Gestione della produzione e della supply chain Logistica distributiva
|
|
- Raffaele Stella
- 6 anni fa
- Visualizzazioni
Transcript
1 Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena
2 Struttura delle reti logistiche Sistemi produttivi multistadio Struttura logistica lineare Sist. prod. / Fornitore Sist. prod. / Fornitore Sist. prod. / Fornitore
3 Struttura delle reti logistiche Struttura logistica ad assemblaggio 7 8 6
4 Struttura delle reti logistiche Struttura logistica arborescente (rete di distribuzione) 8 7 6
5 Costi in logistica Costo per l acquisizione dei materiali (soggetto a sconti e incertezze sul valore futuro) Costi di ordinazione Costi di mantenimento o perdita del valore delle scorte Costi fissi e variabili di trasporto Costi per la realizzazione di impianti e centri di distribuzione Costi legati alla movimentazione dei materiali nei magazzini
6 Progetto di reti logistiche e trasporti Determinare la struttura di una rete logistica significa dimensionare impianti di produzione, centri di distribuzione, punti vendita, flussi dei materiali. Il problema si pone ad un livello strategico. Tuttavia, il problema può porsi ad un livello tattico, nel caso in cui sia possibile acquisire risorse (mezzi di trasporto, siti di stoccaggio, ecc ) in affitto da fornitori di servizi logistici.
7 Teoria dei grafi La Teoria dei Grafi costituisce, al pari della Programmazione Matematica, un corpo metodologico per la modellazione e soluzione di problemi decisionali Molti problemi di ottimizzazione hanno una naturale rappresentazione grafica. Sono note efficienti tecniche risolutive basate sui Grafi.
8 Origini La Teoria dei Grafi è stata introdotta dal matematico svizzero Eulero (77-78) che formulò utilizzando i grafi il problema dei ponti di Könisberg (città Prussiana): C Fiume Pregel A D Partendo da una qualsiasi area di terra è possibile tornare al punto di partenza attraversando tutti i ponti una ed una sola volta? B
9 Se si associano alle zone di terra dei punti (nodi o vertici) e ai ponti dei tratti di linea (archi o spigoli) il problema dei ponti di Könisberg è modellato dal Grafo C A D B Eulero si servì di questo grafo per stabilire che era impossibile trovare il percorso richiesto, con i ponti così distribuiti. E invece possibile se il numero di archi incidente in ogni nodo è pari.
10 Definizioni Un grafo G=(V,E) è definito da: un insieme V di nodi; un insieme E di archi. Un grafo si dice orientato se gli archi hanno un orientamento altrimenti si dice non orientato C C A D A D B B
11 Definizioni (grafi non orientati) Dato l arco e=(a, b) a a, b sono detti i nodi estremi di e e è detto arco incidente in a e b a, b sono detti nodi adiacenti b due archi si dicono adiacenti se hanno un nodo in comune Dato il nodo a di G l Intorno di a, indicato con N(a), è l insieme dei nodi adiacenti ad a la stella di a, indicata con δ(a), è l insieme degli archi incidenti in a N() = {, } δ() = {(,), (,), (,)}
12 Definizioni (grafi orientati) Dato un arco orientato e=(a, b) e è detto arco uscente da a (nodo coda) e è detto arco entrante in b (nodo testa) a si dice predecessore diretto di b b si dice successore diretto di a a b Dato un nodo a di un grafo orientato G δ + (a) è l insieme degli archi uscenti da a δ - (a) è l insieme degli archi entranti in a un nodo con soli archi entranti è detto pozzo un nodo con soli archi uscenti è detto sorgente δ + () = {(,), (,)} δ - () ={(,), (,)}
13 Definizioni Dato un Grafo G=(V, E) con V={v,, v n } ed E={e,, e m } un cammino è una sequenza di archi p={e h, e h,, e hq }, tali che ogni due archi consecutivi sono adiacenti
14 Definizioni Un cammino è detto semplice se gli archi e i nodi del cammino sono tutti distinti altrimenti si dice non semplice un cammino è orientato se per ogni arco e=(i, j) del cammino, il nodo i è la coda di e ed il nodo j è la testa di e
15 Definizioni Un cammino è detto chiuso se i nodi estremi del cammino coincidono Un cammino semplice e chiuso è detto ciclo Un Grafo G si dice connesso se per ogni coppia di nodi a e b esiste un cammino da a a b
16 Definizioni Un ciclo orientato Un ciclo non orientato
17 Definizioni Un cammino chiuso in un grafo è detto ciclo Euleriano se passa una ed una sola volta su tutti gli archi del grafo. Un ciclo Euleriano può non esistere in un grafo. Grafo non Euleriano Grafo Euleriano C A D B
