Sono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Sono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza"

Transcript

1 Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di percorrenza Sono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza MF (massimo flusso) non vi sono costi di percorrenza (i, j) A : u ij, capacità superiore (0 < x ij < u ij )

2 Definizione di pseudoflusso Pseudoflusso : vettore x R m che soddisfa i vincoli di capacità degli archi 0 x ij u ij (i, j) A in qualche nodo i non soddisfa il vincolo di conservazione di flusso i N x ji x ( j,i ) BS ( i) ( i, j ) FS ( i) ij b i Si definisce e i (x) = x ji x ( j, i) BS ( i) ( i, j ) FS ( i) ij b i e i (x) : sbilanciamento del nodo i rispetto allo pseudoflusso x (violazione del vincolo di conservazione di flusso al nodo i)

3 e ( x ) i = x ji x ( j, i) BS ( i) ( i, j ) FS ( i) ij b i = 0 : nodo bilanciato Quindi : se i è nodo di offerta (b i < 0), x ji bi = xij ( j, i) BS ( i) ( i, j ) FS ( i) se i è nodo di trasferimento (b i = 0), x ji = xij ( j, i) BS ( i) ( i, j ) FS ( i) se i è nodo di domanda (b i > 0), x ji = xij + ( j, i) BS ( i) ( i, j ) FS ( i) b i

4 e ( x ) i = x ji x ( j, i) BS () i ( i, j ) FS () i ij b i > 0 : nodo con eccedenza di flusso Quindi : se i è nodo di offerta (b i < 0), x ji bi > xij ( j, i) BS ( i) ( i, j ) FS ( i) se i è nodo di trasferimento (b i = 0), x ji > xij ( j, i) BS ( i) ( i, j ) FS ( i) se i è nodo di domanda (b i > 0), x ji > xij + ( j, i) BS ( i) ( i, j ) FS ( i) b i

5 e ( x ) i = x ji x ( j, i) BS () i ( i, j ) FS () i ij b i < 0 : nodo con difetto di flusso Quindi : se i è nodo di offerta (b i < 0), x ji bi < xij ( j, i) BS ( i) ( i, j ) FS ( i) se i è nodo di trasferimento (b i = 0), x ji < xij ( j, i) BS ( i) ( i, j ) FS ( i) se i è nodo di domanda (b i > 0), x ji < xij + ( j, i) BS ( i) ( i, j ) FS ( i) b i

6 O x : insieme dei nodi con eccedenza di flusso O x = { i N : e i (x) > 0 } D x : insieme dei nodi con difetto di flusso D x = { i N : e i (x) < 0 } g(x) : sbilanciamento complessivo g ( x) = e = i ( x) e x i ( ) i O x i D x somma degli sbilanciamenti dei nodi con eccedenza di flusso (che coincide con la somma cambiata di segno degli sbilanciamenti dei nodi con difetto di flusso) e(x) R n : vettore degli sbilanciamenti ai nodi rispetto al pseudoflusso x

7 origini (b i < 0) : nodi 1 e 3 b i destinazioni (b i > 0) : nodi 4 e 6 2 nodi di trasferimento (b i = 0) : nodi 2 e 5 i u ij, c ij j b j 5 1 3, , 4 3, 1 2, 7 5, , , 1 4, 1 4, , 4 6 7

8 Pseudoflusso con sbilanciamento ai nodi : b i, e i i x ij j b j, e j 0 ( 5) 0 = 5 5, , = = 0 0, , = ( 5) 2 = 3 3 5, , = 5

9 È uno pseudoflusso, perché tutti i vincoli di capacità degli archi sono soddisfatti (0 x ij u ij ) Vincoli di conservazione di flusso : vi sono 2 nodi con eccedenza di flusso nodo 1: e 1 (x) = (0 0) ( 5) = 5 nodo 3: e 3 (x) = 2 ( 5) = 3 2 nodi con difetto di flusso nodo 4: e 4 (x) = 0 3 = 3 nodo 6: e 6 (x) = 2 7 = 5 2 nodi bilanciati: 2 e 5 Lo sbilanciamento complessivo dello pseudoflusso è g(x) = = 8

10 Flusso ammissibile x : oltre ai vincoli di nonnegatività e di capacità degli archi x ij soddisfa anche i vincoli di conservazione di flusso i N (tutti i nodi sono bilanciati) i e i (x) = 0 D x = O x = Un flusso ammissibile è caratterizzato da uno sbilanciamento complessivo nullo: x è flusso ammissibile se e solo se g(x) = 0

11 Utilizzati per l invio di quantità aggiuntive di flusso Sia P un cammino (anche non orientato) sul grafo G da un qualunque nodo s ad un qualunque nodo t Sia (P +, P ) la partizione degli archi di P in cui P + : insieme degli archi concordi del cammino P P : insieme degli archi discordi del cammino P Capacità del cammino P : Cammini aumentanti θ(p, x) = min { min{u ij x ij : (i, j) P + }, min{x ij : (i, j) P } } Il cammino P è detto aumentante se la sua capacità θ(p, x) è positiva.

