley, p Dato un qualsiasi vertice x P L di P a coordinate non tutte intere, esiste sempre un u 0 tale che la corrispondente disuguaglianza di Chvátal-Gomory π t x π 0, con π t = u t A e π 0 = u t b, non è solo valida per X ma anche violata da x P L. Definizione: Indichiamo con A 1 x b 1 la famiglia di tutte le disuguaglianze ottenibili al variare del vettore u in R m +. P 1 = {x R n + : Ax b, A 1 x b 1 } è la prima chiusura di Chvátal di P. Ovviamente P 1 P e P 1 = P se e solo se P non ha vertici frazionari, ovvero P = conv(x). Se permangono vertici a coordinate frazionarie (P 1 conv(x)), si può iterare la procedura ottenendo le chiusure di Chvátal P k di rango superiore, con k 2. Definizione: Il più piccolo intero k tale che P k = conv(x) è il rango di Chvátal di conv(x) rispetto a P. Chiaramente P k = conv(x)... P 2 P 1 P. 9
10 3.6.3 Metodo dei piani di taglio con tagli frazionari di Gomory Consideriamo un generico problema di Programmazione Lineare Intera (PLI) in forma standard: min{ c t x : Ax = b, x 0, x Z n } dove A matrice m n e b vettore n 1 a coefficienti interi, con n > m. Idea: Ad ogni iterazione del metodo dei piani di taglio, generare tagli di Chvátal-Gomory sfruttando l informazione associata alla soluzione di base ottima x P L del rilassamento continuo corrente. Sia B la sottomatrice di base (m m non singolare) di A associata a x P L. Partizionando le colonne di A in colonne di base e fuori base, il sistema Ax = b, x 0 si riscrive Bx B + Nx N = b con x B 0 e x N 0, e può quindi essere espresso nella forma canonica x B = B 1 b B 1 Nx N con x B 0 e x N 0 che mette in evidenza la soluzione di base ottima x P L = (x B, x N ) = (B 1 b, 0). Se tutte le componenti di B 1 b sono intere allora x P L è anche soluzione ottima del PLI. 10
11 Se almeno una delle componenti di B 1 b è frazionaria, si genera un taglio di Chvátal-Gomory (una disuguaglianza che appartiene alla prima chiusura di Chvátal ed è violata da x P L ). Sia x h una variabile di base frazionaria corrispondente alla riga t del tableau ottimo (detta riga generatrice del taglio) x h + a tj x j = b t (= x h) (4) j N dove N è l insieme degli indici delle variabili fuori base. NB: L equazione (4) corrisponde a prendere u uguale alla t-esima riga di B 1 nella relazione generale u t Ax = u t b, ovvero u t = e t tb 1 dove e t è il t-esimo vettore unitario con m componenti. Applicando all equazione (4) la procedura di arrotondamento di Chvátal si ottiene la forma intera del taglio di Gomory: x h + j N a tj x j b t. (5) La (5) è chiaramente valida per X, ma violata da x P L poiché x j = 0 per j N e x h = b t è frazionaria. Sottraendo (5) da (4) si ottiene la forma frazionaria del taglio di Gomory (a tj a tj ) x j b t b t. (6) j N 11
12 Sia ϕ(y) := y y 0 la parte frazionaria di y R, allora la forma frazionaria equivale a ϕ(a tj )x j ϕ(b t ). j N Esempi: ϕ(4/3) = 1/3 e ϕ( 4/3) = 4/3 ( 2) = 2/3 La forma intera e quella frazionaria di un taglio di Gomory sono chiaramente equivalenti. La differenza (scarto) tra i termini di sinistra e destra di (6) è sempre intero quando x è intero. NB: Ogni taglio di Gomory richiede uno sforzo minimo dal punto di vista computazionale Teorema (Gomory): Il metodo dei piano di taglio con tagli frazionari di Gomory termina dopo un numero finito di iterazioni. In genere numero molto elevato, i tagli frazionari di Gomory tendono ad essere poco efficaci dopo le prime iterazioni. Parziale rimedio: introdurre molti tagli ad ogni iterazione, ad esempio tutti quelli con ϕ(b t ) > ε = 0.01 Se c è intero e il valore ottimo z 0 = c t B B 1 b di x P L è frazionario, si può generare un taglio anche dalla riga (del tableau ottimo) relativa alla funzione obiettivo, ovvero da z = z 0 +c t N x N con c N = (c t N ct B B 1 N), ottenendo j N ϕ(c j)x j ϕ(z 0 ). 12