18 Definizioni Un ciclo in un grafo è detto ciclo Hamiltoniano se passa una ed una sola volta su tutti i nodi del grafo. Un ciclo Hamiltoniano può non esistere in un grafo. Grafi Hamiltoniani C A D B
19 Definizioni Dato un grafo non orientato G=(V,A) e un sottoinsieme S di V Taglio in un grafo Una taglio δ (S) è l insieme di archi con un estremo in S e l altro in V\S S= {, } δ(s) = {(,), (,), (,)}
20 Definizioni Dato un grafo G=(V,A) orientato e un sottoinsieme S di V Taglio in un grafo Il taglio δ + (S) è l insieme di archi con coda in S e testa in V\S Il taglio δ - (S) è l insieme di archi con testa in S e coda in V\S S ={,,} δ + (S) = {(,),(,),(,)} δ - (S) ={(,)}
21 Grafo bipartito G=(V, V, A) Definizioni L insieme dei nodi V è divisibile in due sottoinsiemi V e V Non ci sono archi in A che collegano due nodi di V o due nodi di V
22 Definizioni Una foresta è un grafo senza cicli
23 Definizioni Un Albero T=(V,A) è un grafo che soddisfa una delle seguenti definizioni: è una foresta conessa è connesso e non contiene cicli è connesso ed ha V - archi per ogni coppia di nodi esiste un solo cammino che li connette è connesso e la rimozione di un arco lo rende disconnesso
24 Definizioni Dato un grafo G=(V,A) una foresta ricoprente F =(V,A ) di G è una foresta tale che V =V
25 Definizioni Dato un grafo G=(V,A) albero ricoprente T =(V,A )di G è un albero tale che V =V
26 Il Problema del Flusso su Reti a Costo Minimo (Minimum Cost Network Flow) Il problema di Flusso su Reti a Costo Minimo consiste nel determinare il modo più conveniente per trasportare una determinata quantità di bene da uno o più punti di produzione o immagazzinamento ad uno o più punti di consumo, attraverso una rete di trasporto data. Esistono algoritmi di soluzione estremamente efficienti per il calcolo della soluzione di Problemi di Flusso su Reti a Costo Minimo (più efficienti dei metodi utilizzati per la soluzione di problemi di PL generici).
27 Il Modello del Flusso su Reti a Costo Minimo (Minimum Cost Network Flow) Dati Il grafo G=(V, E) della rete Un insieme di nodi fornitori S V e la quantità di bene disponibile a(i) per ogni i S Un insieme di nodi domanda D V e la quantità di bene richiesta b(i) per ogni i D I costi unitari di trasporto c, le capacità superiori u e inferiori l ad ogni arco (i,j) di E
28 Il Modello del Flusso su Reti a Costo Minimo (Minimum Cost Network Flow) Il Problema Decidere quanto flusso inviare su ciascun arco in modo tale che le capacità sugli archi siano rispettate ad ogni nodo sia soddisfatto il bilanciamento del flusso: Flusso uscente da i Flusso entrante in i = a( i) se i è un nodo fornitore b( i) se i è un nodo domanda altrimenti il costo totale del flusso sulla rete sia minimo
29 Il Modello del Flusso su Reti a Costo Minimo (Minimum Cost Network Flow) Un esempio ed una soluzione ammissibile (i costi degli archi non sono riportati) a()= Nodi fornitori Nodi domanda 6 b(6)= a()= a()= i l, u, c j 7 b(7)= l = u = +
30 Il Modello del Flusso su Reti a Costo Minimo : Una formulazione di PL Definizione delle variabili: x la quantità di flusso che scorre nell arco (i,j), per ogni (i,j) E Funzione obiettivo: min ( i, j ) E c x
31 Upper bound sulle variabili: x u (i,j) E Lower bound sulle variabili: x l (i,j) E
32 Vincolo sul bilanciamento del flusso: = + altrimenti ) ( ) ( ) ( ), ( ) ( ), ( D i i b S i i a x x i i j ji i j i δ δ Condizione: affinché il problema abbia una soluzione ammissibile deve essere: = D i S i i b i a ) ( ) (
33 ( i, j ) δ + x ( i ) x Formulazione complessiva min l ( j, i ) δ ( i, j ) E x ji ( i ) c x a( i) i S = b( i) i D altrimenti (i,j) E x u (i,j) E Proprietà: La matrice dei coefficienti è Totalmente Unimodulare (matrice di incidenza di un grafo diretto e matrici identità) Se le quantità a ( i), b( i), l, u sono intere allora esiste un flusso ottimo x* intero (calcolabile).
34 Il Modello del Flusso su Reti a Costo Minimo (Minimum Cost Network Flow) Metodi di soluzione: In pratica, un problema di flusso su reti a costo minimo può essere risolto con algoritmi combinatori estremamente efficienti (polinomiali), che sfruttano la struttura della rete. Inoltre, esiste una versione del metodo del simplesso, nota con il nome di simplesso su reti, messa a punto proprio per la soluzione di problemi di flusso su reti a costo minimo.
