Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore
|
|
- Sofia Bevilacqua
- 6 anni fa
- Visualizzazioni
Transcript
1 Excel: una piattaforma facile per l ottimizzazione Excel ha un toolbox di ottimizzazione: Risolutore
2 Il problema di produzione con Excel Consideriamo il foglio Excel Variabili di decisione reali c8,d8 Funzione obiettivo c6*c8+d6*d8 4 Prezzo unitario Costo Unitario 1,5 1 6 Profitto Unitario 4,5 4 7 ore per unità 0,001 0,001 8 produzione Profitto dati 11 Costo totale budget max_ore 14 Differenza Ore utilizzo 6 Costo: c5*c8+d5*d8 Ore: c7*c8+d7*d8 Equazioni dei vincoli
3 Risolvere un problema di LP con Excel Nel menù principale selezionate Strumenti e poi solutore
4 Risolvere un problema di LP con Excel Apparirà una finestra di dialogo simile a questa: Funzione obiettivo Variabili di decisione Vincoli Tipo di problema (max o min)
5 Definire la funzione obiettivo Funzione obiettivo P TOT = c9 Il valore può essere ottenuto con un click sulla cella che contiene l obiettivo
6 Inizializzare le variabili di decisione Occorre dare un valore iniziale (zero è ammissibile) - ipotizza Le celle C8 and D8 contengono il valore delle variabili. Alla fine del processo di calcolo conterranno il valore ottimale
7 Definire i vincoli Click Aggiungi Finestra dei vincoli
8 Definire i vincoli Indirizzi delle celle Indirizzo di una cella o un valore costante I vincoli possono essere: B A Int (valore intero) A bin (valore binario 0,1) A
9 Definire le opzioni Cliccando su Opzioni compare la finestra dei parametri Dobbiamo usare il modello lineare (usa il metodo del simplesso) e variabili non negative (in alternativa possiamo definire I vincoli alternativi c8, d8 0).
10 Definire le opzioni Tempo massimo Numero massimo di iterazioni Modello del simplesso Modelli più complessi (non lineari)
11 Risolvere il problema di LB con Excel Partiamo con l ottimizzazione Click sul pulsante Risolvi
12 Risultato finale con Excel I valori iniziali sono stati sostituiti con i valori ottimi La soluzione algoritmica è la stessa di quella ottenuta per via grafica
13 Cambi nelle opzioni del problema LP Riduzione del tempo Riduzione delle iterazioni Riduzione o aumento della tolleranza Soluzione inalterata
14 Cambi nelle opzioni del problema LP Cambio del modello Soluzione inalterata Questo in generale non è vero
15 Modello matematico per il Capital budgeting Variabili di decisione x i = 1 se il progetto i è selezionato i=1,2,3 0 se il progetto i non è selezionato Funzione obiettivo Vincoli max 12 x 1 +8 x 2 +7 x 3 Guadagno 8 x 1 +6 x 2 +5 x 3 15 budget x 1, x 2, x 3 0,1 Programmazione lineare intera (ILP)
16 Capital Budget con Excel B C D E 2 Capital Budgeting 3 progetto 1 progetto 2 progetto 3 4 investimento guadagno dati 6 7 Valori di tentativo investimento totale 6 15 budget 9 guadagno totale 8 Variabili di dcisione intere c7,d7,e7 Obiettivo C5*C7+D5*D7+E5*E7 Vincoli C4*C7+D4*D7+E4*E7
17 Modello matematico per il Capital budgeting Variabili di decisione 1 se il progetto i è selezionato x i = i=1,2,3 0 se il progetto i non è selezionato Funzione obiettivo Vincoli max 12 x 1 +8 x 2 +7 x 3 Guadagno 8 x 1 +6 x 2 +5 x 3 15 budget x 1, x 2, x 3 0,1 Programmazione lineare intera (ILP)
18 Capital Budget con Excel B C D E 2 Capital Budgeting 3 progetto 1 progetto 2 progetto 3 4 investimento guadagno dati 6 7 Valori di tentativo investimento totale 6 15 budget 9 guadagno totale 8 Variabili di dcisione intere c7,d7,e7 Vincoli C4*C7+D4*D7+E4*E7 Obiettivo C5*C7+D5*D7+E5*E 7
19 Risoluzione del Capital Budget con Excel Funzione obiettivo
20 Risoluzione del Capital Budget con Excel Le variabili (c7,d7,e7) sono binarie (0-1)
21 Risoluzione del Capital Budget con Excel x 1 x 2 x 3 <= 1 x 1 x 2 x 3 >= 0 x 1 x 2 x 3 int
22 Risoluzione del Capital Budget con Excel
23 Risoluzione del Capital Budget con Excel
