Esercizi sulla Programmazione Lineare Intera
|
|
- Fabiola Carlucci
- 6 anni fa
- Visualizzazioni
Transcript
1 Soluzioni 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 problema di PL: min x + 4x 2 + x 2x + 2x 2 + x 6 x + 2x 2 + x x, x 2, x 0. Quali sono i vantaggi rispetto all algoritmo primale? 4.8 Branch-and-Bound. Trovare la soluzione ottima del seguente problema di PLI max z = x + 4x 2 2x + x 2 6 2x + x 2 9 x, x 2 0, intere mediante il metodo Branch-and-Bound (risolvendo graficamente il rilassamento continuo dei sottoproblemi di PLI associati ad ogni nodo dell albero decisionale). Per il branching, si scelga sempre la variabile con il valore frazionario più vicino a 2. Per la scelta del sottoproblema da elaborare, si scelga quello con il bound più promettente. 4.9 Branch-and-Bound applicato al problema dello Zaino. Una banca di investimenti dispone di 4 milioni di euro, e investe primariamente in quattro tipi di investimento (numerati,2,,4). La seguente tabella indica, per ogni investimento, il ritorno netto e il capitale da investire. Investimento 2 4 Ritorno netto Capitale da investire 7 4 Si formuli un modello di PLI per risolvere il problema di scegliere gli investimenti da effettuare in modo da massimizzare il ritorno totale (gli investimenti possono essere scelti o non scelti, ma non è possibile effettuare un investimento parziale). Risolvere mediante Branch-and-Bound. Spiegare come si semplifica il problema dei rilassamenti continui. 4.0 Algoritmo dei Piani di Taglio. Si risolva il problema seguente: min x 2x 2 4x + 6x 2 9 x + x 2 4 x, x 2 0, intere mediante l algoritmo dei piani di taglio con tagli di Gomory. Documento preparato da: Leo Liberti
2 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi Soluzioni 4.7 Algoritmo del Simplesso Duale. Il tableau iniziale in forma canonica non evidenzia una soluzione di base ammissibile: operando con l algoritmo del simplesso primale occorrerebbe procedere con la fase per l individuazione di una soluzione di base iniziale ammissibile. Cambiando il segno alle righe e 2 si ottiene invece facilmente un tableau iniziale per l algoritmo del simplesso duale: x x 2 x x 4 x z x x Si osservi che b 4 = 6 < 0 e quindi il valore di x 4 non è primale ammissibile. Imponiamo l ammissibilità primale facendo uscire x 4 dalla base (dunque r = 4) e ponendola quindi uguale a 0. Dobbiamo adesso trovare un indice s n tale che x s possa entrare in base al posto di x i mantenedo l ammissibilità duale. L elemento pivot ā rs viene determinato calcolando il rapporto cs ā rs minimo in { c j ā rj ā rj < 0, j n}. Forniamo ora una breve spiegazione per questa scelta. Supponendo che per ogni j n si abbia ā rj 0, un pivot in ā rj non cambierebbe il segno di b r : questo significherebbe che il primale è inammissibile (nessun cambio di base porterebbe a x r 0). Essendo invece presenti dei coefficienti ā rj < 0, un pivot in ā rj renderebbe x r primale ammissibile (ponendola uguale a 0 e facendola uscire dalla base). Questo è il motivo per cui si prendono in considerazione solo i coefficienti negativi nel computo dell indice s. Vediamo ora come la scelta di s cambia i coefficienti della funzione obiettivo. Effettuando le operazioni di pivoting sulla riga della funzione obiettivo, si avrà l aggiornamento c j c j cs ā rs ā rj per ogni j n. Per mantenere l ammissibilità duale è necessario che c j 0 per ogni j n, e quindi che c j cs ā rs ā rj 0: dunque si deve avere, come specificato sopra, Nel tableau sopra si ha: j n tale che ā rj < 0, c s ā rs c j ā rj. c ā = 2 ; c 2 ā 2 = 2; c 2 ā =. L elemento pivot è quindi ā (come indicato nel tableau) e la variabile che entra in base è x. Effettuando l operazione pivot corrispondente si ottiene il nuovo tableau: x x 2 x x 4 x z /2 /2 0 x /2 -/2 0 x /2 -/2 Documento preparato da: Leo Liberti 2