12 Dato uno pseudoflusso x, l invio di una quantità di flusso 0 θ θ(p, x) lungo P è rappresentato dall operazione di composizione x(θ) = x θp dove x ij () θ x = x x + θ θ ( i, j) ( i, j) P P altrimenti per lo pseudoflusso x(θ) così ottenuto vale che e i ( x( θ) ) ij ij ij es = et ei ( x) ( x) ( x) se se θ + θ l invio di flusso lungo un cammino aumentante modifica solo lo sbilanciamento degli estremi del cammino ; lo sbilanciamento di tutti gli altri nodi è invariato +

13 Cicli aumentanti Utilizzati per costruire, a partire da un flusso ammissibile x, un diverso flusso ammissibile. Ciclo aumentante : cammino aumentante in cui s = t su esso il verso di percorrenza viene arbitrariamente fissato Capacità θ(c, x) del ciclo C : θ(c, x) = min { min{u ij x ij : (i, j) C + }, min{x ij : (i, j) C } } Il ciclo P èdetto aumentante se la sua capacità θ(c, x) è positiva.

14 Dato un flusso ammissibile x, l invio di una quantità di flusso 0 θ θ(c, x) lungo C è rappresentato dall operazione di composizione x(θ) = x θc dove x ij () θ x = x x ij ij ij + θ θ se se ( i, j) ( i, j) C C altrimenti + inviare flusso lungo un ciclo aumentante non modifica lo sbilanciamento di alcun nodo (restano tutti invariati, ossia nulli)

15 Denotando ora con P sia un cammino che un ciclo, definiamo il costo c(p) di P : è il costo di una unità di flusso inviata lungo P secondo il verso fissato c ( P) = + ( i, j ) P ( i, j ) c ij c se (i, j) è un arco diretto di P l unità di flusso viene sommata a quelle esistenti, sostenendo un costo aggiuntivo pari a c ij se (i, j) è un arco inverso di P l unità di flusso viene sottratta a quelle esistenti, sostenendo un costo aggiuntivo pari a c ij Costo dello pseudoflusso (flusso) ottenuto con l operazione di composizione P c T x(θ) = c T (x θp) = c T x + θ c(p) ij

16 Per determinare cammini e/o cicli aumentanti si usa il grafo residuo G x = (N, A x ) rispetto allo pseudoflusso x, dove A x {( i, j) ( i, j) A, x < u } U ( j,i) : ( i, j) { A, x 0} = ij ij ij : > un arco (i, j) non saturo e non scarico in G (0 < x ij < u ij ) è rappresentato in G x da una coppia di archi un arco (i, j) di capacità u ij x ij e costo c ij = c ij un arco (j, i) di capacità x ij e costo c ij = c ij un arco (i, j) scarico in G (x ij = 0) è rappresentato in G x da un arco (i, j) di capacità u ij e costo c ij = c ij un arco (i, j) saturo in G (x ij = u ij ) è rappresentato in G x da un arco (j, i) di capacità u ij e costo c ij = c ij

17 Vale infatti la seguente condizione necessaria e sufficiente: comunque fissati s e t, per ogni cammino aumentante da s a t rispetto ad x in G esiste uno ed un solo cammino orientato da s a t in G x, e i due cammini hanno lo stesso costo.

18 Flusso ammissibile ottimo e pseudoflussi minimali Un flusso ammissibile ottimo è definito come un flusso con vettore di sbilanciamento nullo (e(x) = 0 ) di minimo costo tra tutti i flussi con vettore di sbilanciamento e(x) = 0 Generalizziamo questa definizione al caso e(x) 0 introducendo il concetto di pseudoflusso minimale Definizione Si dice minimale uno pseudoflusso x di costo minimo tra tutti gli pseudoflussi con vettore di sbilanciamento e(x)

19 Caratterizzazione dei flussi ammissibili ottimi e degli pseudoflussi minimali Condizione necessaria e sufficiente di ottimalità di un flusso ammissibile Teorema Dato un flusso ammissibile x, la non-esistenza di cicli aumentanti rispetto a x di costo negativo è condizione necessaria e sufficiente per l ottimalità del flusso ammissibile x Condizione necessaria e sufficiente di minimalità di uno pseudoflusso Teorema Dato uno pseudoflusso x, la non-esistenza di cicli aumentanti rispetto a x di costo negativo è condizione necessaria e sufficiente per la minimalità dello pseudoflusso x