24 Cambio delle opzioni in problema di ILP Riduzione delle iterazioni Riduzione della tolleranza Soluzione inalterata ma il risolutore non certifica il raggiungimento dell ottimalità
25 Cambio delle opzioni in problema di ILP Aumento della tolleranza La soluzione cambia!!! Il risolutore dichiara di aver raggiunto l ottimo, ma non è
26 Un problema LP è molto diverso da un problema ILP? Per i problemi LP l ottimalità è sempre certificata Per i problemi LP la sub-ottimalità non esiste Per i problemi ILP l ottimalità è difficilmente certificata Per i problemi ILP possono esistere soluzioni sub-ottimali
27 Un ulteriore problema di produzione Una industria può produrre cinque tipi di prodotti PROD1, PROD2, PROD3, PROD4, PROD5 Si possono utilizzare due diversi processi di produzione basati su tornitura and foratura Ciascuna unità di prodotto richiede un certo tempo per ciascun processo PROD1 PROD2 PROD3 PROD4 PROD5 Tornitura Trapanatura L industria ha 3 torni e 2 trapani che lavorano a 6 giorni alla settimana con 2 turni di 8 ore al giorno
28 Un ulteriore problema di produzione L assemblaggio finale di ciascuna unità di prodotto utilizza 20 ore uomo 8 uomini sono impiegati nell assemblaggio per un turno al giorno Al netto del costo della materia prima, ciascuna unità di prodotto rende il seguente profitto PROD1 PROD2 PROD3 PROD4 PROD5 Profitto unitario Qual è il piano di produzione che massimizza il profitto? Funzione obiettivo
29 Modello matematico I cinque tipi di prodotti sono le variabili di decisione PROD1 = x 1, PROD2 = x 2, PROD3 = x 3, PROD4 = x 4, PROD5 = x 5 x 1, x 2, x 3, x 4, x 5 >= 0 La funzione obiettivo è il profitto da massimizzare max (2.5 x x x x x 5 )*100 Vincoli: Solo 8 uomini * 1 turno * 6 giorni per assemblaggio = = 8 uomini * 8 ore *6 giorni = x x x x x 5 <= 384 Ore uomo per unità assemblata
30 Modello matematico (2) Vincoli: Tornitura Vincoli tecnologici Solo 3 macchine * 2 turni * 6 giorni = = 3 macchine * 16 ore * 6 giorni = x x x x 5 <= 288 Trapanatura Solo 2 macchine * 2 turni * 6 giorni = 2 macchine * 16 ore * 6 giorni = x x x 3 <= 192
31 Modello matematico (3) max 2.5 x x x x x 5 20 x x x x x x x x x x x x x 1, x 2, x 3, x 4, x 5 0 x 1, x 2, x 3, x 4, x 5 integer
32 Il problema di produzione con Excel 1 B C D E F G 2 PROD1 PROD2 PROD3 PROD4 PROD5 3 Profitto unitario Tornitura Trapanatura Assemblaggio Produzione Profitto totale Tempo tor Oremassime tor. 11 Tempo trap Ore massime trap. 12 Tempo ass Ore massime ass. dati 384=8 uomini * 8 ore *6 giorni 288= 3 macchine * 16 ore * 6 giorni 192= 2 macchine * 16 ore * 6 giorni
33 Il modello LP con Excel Funzione obiettivo Vincoli Variabili di decisione (reali)
34 Risolvere il problema LP con Excel Soluzione frazionaria Occorre inserire i vincoli interi
35 Approssimare la soluzione Noi possiamo approssimare la soluzione frazionaria ad un valore intero E una soluzione ottimale?
36 Modello ILP con Excel Vincoli Variabili di decisione intere
37 Risolvere il problema ILP con Excel Soluzione intera La soluzione ottenuta è migliore di quella approssimata
38 Approssimare la soluzione In questo caso si poteva pensare di arrotondare anche per eccesso In tal modo si sarebbe ottenuta la soluzione ottimale
39 Una modifica al problema di produzione Immaginiamo che per motivi commerciali sia necessario produrre almeno tre oggetti di ciascuna linea di produzione
40 Una modifica al problema di produzione Programmazione non intera prod1 prod2 prod3 prod4 prod5 Profitto unitario Tornitura Trapanaura Assemblaggio Produzione 3,0 6,6 3,6 3,0 3,0 Profitto totale 7770 Tempo tor Ore massime tor. Tempo trap. 140,4 192 Ore massime trap. Tempo ass Ore massime ass. E possibile arrotondare?
41 Una modifica al problema di produzione Vincoli violati!!! Valori arrotondati prod1 prod2 prod3 prod4 prod5 Profitto unitario Tornitura Trapanaura Assemblaggio Produzione 3,0 7,0 4,0 3,0 3,0 Profitto totale 8150 Tempo tor Ore massime tor. Tempo trap Ore massime trap. Tempo ass Ore massime ass.
