ALGORITMO DEL SIMPLESSO

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "ALGORITMO DEL SIMPLESSO"

Transcript

1 ALGORITMO DEL SIMPLESSO ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. Risolvere il seguente programma lineare (a) con il metodo del simplesso e (b) con il metodo grafico. (1) min x 1 x () (3) (4) (5) x 1 + x 5 3x 1 + x 9 x 4 x 1, x 0 ESERCIZIO. Risolvere il seguente programma lineare (a) con il metodo del simplesso e (b) con il metodo grafico. (6) max 3x 1 x (7) (8) (9) (10) x 1 x 1 x 1 + x 1 x 1 + x 0 x 1, x 0 ESERCIZIO 3. Risolvere il seguente programma lineare utilizzando l algoritmo del simplesso. (11) max 3x 1 x + x 3 (1) (13) (14) (15) x 1 + x 6 x + x 3 4 x 1 x 3 3 x 1, x, x 3 0 ESERCIZIO 4. Risolvere il seguente programma lineare per mezzo dell algoritmo del simplesso. (16) min x 1 3x 1

2 ESERCITAZIONI DI RICERCA OPERATIVA 1 (17) (18) (19) (0) x 1 + x 4 x 1 3 x 3 x 1, x 0 ESERCIZIO 5. Risolvere il seguente programma lineare per mezzo dell algoritmo del simplesso. (1) max x 1 x () x 1 + x 1 (3) x 1 + x (4) x 1, x 0

3 ALGORITMO DEL SIMPLESSO 3 Soluzioni 1. (a) Prima di applicare il metodo del simplesso è indispensabile porre il programma lineare in forma standard. Per ottenere questo è necessario, in questo caso, trasformare (1) (5) in un programma di minimo cambiando il segno della funzione obiettivo (1) e scrivere i vincoli () (4) come uguaglianze utilizzando opportune variabili di slack x 3, x 4, x 5. (1 ) ( ) (3 ) (4 ) (5 ) max x 1 + x x 1 + x + x 3 = 5 3x 1 + x + x 4 = 9 x + x 5 = 4 Grazie alla presenza delle variabili di slack, è immediatamente identificabile sul sistema dei vincoli una base ammissibile iniziale B 0 = {x 3, x 4, x 5 }. max z = 0 +x 1 +x x 3 = 5 x 1 x x 4 = 9 3x 1 x x 5 = 4 x B 0 = {x 3, x 4, x 5 } La presenza di costi ridotti γ 1, γ > 0 indica che la soluzione ammissibile di base associata a B 0 non è ottima; la variabile x 1, che presenta costo ridotto massimo, è idonea ad entrare in base. La variabile uscente è scelta con il criterio dei rapporti minimi, quindi { 5 min 1, 9 } = indica che la variabile uscente è x 4. Effettuando l operazione di cardine si ottiene la riformulazione rispetto alla nuova base B 1. max z = 6 3 x x x 3 = x 4 3 x x 1 = x x x 5 = 4 x B 1 = B 0 {x 1 } \ {x 4 } = {x 3, x 1, x 5 } Poiché γ > 0 la soluzione associata a B 1 non è ottima, e si prosegue facendo entrare in base x. La variabile uscente è in questo caso x 3, alla quale corrisponde il minimo tra i rapporti /3, 3 1/3, 4 1. Si ottiene quindi, effettuando l operazione di cardine, la seguente riformulazione. max z = 7 1 x 4 1 x 3 x = x 4 3 x 3 x 1 = 1 x x 3 x 5 = 1 1 x x 3 B = B 1 {x } \ {x 3 } = {x, x 1, x 5 } La soluzione associata alla base B è ottima, poiché sulla riformulazione γ 4, γ 3 0.