3 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi Effettuando l operazione pivot la variabile x esce dalla base (riga 2) e la variabile x 2 entra (colonna 2). Si ottiene il tableau ammissibile per il primale (e quindi ottimo): x x 2 x x 4 x z x x /2 /2 - La funzione obiettivo è passata da 0 (tableau iniziale) a 9 (secondo tableau), arrivando infine al valore ottimo. 4.8 Branch-and-Bound. Risolviamo il problema mediante l algoritmo Branch-and- Bound. Ad ogni nodo, risolviamo per via grafica il rilassamento continuo del sottoproblema corrispondente: si individua l ottimo per ispezione come intersezione di due rette e si trova il punto ottimale x risolvendo il relativo sistema in due equazioni e due incognite. Il limite superiore ( upper bound ) è dato dal valore della funzione obiettivo z. L ordine di risoluzione dei sottoproblemi (si veda il diagramma in Fig. ) è P, P2, P, P4, P, P6, P7. Dopo aver risolto P7 si nota che P6 ha una soluzione intera peggiore di P7, e che P2 ha un limite superiore peggiore del valore della migliore soluzione intera trovata per ora (in P7). Dunque il nodo P6 è elaborato senza bisogno di branching, e la soluzione di P7 è la soluzione ottima del problema di PLI, con x = (0, ) e z = 2. Si noti anche che quando il valore ottimale z della funzione obiettivo del sottoproblema è frazionario, il limite superiore effettivo può essere preso come il massimo intero minore di z, ovvero z. Ad esempio, in P il limite è = 2. 4 N.B. L albero decisionale riportato in Fig. contiene la rappresentazione grafica di ogni sottoproblema ad ogni nodo per maggiore chiarezza didattica. In sede di esame risulterà più chiaro per il correttore vedere l albero decisionale separato dalla rappresentazione grafica del problema. 4.9 Branch-and-Bound applicato al problema dello Zaino. Formuliamo il problema come segue: min 6x + 22x 2 + 2x + 8x 4 x + 7x 2 + 4x + x 4 4 x, x 2, x, x 4 {0, }. Per trovare una soluzione al rilassamento lineare, ordiniamo i rapporti tra il costo e la spesa degli investimenti: (6/, 22/7, 2/4, 8/) = (.2,.4,, 2.66) In pratica, l investimento è il più proficuo a parità di spesa, a cui seguono 2,,4 in ordine. Prendiamo adesso frazioni dei vari investimenti in modo da rispettare il Documento preparato da: Leo Liberti
4 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi () (2) { P: x = () (2) x2 = 2 x + 6 x 2 = 2 x + x = ( 9, ) 4 2, z =. 4 x 2 x 2 2 () (2) () (2) { P2: x = () x2 = 2 x + 6 x 2 = x = (, ), z = < 2: stop { P: x = (2) x2 = 2 x + x 2 = 2 x = (, 2), z = x x 2 () (2) (4) P4: x = (2) (4) { x2 = 2 x + () (2) (4) P: inammissibile x = x = (, ) 7, z = 7. x 2 2 x 2 () (2) (4) P6: x = (4) x = (, 2), z =. (4) () (2) P7: x = (2) x = (0, ), z = 2. Figura : Branch-and-Bound applicato al problema 4.8. vincolo di zaino e in modo da accrescere prima le variabili relative agli investimenti più redditizi secondo l ordine specificato. Per esempio, al nodo avremo: x = Documento preparato da: Leo Liberti 4
5 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi (impegna milioni di euro), x 2 = (impegna 7 milioni di euro), x = 2 impegna 4/2=2 milioni di euro. In tutto abbiamo = 4, che è pari al budget. Dato che in un Branch-and-Bound applicato a un problema con variabili binarie i vincoli aggiunti ad ogni nodo sono della forma x i = d i, con d i {0, }, questo metodo greedy funziona ad ogni nodo dell albero decisionale: è sufficiente fissare al valore d i le variabili x i per cui esiste un vincolo aggiunto di Branch-and-Bound. L albero decisionale è riportato in Fig. 2. L indice t indica l ordine di risoluzione dei problemi. Calcolo del limite superiore. Ad ogni nodo si risolve il sottoproblema rilassato per mezzo del metodo greedy descritto sopra. Se la soluzione z del sottoproblema rilassato è frazionaria, dato che i coefficienti della funzione obiettivo sono interi e la soluzione del problema deve essere intera, possiamo considerare z come limite superiore effettivo ( upper bound ). Calcolo del limite inferiore. Il limite inferiore ( lower bound, indicato con LB in Fig. 2) serve a elaborare senza ricorrere al branching quei sottoproblemi in cui si abbia z LB (cioè il cui limite superiore non è maggiore del limite inferiore trovato finora, che sicuramente non possono dar luogo alla soluzione ottima). Mentre il limite superiore si calcola ad ogni nodo, il limite inferiore viene inizializzato a + e aggiornato durante lo svolgimento dell algoritmo: ogni volta che un sottoproblema dà luogo a una soluzione intera, se il valore della funzione obiettivo z è maggiore di LB, allora si aggiorna LB z. Ad esempio, nel