42 Una modifica al problema di produzione Programmazione intera prod1 prod2 prod3 prod4 prod5 Profitto unitario Tornitura Trapanaura Assemblaggio Produzione 3,0 6,0 4,0 3,0 3,0 Profitto totale 7550 Tempo tor Ore massime tor. Tempo trap Ore massime trap. Tempo ass Ore massime ass.
43 Un problema di miscelazione Un alimento è prodotto raffinando diverse qualità di olio grezzo e miscelandole opportunamente. L olio grezzo si divide in due categorie: vegetale (VEG1, VEG2) e non vegetale (OIL1,OIL2,OIL3) VEG1, VEG2 costano (alla tonnellata) ristettivamente 110 e 120 OIL1,OIL2,OIL3 costano (alla tonnellata) ristettivamente 130, 110 e 115 Costi di produzione L alimento è venduto a 150 per ton. Come deve essere prodotto l alimento per massimizzare il profitto? Prezzo di vendita Funzione obiettivo
44 Modello matematico Le variabili di decisione rappresentano le quantità di olio che devono essere miscelate insieme VEG1 = x 1, VEG2 = x 2, OIL1 = x 3, OIL2 = x 4, OIL3 = x 5 x 1, x 2, x 3, x 4, x 5 >= 0 Supponiamo che non ci siano perdite nel processo di raffinamento e in quello di miscelazione Prodotto totale = x 1 + x 2 + x 3 + x 4 + x 5 Funzione obiettivo Massimizzare profitto = prezzo di vendita - costi
45 Modello matematico Prezzo di vendita = 150 * prodotto totale = 150 * (x 1 + x 2 + x 3 + x 4 + x 5 ) Costi = 110 x x x x x 5 Costo unitario di VEG1 Problema Max 40 x x x x x 5 x 1, x 2, x 3, x 4, x 5 >= = profitto unitario su VEG1
46 Tavola Excel dati =SOMMA(C7:G7) costi=c5*c7+d5*d7+e5*e7+f5*f7+g5*g7 Prezzo di vendita = C9*E9
47 Impostazione del Risolutore Excel Solo il vincolo di non negatività
48 Risultato finale con Excel Non esiste soluzione ottimale (L algoritmo non converge) Illimitatezza Il modello non è ben definito!
49 Perfezionamento del modello Limiti di produzione: quantità massima di prodotto raffinabile 200 ton. di olio vegetale e 250 ton. di olio NON vegetale Disponibilità
50 Modello matematico Vincolo di disponibilità VEG1 + VEG2 <= 200 OIL1 + OIL2 + OIL3 <= 250 Il problema riformulato Max 40 x x x x x 5 x 1 + x 2 <= 200 x 3 + x 4 + x 5 <= 250 x 1, x 2, x 3, x 4, x 5 >= 0
51 Tavola Excel Nuovi dati x 1 +x 2 = C8+D8=C9 x 3 +x 4 +x 5 = E8+F8+G8=F9
52 Impostazione del Risolutore Funzione obiettivo = profitto Vincoli
53 Risultato finale con Excel
54 Vincolo di qualità Nei problemi di miscelazione può essere presente un vincolo che misura la qualità del prodotto finale Il prodotto finale deve avere un grado di durezza non elevato. In percentuale deve risultare compreso tra 3 e 6. Suppiamo che la durezza dipenda linearmente da quelle degli olii grezzi. Nuovi dati = durezza % degli olii grezzi
55 Modellizzare il vincolo di durezza Vincolo di durezza: Contributo alla durezza degli olii grezzi 8.8 VEG VEG2 + 2 OIL OIL2 +5 OIL3 da rapportare al prodotto finale VEG1 + VEG2 + OIL1 + OIL2 + OIL3
56 Modellizzare il vincolo di durezza Vincolo di durezza: x 1 6.1x x1 x x3 4.2 x x3 x4 x5 4 5 x 5 6 NON lineare! Durezza % del prodotto finale 8.8 x x x x x 5 <= 6(x 1 + x 2 + x 3 + x 4 + x 5 ) 8.8 x x x x x 5 >= 3(x 1 + x 2 + x 3 + x 4 + x 5 )
57 Modello Matematico Il modello matematico del problema di miscelazione si scrive: Max 40 x x x x x 5 x 1 + x 2 <= 200 x 3 + x 4 + x 5 <= x x x x x 5 <= 6(x 1 + x 2 + x 3 + x 4 + x 5 ) 8.8 x x x x x 5 >= 3(x 1 + x 2 + x 3 + x 4 + x 5 ) x 1, x 2, x 3, x 4, x 5 >= 0
58 Tavola Excel Dati del prodotto finale Vincolo di durezza
59 Impostazione del risolutore Funzione obiettivo = profitto Vincoli
60 Risultato finale con Excel Caratteristiche finali dell alimento
61 Un problema di impianti multipli Una società possiede due fabbriche: A e B. Ciascuna fabbrica produce due prodotti: standard e deluxe Ciascuna unità di prodotto produce il seguente profitto: standard deluxe Unità di profitto Ciascuna fabbrica usa due processi di produzione, rettifica e brunitura.