35 Ottimizzazione dei costi di trasporto e dimensionamento della capacità produttiva Descrizione del problema Un industria alimentare produce alimenti in diversi impianti. Gli alimenti una volta prodotti possono essere trasportati direttamente a diversi clienti, oppure trasportati e stoccati in magazzini e poi consegnati ai clienti. Dati Il costo di produzione è lo stesso per ogni impianto. Il costo di stoccaggio è lo stesso per ogni magazzino. Ogni impianto ha una capacità produttiva limitata. E nota la domanda di alimenti di ogni cliente. Sono dati i costi di trasporto e produzione/stoccaggio, per tonnellata di alimenti, tra ogni coppia di punti. Possono essere trasportate al più tonnellate di alimenti tra ogni coppia di punti. Obiettivo L industria vuole decidere quanto produrre in ogni impianto e quanto stoccare in ogni magazzino, in modo tale che il costo totale di trasporto dagli impianti verso i clienti sia minimo e la domanda dei clienti sia soddisfatta.
36 Ottimizzazione dei costi di trasporto e dimensionamento della capacità produttiva Impianti Clienti Capacità (ton per anno) 8 Domande (ton per anno) Costi di trasporto e produzione/stoccaggio (migliaia di Euro per ton) Magazzino Magazzino Cliente Cliente Impianto,,,, Impianto,, 8, 9, Impianto,,, 8, Magazzino - -,, Magazzino - -, 7,
37 Ottimizzazione dei costi di trasporto e dimensionamento della capacità produttiva Il problema può essere modellato con un grafo orientato, associando un nodo ad ogni impianto, magazzino e cliente. Un arco orientato esprime il fatto che può essere trasportata una certa quantità di alimenti tra i due nodi estremi dell arco. Impianti Magazzini Clienti 6 Capacità (ton per anno) 7 8 Domande (ton per anno) Ad ogni nodo impianto è associato un valore pari alla capacità produttiva Ad ogni nodo cliente è associato un valore pari alla domanda
38 Ottimizzazione dei costi di trasporto e dimensionamento della capacità produttiva Ad ogni arco (i,j) del grafo sono associati una capacità u, un costo di trasporto e produzione c per tonnellata (per gli archi uscenti dagli impianti) ed un costo di trasporto e stoccaggio c per tonnellata (per gli archi uscenti dai magazzini). i u, c u = per ogni arco j Costi di trasporto e produzione/stoccaggio (migliaia di Euro per ton) Magazzino Magazzino Cliente Cliente Impianto,,,, Impianto,, 8, 9, Impianto,,, 8, Magazzino,, Magazzino, 7,
39 Ottimizzazione dei costi di trasporto e dimensionamento della capacità produttiva Condizione di ammissibilità La somma delle capacità produttive (6) eccede la somma delle domande (8) Impianti Magazzini Clienti Capacità (ton per anno) Domande (ton per anno) Si introduce un nodo domanda fittizio con valore 6-8= connesso ai nodi fornitori con archi di capacità pari a e costo nullo
40 Ottimizzazione dei costi di trasporto e dimensionamento della capacità produttiva Condizione di ammissibilità La somma delle capacità produttive (6) eccede la somma delle domande (8) Impianti Magazzini Clienti Capacità (ton per anno) Domande (ton per anno) Si introduce un nodo domanda fittizio con valore 6-8= connesso ai nodi fornitori con archi di capacità pari a e costo nullo
41 Formulazione con Excel
42 Soluzione ottima del Problema Impianti Magazzini Clienti Capacità (ton per anno) Domande (ton per anno) Costo di trasporto complessivo: mila Euro
43 Il problema del Cammino di costo minimo su grafi Siano dati un grafo orientato G=(V, E) un costo c associato ad ogni arco (i, j) una coppia di nodi s e t il problema consiste nel trovare un cammino semplice orientato da s a t la cui somma dei costi degli archi ha valore minimo. s t
44 Il problema del Cammino di costo minimo modellato come problema di Flusso su reti a costo minimo Se si associa: un valore a(s)= al nodo s; un valore b(t)= al nodo t; una capacità inferiore pari a ad ogni arco di E; una capacità superiore pari a ad ogni arco di E. Il problema di trovare un cammino minimo da s a t può essere visto come caso particolare di problema di Flusso a costo minimo, con un solo nodo fornitore (s) ed un solo nodo domanda (t). a(s)= s b(t)= t
45 Il problema dei trasporti Siano dati un grafo orientato bipartito G=(A,B,E) A, insieme dei nodi fornitori B, insieme dei nodi domanda una quantità disponibile b i per ogni nodo fornitore in A una quantità richiesta d i per ogni nodo domanda in B un costo unitario di trasporto c associato ad ogni arco (i, j) di E Il problema Il problema consiste nel determinare quanto trasportare su ciascun arco in modo da soddisfare la domanda e minimizzare i costi di trasporto.