sottoproblema 4 si trova una soluzione intera con z = 6; dato che è la prima trovata, LB era ancora inizializzato a + e quindi viene aggiornato a LB= 6. Al sottoproblema 6 si trova una soluzione intera con z = 42, quindi LB = 42. Pertanto il sottoproblema 4 è elaborato senza bisogno di branching. Il sottoproblema 7 è inammissibile perché se x = x 2 = x = allora il valore del vincolo diventa 6. Il sottoproblema 8 è elaborato senza branching perché z = 8 è minore del LB corrente (42). Al sottoproblema 9 si ha z = 42 6 ; per quanto detto sopra, il limite superiore 7 effettivo è dato da z = 42 che non è superiore al LB corrente (42). Dunque anche il sottoproblema 9 è elaborato senza branching. A questo punto l algoritmo termina e la soluzione intera x = (0,,, ) corrispondente al valore corrente di LB=42 è quella ottima. 4.0 Algoritmo dei Piani di Taglio. Nell algoritmo dei piani di taglio si utilizza il metodo del simplesso duale, inizialmente applicato al rilassamento continuo del problema di PLI. Dato che il metodo del simplesso risolve un problema di PL in forma standard, innanzitutto mettiamo il rilassamento continuo in forma standard, Documento preparato da: Leo Liberti
6 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi 8 t = 7 z = 8 x = x 2 = x = x 4 = 0 LB = t = z = 4 x = x 2 = x = 0, x 4 = 2 LB = 42 z = x = x 4 = x 2 = 6 7, x = 0 LB = 42 t = 8 t = 9 z = 44 x = x 2 = x = /2 LB= + x = 0 x = t = 2 z = 6 x = x = x 2 = 0, x 4 = LB = 6 z = 4 7 x = x = x 2 = 7, x 4 = 0 LB= + x 4 = 0 x 4 = x 2 = 0 x 2 = 6 7 z = 42 x = 0 x 2 = x = x 4 = LB=42, Ottimo 4 z = 4 x =, x 4 = 0 x 2 = x = LB=6 t = t = 4 x = 0 x = Non ammissibile t = t = 6 Figura 2: Albero decisionale per il problema 4.9. ottenendo: min x 2x 2 4x + 6x 2 + x = 9 x + x 2 + x 4 = 4 x, x 2, x, x 4 0, dove x, x 4 sono variabili di scarto. Tramite il metodo del simplesso applicato alla base ammissibile x B = (x, x 4 ), si ottiene la seguente successione di tableaux (l elemento pivot è evidenziato con p ): Sebbene in seguito basti effettuare, dopo l aggiunta di ogni singolo taglio, un unica iterazione del simplesso duale, in questo caso per determinare la soluzione ottima del rilassamento continuo iniziale si può applicare senza la prima fase il metodo del simplesso primale poiché è immediatamente disponibile una soluzione di base ammissibile iniziale. Documento preparato da: Leo Liberti 6
7 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi x x 2 x x x x 2 x x x x 2 x x Dunque la soluzione ottima del rilassamento è x = (, ), con le variabili di scarto 2 2 x = x 4 = 0 (si veda anche la Fig. ). Dal tableau ottimo, deriviamo un taglio di x () (2) PSfrag replacements Figura : Soluzione grafica del rilassamento del problema 4.0. Gomory dalla prima riga x 2 + x 0 + 2x 4 =. Il taglio di Gomory è espresso come 2 x i + j F ā ij x j b i, () dove F è l insieme di indici delle variabili fuori base e i è l indice della riga scelta. In questo caso, otteniamo x 2 2. Bisogna adesso svolgere l operazione di orlatura: cioè, il taglio di Gomory x 2 2 va introdotto nel tableau ottimo per poter effettuare un altra iterazione del metodo del simplesso. Dato che inserendo un taglio valido la base corrente cessa di essere ammissibile primale, bisogna utilizzare l algoritmo del simplesso duale. Prima, tuttavia, è necessario esprimere x 2 2 in funzione delle variabili fuori base x, x 4. Se dall i-esima riga del tableau ottimale x i + j F ā ij x j = b i sottraiamo () otteniamo la seguente forma frazionaria del taglio di Gomory: (ā ij ā ij )x j ( b i b i ), j F Documento preparato da: Leo Liberti 7