20 La dimostrazione della necessità è per assurdo. La dimostrazione della sufficienza è basata sul seguente teorema Teorema Dati due qualunque pseudoflussi x ed x, esistono k n + m cammini aumentanti (semplici) per x P 1,, P k di cui al più m sono cicli (aumentanti semplici), tali che x = x θ 1 P 1 θ k P k per opportuni k scalari 0 < θ i θ(p i, x ), i = 1,, k. Tutti i cammini aumentanti hanno come estremi nodi in cui lo sbilanciamento di x è diverso dallo sbilanciamento di x, per cui se x ed x hanno lo stesso vettore di sbilanciamenti, allora tutti i P i sono cicli.

21 Algoritmo basato su cammini minimi successivi (SSPT) Algoritmo Cammini-Minimi-Successivi : processo iterativo in ogni iterazione del quale all inizio si dispone di uno pseudoflusso minimale x (g(x) 0) si determina un cammino aumentante di costo minimo tra un nodo s O x ed un nodo t D x e, per un valore di θ θ(p, x) opportunamente scelto, si determina il nuovo pseudoflusso con l operazione di composizione x(θ)= x θp il nuovo pseudoflusso determinato è uno pseudoflusso minimale in forza del seguente teorema.

22 Teorema Siano x uno pseudoflusso minimale P un cammino aumentante rispetto a x di costo minimo tra tutti i cammini che uniscono un dato nodo s O x ad un dato nodo t D x Allora, comunque si scelga 0 < θ θ(p, x), lo pseudoflusso risultante dall operazione di composizione x(θ) = x θc è uno pseudoflusso minimale.

23 Terminazione dell algoritmo Cammini-Minimi-Successivi L algoritmo Cammini-Minimi-Successivi termina quando si verifica una delle due seguenti condizioni 1) lo sbilanciamento complessivo di x è nullo: x è un flusso ammissibile di costo minimo (ottimo) 2) non esiste alcun cammino aumentante tra qualsiasi nodo s O x e un nodo t D x : non esiste nessuna soluzione ammissibile per il problema di flusso di costo minimo

24 Nella fase di inizializzazione dell algoritmo si costruisce uno pseudoflusso x minimale (procedura Inizializza): se non esistono archi con costo negativo e capacità infinita, uno pseudoflusso x minimale si ottiene attribuendo ad ogni arco di G con costo nonnegativo un flusso nullo: se c ij 0 x ij = 0 ad ogni arco di G con costo negativo un flusso pari alla capacità: se c ij < 0 x ij = u ij Con questa scelta i costi degli archi in G x sono tutti nonnegativi, quindi non esistono cicli orientati in G x di costo negativo : in G perciò non esistono cicli aumentanti di costo negativo e lo pseudoflusso iniziale così costruito è minimale,

25 Infatti: nel grafo G esiste un ciclo aumentante di costo negativo rispetto a x se e solo se nel grafo residuo G x rispetto ad x esiste un ciclo orientato di costo negativo Ma un ciclo orientato di costo negativo non può esistere in G x perché in esso non vi sono, per costruzione, costi negativi: all arco (i, j) di G al quale, essendo c ij 0, è stato attribuito flusso nullo corrisponde in G x un unico arco (i, j), orientato come in G, con costo c ij = c ij, quindi nonnegativo all arco (i, j) di G al quale, essendo c ij < 0, è stato attribuito flusso x ij = u ij corrisponde in G x un unico arco (j, i) con costo c ji = c ij, quindi positivo

26 La procedura Trova-Cammino-Minimo deve fornire un cammino aumentante di costo minimo P da un qualsiasi nodo s O x ad un qualsiasi nodo t D x : risolvere su G x un problema di albero dei cammini minimi (SPT) con insieme di nodi radice O x Se O x > 1 : si aggiunge a G x un nodo radice r collegato a tutti i nodi in O x con archi a costo nullo (grafo ampliato G x ) e si risolve un problema SPT di radice r su G x Se O x = 1: si usa come radice l unico nodo in O x.