62 Un problema di impianti multipli I tempi di rettifica e brunitura in ore per una unità di ciascun tipo di prodotto in ogni fabbrica sono: La fabbrica A ha una capacità di rettifica di 80 ore per settimana e una capacità di brunitura di 60 ore per settimana La fabbrica B ha una capacità di rettifica di 60 ore per settimana e una capacità di brunitura di 75 ore per settimana
63 Un problema di impianti multipli Disponibilità di materiale grezzo Ciascun prodottto (standard o deluxe) richiede 4 kg di materiale grezzo La società ha 120 kg di materiale grezzo alla settimana Un possibile scenario 120 kg. La fabbrica A riceve 75 Kg La fabbrica B riceve 45 Kg
64 Modello matematico per la fabbrica A Le quantità dei due tipi di prodotti sono le variabili di decisione della fabbrica A standard = x 1, deluxe = x 2 x 1, x 2 >= 0 La funzione obiettivo è il profitto che deve essere massimizzato Profitto unitario del prodotto standard max 10 x x 2 Profitto unitario del prodotto deluxe Vincoli: Disponibilità di materiale grezzo 4 x x 2 <= 75 Kg di materiale grezzo per unità di prodotto standard Kg di materiale grezzo per unità di prodotto deluxe
65 Modello matematico per la fabbrica A (2) Vincoli: Vincoli di produzione Processo di rettifica 4 x x 2 <= 80 Processo di brunitura 2 x x 2 <= 60 max 10 x x 2 4 x x 2 <= 75 4 x x 2 <= 80 2 x x 2 <= 60 x 1, x 2 >= 0 Modello complessivo della fabbrica A
66 Rappresentazione geometrica Rappresentiamo l insieme F delle soluzioni ammissibili di A Nel piano (x 1, x 2 ), disegnamo le equazioni vincolari x 2 Tutti i punti non negativi regione ammissibile x 1 Il vincolo 4 x x 2 = 80 non concorre a definire la regione ammissibile: la sua eliminazione non modifica F costituiscono la Uso cattivo delle risorse!
67 Rappresentazione geometrica del profitto Nel piano (x 1, x 2 ) disegnamo l equazione del profitto P TOT per valori crescenti = x 2 P TOT = 10 x x 2 Sono rette parallele =150 =300 Troviamo il valore P TOT per cui la corrispondente retta tocca i punti di F P TOT =300 non tocca nessun punto di F x 1
68 Soluzione geometrica x Nel piano (x 1, x 2 ) disegnamo le rette parallele all equazione P TOT = 10 x x 2 =0 fino a quella che contiene l ultimo punto che tocca la regione ammissibile Soluzione ottima 2 x x 2 = 60 4 x x 2 = ore materiale grezzo P TOT = 10 x x 2 = = x 1
69 Foglio Excel per la fabbrica A dati Variabili di decisione = livelli di produzione x 1 =C9, x 2 =D9 Profitto = C4*C9+D4*D9 Vincolo di disponibilità = C5*C9+D5*D9 Vincolo di rettifica = C6*C9+D6*D9 Vincolo di brunitura = C7*C9+D7*D9
70 Risolutore Funzione obiettivo = profitto Variabili di decisione Vincoli
71 Modello matematico per la fabbrica B Le quantità dei due tipi di prodotti sono le variabili di decisione della fabbrica A standard = x 3, deluxe = x 4 x 3, x 4 >= 0 La funzione obiettivo è il profitto che deve essere massimimizzato Profitto unitario del prodotto standard max 10 x x 2 Profitto unitario del prodotto deluxe Vincoli: Disponibilità di materiale grezzo 4 x x 2 <= 45 Kg di materiale grezzo per unità di prodotto standard Kg di materiale grezzo per unità di prodotto deluxe
72 Modello matematico per la fabbrica B (2) Vincoli: Vincoli di produzione Processo di rettifica 4 x x 4 <= 60 Processo di brunitura 2 x x 4 <= 75 max 10 x x 4 4 x x 4 <= 45 4 x x 4 <= 60 2 x x 4 <= 75 x 3, x 4 >= 0 Modello complessivo della fabbrica B
73 Rappresentazione geometrica Rappresentiamo l insieme F delle soluzioni ammissibili di B Nel piano (x 3, x 4 ), disegnamo le equazioni vincolari x 4 Tutti i punti non negativi regione ammissibile x 3 costituiscono la Due vincoli 5 x x 4 = 75 e 5 x x 4 = 60 non concorrono a definire la regione ammissibile: la loro rimozione non modifica F Uso cattivo delle risorse!