46 Il problema dei trasporti Definizione delle variabili: x la quantità di flusso che scorre nell arco (i,j), per ogni (i,j) E j B i A x x min ( i, j ) E c x b i i A d j j B x (i,j) E
47 Nodi domanda Il problema dei trasporti Nodi fornitore b d b b min c x (i,j ) E x b i i A j B x d j j B i A x (i, j) E Proprietà: La matrice dei coefficienti è Totalmente Unimodulare (matrice di incidenza di un grafo bipartito) Se le quantità b i e d j sono intere allora esiste un flusso ottimo x* intero. d
48 E j i c x ), ( min E (i,j) u x E (i,j) l x = + altrimenti ) ( ) ( ) ( ), ( ) ( ), ( D i i b S i i a x x i i j ji i j i δ δ Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti
49 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Flusso lungo un arco: Il flusso di un arco aumenta se esso è percorso in modo concorde al verso dell arco Il flusso di un arco diminuisce se esso è percorso in modo discorde al verso dell arco
50 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Idea: A partire da un flusso ammissibile sulla rete, l idea alla base del simplesso su reti è quella di migliorare la soluzione di partenza aumentando il flusso in cicli con costo unitario negativo, o diminuendo il flusso in cicli con costo unitario positivo. Ciclo con costo negativo: -++-= - Ciclo con costo positivo: -++-= (,) (,) (,) (,) (,) (,) (,) (,) (,) (,) i (x, c ) j i (x, c ) j
51 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Definizioni Dato un flusso ammissibile x sulla rete G, un arco (i,j) è detto libero se l < x < u vincolato se x = l oppure x = u
52 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Definizioni Dato un flusso ammissibile x sulla rete G, un arco (i,j) è detto libero se l < x < u vincolato se x = l oppure x = u Soluzione senza cicli (cycle free solution): un flusso ammissibile x tale che in ogni ciclo (non orientato) della rete esiste almeno un arco vincolato Soluzione ad albero ricoprente (spanning tree solution): dato un albero ricoprente T di G, un flusso ammissibile x tale che ogni arco che non appartiene a T è vincolato (gli archi di G che appartengono a T possono essere liberi o vincolati)
53 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Soluzione senza cicli (cycle free solution): un flusso ammissibile x tale che in ogni ciclo della rete esiste almeno un arco vincolato Soluzione ad albero ricoprente (spanning tree solution): dato un albero ricoprente T di G, un flusso ammissibile x tale che ogni arco che non appartiene a T è vincolato (gli archi di G che appartengono a T possono essere liberi o vincolati) È possibile mostrare che un problema di flusso a costo minimo ammette sempre una soluzione ottima senza cicli e ad albero ricoprente.
54 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti E sempre possibile trasformare una soluzione ammissible in una soluzione senza cicli Esempio: Ciclo con costo negativo Tutti gli archi con capacità massima infinita e capacità minima Costo del ciclo per flusso unitario D: -++-= - (,) (,) i (,) (,) (x, c ) j (,) +a -a -a +a +a
55 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Aumentando a il costo nel ciclo diminuisce. a può essere aumentato fin quando i flussi sugli archi si mantengono positivi (non negatività del flusso) (e non eccedono la capacità massima): a -a a +a 8 +a a -a +a 7 Il flusso è ancora ammissibile, un arco è vincolato (ha ora flusso nullo), ed il costo della soluzione è diminuito
56 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Esempio: Ciclo con costo positivo Tutti gli archi con capacità massima infinita e minima Costo del ciclo per flusso unitario D: -++-= (,) (,) i (,) (,) (x, c ) j (,) +a -a -a +a +a
57 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Poiché diminuendo il flusso nel ciclo diminuisce il costo, il valore di a può essere diminuito il più possibile a condizione che i flussi sugli archi non diventino negativi (e che le capacità massime degli archi siano rispettate): a -a +a +a a a a -a +a Il flusso è ancora ammissibile, un arco ha ora flusso nullo (è vincolato), ed il costo della soluzione è diminuito 6
58 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Dato un flusso ammissibile sulla rete, il procedimento sopra descritto si può applicare a tutti i cicli della rete, anche ai cicli con costo unitario nullo (in questo caso non avremo nessun miglioramento della soluzione), per portare il flusso di un arco del ciclo al valore, ottenendo quindi una soluzione ammissibile senza cicli. Se assumiamo lower bound diversi da ed upper bound finiti sulle variabili x, è possibile con ragionamenti analoghi modificare i flussi sugli archi in modo da non peggiorare la soluzione, mantenere l ammissibilità e portare il flusso su un arco del ciclo al suo valore minimo (l ) o massimo (u ) Applicando il ragionamento a tutti i cicli della rete si ottiene il seguente risultato. Teorema Se la funzione obiettivo di un problema di flusso a costo minimo non è illimitata inferiormente, esiste sempre una soluzione ottima senza cicli.