27 In generale: su un grafo contenente un ciclo negativo la procedura SPT non termina In particolare: quando applicata come passo interno di un algoritmo SSPT la procedura termina individuando un albero dei cammini minimi, perché essendo x minimale, non esistono in G x cicli negativi. Si possono utilizzare: algoritmo SPT.S: ad ogni iterazione si estrae da Q un elemento di etichetta minima Proprietà: su grafi con costi nonnegativi ogni nodo è inserito in (ed estratto da) Q al più una volta

28 algoritmo di Bellman: Q è una fila, ossia strategia FIFO: inserimento in coda - estrazione in testa Proprietà: anche in presenza di archi con costo negativo, purché in assenza di cicli di costo negativo, la strategia FIFO garantisce che ogni nodo sia inserito in Q al più n 1 volte

29 Calcolato l albero dei cammini minimi con un algoritmo SPT, si seleziona un qualsiasi nodo t D x e si esamina il valore della sua etichetta. d t = M : non esiste alcun cammino aumentante tra qualsiasi nodo s O x e t Trova-Cammino-Minimo restituisce falso Cammini-Minimi-Successivi restituisce caso = vuoto : il problema di flusso di costo minimo non ha soluzioni ammissibili d t < M : Trova-Cammino-Minimo restituisce vero il cammino aumentante P che unisce un nodo s O x al nodo t D x selezionato, la quantità di flusso θ che deve essere inviata lungo P { θ ( P, x), e s ( x) e ( x) } θ = min, t

30 Procedura Aumenta-Flusso: implementa l operazione di composizione se θ = e s (x): il nodo s risulterà bilanciato rispetto al nuovo flusso se θ = e t (x): il nodo t risulterà bilanciato rispetto al nuovo flusso se θ = θ(p, x): almeno un arco di P diviene saturo o vuoto Siccome l algoritmo usa sempre cammini aumentanti di costo minimo, ad ogni passo lo pseudoflusso x è minimale: quindi, se l algoritmo termina con g(x) = 0, allora x è un flusso ottimo. Proprietà di integralità della soluzione: se le capacità u ij degli archi ed i deficit b i dei nodi sono interi, allora per qualsiasi scelta dei costi c ij degli archi esiste almeno una soluzione ottima intera per il problema (MCF).

31 Procedure Cammini-Minimi-Successivi (G, c, b, u, x, caso): begin Inizializza(x) ; caso := ottimo ; while g(x) 0 and caso vuoto do if Trova-Cammino-Minimo(G x, O x, D x, P, θ) then Aumenta-Flusso(x, P, θ) else caso := vuoto end.

32 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 ridirezionando mediante un ciclo aumentante C di costo negativo una quantità di flusso pari alla capacità θ(c, x) del ciclo rispetto al flusso ammissibile x : il nuovo flusso determinato è un flusso ammissibile di costo inferiore. L operazione di far circolare sugli archi di C un flusso pari a θ(c, x) (= saturare un ciclo aumentante C) è detta cancellazione del ciclo perché tale ciclo non è più aumentante per il flusso x(θ) ; Tale ciclo può però tornare ad essere aumentante per flussi generati successivamente. L algoritmo termina quando non esistono più cicli aumentanti di costo negativo: il flusso ammissibile corrente è di costo minimo.

33 Procedure Cancella-Cicli (G, c, b, u, x, caso) : begin if Flusso -Ammissibile(G, c, b, u, x) then begin while Trova-Ciclo (G, c, u, x, C, θ) do Cambia-Flusso (x, C, θ) ; caso := ottimo end else caso := vuoto end.

34 La procedura Flusso-Ammissibile determina, se esiste, un flusso ammissibile: in tal caso restituisce vero ed il flusso x, altrimenti restituisce falso. Tale procedura risolve un problema di flusso massimo con più sorgenti i S e pozzi i T aventi capacità finita u i, ossia una massima quantità di flusso che può essere immessa nella o prelevata dalla rete

35 Si utilizza un algoritmo per MF al grafo ampliato G = (N, A ) N = N {s, t} s e t sono la super-sorgente ed il super-pozzo A = A {(s, j) : j S} {(i, t) : i T} gli archi che collegano la super-sorgente ai nodi di S = {j : b j < 0} hanno capacità u sj = b j ; gli archi che collegano i nodi di T = {i : b i > 0} al super-pozzo hanno capacità u it = b i ; se il flusso massimo satura tutte le sorgenti (tutti gli archi (s, j)) e, di conseguenza, tutti i pozzi (tutti gli archi (i, t)), allora tale flusso è ammissibile per il problema del flusso di costo minimo; altrimenti non esistono flussi ammissibili

36 Dato un flusso ammissibile x, la procedura Trova-Ciclo determina, se esiste, un ciclo aumentante rispetto ad x di costo negativo: in questo caso restituisce vero ed il ciclo individuato C, con il suo verso e la sua capacità θ = θ(c, x), altrimenti restituisce falso. È dimostrato che il problema di determinare un ciclo aumentante di costo negativo in G rispetto ad x è equivalente al problema di determinare un ciclo orientato e di costo negativo in G x. Il problema diventa: come determinare un ciclo orientato e di costo negativo in G x?