4 4 ESERCITAZIONI DI RICERCA OPERATIVA 1 r x 5 4 x = 4 3 A(, 3) 1 S a x 1 3x 1 + x = 9 x 1 + x = 5 Figura 1. Risoluzione per via grafica dell esercizio 1. (b) Essendo (1) (5) un programma in due sole variabili, è agevole utilizzare il metodo grafico. La Figura 1 rappresenta graficamente l insieme S a delle soluzioni ammissibili di (1) (5); la retta tratteggiata r è una isocosto e la direzione di crescita è quella indicata dal vettore (, 1). L ottimo è quindi localizzato nel punto A di coordinate x 1 =, x = 3. Si noti il percorso seguito sulla frontiera di S a dalle iterazioni del simplesso, attraverso i vertici (0, 0) (3, 0) (, 3) A.. Trasformando (6) (10) in forma standard, si introducono due variabili di slack x 3, x 5 associate rispettivamente ai vincoli (7) e (9) e una variabile di surplus x 4 associata al vincolo (8). Si ottiene dunque quanto segue. (6 ) max 3x 1 x (7 ) (8 ) (9 ) (10 ) x 1 x + x 3 = 1 x 1 + x x 4 = 1 x 1 + x + x 5 = 0 A differenza di quanto osservato nell esercizio 1, le variabili supplementari x 3, x 4, x 5 non formano una base ammissibile (la soluzione corrispondente avrebbe x 4 = 1). È quindi conveniente impostare il problema di prima fase. In questo caso è sufficiente aggiungere una singola variabile artificiale s 1, in corrispondenza del secondo vincolo. max s 1

5 ALGORITMO DEL SIMPLESSO 5 x 1 x + x 3 = 1 x 1 + x x 4 + s 1 = 1 x 1 + x + x 5 = 0 x 1,..., x 5, s 1 0 Ora la base B 0 = {x 3, s 1, x 5 } è ammissibile per il problema di prima fase, e si può avviare l algoritmo del simplesso. max z = 1 x 1 +x x 4 x 3 = 1 x 1 +x s 1 = 1 +x 1 x +x 4 x 5 = 0 +x 1 1x x 1,..., x 5, s 1 0 B 0 = {x 3, s 1, x 5 } A questo punto entra in base la variabile x (γ > 0) e la regola dei rapporti individua in x 5 la variabile uscente. max z = 1 +3x 1 x 5 x 4 x 3 = 1 +x 1 x 5 s 1 = 1 3x 1 +x 5 +x 4 x = 0 +x 1 x 5 x 1,..., x 5, s 1 0 B 1 = {x 3, s 1, x } Infine entra in base x 1 mentre esce s 1. max z = 0 s 1 x 3 = s x x 4 x 1 = s x x 4 x = 3 3 s x x 4 x 1,..., x 5, s 1 0 B = {x 3, x 1, x 5 } Poiché il problema di prima fase ha una soluzione ottima con funzione obiettivo pari a 0, il programma (6 ) (10 ) ha una soluzione ammissibile di base, corrispondente a x 3 = 4 3, x 1 = 1 3, x = 3 (x 4 = x 5 = 0 perché fuori base). Riformulando ora la funzione obiettivo (6 ) rispetto alla base B si ottiene quanto segue. max z = x x 4 x 3 = x x 4 x 1 = x x 4 x = x x 4 B = {x 3, x 1, x 5 } Sulla colonna di x 4 si può riconoscere la condizione di illimitatezza: γ 4 > 0, con tutti gli α i4 0. Il programma (6) (10) ha quindi S a ma S ott =. Si può osservare che dalla riformulazione è immediato ottenere l equazione parametrica di un raggio lungo il quale la funzione obiettivo cresce indefinitamente: x 3 = x 4 x 1 = x 4 t 0. x = x 4 x 4 = t

6 6 ESERCITAZIONI DI RICERCA OPERATIVA 1 x r x 1 + x = 0 5 3x 1 x = S a x 1 + x = x 1 Figura. Risoluzione per via grafica dell esercizio. (Nota: corrisponde alla semiretta con origine in (x 1 = 1 3, x = 3 ) e giacente sulla retta di equazione x 1 + x = 0.) (b) Operando graficamente si ottiene la rappresentazione di S a data in Figura. La regione S a è illimitata (in alto a destra), e la retta isocosto r può essere spostata nella direzione di crescita indefinitamente. 3. La forma standard di (11) (15) si ottiene introducendo una variabile di slack x 4 e due variabili di surplus x 5, x 6. (11 ) max 3x 1 x + x 3 (1 ) (13 ) (14 ) (15 ) x 1 + x + x 4 = 6 x + x 3 x 5 = 4 x 1 x 3 x 6 = 3 x 1,..., x 6 0 Non avendo a disposizione una base ammissibile iniziale, è conveniente impostare e risolvere il problema di prima fase utilizzando due variabili artificiali s 1, s introdotte nei vincoli (13 ) e (14 ) rispettivamente. max s 1 s x 1 + x + x 4 = 6 x + x 3 x 5 + s 1 = 4 x 1 x 3 x 6 + s = 3 x 1,..., x 6, s 1, s 0