59 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti È possibile convertire una soluzione senza cicli in una soluzione ad albero ricoprente Infatti, data una soluzione senza cicli, possono accadere due cose:. Il grafo che si ottiene eliminando tutti gli archi vincolati è connesso: soluzione ad albero ricoprente. Il grafo che si ottiene eliminando tutti gli archi vincolati non è connesso: foresta ricoprente Nel caso, è possibile aggiungere archi vincolati alla foresta ed ottenere una soluzione ad albero ricoprente
60 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Nel caso, è possibile aggiungere archi vincolati alla foresta ed ottenere un soluzione ad albero ricoprente (,) (,) (,) (,) (,6) (,) i (,) j (x, u ), l = Soluzioni ad alberi ricoprenti
61 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Si ottiene quindi il seguente risultato. Teorema Se la funzione obiettivo di un problema di flusso a costo minimo non è illimitata inferiormente, esiste sempre una soluzione ottima ad albero ricoprente per il problema.
62 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Data una soluzione ad albero ricoprente, gli archi in A della rete G possono suddividersi in tre categorie:. Gli archi appartenenti all albero T. Gli archi non appartenenti all albero il cui flusso è pari alla capacità minima (insieme L). Gli archi non appartenenti all albero il cui flusso è pari alla capacità massima (insieme U) E possibile ottenere una (unica) soluzione ad albero ricoprente conoscendo la struttura T,L,U (ammissibile). Basta porre x =l per ogni (i,j) in L x =u per ogni (i,j) in U calcolare il flusso sugli altri archi di T attraverso le condizioni di bilanciamento dei nodi
63 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Diremo che la struttura di un albero ricoprente T,L,U è ammissibile se la relativa soluzione ad albero rispetta i bound di ciascun arco della rete G Data una soluzione ad albero ricoprente, diremo che l albero relativo T è non degenere se tutti gli archi in T sono liberi, altrimenti l albero si dice degenere
64 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Data una struttura ad albero ricoprente T,L,U E possibile calcolare un flusso ammissibile sugli archi di T Per semplicità, assumiamo che tutti gli archi abbiano upper bound infinito e lower bound (gli archi non in T sono in L e quindi hanno flusso ). Dato un arco, siano T e T i due sottoalberi ottenuti eliminando l arco. a()= b()= a()= a()=b()= Si noti che deve essere: b()= ( a(i) b(i) ) + ( a(i) b(i) ) = i T i T T a()= T a()= x = a()=b()= b()= b()=
65 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti In modo simile è possibile calcolare il flusso anche nel caso in cui la capacità massima degli archi sia finita (supponiamo che gli archi (,) e (,) siano in U) a()= u = u = b()= a()= a()=b()= b()= a()= T b()= T a()= x = a()=b()= b()=
66 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Test di ottimalità per una soluzione ad albero ricoprente Definiamo per ogni arco di G un costo ridotto nel seguente modo: c' = c π( i) + π( j) ( i, j) Dove π(i) è detto potenziale al nodo i Teorema La struttura di un albero ricoprente T,L,U è ottima per il problema di flusso a costo minimo se è ammissibile e se esiste una scelta dei potenziali dei nodi π(i) tale che: c' c' c' = ( i, ( i, ( i, j) T j) L j) U A
67 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Teorema La struttura di un albero ricoprente T,L,U è ottima per il problema di flusso a costo minimo se è ammissibile e se esiste una scelta dei potenziali dei nodi π(i) tale che:. c' = ( i, j) T. c' ( i, j) L. c' ( i, j) U Dim Sia x* la soluzione associata alla struttura T,L,U e supponiamo che esistano dei potenziali ai nodi che soddisfano le condizioni -. Si noti che minimizzare c x equivale a minimizzare (i,j ) A c ' x = (i,j ) A = min (c π(i) + π( j))x = min c x + π(i)x + π(i)x ji (i,j ) A (i,j ) A i V (i,j ) δ(i ) + ( j,i ) δ(i ) π ( i ) a( i ) se i π ( i ) b( i ) se i se i costante nodo fornitore nodo domanda nodo di transito
68 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Dim (segue) Dalle condizioni Si ha min... c' c' c' = ( i, j) T ( i, j) L ( i, j) U c ' x = min c ' x c ' x (i,j ) A (i,j ) L (i,j ) U Consideriamo una qualsiasi soluzione ammissibile x per il problema. Dalla definizione di x* si ha e quindi: c' ( i, j ) A x c' ( i, j ) A x x x * x x * * = = l u ( i, ( i, c ( i, j ) A x j) L j) U c ( i, j ) A x * c.d.d.
69 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Idea dell algoritmo: Il simplesso su reti è un algoritmo iterativo che passa da una struttura ad albero ricoprente ad un altra, e termina quando viene individuata una struttura ottima. Ad ogni iterazione l algoritmo sostituisce un arco dell albero ricoprente con un altro non appartenente all albero: L arco che entra a far parte dell albero è un arco che viola la condizione di ottimalità. Aggiungendo tale arco all albero, si viene a formare un ciclo con costo unitario negativo (ciclo negativo). Il flusso lungo il ciclo viene aumentato finché qualche arco non raggiunge la sua capacità minima o massima. Uno di questi archi con capacità minima o massima è rimosso, producendo una nuova struttura ad albero.