37 Si risolve un problema di determinare su G x l albero dei cammini minimi con insieme di radici R = N : si considera, cioè, il grafo residuo ampliato, ottenuto aggiungendo una radice fittizia r e un arco (r, j) di costo c rj = 0 per ogni nodo j N. Con l algoritmo SPT.L in cui Q è implementato come una fila, si determina, in assenza di cicli negativi, un albero dei cammini minimi: in questo caso si ha la prova che il flusso è ottimo. Ma, in assenza di cicli negativi, un nodo non può essere esaminato (estratto da Q) più di n 1 volte; si conta, allora, il numero di estrazioni da Q di ciascun nodo: appena un nodo viene estratto per l n-esima volta, si può affermare che quel nodo appartiene ad un ciclo negativo. Il ciclo può poi essere individuato percorrendolo all indietro, a partire dal nodo trovato, per mezzo della funzione predecessore p[ ].

38 Una volta determinato il ciclo C ed il valore θ, la procedura Cambia-Flusso costruisce il nuovo flusso x(θ) = x θc. L algoritmo basato sulla cancellazione di cicli è un algoritmo di ricerca locale: l intorno di x è dato da tutti i flussi ottenibili da x inviando flusso lungo un ciclo aumentante semplice.

b i 1,1,1 1,1,1 0,1,2 0,3,4

b i 1,1,1 1,1,1 0,1,2 0,3,4 V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile

Dettagli

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Flusso di costo minimo È dato un grafo direzionato G = (N, A). Ad ogni arco (i, j) A è associato il costo c ij

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo

Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito

Dettagli

Algoritmo basato su cancellazione di cicli

Algoritmo 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

Dettagli

Esercizi Capitolo 6 - Alberi binari di ricerca

Esercizi Capitolo 6 - Alberi binari di ricerca Esercizi Capitolo 6 - Alberi binari di ricerca Alberto Montresor 23 settembre 200 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile

Dettagli

TSP con eliminazione di sottocicli

TSP con eliminazione di sottocicli TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 3 5 7-8 9 57

Dettagli

TSP con eliminazione di sottocicli

TSP con eliminazione di sottocicli TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 7-8 9 7 9-8 79

Dettagli

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010 elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre

Dettagli

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,

Dettagli

Sistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >

Sistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, > Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego

Dettagli

PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO

PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO 1. Load Balancing Un istanza del problema del load balancing consiste di una sequenza p 1,..., p n di interi positivi (pesi dei job) e un

Dettagli

Algoritmi e Strutture Dati & Laboratorio di Algoritmi e Programmazione

Algoritmi e Strutture Dati & Laboratorio di Algoritmi e Programmazione Algoritmi e Strutture Dati & Laboratorio di Algoritmi e Programmazione Esercizi II parte Esercizio 1 Discutere la correttezza di ciascuna delle seguenti affermazioni. Dimostrare formalmente la validità

Dettagli

13. Campi vettoriali

13. Campi vettoriali 13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello

Dettagli

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

Metodi Computazionali

Metodi Computazionali Metodi Computazionali Elisabetta Fersini fersini@disco.unimib.it A.A. 2009/2010 Catene di Markov Applicazioni: Fisica dinamica dei sistemi Web simulazione del comportamento utente Biologia evoluzione delle

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione

Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione presentato in questo file trova la seq. a costo minimo per

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

Algoritmi e strutture dati. Codici di Huffman

Algoritmi e strutture dati. Codici di Huffman Algoritmi e strutture dati Codici di Huffman Memorizzazione dei dati Quando un file viene memorizzato, esso va memorizzato in qualche formato binario Modo più semplice: memorizzare il codice ASCII per

Dettagli

Programmazione dinamica

Programmazione dinamica Capitolo 6 Programmazione dinamica 6.4 Il problema della distanza di edit tra due stringhe x e y chiede di calcolare il minimo numero di operazioni su singoli caratteri (inserimento, cancellazione e sostituzione)

Dettagli

Testing: basato su analisi dinamica del codice. Metodi Formali: basato su analisi statica del codice.