7 ALGORITMO DEL SIMPLESSO 7 Si può quindi applicare l algoritmo del simplesso a partire dalla base iniziale B 0 = {x 4, s 1, s }. max z = 7 +x 1 +x +x 3 x 5 x 6 x 4 = 6 x 1 x s 1 = 4 x x 3 +x 5 B 0 = {x 4, s 1, s } s = 3 1x 1 +x 3 +x 6 x 1,..., x 6, s 1, s 0 max z = 4 s +x +x 3 x 5 x 4 = 0 +s x x 3 x 6 s 1 = 4 x x 3 +x 5 B 1 = {x 4, s 1, x 1 } x 1 = 3 s +x 3 +x 6 x 1,..., x 6, s 1, s 0 max z = 4 +s x 4 x 5 x 6 x 3 = 0 +s 1 x 1 x 4 x 6 s 1 = 4 s +x 4 +x 5 +x 6 B = {x 3, s 1, x 1 } x 1 = 3 1 x 1 x 4 x 1,..., x 6, s 1, s 0 max z = 1 s 1 1 x 4 1 x 5 x 6 x 3 = 1 s 1 1 x + 1 x 5 s = 1 s x x 5 +x 6 B 3 = {x 3, s, x 1 } x 1 = 3 1 x 1 x 4 x 1,..., x 6, s 1, s 0 La base B 3 risulta ottima per il problema di prima fase, con x 3 = 4, s =, x 1 = 3, e valore di funzione obiettivo z = < 0. Quindi il programma lineare (11) (15) non ha soluzioni ammissibili. 4. Si perviene alla forma standard di (16) (0) cambiando segno alla funzione obiettivo e introducendo le variabili di slack x 3, x 4, x 5 rispettivamente nei vincoli (17), (18) e (19). (16 ) (17 ) (18 ) (19 ) (0 ) max x 1 + 3x x 1 + x + x 3 = 4 x 1 + x 4 = 3 x + x 5 = 3 x 1, x, x 3, x 4, x 5 0 Partendo dalla base B 0 = {x 3, x 4, x 5 } si ottiene la riformulazione max z = 0 +x 1 +3x x 3 = 4 x 1 x x 4 = 3 x 1 B 0 = {x 3, x 4, x 5 } x 5 = 3 x

8 8 ESERCITAZIONI DI RICERCA OPERATIVA 1 x 1 S a x 1 Figura 3. Risoluzione per via grafica dell esercizio 4. Avendo γ 3, γ > 0 la soluzione ammissibile di base corrispondente non è ottima, e conviene portare in base x. La variabile uscente, determinata considerando il rapporto minimo { 4 min, 3 } = 3, risulta essere la x 5 (l elemento-cardine è evidenziato in grassetto). Si ottiene quindi max z = 9 +x 1 3 x 5 x 3 = 1 1x 1 +x 5 x 4 = 3 x 1 x = 3 1 x 5 max z = 13 x x 5 x 1 = 1 x 3 +x 5 x 4 = +x 3 1x 5 B 1 = B 0 {x } \ {x 5 } B = B 1 {x 1 } \ {x 3 } x = 3 1 x 5 e infine, portando in base la x 5, max z = 15 3 x 3 1 x 4 x 1 = 3 x 4 x 5 = +x 3 x 4 B 3 = B {x 5 } \ {x 4 } x = 1 1 x x 4. La soluzione x 1 = 3, x = 1 risulta quindi ottima per il problema (16) (0). La soluzione ottenuta con metodo grafico è illustrata in Figura 3 la retta isoprofitto tratteggiata è riferita al programma in forma standard; si noti come l esecuzione del simplesso abbia prodotto la sequenza di vertici (0, 0) (0, 3 ) (1, 3 ) (3, 1 ). 5. La forma standard di (1) (4) si ottiene introducendo la variabile di slack x 3 nel vincolo (), e la variabile di surplus x 4 nel vincolo (3). (1 ) max x 1 x

