Politecnico di Milano. Reti Wireless. Seminari didattici. Introduzione all ottimizzazione. Ilario Filippini
|
|
- Ortensia Rossi
- 8 anni fa
- Visualizzazioni
Transcript
1 Politecnico di Milano Reti Wireless Seminari didattici Introduzione all ottimizzazione Ilario Filippini
2 2 Esempio 1!
3 3 Esempio 1!!
4 4 Esempio 2!!?
5 5 Ottimizzazione!!!!!! Ottimizzazione
6 6 Approccio matematico all ottimizzazione max min s.t. f (x) x! X
7 7 Ottimizzazione discreta!!!! Ottimizzazione
8 8 Esempi di ottimizzazione combinatoria!!!
9 9 Esempi di ottimizzazione combinatoria!!!
10 10 Esempi di ottimizzazione combinatoria!!!
11 11 Esempi di ottimizzazione combinatoria!!!!
12 12 Esempi di ottimizzazione combinatoria!!!!!
13 13 Approccio a forza bruta!!!!!! Nodi MST TSP Zaino secondi 0.36 millisec. 0.1 microsec giorni 2.17 minuti 3.27 microsec anni 7.7 anni 0.1 millisec trilioni di anni 49 milioni di anni 3.35 millisec.!!!! 1000!! 4 milioni di anni
14 14 Modello generale di Programmazione Matematica max min s.t. f (x) x! X Ottimizzazione max min s.t. f (x) g i (x)!,=," b i i =1,.., m
15 15 Tassonomia dei modelli!!!!!!!!!!!!!!!!
16 16 Modello generale MIP max min n! j=1 n c j x j s.t.! a x ",=,# b $i =1,.., m ij j i j=1 l j # x j # u j $j =1,.., k l j # x j # u j, x j % & $j = k +1,.., n
17 17 Dalla realtà al modello!!!!!!
18 18 Fondamenti di LP! max c T x s.t. Ax = b x! 0!!!!!! max s.t. n! j=1 n c j x j! a ij x j = b i "i =1,.., m j=1 x # 0
19 19 Risolvere LP!!!!
20 20 Esempio in 2 dimensioni max 30x x 2 s.t. 2x 1 + x 2!100 x 1 + x 2! 80 x 1! 40 x 1, x 2 " 0 max 30x x 2 s.t. 2x 1 + x 2 + s 1 =100 x 1 + x 2 + s 2 = 80 x 1 + s 3 = 40 x 1, x 2, s 1, s 2, s 3! 0!!!
21 21 Risolvere MIP max min Ottimizzazione n! j=1 n c j x j s.t.! a ij x j ",=,# b i $i =1,.., m j=1 l j # x j # u j $j =1,.., k!! l j # x j # u j, x j % & $j = k +1,.., n!!!
22 22 Convex Hull!!!!
23 23 Convex Hull!!!
24 24 Unimodularità! max min s.t. ct x Ax! b x " 0, intero!!!!
25 25 Metodi di soluzione per MIP!!!!!! Ottimizzazione
26 26 Piani di taglio!!!!!!!
27 Metodi dei piani di taglio 27!!!!!!!
28 28 Branch and Bound!!!!!!!
29 29 Albero di Branch and Bound!!!!!!!!!
30 30 Albero di Branch and Bound
31 31 Efficienza Branch and Bound!!!!!!!!!!!!!!
32 32 Problemi facili e problemi difficili!!!!!!!!!!!!
33 33 Classe dei problemi NP!!!!!!! Ottimizzazione
34 34 Classe dei problemi P!!!!!!!
35 35 Classe dei problemi NP-completi!!!!!
36 36 Esempi di problemi NP-C!!!!!!!!!!!
37 37 Allora, P = NP o P! NP?!!!!!!
38 38 Classe dei problemi NP-hard!!!!!
39 39 Come interpretare la complessità?!!!!
40 40 Come interpretare la complessità?!!! Ottimizzazione
41 41 La risposta alla nostra domanda!!!!!! Ottimizzazione
42 42 Complessità e rappresentazione!!!!