70 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Data una struttura ad albero ricoprente T,L,U l algoritmo calcola come prima cosa i potenziali ai nodi in modo da soddisfare la condizione Come? c' = ( i, j) T Si noti che aggiungere una costante k a tutti i potenziali non modifica i costi ridotti c' = c π( i) + π( j) = c [ π( i) + k] + [ π( j) + k] Al nodo può essere assegnato un potenziale I potenziali di tutti gli altri nodi sono calcolati in modo tale che c' = c π( i) + π( j) = ( i, j) T
71 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Esempio: calcolo dei potenziali ai nodi a partire da una struttura ad albero ricoprente T,L,U, in modo tale che: i c j c' = c π( i) + π( j) = ( i, j) T π() = c c π() + π() = + π () = π() = π() + π() = + + π () = π() =... Teorema Se nel problema di flusso a costo minimo tutti i costi degli archi sono interi allora esiste una soluzione ottima in cui i potenziali dei nodi π(i) sono tutti interi.
72 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Algoritmo: simplesso su reti calcola una struttura ad albero T,L,U ammissibile calcola il relativo potenziale ai nodi π ed il flusso x su ogni arco della rete controlla la condizione di ottimalità while (esiste un arco non in T che viola la condizione di ottimalità) begin seleziona un arco che viola la condizione di ottimalità, da far entrare nell albero determina l arco da rimuovere dall albero aggiorna la struttura T,L,U e calcola il relativo potenziale ai nodi, π, ed il flusso x su ogni arco della rete controlla la condizione di ottimalità end
73 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Calcolo di una struttura ad albero ammissibile iniziale T,L,U (archi tutti con capacità minima ) Supponiamo che fra ogni coppia di nodi esista un cammino diretto in cui ogni arco ha capacità infinita Data una rete G=(V,A) è sempre possibile rispettare questa condizione aggiungendo degli archi fittizi (,j) e (j,) per ogni nodo j di V\{}, con capacità massima infinita e costo infinito (di fatto non saranno mai scelti in una soluzione ottima) Una struttura ad albero iniziale è ottenibile aggiungendo in T l arco (j,) se il nodo j è un nodo fornitore (a(j)>) o di transito (a(j)=b(j)=) con un flusso pari ad a(j) aggiungendo in T l arco (,j) se il nodo j è un nodo domanda (b(j)>) con un flusso pari a b(j) tutti gli altri archi sono inseriti nell insieme L (a flusso nullo) l insieme U è vuoto
74 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Controllo dell ottimalità della struttura ad albero T,L,U Dopo aver calcolato i potenziali ai nodi π(i) Possiamo controllare le condizioni di ottimalità:... c' c' c' = ( i, j) T ( i, j) L ( i, j) U Se la struttura ad albero non rispetta queste condizioni, gli archi che possono essere scelti per entrare nell albero sono: (i,j) L con (i,j) U con c' c' < > Diversi sono i criteri di selezione dell arco entrante (pivot rule), e.g., Dantzig rule: seleziona l arco con il massimo c
75 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Calcolo dell arco uscente dall albero Sia (k,l) l arco selezionato per entrare nell albero Aggiungendo l arco (k,l) all albero si viene a creare esattamente un ciclo (pivot cycle) W Definiamo l orientamento del ciclo W concorde con l arco se (k,l) è in L e discorde se (k,l) è in U i (x, u ) j (,) (,) (,) (,6) (,) 6 (,) (,) 7 8 (,6) (,) 9 (,) k l
76 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Calcolo dell arco uscente dall albero Il flusso del ciclo è aumentato (il flusso aumenta sugli archi concordi con l orientamento del ciclo e diminuisce sugli archi discordi) fin quando il flusso su uno o più archi raggiunge il relativo lower o upper bound (blocking arcs). L arco uscente è selezionato tra gli archi blocking. Diversi sono i criteri di selezione dell arco uscente, e.g., seleziona il primo arco blocking incontrato scandendo la lista degli archi, oppure l arco con costo max. i j (x, u ) (,) (,) (,) (,6) (,) (,) 6 (,) 7 8 (,6) (,) 9 k (,) l Ciclo di pivot archi blocking: (,), (7,) e (6,)
77 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Esempio a()=9, b(6)=9, tutti gli altri nodi sono di transito (,8) (,) i (,7) (,) (,) (,) j (,) (,) (,6) 6 Siano dati T, L, U: calcolo dei potenziali e flussi L={(,), (,)} U={(,), (,6)} (c, u ), l = π() = c c c π() + π() = + π() = π () = π() + π() = + π() = π () = π() + π() = + + π () = π() = π(i) i - - x π(j) j
78 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti π(i) i - - π(j) x L={(,), (,)} U={(,), (,6)} j Calcolo arco entrante: c =+-=>, (,) in U, il massimo incremento sul ciclo è, l arco (,) diventa blocking ed esce (entra in U) c' c' c' c' 6 = c = c = c = c 6 π() + π() = + > π() + π() = + 8 > π() + π() = + = > π() + π(6) = = > π(i) i x π(j) j
79 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Esempio Nuovo albero ricoprente π(i) i - -6 π(j) x L={(,), (,)} U={(,), (,6)} j - 6 c c 6 c' c' c' c' Calcolo dei potenziali: c' = c π( i) + π( j) = ( i, j) T π() + π() = + + π() = π() = 6 π() + π(6) = π(6) = π(6) = Test di ottimalità: 6 = c = c = c = c 6 π() + π() = + > π() + π() = > π() + π() = + 6 < π() + π(6) = + 8 >
80 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti (,8) (,) i (,) (,7) (,) (c, u ), l = (,) j (,) (,) (,6) 6 Nuovo arco entrante: c 6 =+8-=>, il massimo incremento sul ciclo è, Gli archi (,) e (,) diventano blocking Scegliamo l arco (,) che esce da T 7 π(i) i - - x π(j) j