74 Soluzione geometrica Nel piano (x 3, x 4 ) disegnamo l equazione del profitto P TOT per valori crescenti =0 x 4 P TOT = 10 x x 4 50 = Troviamo il valore P TOT per cui la corrispondente retta tocca la regione ammissibile Soluzione ottima = x 3 0 x 3 = 0 4 x x 4 = 45 P TOT = materiale grezzo
75 Foglio Excel per la fabbrica B dati Variabili di decisione = Livello di produzione x 3 =C9, x 4 =D9 Profitto = C4*C9+D4*D9 Vincolo di disponibilità = C5*C9+D5*D9 Vincolo di rettifica = C6*C9+D6*D9 Vincolo di brunitura = C7*C9+D7*D9 Nota: le formule excel sono le stesse per entrambe le fabbriche. Il modello è indipendente dai dati
76 Analisi della società in questo scenario SOCIETA' standard deluxe produzione 11,25 18,75 PROFITTO 393,75 Produzione totale = somma delle produzioni delle fabbriche A e B Profitto della società = somma dei profitti delle fabbriche A e B Questa soluzione è stata ottenuta con una allocazione arbitraria delle risorse
77 Cambio di scenario La soluzione è stata ottenuta con una allocazione arbitraria delle risorse, controlliamo cosa succede se si modificano le allocazioni di risorse Materiale grezzo totale 120 kg. La fabbrica A riceve 90 Kg La fabbrica B riceve 30 Kg
78 Cambio di scenario: vista geometrica x Fabbrica A 50 x 4 40 Fabbrica B x x 3 x Nuovo ottimo per A x 1 x Nuovo ottimo per B x P TOT = 250 P TOT = 112.5
79 Cambio di scenario: vista di excel Fabbrica A Il profitto è più alto di quello del precedente scenario Fabbrica B Il profitto è più basso di quello del precedente scenario
80 Analisi della società in questo nuovo scenario SOCIETA' standard deluxe produzione 17,5 12,5 PROFITTO 362,5 Produzione totale = somma delle produzioni delle fabbriche A e B Profitto della società = somma dei profitti delle fabbriche A e B Questa soluzione è peggiore della precedente
81 Modello matematico per la Società Le quantità dei due tipi di prodotti sono le variabili di decisione della fabbrica A e della fabbrica B standard in A= x 1, deluxe in A = x 2 standard in B= x 3, deluxe in B= x 4 x 1, x 2, x 3, x 4 >= 0 La funzione obiettivo è il profitto che deve essere massimizzato max 10 x x x x 4
82 Modello matematico per la Società (2) Vincoli: Vincoli di produzione Processo di rettifica Processo di brunitura 4 x x 2 <= 80 5 x x 4 <= 60 2 x x 2 <= 60 5 x x 4 <= 75 Fabbrica A Fabbrica B Fabbrica A Fabbrica B Vincoli: Disponibilità di materiale grezzo 4 x x x x 4 <= 120 Vincolo comune
83 Modello matematico per la Società max 10 x x x x 4 4 x x 2 <= 80 5 x x 4 <= 60 2 x x 2 <= 60 5 x x 4 <= 75 4 x x x x 4 <= 120 x 1, x 2, x 3, x 4 >= 0 Più di due variabili: utilizziamo il risolutore
84 Foglio Excel per la Società Variabili di decisione = livello di produzione Profitto = C4*(C10+E10)+D4*(D10+F10) x 1 =C10, x 2 =D10, x 3 =E10, x 4 =F10 Disponibilità = C5*(C10+ E10 )+D5*(D10+F10)
85 Definizione del risolutore
86 Soluzione ottimale per la Società Produzione ottimale: deluxe = 20.8, standard = 9.17 Profitto = Meglio di ottenuto con l allocazione arbitraria
87 Le slide utilizzate sono state tratte dal corso di Ricerca Operativa tenuto dai prof. Di Pillo e Palagi dell Università di Roma
Modelli di Ottimizzazione: definizione formale
Modelli di Ottimizzazione: definizione formale Insieme delle possibili alternative Un criterio di ottimizzazione Soluzione ammissibile (Feasible) x appartiene ad un insieme F f: F funzione obiettivo finito
DettagliLezione 2 Un modello di produzione
LABORATORIO RICERCA OPERATIVA Lezione 2 Un modello di produzione Laura Palagi Dipartimento di Ingegneria informatica automatica e gestionale A. Ruberti Sapienza Universita` di Roma Un problema multi impianto
DettagliVediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto.