9 ALGORITMO DEL SIMPLESSO 9 ( ) (3 ) (4 ) x 1 + x + x 3 = 1 x 1 + x x 4 = x 1,..., x 4 0 Dalla forma standard non è immediata la derivazione di una base ammissibile (la base {x 3, x 4 } non è ammissibile). Si può ricorrere al problema di prima fase per determinare una soluzione ammissibile di base iniziale. È sufficiente una singola variabile artificiale s 1, aggiunta al vincolo (3 ), per completare la sottomatrice identità nella matrice del sistema. max s 1 x 1 + x + x 3 = 1 x 1 + x x 4 + s 1 = x 1,..., x 4, s 1 0 Il problema di prima fase così ottenuto ha una base ammissibile evidente B 0 = {x 3, s 1 }. max z = +x 1 +x x 4 x 3 = 1 +x 1 x s 1 = x 1 x +x 4 x 1,..., x 4, s 1 0 max z = 0 s 1 x 3 = x s 1 1 x 4 x = 1 1 x 1 1 s x 4 x 1,..., x 4, s 1 0 B 1 = B 0 {x } \ {s 1 } Poiché il problema di prima fase ha un ottimo con valore nullo, segue che la base B 1 è ammissibile per (1 ) (4 ). Si procede quindi partendo dalla base B 1, eliminando la variabile artificiale s 1 e riformulando la funzione obiettivo (1 ) rispetto a B 1 : ( z = x 1 x = x x ) x 4 = x 1 1 x 4. max z = x 1 1 x 4 x 3 = x 1 1 x 4 x = 1 1 x x 4 x 1,..., x 4, s 1 0 max z = 4 5x +x 4 x 3 = 3 3x +x 4 x 1 = x +x 4 x 1,..., x 4, s 1 0 B = B 1 {x 1 } \ {x } Nell ultima riformulazione si osserva la condizione di illimitatezza γ 4 > 0, α 34, α Risulta quindi S a, S ott =. La funzione obiettivo cresce illimitatamente

10 10 ESERCITAZIONI DI RICERCA OPERATIVA 1 lungo la semiretta x 1 = + t x = 0 x 3 = 3 + t x 4 = t t 0.

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

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

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

Un applicazione della programmazione lineare ai problemi di trasporto

Un applicazione della programmazione lineare ai problemi di trasporto Un applicazione della programmazione lineare ai problemi di trasporto Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA 2012-2013

Dettagli

Ricerca Operativa 2. Introduzione al metodo del Simplesso

Ricerca Operativa 2. Introduzione al metodo del Simplesso Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione

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

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

- Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo)

- Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo) Se si ha un problema lineare e' possibile risolverlo in piu' modi (equivalenti ) - Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo) - Trovare soluzione ottima duale (con il simplesso

Dettagli

Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione

Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione Versione 11/03/2004 Contenuto e scopo esercitazione Contenuto esempi di problema di programmazione

Dettagli

COMPITO 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. (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

Dettagli

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4 Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università

Dettagli

x 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 =

x 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,

Dettagli

LABORATORIO DI ANALISI DEI SISTEMI

LABORATORIO DI ANALISI DEI SISTEMI LABORATORIO DI ANALISI DEI SISTEMI Si utilizzerà, come strumento di lavoro, un foglio elettronico, il più diffuso Excel o anche quello gratuito di OpenOffice (www.openoffice.org). Tale scelta, pur non

Dettagli

Massimi e minimi vincolati di funzioni in due variabili

Massimi e minimi vincolati di funzioni in due variabili Massimi e minimi vincolati di funzioni in due variabili I risultati principali della teoria dell ottimizzazione, il Teorema di Fermat in due variabili e il Test dell hessiana, si applicano esclusivamente

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

La Programmazione Lineare

La Programmazione Lineare 4 La Programmazione Lineare 4.1 INTERPRETAZIONE GEOMETRICA DI UN PROBLEMA DI PROGRAMMAZIONE LINEARE Esercizio 4.1.1 Fornire una rappresentazione geometrica e risolvere graficamente i seguenti problemi

Dettagli

Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale. L. De Giovanni, V. Dal Sasso

Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale. L. De Giovanni, V. Dal Sasso Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale L. De Giovanni, V. Dal Sasso 1 Esercizio 1. Dato il problema min 2x 1 x 2 s.t. x 1 + 2x 2 7 2x 1 x 2 6 3x 1 + 2x 2

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

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

La dualità nella Programmazione Lineare

La dualità nella Programmazione Lineare Capitolo 5 La dualità nella Programmazione Lineare In questo capitolo verrà introdotto un concetto di fondamentale importanza sia per l analisi dei problemi di Programmazione Lineare, sia per lo sviluppo

Dettagli

Ricerca Operativa (Compito A) Appello del 16/06/2014 Andrea Scozzari

Ricerca Operativa (Compito A) Appello del 16/06/2014 Andrea Scozzari Ricerca Operativa (Compito A) Appello del 16/06/2014 Andrea Scozzari Esercizio n.1 Un agenzia finanziaria deve investire 1000000 di euro di un suo cliente in fondi di investimento. Il mercato offre cinque

Dettagli

Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari

Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari Esercizio n.1 Un azienda intende incrementare il proprio organico per ricoprire alcuni compiti scoperti. I dati relativi ai compiti

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

Corso di Matematica Applicata A.A

Corso 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

Dettagli

1 Breve introduzione ad AMPL

1 Breve introduzione ad AMPL 1 Breve introduzione ad AMPL Il primo passo per risolvere un problema reale attraverso strumenti matematici consiste nel passare dalla descrizione a parole del problema al modello matematico dello stesso.