81 Un algoritmo per il problema del flusso su reti a costo minimo: il simplesso su reti Esempio Nuovo albero ricoprente π(i) i x π(j) j -8-7 L={(,), (,)} U={(,), (,)} Trovata una soluzione ottima - 6 Calcolo dei potenziali: c' π() = c c c c c 6 6 = c π( i) + π( j) = ( i, j) T π() + π() = + π() = π() = π() + π() = + π() = π() = π() + π() = + + π() = π() = 8 π() + π(6) = π(6) = π(6) = π() + π() = π() = π() = 7 Test di ottimalità: c' c' c' c' = = = = c c c c π() + π() π() + π() π() + π() π() + π() = + > = + 7 < = + 7 < = >
Gestione 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
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
DettagliOttimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33
Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi:massimo flusso (parte 1) p. 2/33 Reti di flusso Una rete di flusso è una
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 20 giugno 2014
A Ricerca Operativa 1 Seconda prova intermedia Un tifoso di calcio in partenza da Roma vuole raggiungere Rio De Janeiro per la finale del mondiale spendendo il meno possibile. Sono date le seguenti disponibilità
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
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
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
DettagliProblemi di Flusso: Il modello del Trasporto
Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su
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 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
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
DettagliIl 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
DettagliAMPL Problemi su Reti
Dipartimento di Matematica Università di Padova Corso di Laurea Informatica Outline Problemi su Reti Cammino Minimo Molti problemi di ottimizzazione combinatoria possono essere modellati ricorrendo ai
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. 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 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.
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 7 giugno 0 Nome: Cognome: Matricola: Orale /06/0 ore aula N Orale 0/07/0 ore aula N
DettagliIl valore di flusso che si ottiene è
1) Si consideri un insieme di piste da sci e di impianti di risalita. Lo si modelli con un grafo orientato che abbia archi di due tipi: tipo D (discesa e orientato nel senso della discesa) e tipo R (risalita
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
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
DettagliAppunti del corso di Informatica 1 (IN110 Fondamenti) 7 Grafi e alberi: introduzione
Università di Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica (IN0 Fondamenti) Grafi e alberi: introduzione Marco Liverani (liverani@mat.uniroma.it)
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
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),
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliIntroduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte
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
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
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A Ricerca Operativa 1 Seconda prova intermedia Si è rotto un aereo che doveva trasportare un elevato numero di persone dalla città 3 alla città 8. Si rende quindi necessario utilizzare i posti disponibili
DettagliA UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 13 giugno 2011
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Stdi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia gigno Nome: Cognome: Matricola: voglio sostenere la prova orale il giorno venerdì //
DettagliEsercizio 1. Esercizio 2
A-2 a PI Ricerca Operativa 1 Seconda prova intermedia La Pharmatix è un azienda di Anagni che produce due principi attivi, A e B, che consentono un profitto per grammo venduto di 20 e 30 euro rispettivamente.
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
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) protocolli reti IP memorizzazione compatta di
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Modelli per la Logistica Distributiva: Single Commodity Minimum Cost Flow Problem Multi Commodity Minimum Cost Flow Problem Fixed Charge
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
Dettagli2.3.3 Cammini ottimi nei grafi senza circuiti
.. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo
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
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
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
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. p. 1/1 Problema del trasporto Supponiamo di avere m depositi in
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
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:
Dettagli5.4.5 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,
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
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,
DettagliGrafi e reti di flusso
Grafi e reti di flusso Molti problemi di ottimizzazione sono caratterizzati da una struttura di grafo: in molti casi questa struttura emerge in modo naturale, in altri nasce dal particolare modo in cui
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,
DettagliProblemi di flusso a costo minimo
p. 1/7 Problemi di flusso a costo minimo È data una rete (grafo orientato e connesso) G = (V,A). (i,j) A c ij, costo di trasporto unitario lungo l arco (i, j). i V b i interi e tali che i V b i = 0. p.