Esempio di risoluzione di un problema di PL con Excel Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto. Un azienda vinicola desidera produrre due tipi di vino: uno
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
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
DettagliL ALGORITMO DEL SIMPLESSO
L ALGORITMO DEL SIMPLESSO L algoritmo del simplesso, che si può trovare implementato in Excel, risolve problemi di massimizzazione o minimizzazione vincolata. Tali problemi sono detti problemi di programmazione
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
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
DettagliEsercitazione n o 7 per il corso di Ricerca Operativa
Esercitazione n o 7 per il corso di Ricerca Operativa Modello di miscelazione Il problema è stato tratto dal libro W. L. Winston. Operations Research, Application and Algorithms, 4th Edition, Thomson Learning,
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
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
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
DettagliEsercitazione n o 7 per il corso di Ricerca Operativa
Esercitazione n o 7 per il corso di Ricerca Operativa Modello di miscelazione Il problema è stato tratto dal libro W. L. Winston. Operations Research, Application and Algorithms, 4th Edition, Thomson Learning,
DettagliLezioni di Ricerca Operativa 2 Dott. F. Carrabs
Lezioni di Ricerca Operativa Dott. F. Carrabs.. 009/00 Lezione 6: - mmissibilità di un vincolo - Vincoli alternativi - Vincoli alternativi a gruppi - Rappresentazione di funzioni non lineari: Costi fissi
DettagliESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI
ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI ESERCIZIO N. 6 PAG. 418 z 100 + 200 100 vincoli 3 2 + 20 0 Si rappresenta la REGIONE AMMISSIBILE ottenendo Determino le coordinate dei
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
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare - TESTI Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi
DettagliESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 417 E SEGUENTI. Esercizio n. 1 pag 417. vincoli
ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 47 E SEGUENTI Esercizio n. pag 47 6 x x z vincoli 0 0 4 x x x x x x Si rappresenta la REGIONE AMMISSIBILE ottenendo La regione ammissibile, individuata
DettagliLa programmazione lineare
La programmazione lineare Se un problema economico si traduce in un problema di scelta in condizioni di certezza e con effetti immediati siamo in presenza di un problema di Programmazione lineare. Abbiamo
DettagliElementi di un modello di Programmazione Matematica
1 Ricerca Operativa Laboratorio: utilizzo di solver per programmazione matematica Elementi di un modello di Programmazione Matematica Insiemi: elementi del sistema; Parametri: dati del problema; Variabili
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
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,
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
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,
DettagliIntroduzione alla RO - Parte II
Introduzione alla RO - Parte II Andrea Scozzari a.a. 2013-2014 March 7, 2014 Andrea Scozzari (a.a. 2013-2014) Introduzione alla RO - Parte II March 7, 2014 1 / 18 Problema della pianificazione del personale:
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 4. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 4 Docente: Laura Palagi Homework in Ricerca Operativa GRUPPO 4: Isabelle Pietroletti Matteo Marangio
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
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
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
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 28 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 28 Prof.ssa Ing. Laura Palagi
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 33. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 33 Docente: Laura Palagi Homework in Ricerca Operativa gruppo n 33 Turni del Personale Martina Conti
DettagliEsercizi sulla Programmazione Lineare Intera
Soluzioni 4.7-4.0 Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare Intera 4.7 Algoritmo del Simplesso Duale. Risolvere con l algoritmo del simplesso duale il seguente
DettagliInterpretazione economica della dualità
Interpretazione economica della dualità Interpretazione economica delle variabili duali Interpretazione economica del problema duale nei problemi di allocazione risorse e miscelazione Applicazioni della
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
DettagliEsercizi assegnati in data 7 novembre
Esercizi assegnati in data 7 novembre Rappresentare sul piano cartesiano le seguenti rette e determinare le coordinate del punto d'intersezione di ciascuna coppia di rette: a: y=0.25x+1000 b: y=0.50x+800
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 10. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 10 Docente: Laura Palagi Smaltimento dei rifiuti solidi urbani HOMEWORK N 10 Francesco Cambiotti
DettagliIntroduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO
Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa è la
DettagliEsercitazione n o 6 per il corso di Ricerca Operativa
Esercitazione n o 6 per il corso di Ricerca Operativa Il problema è stato tratto dal libro C. Mannino, L.Palagi, M. Roma. Complementi ed esercizi di Ricerca Operativa, Edizioni Ingegneria 2000, 1998, ISBN:
DettagliEsercitazione n 2. Costruzione di grafici
Esercitazione n 2 Costruzione di grafici I grafici I grafici sono rappresentazione di dati numerici e/o di funzioni. Devono facilitare all utente la visualizzazione e la comprensione dei numeri e del fenomeno
DettagliManagement Sanitario. Modulo di Ricerca Operativa 2 a lezione: un problema di assegnamento
Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa 2 a lezione: un problema di assegnamento Prof. Laura Palagi http://www.dis.uniroma1.it/
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