Testing: basato su analisi dinamica del codice. Metodi Formali: basato su analisi statica del codice. Convalida: attività volta ad assicurare che il SW sia conforme ai requisiti dell utente. Verifica: attività volta ad assicurare che il SW sia conforme alle specifiche dell analista. Goal: determinare malfunzionamenti/anomalie/errori

Dettagli

1. Considerazioni generali

1. Considerazioni generali 1. Considerazioni generali Modelli di shop scheduling In molti ambienti produttivi l esecuzione di un job richiede l esecuzione non simultanea di un certo numero di operazioni su macchine dedicate. Ogni

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Network design

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Network design Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Network design Network Design È data una rete rappresentata su da un grafo G = (V, A) e un insieme di domande K, ciascuna

Dettagli

Modelli di Programmazione Lineare. PRTLC - Modelli

Modelli di Programmazione Lineare. PRTLC - Modelli Modelli di Programmazione Lineare PRTLC - Modelli Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo Rilassamento continuo - generazione

Dettagli

Introduzione al MATLAB c Parte 2

Introduzione al MATLAB c Parte 2 Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione

Dettagli

Semantica Assiomatica

Semantica Assiomatica Semantica Assiomatica Anche nella semantica assiomatica, così come in quella operazionale, il significato associato ad un comando C viene definito specificando la transizione tra stati (a partire, cioè,

Dettagli

Fondamenti e didattica di Matematica Finanziaria

Fondamenti e didattica di Matematica Finanziaria Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio

Dettagli

Il Metodo Branch and Bound

Il Metodo Branch and Bound Il Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 4 Novembre 2014 Ricerca Operativa 2 Laurea Magistrale in Ingegneria Gestionale

Dettagli

Problema del trasporto

Problema 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. Nel deposito i è immagazzinata la quantità a i di prodotto. Nel

Dettagli

Note su quicksort per ASD 2010-11 (DRAFT)

Note su quicksort per ASD 2010-11 (DRAFT) Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

1. PRIME PROPRIETÀ 2

1. PRIME PROPRIETÀ 2 RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12 A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

1 Applicazioni Lineari tra Spazi Vettoriali 1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!

Dettagli

2) Codici univocamente decifrabili e codici a prefisso.

2) Codici univocamente decifrabili e codici a prefisso. Argomenti della Lezione ) Codici di sorgente 2) Codici univocamente decifrabili e codici a prefisso. 3) Disuguaglianza di Kraft 4) Primo Teorema di Shannon 5) Codifica di Huffman Codifica di sorgente Il

Dettagli

19. Inclusioni tra spazi L p.

19. Inclusioni tra spazi L p. 19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p

Dettagli

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.

Dettagli

Ricerca non informata in uno spazio di stati

Ricerca non informata in uno spazio di stati Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A5_2 V2.4 Ricerca non informata in uno spazio di stati Il contenuto del documento è liberamente utilizzabile dagli

Dettagli

CONCETTO DI LIMITE DI UNA FUNZIONE REALE

CONCETTO DI LIMITE DI UNA FUNZIONE REALE CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e

Dettagli

Parte II Indice. Operazioni aritmetiche tra valori rappresentati in binario puro. Rappresentazione di numeri con segno

Parte II Indice. Operazioni aritmetiche tra valori rappresentati in binario puro. Rappresentazione di numeri con segno Parte II Indice Operazioni aritmetiche tra valori rappresentati in binario puro somma sottrazione Rappresentazione di numeri con segno modulo e segno complemento a 2 esercizi Operazioni aritmetiche tra

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

(Esercizi Tratti da Temi d esame degli ordinamenti precedenti)

(Esercizi Tratti da Temi d esame degli ordinamenti precedenti) (Esercizi Tratti da Temi d esame degli ordinamenti precedenti) Esercizio 1 L'agenzia viaggi GV - Grandi Viaggi vi commissiona l'implementazione della funzione AssegnaVolo. Tale funzione riceve due liste

Dettagli

Algoritmi e Strutture Dati

Algoritmi e Strutture Dati Elementi di Programmazione Dinamica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino Il problema La CMC produce automobili in uno stabilimento

Dettagli

min 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5

min 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5 IL METODO DEL SIMPLESSO 65 Esercizio 7.4.4 Risolvere utilizzando il metodo del simplesso il seguente problema di PL: min 4 + + + + = 4 + + = + = 5 Innanzitutto scriviamo il problema in forma standard:

Dettagli

Introduzione Ordini parziali e Reticoli Punti fissi

Introduzione Ordini parziali e Reticoli Punti fissi Introduzione Ordini parziali e Reticoli Punti fissi By Giulia Costantini (819048) & Giuseppe Maggiore (819050) Table of Contents ORDINE PARZIALE... 3 Insieme parzialmente ordinato... 3 Diagramma di Hasse...