Dettagli

Il metodo del simplesso

Il 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

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

Modello matematico PROGRAMMAZIONE LINEARE PROGRAMMAZIONE LINEARE

Modello matematico PROGRAMMAZIONE LINEARE PROGRAMMAZIONE LINEARE PRGRMMZIN LINR Problemi di P.L. in due variabili metodo grafico efinizione: la programmazione lineare serve per determinare l allocazione ottimale di risorse disponibili in quantità limitata, per ottimizzare

Dettagli

ELEMENTI TRIANGOLARI E TETRAEDRICI A LATI DIRITTI

ELEMENTI TRIANGOLARI E TETRAEDRICI A LATI DIRITTI EEMENTI TRIANGOARI E TETRAEDRICI A ATI DIRITTI Nella ricerca di unificazione delle problematiche in vista di una generalizzazione delle procedure di sviluppo di elementi finiti, gioca un ruolo importante

Dettagli

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26 Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo

Dettagli

Esame di Ricerca Operativa del 19/01/2016

Esame di Ricerca Operativa del 19/01/2016 Esame di Ricerca Operativa del 19/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Una banca offre ai suoi clienti diversi tipi di prestito: mutuo casa, credito auto, credito famiglia, che rendono un interesse

Dettagli

Università del Salento

Università del Salento Università del Salento Dipartimento di Matematica DAI SISTEMI DI DISEQUAZIONI LINEARI.. ALLA PROGRAMMAZIONE LINEARE Chefi Triki La Ricerca Operativa Fornisce strumenti matematici di supporto alle attività

Dettagli

CAPITOLO IX 9. - PROGRAMMAZIONE LINEARE INTERA

CAPITOLO IX 9. - PROGRAMMAZIONE LINEARE INTERA CAPITOLO IX 9. - PROGRAMMAZIONE LINEARE INTERA Molto spesso i risultati che si desidera ottenere come soluzione di un problema di programmazione lineare sono numeri interi, ad es. il numero di vagoni ferroviari

Dettagli

RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007

RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se

Dettagli

Esercizi sulla Programmazione Lineare. min. cx Ax b x 0

Esercizi 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 )

Dettagli

5.4 Solo titoli rischiosi

5.4 Solo titoli rischiosi 56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono

Dettagli

della funzione obiettivo. Questo punto dovrebbe risultare chiaro se consideriamo una generica funzione:

della funzione obiettivo. Questo punto dovrebbe risultare chiaro se consideriamo una generica funzione: Corso di laurea in Economia e finanza CLEF) Economia pubblica ************************************************************************************ Una nota elementare sulla ottimizzazione in presenza di

Dettagli

Ricerca Operativa Dualità e programmazione lineare

Ricerca Operativa Dualità e programmazione lineare Ricerca Operativa Dualità e programmazione lineare L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi alle spiegazioni del

Dettagli

Esame di Ricerca Operativa del 19/01/2016

Esame di Ricerca Operativa del 19/01/2016 Esame di Ricerca Operativa del 9/0/06 (Cognome) (Nome) (Matricola) Esercizio. Una banca offre ai suoi clienti diversi tipi di prestito: mutuo casa, credito auto, credito famiglia, che rendono un interesse

Dettagli

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S

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

PROGRAMMAZIONE LINEARE:

PROGRAMMAZIONE LINEARE: PROGRAMMAZIONE LINEARE: Definizione:la programmazione lineare serve per determinare l'allocazione ottimale di risorse disponibili in quantità limitata, per ottimizzare il raggiungimento di un obiettivo

Dettagli

Metodi 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) 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

Dettagli

Laboratorio 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 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

Dettagli

PROBLEMI DI SCELTA IN CONDIZIONI DI CERTEZZA dipendenti da una sola variabile di scelta con effetti immediati