DettagliProblema 6 * * * x = numero di cassonetti di tipo A y = numero di cassonetti di tipo B f(x, y) = 500x + 600y da massimizzare Vincoli:
Problema 6 Un industria specializzata produce due tipi di cassonetti A e B per la raccolta differenziata dei rifiuti. Le macchine utilizzate per la produzione non possono produrre giornalmente più di 40
DettagliIl problema dello zaino: dalla gita in montagna ai trasporti internazionali. Luca Bertazzi
Il problema dello zaino: dalla gita in montagna ai trasporti internazionali Luca Bertazzi 0 Ricerca Operativa (Operations Research) The Science of Better Modelli e algoritmi per la soluzione di problemi
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
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
DettagliUso di Excel per l analisi e soluzione di Modelli di Programmazione Matematica
Capitolo 9 Uso di Excel per l analisi e soluzione di Modelli di Programmazione Matematica 9.1 Introduzione La soluzione grafica di problemi di ottimizzazione che abbiamo visto nel Capitolo 4 può essere
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
DettagliCriteri di Scelta Finanziaria
3 Criteri di Scelta Finanziaria 3.1 Introduzione Spesso occorre confrontare operazioni definite su scadenzari diversi. Nel seguito presentiamo due criteri, quello del valore attuale netto (VAN) e quello
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
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Uso di Excel nella Programmazione Matematica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Uso di Ecel nella Programmazione Matematica Uso degli spreadsheet (formulazione nel formato richiesto da Ecel) Conversione della formulazione
DettagliMatematica per le Applicazioni Economiche I (M-P)
Matematica per le Applicazioni Economiche I (M-P) Corsi di Laurea in Economia Aziendale, Economia e Commercio, a.a. 06-7 Esercizi su Calcolo Differenziale. Per la seguente funzione, dato 0, si utilizzi
DettagliRicerca Operativa. Docenti. 1. Introduzione
Ricerca Operativa 1. Introduzione Docenti Luigi De Giovanni - Giacomo Zambelli Dipartimento di Matematica Pura e Applicata (Torre Archimede) Tel. 049 827 1349 / 1348 email: luigi - giacomo @math.unipd.it
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:
DettagliRicerca Operativa A.A. 2007/ Introduzione
Ricerca Operativa A.A. 2007/2008 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
DettagliRisoluzione di problemi ingegneristici con Excel
Risoluzione di problemi ingegneristici con Excel Problemi Ingegneristici Calcolare per via numerica le radici di un equazione Trovare l equazione che lega un set di dati ottenuti empiricamente (fitting
DettagliL ECONOMIA E LE FUNZIONI DI UNA VARIABILE (RICAVO E PROFITTO) Prof.ssa Angela Donatiello 1
L ECONOMIA E LE FUNZIONI DI UNA VARIABILE (RICAVO E PROFITTO) Prof.ssa Angela Donatiello 1 LA FUNZIONE DEL RICAVO Chiamiamo RICAVO TOTALE il prodotto della quantità venduta per il prezzo unitario di vendita.
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 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):
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
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
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities
Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities L. De Giovanni M. Di Summa In questa lezione introdurremo una classe di disuguaglianze, dette cover inequalities, che permettono di
DettagliIl problema dello zaino
Il problema dello zaino Programmazione Dinamica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino 25 gennaio 2010 Il problema dello zaino 0-1
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
DettagliRicerca Operativa. Esercizi proposti
Ricerca Operativa Esercizi proposti 1. Un fiorista deve addobbare una sala per un ricevimento. Ha a disposizione quattro tipi di fiori: rose, gerbere, lilium e calle. Rose, gerbere e lilium sono disponibili
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)
DettagliEsame di Ricerca Operativa - 21 gennaio 2009 Facoltà di Architettura - Udine - CORREZIONE -
Esame di Ricerca Operativa - 2 gennaio 29 Facoltà di Architettura - Udine - CORREZIONE - Problema ( punti): Un azienda chimica produce quattro tipi di colla, A, B, C, D, utilizzando materie prime P, P
DettagliProblema Determinare la miscelazione ottimale delle materie prime in modo da massimizzare il profitto complessivo
Mix Produttivo Si dispone di i=1,...,m risorse produttive (ad esempio, materie prime) in quantità limitata. La massima disponibilità delle risorse è b 1,...,b m Si possono produrre j=1,...,n diversi prodotti
DettagliCorso di Perfezionamento
Programmazione Dinamica 1 1 Dipartimento di Matematica e Informatica Università di Camerino 15 febbraio 2009 Tecniche di Programmazione Tecniche di progettazione di algoritmi: 1 Divide et Impera 2 Programmazione
DettagliUn grafico utilizza i valori contenuti in un foglio di lavoro per creare una rappresentazione grafica delle relazioni esistenti tra loro;
EXCEL Modulo 3 Grafici Un grafico utilizza i valori contenuti in un foglio di lavoro per creare una rappresentazione grafica delle relazioni esistenti tra loro; Quando si crea un grafico ogni riga o ogni
DettagliEsercitazione n o 3 per il corso di Ricerca Operativa
Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua
DettagliAppunti di Excel per risolvere alcuni problemi di matematica (I parte) a.a
Appunti di Excel per risolvere alcuni problemi di matematica (I parte) a.a. 2001-2002 Daniela Favaretto* favaret@unive.it Stefania Funari* funari@unive.it *Dipartimento di Matematica Applicata Università
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliBilanciamento di tempi e costi Progetti a risorse limitate Note bibliografiche
Indice Prefazione 1 1 Modelli di ottimizzazione 3 1.1 Modelli matematici per le decisioni.................... 4 1.1.1 Fasi di sviluppo di un modello................... 7 1.2 Esempi di problemi di ottimizzazione...................