8 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi che applicata al caso in questione diventa: 0 x + 2 x 4 2. Dato che l algoritmo del simplesso prevede soltanto l utilizzo di vincoli in forma di equazione, sottraiamo una variabile di surplus x 0 e otteniamo 0 x + 2 x 4 x = 2. Dato che la nuova variabile x compare soltanto nel taglio di Gomory, essa può entrare in base (i coefficienti di x negli altri vincoli e nella f.o. saranno 0); moltiplichiamo dunque il taglio per - affinché il coefficiente di x risulti : 0 x 2 x 4 + x = 2. In questa forma, il vincolo può essere aggiunto al tableau ottimo ottenuto in precedenza. Otteniamo così un nuovo tableau con una riga e una colonna aggiuntive, corrispondenti rispettivamente al nuovo taglio e alla nuova variabile, che viene inserita nella base: x x 2 x x 4 x La nuova riga corrisponde, come abbiamo detto, al taglio di Gomory x 2 2, indicato in Fig. 4 come vincolo. Eseguiamo adesso un iterazione dell algoritmo del simplesso duale usando il tableau orlato. I costi ridotti sono tutti non-negativi, ma b = < 0 implica che x 2 = b ha valore negativo, e dunque non è ammissibile primale (si ricordi che x 0 è un vincolo del problema). Scegliamo quindi l indice r = affinché x esca dalla base. La variabile che entra in base è data dall indice s, dove c s ā rs = min{ c j ā rj j n, ā rj < 0}. In questo caso il minimo in {, 2 } è 2, che corrisponde all indice s = 4; dunque x 4 entra in base al posto di x, e l elemento pivot è quello indicato nel tableau orlato sopra. Otteniamo il tableau seguente x x 2 x x 4 x Documento preparato da: Leo Liberti 8
9 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi x x () (2) PSfrag replacements Figura 4: Primo taglio di Gomory generato per 4.0. con soluzione ottima x = (, 2). La soluzione non è ancora intera, dunque scegliamo 4 la seconda riga del tableau: x 4 x + 2 x = 4, da cui otteniamo un taglio di Gomory x x + x 0 che nello spazio delle variabili originali x, x 2 è x + x 2 7. La versione frazionaria del taglio di Gomory menzionato sopra è 4 x + 2 x 4. L operazione di orlatura produce il tableau seguente: x x 2 x x 4 x x dove è evidenziato l elemento pivot (la riga 4 è stata selezionata perché b 4 < 0, la colonna perché c = < = c ā 4 ā 4 ). L operazione pivot produce il tableau sotto, x x 2 x x 4 x x Documento preparato da: Leo Liberti 9
10 Soluzioni Fondamenti di Ricerca Operativa Prof. E. Amaldi che corrisponde alla soluzione ottima intera x = (, 2) evidenziata in Fig. (assieme all ultimo taglio di Gomory aggiunto). x (4) () x x PSfrag replacements (2) Figura : Ultimo taglio di Gomory generato dall algoritmo sul problema 4.0. Documento preparato da: Leo Liberti 0
1 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
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
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 )
DettagliProgrammazione Matematica: VI Estensioni dell algoritmo del Simplesso
Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 Aprile 2004 Algoritmo del Simplesso L algoritmo del Simplesso
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,
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,
DettagliEsame di Ricerca Operativa del 07/09/2016
Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un industria chimica produce due tipi di fertilizzanti (A e B) la cui lavorazione è affidata ai reparti di produzione e
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
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
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):
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,
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
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
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
DettagliRICERCA OPERATIVA. Tema d esame del 04/03/2008 (Simulazione)
RICERCA OPERATIVA Tema d esame del 04/03/2008 (Simulazione) COGNOME: NOME: MATRICOLA:. Una nota azienda automobilistica produce due modelli di auto (un utilitaria e una berlina), che rivende con un guadagno
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
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
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.
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
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
DettagliEsercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
DettagliEsame di Ricerca Operativa del 08/01/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 08/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x + x x +x x x 0 x + x x x 8 x x 8
DettagliEsame di Ricerca Operativa del 09/02/2016
Esame di Ricerca Operativa del 0/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una sartoria produce tipi di vestiti: pantaloni, gonne e giacche, utilizzando stoffa e filo. Settimanalmente, la disponibilità