Dettagli

Correttezza. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 10. A. Miola Novembre 2007

Correttezza. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 10. A. Miola Novembre 2007 Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 10 Correttezza A. Miola Novembre 2007 http://www.dia.uniroma3.it/~java/fondinf1/ Correttezza 1 Contenuti Introduzione alla correttezza

Dettagli

STRUTTURE NON LINEARI

STRUTTURE NON LINEARI PR1 Lezione 13: STRUTTURE NON LINEARI Michele Nappi mnappi@unisa.it www.dmi.unisa.it/people/nappi Per la realizzazione della presentazione è stato utilizzato in parte materiale didattico prodotto da Oronzo

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni

Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica

Dettagli

Algebra Booleana ed Espressioni Booleane

Algebra Booleana ed Espressioni Booleane Algebra Booleana ed Espressioni Booleane Che cosa è un Algebra? Dato un insieme E di elementi (qualsiasi, non necessariamente numerico) ed una o più operazioni definite sugli elementi appartenenti a tale

Dettagli

Laboratorio di Programmazione II Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona

Laboratorio di Programmazione II Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona e e Laboratorio di Programmazione II Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Sommario e ed implementazione in Java Visita di un grafo e e Concetti di base Struttura

Dettagli

1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.

1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette. . Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,

Dettagli

Insiemi di livello e limiti in più variabili

Insiemi di livello e limiti in più variabili Insiemi di livello e iti in più variabili Insiemi di livello Si consideri una funzione f : A R, con A R n. Un modo per poter studiare il comportamento di una funzione in più variabili potrebbe essere quello

Dettagli

Ottimizzazione Multi Obiettivo

Ottimizzazione Multi Obiettivo Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)

Dettagli

IL PROBLEMA DELLO SHORTEST SPANNING TREE

IL PROBLEMA DELLO SHORTEST SPANNING TREE IL PROBLEMA DELLO SHORTEST SPANNING TREE n. 1 - Formulazione del problema Consideriamo il seguente problema: Abbiamo un certo numero di città a cui deve essere fornito un servizio, quale può essere l energia

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Problemi di Distribuzione: Il problema del Vehicle Rou:ng

Dettagli

Cenni su algoritmi, diagrammi di flusso, strutture di controllo

Cenni su algoritmi, diagrammi di flusso, strutture di controllo Cenni su algoritmi, diagrammi di flusso, strutture di controllo Algoritmo Spesso, nel nostro vivere quotidiano, ci troviamo nella necessità di risolvere problemi. La descrizione della successione di operazioni

Dettagli

ELASTICITÀ. Sarebbe conveniente per il produttore aumentare ulteriormente il prezzo nella stessa misura del caso

ELASTICITÀ. Sarebbe conveniente per il produttore aumentare ulteriormente il prezzo nella stessa misura del caso Esercizio 1 Data la funzione di domanda: ELASTICITÀ Dire se partendo da un livello di prezzo p 1 = 1.5, al produttore converrà aumentare il prezzo fino al livello p 2 = 2. Sarebbe conveniente per il produttore

Dettagli

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo. DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti

Dettagli

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni.

Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. Albero semantico Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. A differenza dell albero sintattico (che analizza la formula da un punto di vista puramente

Dettagli

Esempi di algoritmi. Lezione III

Esempi di algoritmi. Lezione III Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni

Dettagli

Ricerca Automatica. Esercitazione 3. Ascensore. Ascensore. Ascensore

Ricerca Automatica. Esercitazione 3. Ascensore. Ascensore. Ascensore Ascensore Ricerca Automatica Esercitazione In un grattacielo ci sono coppie formate da marito e moglie. Il cancello delle scale viene chiuso e l unico modo per scendere è con l ascensore che può portare

Dettagli

Testi di Esercizi e Quesiti 1

Testi di Esercizi e Quesiti 1 Architettura degli Elaboratori, 2009-2010 Testi di Esercizi e Quesiti 1 1. Una rete logica ha quattro variabili booleane di ingresso a 0, a 1, b 0, b 1 e due variabili booleane di uscita z 0, z 1. La specifica

Dettagli

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero

Dettagli

INFORMATICA GENERALE Prof. Alberto Postiglione Dipartimento Scienze della Comunicazione Università degli Studi di Salerno

INFORMATICA GENERALE Prof. Alberto Postiglione Dipartimento Scienze della Comunicazione Università degli Studi di Salerno INFORMATICA GENERALE Prof. Alberto Postiglione Dipartimento Scienze della Comunicazione Università degli Studi di Salerno UD 3.1b: Costrutti di un Algoritmo Dispense 1.2 I Costrutti di base 13 apr 2010

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

Corso Integrato: Matematica e Statistica. Corso di Matematica (6 CFU)