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
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
DettagliLA RICERCA OPERATIVA. Richiami storici
LA RICERCA OPERATIVA La ricerca operativa si occupa delle tecniche e dei metodi che sono di supporto alle decisioni in campo economico ed organizzativo. La ricerca operativa ha lo scopo di individuare
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 )
DettagliIl Break Even Point (b.e.p.)
Prof. Sartirana Il Break Even Point (b.e.p.) E un analisi grafica e matematica della redditività della produzione aziendale E un analisi che riguarda il breve periodo Prevede che l azienda abbia la possibilità
DettagliUniversità degli Studi di Napoli "Federico II" - Facoltà di Ingegneria Corso di Ricerca Operativa - Prova d'esame del (Prof.
Corso di Ricerca Operativa - Prova d'esame del.0.008 (Prof. Bruno) Una ditta di spedizioni ha accettato un ordine per trasportare con urgenza 00 tonnellate di materiale industriale in una località. La
DettagliComplementi ed Esercizi di Informatica Teorica II
Complementi ed Esercizi di Informatica Teorica II Vincenzo Bonifaci 21 maggio 2008 4 Problemi di ottimizzazione: il Bin Packing Il problema bin packing è il seguente: dato un insieme di n oggetti di dimensioni
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
DettagliAlgoritmi greedy. Gli algoritmi che risolvono problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione
Algoritmi greedy Gli algoritmi che risolvono problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione Gli algoritmi greedy sono algoritmi basati sull idea
DettagliMODULO 1. Prof. Onofrio Greco. Prof. Greco Onofrio
ECDL MODULO 1 Prof. Onofrio Greco Modulo 1 Concetti di base dell ICT Modulo 2 Uso del Computer e Gestione dei File Modulo 3 - Elaborazione testi Modulo 4 Foglio Elettronico Modulo 5 Uso delle Basi di Dati
DettagliL efficienza e la valutazione delle performance Concetti ed introduzione alla D.E.A.
L efficienza e la valutazione delle performance Concetti ed introduzione alla D.E.A. Corso di Economia Industriale Lezione dell 8/01/2010 Valutazione delle peformance Obiettivo: valutare le attività di
DettagliRicerca Operativa. Ricerca Operativa p. 1/6
Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
DettagliRisolvere lo stesso problema ipotizzando che le scarpe siano vendute a 40 il paio e che gli scarponi siano venduti a 90 il paio.
Problema 1 Un'industria calzaturiera produce scarpe da tennis che vende a 40 il paio e scarponi da trekking che vende a 50 il paio. Ogni paio di scarpe richiede 6 minuti di lavorazione a macchina e 5 minuti
DettagliProblemi di ottimo vincolato
Problemi di ottimo vincolato Una pasticceria produce due tipi di crostata: al cioccolato (C) e alla marmellata (M) Il ciclo produttivo prevede tre fasi: lavorazione della pasta frolla produzione delle
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
Dettagli6 + 2Q = 30 4Q. da cui: Q = 4 Sostituendo Q nella funzione di domanda (o nella funzione di offerta), si ottiene: p = 14
Esercizio 4.1 L esercizio propone funzioni di domanda e offerta (in forma inversa) e richiede di calcolare il surplus sociale. Occorre innanzitutto calcolare prezzo e quantità di equilibrio, date dall
DettagliProf. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Modelli di programmazione lineare.
CAPITOLO V MODELLI DI PROGRAMMAZIONE LINEARE 5.1) Un'impresa costruisce 3 modelli di radio a transistor di cui il primo dà un profitto unitario di 4800 lire, il secondo di 9000 lire ed il terzo di 15000
DettagliESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017. Esercizi di Programmazione Lineare in Aula
ESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017 Esercizi di Programmazione Lineare in Aula Esercizio 1. Una industria vuole commercializzare un particolare
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
DettagliIntroduzione alla programmazione lineare. Mauro Pagliacci
Introduzione alla programmazione lineare Mauro Pagliacci c Draft date 25 maggio 2010 Premessa In questo fascicolo sono riportati gli appunti dalle lezioni del corso di Elaborazioni automatica dei dati
DettagliSoluzione grafica di problemi PM in 2 variabili
Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema
DettagliRicerca Operativa. Ricerca Operativa p. 1/2
Ricerca Operativa Ricerca Operativa p. 1/2 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
Dettagli