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)
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:
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
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
DettagliBranch-and-bound per KNAPSACK
p. 1/1 Branch-and-bound per KNAPSACK Rispetto allo schema generale visto in precedenza dobbiamo specificare: come si calcola un upper bound su un sottinsieme; come si effettua il branching; come si individuano
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
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
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
DettagliCOMPITO DI RICERCA OPERATIVA. (5 punti) Sia dato il seguente problema di PL: min x 1 + x 2 x 1 + x 2 3 x 1 + x 2 2 2x 1 + x 2 3.
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (5 punti) Sia dato il seguente problema di PL: min x 1 + x 2 x 1 + x 2 x 1 + x 2 2 2x 1 + x 2 x 1 0 x 2 0 Si trasformi questo problema in forma standard e lo si
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
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
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
Dettagli4. METODI DUALI DEL SIMPLESSO
4. MEODI DUALI DEL SIMPLESSO R. adei 1 Una piccola introduzione R. adei 2 MEODI DUALI DEL SIMPLESSO L obiettivo del capitolo è illustrare e giustificare i metodi duali del simplesso. Entrambi i metodi
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)
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),
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
DettagliEsercizi soluzione grafica e Branch and Bound. Daniele Vigo
Esercizi soluzione grafica e Branch and Bound Daniele Vigo daniele.vigo@unibo.it Mix Mangimi Il gestore di un allevamento desidera determinare il mix ottimale di mangimi da aggiungere al riso per la dieta
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
DettagliIL METODO DEL SIMPLESSO
IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno
DettagliParte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Divide et Impera Sia z * max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
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
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
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)
Dettagli3.6 Metodi basati sui piani di taglio
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
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
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
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
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
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
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:
Dettagli5. ANALISI DI SENSIBILITÀ
5. ANALISI DI SENSIBILITÀ R. Tadei 1 Una piccola introduzione R. Tadei 2 ANALISI DI SENSIBILITÀ Nei precedenti capitoli abbiamo visto come, partendo da un problema reale, si possa giungere alla costruzione
Dettagli5.5 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
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
DettagliAnno 2. Risoluzione di sistemi di primo grado in due incognite
Anno Risoluzione di sistemi di primo grado in due incognite Introduzione In questa lezione impareremo alcuni metodi per risolvere un sistema di due equazioni in due incognite. Al termine di questa lezione
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
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
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
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
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
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,
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
DettagliBranch-and-bound per TSP
p. 1/6 Branch-and-bound per TSP Anche qui, rispetto allo schema generale visto in precedenza dobbiamo specificare: p. 1/6 Branch-and-bound per TSP Anche qui, rispetto allo schema generale visto in precedenza
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
DettagliExcel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore
Excel: una piattaforma facile per l ottimizzazione Excel ha un toolbox di ottimizzazione: Risolutore Il problema di produzione con Excel Consideriamo il foglio Excel Variabili di decisione reali c8,d8