Corso Integrato: Matematica e Statistica. Corso di Matematica (6 CFU) Corso di Laurea in Scienze e Tecnologie Agrarie Corso Integrato: Matematica e Statistica Modulo: Matematica (6 CFU) (4 CFU Lezioni +2 CFU Esercitazioni) Corso di Laurea in Tutela e Gestione del territorio

Dettagli

Corso di Informatica

Corso di Informatica Corso di Informatica Modulo T3 1-Sottoprogrammi 1 Prerequisiti Tecnica top-down Programmazione elementare 2 1 Introduzione Lo scopo di questa Unità è utilizzare la metodologia di progettazione top-down

Dettagli

La programmazione. Sviluppo del software

La programmazione. Sviluppo del software La programmazione problema Sviluppo del software idea (soluzione informale) algoritmo (soluzione formale) programma (traduzione dell algoritmo in una forma comprensibile da un elaboratore elettronico)

Dettagli

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure

Dettagli

4. Operazioni binarie, gruppi e campi.

4. Operazioni binarie, gruppi e campi. 1 4. Operazioni binarie, gruppi e campi. 4.1 Definizione. Diremo - operazione binaria ovunque definita in A B a valori in C ogni funzione f : A B C - operazione binaria ovunque definita in A a valori in

Dettagli

Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2)

Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Definiamo innanzitutto una relazione d ordine tra le funzioni. Siano φ e ψ funzioni

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3. 7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

1. Considerazioni preliminari

1. Considerazioni preliminari 1. Considerazioni preliminari Uno dei principali aspetti decisionali della gestione logistica è decidere dove localizzare nuove facility, come impianti, magazzini, rivenditori. Ad esempio, consideriamo

Dettagli

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli

STRUTTURE ALGEBRICHE

STRUTTURE ALGEBRICHE STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione

Dettagli

Intelligenza Artificiale

Intelligenza Artificiale Intelligenza Artificiale Esercizi e Domande di Esame Tecniche di Ricerca e Pianificazione Esercizi Griglia Si consideri un ambiente costituito da una griglia n n in cui si muove un agente che può spostarsi

Dettagli

Dimensionamento dei lotti di produzione: il caso con variabilità nota

Dimensionamento dei lotti di produzione: il caso con variabilità nota Dimensionamento dei lotti di produzione: il caso con variabilità nota A. Agnetis In questi appunti studieremo alcuni modelli per il problema del lot sizing, vale a dire il problema di programmare la dimensione

Dettagli

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997 1 RAPPRESENTAZIONE BINARIA DEI NUMERI Andrea Bobbio Anno Accademico 1996-1997 Numeri Binari 2 Sistemi di Numerazione Il valore di un numero può essere espresso con diverse rappresentazioni. non posizionali:

Dettagli

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

Dettagli

RETI DI TELECOMUNICAZIONE

RETI DI TELECOMUNICAZIONE RETI DI TELECOMUNICAZIONE SISTEMI M/G/1 e M/D/1 Sistemi M/G/1 Nei sistemi M/G/1: i clienti arrivano secondo un processo di Poisson con parametro λ i tempi di servizio hanno una distribuzione generale della

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

Test del Software. Definizione SCOPO LIMITI DEL TEST

Test del Software. Definizione SCOPO LIMITI DEL TEST Definizione! Verifica dinamica del comportamento del software rispetto a quello atteso, utilizzando un insieme finito di casi di test, appropriatamente selezionati nel dominio di tutti i casi possibili

Dettagli

1. Limite finito di una funzione in un punto

1. Limite finito di una funzione in un punto . Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce

Dettagli

Barriere assorbenti nelle catene di Markov e una loro applicazione al web

Barriere assorbenti nelle catene di Markov e una loro applicazione al web Università Roma Tre Facoltà di Scienze M.F.N Corso di Laurea in Matematica a.a. 2001/2002 Barriere assorbenti nelle catene di Markov e una loro applicazione al web Giulio Simeone 1 Sommario Descrizione

Dettagli

Matematica in laboratorio

Matematica in laboratorio Unità 1 Attività guidate Attività 1 Foglio elettronico Divisibilità tra numeri naturali Costruisci un foglio di lavoro per determinare se a è divisibile per b, essendo a e b due numeri naturali, con a

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

Esercizi sull Association Analysis

Esercizi sull Association Analysis Data Mining: Esercizi sull Association Analysis 1 Esercizi sull Association Analysis 1. Si consideri il mining di association rule da un dataset T di transazioni, rispetto a delle soglie minsup e minconf.

Dettagli

Interpolazione ed approssimazione di funzioni

Interpolazione ed approssimazione di funzioni Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner

Dettagli