13 Esempio: Si consideri il PLI max x 1 + x 2 s.t. x 1 + x 2 5 2x 1 + x 2 0 5x 1 + 2x 2 18 x 1, x 2 Z + 1. Risolvere il rilassamento continuo per via geometrica. 2. Scrivere il sistema in forma standard. 3. Siano x x x 5 = 8 3 x x x 5 = 7 3 3x 3 + x 4 + x 5 = 3 i vincoli espressi in forma canonica rispetto ad una delle soluzioni ottime del rilassamento continuo. Scrivere tutti i corrispondenti tagli di Gomory, in forma intera e frazionaria. 4. Esprimere il taglio intero associato alla variabile di base frazionaria x 1 in funzione delle sole variabili x 1, x 2 e riportarlo sul disegno. 5. Aggiungere questo taglio di Gomory al PLI di partenza e risolvere il nuovo rilassamento continuo. Cosa si osserva? 13
14 Riassunto delle risposte: 1. Ci sono due soluzioni di base ottime x = (5/3, 10/3) e x = (8/3, 7/3) di valore Rilassamento continuo in forma standard: max x 1 + x 2 s.t. x 1 + x 2 + x 3 = 5 2x 1 + x 2 + x 4 = 0 5x 1 + 2x 2 + x 5 = 18 x 1,..., x Il sistema 3.) è messo in forma canonica rispetto alla soluzione di base ottima (8/3, 7/3, 0, 0, 0) del rilassamento continuo. Tagli di Gomory derivanti da x 1 - forma intera: x 1 x forma frazionaria: 1 3 x x Tagli di Gomory derivanti da x 2 - forma intera: x 2 + x 3 x forma frazionaria: 2 3 x x Sostituendo x 3 = 5 x 1 x 2 in x 1 x 3 2, si ottiene il taglio 2x 1 + x
15 5. Aggiungendo il taglio 2x 1 + x 2 7 al problema originario, si ottiene una soluzione ottima del nuovo rilassamento continuo x P L = (2, 3) con tutte le coordinate intere, che e quindi anche ottima per il PLI di valore 5. 15
5.5 Metodi dei piani di taglio
5.5 Metodi dei piani di taglio Problema generale di Programmazione Lineare Intera (PLI) max{c t x : x X} dove X = {x Z n + : Ax b}, con A matrice m n e b vettore n 1 razionali Proposizione: conv(x) = {x
Dettagli5.3 Metodo dei piani di taglio
5.3 Metodo dei piani di taglio (PLI) min s.v. c T x Ax b x interi X Ipotesi: a ij, c j e b i interi Osservazione: La regione ammissibile di un PLI può essere descritta mediante dei vincoli più o meno stringenti
DettagliProgrammazione Lineare Intera
Programmazione Lineare Intera Andrea Scozzari a.a. 2012-2013 May 10, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare Intera May 10, 2013 1 / 16 Programmazione Lineare Intera: Metodo dei Piani
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
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
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
Dettagli4.5 Metodo del simplesso
4.5 Metodo del simplesso min z = c T x s.v. Ax = b x PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una
DettagliProgrammazione Lineare Intera. Programmazione Lineare Intera p. 1/4
Programmazione Lineare Intera Programmazione Lineare Intera p. 1/4 Programmazione Lineare Intera Problema di PLI in forma standard: max cx Ax = b x 0, x I n I insieme degli interi. Regione ammissibile:
DettagliContenuto e scopo presentazione. Modelli Lineari Interi/Misti. Piani di taglio. Piani di taglio. Piani di taglio Versione 31/08/
Contenuto e scopo presentazione Contenuto: viene presentato un altro metodo di soluzione di problemi di ILP o di MILP. Modelli Lineari Interi/Misti Piani di taglio Versione /8/. Scopo: fornire le capacità
DettagliPer formalizzare il concetto sono necessarie alcune nozioni relative ai poliedri e alla loro descrizione.