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
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
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
DettagliMinimo albero di copertura
apitolo 0 Minimo albero di copertura efinizione 0.. ato un grafo G = (V, E) non orientato e connesso, un albero di copertura di G è un sottoinsieme T E tale che il sottografo (V, T ) è un albero libero.
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
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
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
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
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
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),
DettagliOttimizzazione Discreta Esercizi V: Soluzioni
Ottimizzazione Discreta Esercizi V: Soluzioni Grafi e cammini minimi A.A. 214/215 Esercizio 1 (a) Nella terminologia della teoria dei grafi, si chiede di dimostrare che ogni grafo non orientato G = (V,E),
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
DettagliCorso di elettrotecnica Materiale didattico: i grafi
Corso di elettrotecnica Materiale didattico: i grafi A. Laudani 12 ottobre 2005 I grafi costituiscono uno strumento matematico che permette di descrivere e schematizzare una grande varietà di problemi
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
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
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Capitolo 12 Grafi e visite di grafi Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Definizione Un grafo G=(V,E) consiste in: - un insieme V di vertici (o nodi) - un insieme
DettagliModelli su rete (Grafi)
Modelli su rete (Grafi) Vari tipi di problemi possono essere rappresentati graficamente per mezzo di grafi o reti. Un tipico problema incontrato è il problema del trasporto. Vedremo ora la struttura di
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,
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
DettagliCammini minimi fra tutte le coppie
Capitolo 12 Cammini minimi fra tutte le coppie Consideriamo il problema dei cammini minimi fra tutte le coppie in un grafo G = (V, E, w) orientato, pesato, dove possono essere presenti archi (ma non cicli)
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
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
DettagliIl problema del commesso viaggiatore e problemi di vehicle routing
Il problema del commesso viaggiatore e problemi di vehicle routing Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 2 Dicembre
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
DettagliGrafi (non orientati e connessi): minimo albero ricoprente
Grafi (non orientati e connessi): minimo albero ricoprente Una breve presentazione Definizioni Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è
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
DettagliIntroduzione alla programmazione lineare
Introduzione alla programmazione lineare struttura del problema di PL forme equivalenti rappresentazione e soluzione grafica rif. Fi 1.2; BT 1.1, 1.4 Problema di programmazione lineare Dati: un vettore
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
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
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
DettagliAd ogni arco (i,j) del grafo e' associato un valore intero c(i,j) detto capacita' dell'arco
6) FLUSSI Definizione di flusso Si definisce rete di flusso un grafo orientato e connesso con i) un solo vertice con esclusivamente archi uscenti ii) un solo vertice con esclusivamente archi entranti Tradizionalmente
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
DettagliProblemi di Flusso e Applicazioni
Problemi di Flusso e Applicazioni Andrea Scozzari a.a. 2013-2014 May 20, 2014 Andrea Scozzari (a.a. 2013-2014) Problemi di Flusso e Applicazioni May 20, 2014 1 / 5 Flussi Multiprodotto I problemi presi
Dettagli2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
. Cammini ottimi E. Amaldi Fondamenti di R.O. Politecnico di Milano .. Cammini minimi e algoritmo di Dijkstra Dato un grafo orientato G = (N, A) con una funzione di costo c : A c ij R e due nodi s e t,
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)
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)
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
DettagliEsercitazione 6 Ancora sul Network Flow
Esercitazione 6 Ancora sul Network Flow Problema 14 (appello 28/09/2015) Un importante azienda di sviluppo software ha n progetti da portare a termine entro la fine dell anno. Il manager dell azienda stima
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
DettagliProcessi di cost management - Programmazione multiperiodale
Processi di cost management - Programmazione multiperiodale Queste slide (scrte da Carlo Mannino) riguardano il problema di gestione delle attivà di un progetto allorché i costi di esecuzione sono legati
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.
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
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:
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
DettagliGRAFI. Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi!
G R A F I 1 GRAFI Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi! 2 cip: cip: Pallogrammi Pallogrammi GRAFI: cosa sono I grafi sono una struttura matematica fondamentale: servono
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 0/06/06 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via avrai
DettagliClaudio Arbib Università di L Aquila. Ricerca Operativa. Reti di flusso
Claudio Arbib Università di L Aquila Ricerca Operativa Reti di flusso Sommario Definizioni di base Flusso di un campo vettoriale Divergenza Integrale di Gauss-Greene Flusso in una rete Sorgenti, pozzi
DettagliGrafi diretti. Un grafo diretto (o grafo orientato) G è una coppia (V,E) dove. V è u n i n s i e m e d i nodi (o vertici);
Algoritmi e Strutture di Dati II 2 Grafi diretti Un grafo diretto (o grafo orientato) G è una coppia (V,E) dove V è u n i n s i e m e d i nodi (o vertici); E µ V V è u n i n s i e m e d i archi. Denotiamo
Dettagli