PROBLEMI DI SCELTA IN CONDIZIONI DI CERTEZZA dipendenti da una sola variabile di scelta con effetti immediati prof. Guida PROBLEMI DI SCELTA IN CONDIZIONI DI CERTEZZA dipendenti da una sola variabile di scelta con effetti immediati sono quei problemi nei quali gli effetti della scelta sono noti e immediati ESERCIZIO

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Una immagine (digitale) permette di percepire solo una rappresentazione 2D del mondo La visione 3D si pone lo scopo di percepire il mondo per come è in 3 dimensioni

Dettagli

Indice. Nota degli autori. 1 Capitolo 1 Introduzione alla ricerca operativa

Indice. Nota degli autori. 1 Capitolo 1 Introduzione alla ricerca operativa XI Nota degli autori 1 Capitolo 1 Introduzione alla ricerca operativa 1 1.1 Premessa 1 1.2 Problemi di ottimizzazione 6 1.3 Primi approcci ai modelli di ottimizzazione 13 1.4 Uso del risolutore della Microsoft

Dettagli

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con

Dettagli

La scelta in condizioni di incertezza

La scelta in condizioni di incertezza La scelta in condizioni di incertezza 1 Stati di natura e utilità attesa. L approccio delle preferenza per gli stati Il problema posto dall incertezza riformulato (state-preference approach). L individuo

Dettagli

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio DUE PROPOSTE DI ANALISI MATEMATICA Lorenzo Orio Introduzione Il lavoro propone argomenti di analisi matematica trattati in maniera tale da privilegiare l intuizione e con accorgimenti nuovi. Il tratta

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

Algoritmo del Simplesso

Algoritmo 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

Dettagli

Introduzione alla Programmazione Lineare

Introduzione alla Programmazione Lineare Introduzione alla Programmazione Lineare. Proprietà geometriche Si definiscono come problemi di Programmazione Lineare (PL) tutti quei problemi di ottimizzazione in cui la funzione obiettivo è lineare

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

PROGRAMMAZIONE LINEARE IN DUE VARIABILI

PROGRAMMAZIONE LINEARE IN DUE VARIABILI 1 PROGRAMMAZIONE LINEARE IN DUE VARIABILI La ricerca operativa nata durante la seconda guerra mondiale ed utilizzata in ambito militare, oggi viene applicata all industria, nel settore pubblico e nell

Dettagli

Indirizzo Giuridico Economico Aziendale

Indirizzo Giuridico Economico Aziendale Premessa Questa breve trattazione non vuole costituire una guida completa ed esauriente sull argomento, ma vuole fornire solamente i concetti fondamentali necessari per il raggiungimento degli obiettivi

Dettagli

Note di matematica per microeconomia

Note di matematica per microeconomia Note di matematica per microeconomia Luigi Balletta Funzioni di una variabile (richiami) Una funzione di variabile reale ha come insieme di partenza un sottoinsieme di R e come insieme di arrivo un sottoinsieme

Dettagli

Fondamenti di Economia Aziendale ed Impiantistica Industriale

Fondamenti di Economia Aziendale ed Impiantistica Industriale Politecnico di Milano IV Facoltà di Ingegneria Fondamenti di Economia Aziendale ed Impiantistica Industriale Impiego della programmazione lineare nella progettazione degli impianti Cosa significa progettare

Dettagli

Il controllo dei DES Approccio indiretto

Il controllo dei DES Approccio indiretto Il controllo dei DES Approccio indiretto Controllo dei DES - approccio indiretto - Il controllore è il risultato di un processo di sintesi, a partire dai modelli P dell impianto e Sp delle specifiche Sp:

Dettagli

Corso di Macroeconomia. Il modello IS-LM. Appunti

Corso di Macroeconomia. Il modello IS-LM. Appunti Corso di Macroeconomia Il modello IS-LM Appunti 1 Le ipotesi 1. Il livello dei prezzi è fisso. 2. L analisi è limitata al breve periodo. La funzione degli investimenti A differenza del modello reddito-spesa,

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

Angela GHIRALDINI. Formulata dalla OPERTIONS RESEARCH SOCIETY of AMERICA. Questa definizione fa riferimento a due concetti in particolare :

Angela GHIRALDINI. Formulata dalla OPERTIONS RESEARCH SOCIETY of AMERICA. Questa definizione fa riferimento a due concetti in particolare : Angela GHIRALDINI RICERCA OPERATIVA DEFINIZIONE Procedimento della scienza moderna di fronte ai complessi problemi di scelta che sorgono nella direzione dei grandi sistemi di uomini, macchine, materiale