3.7.4 Disuguaglianze valide forti Cerchiamo disuguaglianze valide forti, ovvero disuguaglianze valide che forniscano migliori formulazioni (più stringenti). Per formalizzare il concetto sono necessarie
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 2x 2 + x 3 = 4 x 1 x 2 x 3 = 3 x 2 + 2x 3 = 1 x 1, x 2, x 3 0
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Sia dato il seguente problema di PL: max x + x 2 x 2x 2 + x 3 = 4 x x 2 x 3 = 3 x 2 + 2x 3 = x, x 2, x 3 0 Utilizzando il metodo due fasi, si stablisca
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Metodi Risolutivi per la Programmazione Lineare Intera
Metodi e Modelli per l Ottimizzazione Combinatoria Metodi Risolutivi per la Programmazione Lineare Intera L. De Giovanni G. Zambelli Un problema di programmazione lineare intera é una problema della forma
DettagliRilassamento Lagrangiano
RILASSAMENTO LAGRANGIANO 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il seguente problema
Dettagli4.1 Localizzazione e pianificazione delle base station per le reti UMTS
esercitazione Ottimizzazione Prof E Amaldi Localizzazione e pianificazione delle base station per le reti UMTS Consideriamo il problema di localizzare un insieme di stazioni radio base, base station (BS),
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)
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
DettagliTeoria della Programmazione Lineare Intera
0 Teoria della Programmazione Lineare Intera 0. INTRODUZIONE Come visto precedentemente, molti problemi particolarmente importanti dal punto di vista applicativo sono riconducibili alla soluzione di un
Dettagli5.5 Metodi generali per la soluzione di problemi
5.5 Metodi generali per la soluzione di problemi di PLI I problemi di PLI hanno caratteristiche molto diverse dai problemi di PL. In alcuni casi, la soluzione del problema lineare rilassato, ottenuto cioè
DettagliAlgoritmi generali per PLI
Programmazione Lineare Intera: II Algoritmo Cutting Planes Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev.. ottobre Algoritmi generali per PLI Metodi esatti tradizionali (anni 6 oggi):
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities
Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities L. De Giovanni M. Di Summa In questa lezione introdurremo una classe di disuguaglianze, dette cover inequalities, che permettono di
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliProgrammazione lineare: basi e soluzioni di base
Programmazione lineare:basi e soluzioni di base p. 1/33 Programmazione lineare: basi e soluzioni di base Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria
DettagliFigura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.
ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c
DettagliIl metodo dei Piani di Taglio (Cutting Planes Method)
Il metodo dei Piani di Taglio (Cutting Planes Method) E un metodo di soluzione dei problemi (IP) di tipo generale. L idea di base: Se la soluzione di (RL) non è intera allora la soluzione ottima intera
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
Dettagli3.4 Metodo di Branch and Bound
3.4 Metodo di Branch and Bound Consideriamo un generico problema di Ottimizzazione Discreta dove X è la regione ammissibile. (P ) z = max{c(x) : x X} Metodologia generale di enumerazione implicita (Land
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
DettagliEsercizi di PLI. a cura di A. Agnetis. Risolvere il seguente problema di PLI con l algoritmo dei piani di Gomory:
Esercizi di PLI a cura di A. Agnetis Risolvere il seguente problema di PLI con l algoritmo dei piani di Gomory: max z = 40x + 24x 2 + 5x + 8x 4 8x + 6x 2 + 5x + 4x 4 22 x i 0 x i intero Si tratta di un
DettagliSoluzione dei Problemi di Programmazione Lineare
Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2014-2015 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Daniele Vigo rev. 1.1.a ottobre 2014 Fondamenti di Ricerca Operativa
DettagliTeoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8
Teoria della Programmazione Lineare Teoria della Programmazione Lineare p. 1/8 I problemi di PL in forma canonica In forma scalare: max n j=1 c jx j n j=1 a ijx j b i x j 0 i = 1,...,m j = 1,...,n Teoria
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
DettagliCOMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04
COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04 Esercizio 1 Si risolva con il metodo branch-and-bound il seguente problema di PLI max x 1 + x 4x 1 + x + x = 0 x 1 + x + x 4 = x 1, x, x, x 4 0 x 1, x,
DettagliProgrammazione a numeri interi: il metodo del Branch and Bound
Programmazione a numeri interi: il metodo del Branch and Bound L. De Giovanni G. Zambelli Un problema di programmazione lineare intera è una problema della forma z I = maxc T x Ax b x 0 x i Z, i I. (1)
DettagliMetodo delle due fasi
Metodo delle due fasi Il problema artificiale la fase I del Simplesso esempi rif. Fi 3.2.5; Osservazione Nel problema min{c T x : Ax = 0, x 0}, dell esempio precedente si ha che b 0 e A contiene una matrice
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
DettagliUniversità Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi FAQ sul Metodo del SIMPLESSO Università Ca Foscari Venezia, Dipartimento di Management,
DettagliL ALGORITMO DEL SIMPLESSO REVISIONATO
L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e
DettagliCOMPITO DI RICERCA OPERATIVA. max 5 2x 1 + 3x 2 x 3 = 2 + x 1 5x 2 x 4 = 5 + x 2. x 5 = 1 + x 1 x 2
COMPITO DI RICERCA OPERATIVA ESERCIZIO. ( punti) La riformulazione di un problema di PL rispetto alla base B = {x, x, x } è la seguente: max 2x + x 2 x = 2 + x x 2 x = + x 2 x = 2 + x + x 2 x, x 2, x,
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliEsercizi sulla Programmazione Lineare Intera
Soluzioni 4.7-4.0 Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare Intera 4.7 Algoritmo del Simplesso Duale. Risolvere con l algoritmo del simplesso duale il seguente
DettagliEsercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente
Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II) Luigi De Giovanni Giacomo Zambelli 1 I passi dell algoritmo del simplesso L
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliRilassamento Lagrangiano
Rilassamento Lagrangiano AA 2009/10 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il
DettagliIl modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
Dettagli1) Hamming bound, coset, codici equivalenti
Argomenti della Lezione ) Hamming bound, coset, codici equivalenti 2) Esercizi sui codici lineari a blocchi Osservazione () Per effettuare la decodifica a rivelazione di errore si può seguire una delle
DettagliAlgoritmo del Simplesso
Algoritmo del Simplesso Renato Bruni bruni@dis.uniroma.it Univertà di Roma Sapienza Corso di Ricerca Operativa, Corso di Laurea Ingegneria dell Informazione Vertici e Punti Estremi di un Poliedro Un poliedro
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
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2015-2016 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Paolo Tubertini, Daniele Vigo rev. 2. ottobre 2016 Fondamenti di
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Metodi basati su generazione di colonne
Metodi e Modelli per l Ottimizzazione Combinatoria Metodi basati su generazione di colonne L. De Giovanni G. Zambelli 1 Un problema di taglio di tondini di ferro Un azienda metallurgica produce tondini
DettagliRisoluzione di sistemi lineari
Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini
Dettagli1 Programmazione Lineare Intera
1 Programmazione Lineare Intera Fino ad ora abbiamo affrontato problemi in cui le variabili potevano assumere valori reali. Ora invece ci concentreremo su problemi in cui le variabili possono assumere
Dettagli1 Equazioni parametriche e cartesiane di sottospazi affini di R n
2 Trapani Dispensa di Geometria, Equazioni parametriche e cartesiane di sottospazi affini di R n Un sottospazio affine Σ di R n e il traslato di un sottospazio vettoriale. Cioe esiste un sottospazio vettoriale
DettagliSistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila
Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila Sommario 1. Sistemi di disequazioni lineari e poliedri 2. Poliedri e insiemi convessi 3. Disequazioni
Dettagli3x 2 = 6. 3x 2 x 3 = 6
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliRicerca Operativa A.A. 2007/ Analisi di sensitività
Ricerca Operativa A.A. 7/8. Analisi di sensitività Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Analisi di Sensitività: motivazioni I parametri (A, b e c) di un problema di programmazione
DettagliProgrammazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
DettagliSi consideri il seguente tableau ottimo di un problema di programmazione lineare
ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6
DettagliDomande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Giovedí 14 Maggio 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Geometria di R n 1 Dare la definizione di Poliedro e Vertice di un Poliedro 2 Dare la definizione di Poliedro e di Politopo
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
Dettaglii completi l'esecuzione dell'algoritmo di programmazione dinamica per questo problema restituendo il valore ottimo e una soluzione ottima del problema
Compito di Ricerca Operativa II Esercizio ( punti). ia dato il problema di flusso massimo sulla rete in figura (le capacit a degli archi sono riportate sopra di essi). 0 8 i consideri il seguente flusso
DettagliSoluzione di problemi di Programmazione Lineare Intera
10 Soluzione di problemi di Programmazione Lineare Intera 10.1 ESERCIZI SULLA SOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 10.1.1 Risolvere con il metodo del Branch and Bound il seguente
Dettagli1 Il polinomio minimo.
Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene
DettagliAlgoritmo di Branch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo di Branch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
DettagliAlgoritmo basato su cancellazione di cicli
Algoritmo basato su cancellazione di cicli Dato un flusso ammissibile iniziale, si costruisce una sequenza di flussi ammissibili di costo decrescente. Ciascun flusso è ottenuto dal precedente flusso ammissibile
DettagliDomini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):
UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione
DettagliLEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliProva Scritta di Ricerca Operativa
Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 12 gennaio 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliApplicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
DettagliRicerca Operativa. Ricerca Operativa p. 1/6
Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
DettagliRisoluzione di problemi di programmazione lineare tramite generazione di colonne
Risoluzione di problemi di programmazione lineare tramite generazione di colonne A. Agnetis 1 Introduzione In alcune applicazioni, un problema può essere formulato in termini di programmazione lineare,
DettagliProgrammazione Non Lineare
Capitolo 1 Programmazione Non Lineare 1.1 Introduzione Un problema di ottimizzazione viene definito come la minimizzazione o la massimizzazione di una funzione a valori reali su un insieme specificato.
DettagliAlgoritmo dibranch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo dibranch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliA m n B n p = P m p. 0 1 a b c d. a b. 0 a 0 c Il risultato e lo stesso solo nel caso in cui c = 0 e a = d.
Matematica II, 220404 Il prodotto di matrici e un operazione parziale che prende in entrata una matrice A ed una matrice B, tali che il numero delle colonne di A sia uguale al numero delle righe di B,
Dettagli11.4 Chiusura transitiva
6 11.4 Chiusura transitiva Il problema che consideriamo in questa sezione riguarda il calcolo della chiusura transitiva di un grafo. Dato un grafo orientato G = hv,ei, si vuole determinare il grafo orientato)
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliTEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1.
Prof. R. adei EORIA della DUALIÀ Una piccola introduzione R. adei 1 R. adei 2 EORIA DELLA DUALIA' Il concetto di dualità fu introdotto nel 1947 da Von Neumann, anche se il teorema della dualità fu formulato
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliIl Branch & Bound. Definizione 1. Sia S R n. La famiglia S = {S 1, S 2,..., S k S} tale che S 1 S 2 S k = S viene detta suddivisione di S.
Il Branch & Bound Il metodo Branch & Bound è una tecnica che permette di risolvere all ottimo un generico problema di Programmazione Lineare Intera. Tale metodo si basa su due concetti cardine: quello
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti
DettagliLezione 7: Il Teorema di Rouché-Capelli
Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da
DettagliIl metodo del simplesso
7 Il metodo del simplesso Dato un problema di PL è ovviamente necessario, se il modello fatto deve essere di qualche utilità, essere capaci di risolverlo. Nel caso della programmazione lineare si dice
Dettagli