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
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
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
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
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
DettagliUn esempio di applicazione della programmazione lineare intera: il Sudoku
Un esempio di applicazione della programmazione lineare intera: il Sudoku Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA
DettagliRette e piani nello spazio
Rette e piani nello spazio Equazioni parametriche di una retta in R 3 : x(t) = x 0 + at r(t) : y(t) = y 0 + bt t R, parametro z(t) = z 0 + ct ovvero r(t) : X(t) = P 0 + vt, t R}, dove: P 0 = (x 0, y 0,
DettagliPrerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
DettagliIntroduzione ai Problemi di Flusso su Reti
UNIVERSI DI PIS IROCINIO ORMIVO IVO - I CICLO CLSSE DI BILIZIONE MEMIC PPLIC Introduzione ai Problemi di lusso su Reti Relatore: Prof. V. Georgiev.U: Prof. M. Berni Elisabetta lderighi R.O e Riforma della
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
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,
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
DettagliProblemi lineari equivalenti
Problemi lineari equivalenti Introduzione Nel seguito verranno presentati alcuni esempi di trasformazione di problemi di problemi di programmazione lineare in forme equivalenti. Un problema di programmazione
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
DettagliRicerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto
1 Lunedí 23 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Simplesso in 2 fasi Fase I (rg(a) m) Se P non è ammissibile, STOP Altrimenti 1 elimina da (A... b) eventuali
DettagliMetodi generali per la soluzione di problemi di PLI
10 Metodi generali per la soluzione di problemi di PLI Per la soluzione di problemi di PLI non esistono metodi universalmente efficienti. Molto spesso è necessario utilizzare algoritmi ad hoc che siano
DettagliAppendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19
14 18-12-07 19:04 Pagina 411 Le decisioni di breve termine fra alternative diverse 411 i minori costi differenziali, almeno nella misura in cui la dimensione di costo è la più importante. Sebbene i costi
DettagliConvergenza del Simplesso e regole anti-ciclaggio
Convergenza del Simplesso e regole anti-ciclaggio degenerazione e ciclaggio un esempio di ciclaggio regole anti-ciclaggio rif. Fi 3.2.6, BT 3.4 (Esempio 3.6), BT 3.7; Sulla convergenza del metodo del simplesso
Dettagli2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
DettagliEsercizi per il corso di ricerca operativa 1
Esercizi per il corso di ricerca operativa Ultimo aggiornamento: 8 gennaio 004 Indice I Esercizi 5 Programmazione lineare 7 Dualita 3 3 Analisi di sensitivita 7 4 Programmazione intera 5 Introduzione
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
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
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),
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
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
DettagliEquazioni di secondo grado
Equazioni di secondo grado Un equazione di secondo grado può sempre essere ridotta nella forma: a + bx + c 0 forma normale con a 0. Le lettere a, b, c sono rappresentano i coefficienti. Solo b e c possono
DettagliProva in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A
Nome... Cognome... 1 Prova in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A Un rinomato biscottificio italiano dispone di tre stabilimenti, ubicati nelle città di Ancona, Belluno e Catanzaro
DettagliAlgoritmi e Strutture Dati
Algoritmi Golosi (Greedy) Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino un algoritmo goloso correttezza Problema della selezione di attività
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
Dettaglietà (anni) manutenzione (keuro) ricavato (keuro)
.6 Cammini minimi. Determinare i cammini minimi dal nodo 0 a tutti gli altri nodi del seguente grafo, mediante l algoritmo di Dijkstra e, se applicabile, anche mediante quello di Programmazione Dinamica.
Dettagli