Dettagli

Introduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard

Introduzione 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

Dettagli

Esame di Ricerca Operativa del 18/12/12. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 18/12/12. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 8// (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x x x x + x x x + x 8 x Base

Dettagli

Università Ca Foscari Venezia

Università Ca Foscari Venezia Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi FAQ sul Metodo del SIMPLESSO Università Ca Foscari Venezia, Dipartimento di Management,

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto

Ricerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto 1 Lunedí 23 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Simplesso in 2 fasi Fase I (rg(a) m) Se P non è ammissibile, STOP Altrimenti 1 elimina da (A... b) eventuali

Dettagli

Ricerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare

Ricerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista

Dettagli

Esercizio 1. min. Esercizio 2. Esercizio 3

Esercizio 1. min. Esercizio 2. Esercizio 3 A UNIVERSIÀ DEGLI SUDI ROMA RE Ricerca Operativa Primo appello gennaio 00 Esercizio Portando il problema in forma standard si aggiungono le variabili e 4. Impostando il problema artificiale è sufficiente

Dettagli

PROGRAMMAZIONE LINEARE IN DUE VARIABILI

PROGRAMMAZIONE LINEARE IN DUE VARIABILI 1 PROGRAMMAZIONE LINEARE IN DUE VARIABILI La ricerca operativa nata durante la seconda guerra mondiale ed utilizzata in ambito militare, oggi viene applicata all industria, nel settore pubblico e nell

Dettagli

VERIFICA DI MATEMATICA. CLASSI TERZE (3AS, 3BS, 3CS, 3DS, 3ES) 2 settembre 2013 COGNOME E NOME.. CLASSE.

VERIFICA DI MATEMATICA. CLASSI TERZE (3AS, 3BS, 3CS, 3DS, 3ES) 2 settembre 2013 COGNOME E NOME.. CLASSE. VERIFIC DI MTEMTIC CLSSI TERZE (S, BS, CS, DS, ES) settembre COGNOME E NOME.. CLSSE. Esercizio In un piano cartesiano ortogonale determinare: a) l equazione della parabola con asse parallelo all asse,

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

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

Logistica - Il problema del trasporto

Logistica - Il problema del trasporto Logistica - Il problema del trasporto Federico Di Palma December 17, 2009 Il problema del trasporto sorge ogniqualvolta si debba movimentare della merce da una o più sorgenti verso una o più destinazioni

Dettagli

Esponenziali elogaritmi

Esponenziali elogaritmi Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.

Dettagli

Capitolo 26: Il mercato del lavoro

Capitolo 26: Il mercato del lavoro Capitolo 26: Il mercato del lavoro 26.1: Introduzione In questo capitolo applichiamo l analisi della domanda e dell offerta ad un mercato che riveste particolare importanza: il mercato del lavoro. Utilizziamo

Dettagli

Programmazione Lineare

Programmazione Lineare Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard

Dettagli

Teoria dei Fenomeni Aleatori 1

Teoria dei Fenomeni Aleatori 1 Integrale Doppio Sia g( x,y ) una funzione continua nel piano ( x,y ) o D è un dominio sul piano ( x,y ) o P è una sua partizione che ricopre il dominio D: ( ) P D D... D... = 1,1 1,2 i,j, con Di,j = ΔxiΔ

Dettagli

COMPITO 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. 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

Dettagli

La Minimizzazione dei costi

La Minimizzazione dei costi La Minimizzazione dei costi Il nostro obiettivo è lo studio del comportamento di un impresa che massimizza il profitto sia in mercati concorrenziali che non concorrenziali. Ora vedremo la fase della minimizzazione

Dettagli

a) Il campo di esistenza di f(x) è dato da 2x 0, ovvero x 0. Il grafico di f(x) è quello di una iperbole -1 1

a) Il campo di esistenza di f(x) è dato da 2x 0, ovvero x 0. Il grafico di f(x) è quello di una iperbole -1 1 LE FUNZIONI EALI DI VAIABILE EALE Soluzioni di quesiti e problemi estratti dal Corso Base Blu di Matematica volume 5 Q[] Sono date le due funzioni: ) = e g() = - se - se = - Determina il campo di esistenza

Dettagli

Il metodo del simplesso. Il metodo del simplesso p. 1/8

Il metodo del simplesso. Il metodo del simplesso p. 1/8 Il metodo del simplesso Il metodo del simplesso p. 1/8 Ipotesi iniziale Data la base B e la riformulazione rispetto a essa: max γ 0 + n m j=1 γ jx im+j x i1 = β 1 + n m j=1 α 1jx im+j x ik = β k + n m

Dettagli

2. ALGORITMO DEL SIMPLESSO

2. ALGORITMO DEL SIMPLESSO . ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione

Dettagli

SPECTER OPS. L'obiettivo del giocatore agente è quello che il suo agente completi 3 su 4 missioni obiettivo qualsiasi

SPECTER OPS. L'obiettivo del giocatore agente è quello che il suo agente completi 3 su 4 missioni obiettivo qualsiasi SPECTER OPS REGOLE 2-3 giocatori: 1 agente e 2 cacciatori - Le 4 missioni obiettivo sono conosciute dai giocatori: si lancia il dado e si segnano col relativo gettone sul lato verde sulla plancia e sul

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

Esempi di funzione. Scheda Tre

Esempi di funzione. Scheda Tre Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.

Dettagli

CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI

CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI 31 CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI INTRODUZIONE L'obbiettivo di questo capitolo è quello di presentare in modo sintetico ma completo, la teoria della stabilità

Dettagli

Appunti delle esercitazioni di Ricerca Operativa

Appunti delle esercitazioni di Ricerca Operativa Appunti delle esercitazioni di Ricerca Operativa a cura di P. Detti e G. Ciaschetti 1 Esercizi sulle condizioni di ottimalità per problemi di ottimizzazione non vincolata Esempio 1 Sia data la funzione

Dettagli

Condizionamento del problema

Condizionamento del problema Condizionamento del problema x 1 + 2x 2 = 3.499x 1 + 1.001x 2 = 1.5 La soluzione esatta è x = (1, 1) T. Perturbando la matrice dei coefficienti o il termine noto: x 1 + 2x 2 = 3.5x 1 + 1.002x 2 = 1.5 x

Dettagli

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

Programmazione 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

Dettagli

L ALGORITMO DEL SIMPLESSO REVISIONATO

L ALGORITMO DEL SIMPLESSO REVISIONATO L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e

Dettagli

PROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione

PROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione 1 PROBLEMI DI SCELTA Problemi di Scelta Campo di Scelta Funzione Obiettivo Modello Matematico Scelte in condizioni di Certezza Scelte in condizioni di Incertezza Effetti Immediati Effetti Differiti Effetti

Dettagli

Soluzione dei Problemi di Programmazione Lineare

Soluzione dei Problemi di Programmazione Lineare Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

Appunti sul corso di Complementi di Matematica- modulo Analisi Prof. B.Bacchelli

Appunti sul corso di Complementi di Matematica- modulo Analisi Prof. B.Bacchelli Appunti sul corso di Complementi di Matematica- modulo Analisi Prof. B.Bacchelli 09- Integrale doppio: Riferimenti: R.Adams, Calcolo ifferenziale 2. Capitoli 5.1, 5.2, 5.4. Esercizi 5.3, 5.4 Integrale

Dettagli

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 14. Controllo con reti di Petri Luigi Piroddi piroddi@elet.polimi.it Uso delle reti di Petri nel controllo di sistemi a eventi discreti Ai fini del controllo

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

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

190 LA DUALITÀ NELLA PROGRAMMAZIONE LINEARE 7.2 INTERPRETAZIONE DELLA DUALITÀ

190 LA DUALITÀ NELLA PROGRAMMAZIONE LINEARE 7.2 INTERPRETAZIONE DELLA DUALITÀ 190 LA DUALITÀ NELLA PROGRAMMAZIONE LINEARE 7.2 INTERPRETAZIONE DELLA DUALITÀ [Questo paragrafo non fa parte del programma di esame] Nei modelli reali le variabili (primali) possono rappresentare, ad esempio,

Dettagli

8 - Analisi della deformazione

8 - Analisi della deformazione 8 - Analisi della deformazione ü [A.a. - : ultima revisione 6 ottobre ] Esercizio n. Si supponga di voler conoscere sperimentalmente lo stato di deformazione in un punto M di un solido. A tal fine, si

Dettagli

FONDAMENTI DI AUTOMATICA / CONTROLLI AUTOMATICI

FONDAMENTI DI AUTOMATICA / CONTROLLI AUTOMATICI FONDAMENTI DI AUTOMATICA / CONTROLLI AUTOMATICI Guida alla soluzione degli esercizi d esame Dott. Ing. Marcello Bonfè Esercizi sulla scomposizione di modelli nello spazio degli stati: Gli esercizi nei

Dettagli