Politecnico di Milano. Reti Wireless. Seminari didattici. Dalla teoria alla soluzione. Ilario Filippini
Politecnico di Milano Reti Wireless Seminari didattici Dalla teoria alla soluzione Ilario Filippini 2 Approccio euristico 3 Obiettivo dell approccio euristico 4 Tipi di euristiche Dalla teoria alla soluzione
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
DettagliCapitolo 5: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano
Capitolo 5: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano 5.1 Modelli di PLI, formulazioni equivalenti ed ideali Il modello matematico di un problema di Ottimizzazione Discreta è molto spesso
DettagliEsame 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
DettagliTotale schede: 26 - Formato di acquisizione: A3(297x420) - Formato stampa richiesto: A4(210x297)
Totale schede: 26 - Formato di acquisizione: A3(297x420) - Formato stampa richiesto: A4(210x297) Totale schede: 26 - Formato di acquisizione: A3(297x420) - Formato stampa richiesto: A4(210x297) Totale
DettagliCatasto dei Fabbricati - Situazione al 24/07/ Comune di TRIESTE (L424) - < Sez.Urb.: Q - Foglio: 36 - Particella: 4099/1 - Subalterno: 5 >
Totale schede: 33 - Formato di acquisizione: A4(210x297) - Formato stampa richiesto: A3(297x420) Totale schede: 33 - Formato di acquisizione: A4(210x297) - Formato stampa richiesto: A3(297x420) Totale
DettagliEsame 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
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Introduzione
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Introduzione La Ricerca Operativa La Ricerca Operativa è una disciplina relativamente recente. Il termine Ricerca Operativa è stato coniato
DettagliEsame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 0// (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 x 0 x x
DettagliIl problema del commesso viaggiatore
ITTS Vito Volterra Progetto ABACUS Ottimizzazione combinatoria Il problema del commesso viaggiatore Studente: Davide Talon Esame di stato 2013 Anno scolastico 2012-2013 Indice 1. Introduzione........................................
DettagliIndice. 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
DettagliEsercizi di Ricerca Operativa I
Esercizi di Ricerca Operativa I Dario Bauso, Raffaele Pesenti May 10, 2006 Domande Programmazione lineare intera 1. Gli algoritmi per la programmazione lineare continua possono essere usati per la soluzione
Dettagli3.2 Rilassamenti lineari/combinatori e bounds
3.2 Rilassamenti lineari/combinatori e bounds Consideriamo un problema di Ottimizzazione Discreta min{f(x) : x X} e sia z il valore di una soluzione ottima x X. Metodi di risoluzione spesso generano una
Dettagli4. Programmazione Lineare Intera
. Programmazione Lineare Intera Programmazione Lineare Intera (ILP) A(m n), b(m), c(n) interi; ILP in forma standard: min c x Ax = b x x intero Forma canonica, forma generale, trasformazioni: come LP.
DettagliEsame 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
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound.
Ricerca Operativa A.A. 2007/2008 17. Esercitazione di laboratorio: Branch and Bound. Luigi De Giovanni - Ricerca Operativa - 17. Esercitazione di laboratorio: Branch and Bound 17.1. Luigi De Giovanni -
Dettagli5.1 Metodo Branch and Bound
5. Metodo Branch and Bound Consideriamo un generico problema di ottimizzazione min{ c(x) : x X } Idea: Ricondurre la risoluzione di un problema difficile a quella di sottoproblemi più semplici effettuando
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound.
Ricerca Operativa A.A. 2007/2008 17. Esercitazione di laboratorio: Branch and Bound. Luigi De Giovanni - Ricerca Operativa - 17. Esercitazione di laboratorio: Branch and Bound 17.1 . Luigi De Giovanni
DettagliParte II: Ottimalità, rilassamenti e bound
Parte II: Ottimalità, rilassamenti e bound Sommario Definizioni di bound primali e duali. Rilassamento di un problema di OC. Esempi di rilassamenti per il problema del TSP: Il rilassamento albero. Il rilassamento
DettagliOttimizzazione 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
DettagliAlgoritmi e Strutture Dati (Mod. B) Introduzione
Algoritmi e Strutture Dati (Mod. B) Introduzione Modulo B Orari Lunedì ore 11-13 aula A6 Mercoledì ore 14-16 aula A6 Ricevimento Martedì ore 14-16 Ufficio 2M13 Dip. Fisica (2 piano edificio M) Laboratori
DettagliRicerca Operativa A.A. 2007/2008
Ricerca Operativa A.A. 2007/2008 9. Cenni su euristiche e metaeuristiche per ottimizzazione combinatoria Motivazioni L applicazione di metodi esatti non è sempre possibile a causa della complessità del
DettagliRicerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera
Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi
DettagliOttimizzazione 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
DettagliSeconda 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
DettagliFormulazioni PLI di problemi di decisione. 1 Introduzione: La formulazione dei problemi di ottimizzazione combinatoria
Formulazioni PLI di problemi di decisione Dispensa per il modulo di Analisi e Ottimizzazione dei Processi di Produzione Università di Roma Tor Vergata a cura di Andrea Pacifici, Claudio Cavalletti, Daniela
DettagliSISTEMI DI CONDOTTE: Il dimensionamento idraulico
SISTEMI DI CONDOTTE: Il dimensionamento idraulico Carlo Ciaponi Università degli Studi di Pavia Dipartimento di Ingegneria Idraulica e Ambientale Posizione del del problema Rete da progettare di cui è
DettagliProgrammazione Lineare Intera (ILP)
Programmazione Lineare Intera (ILP) (P) min (x), x F Z : R n ->R è lineare: (x) = c, x = c 1 x 1 + c 2 x 2 +... + c n x n F R n è definito da : g i (x) 0 (i = 1,...,m), con g i : R n R lineare i Z insieme
Dettagli5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano Programma lineare intero: (PLI) min c T x Ax b x 0 intero Ipotesi: A, b interi La condizione di interezza non è
DettagliAnalisi del movimento: l arrampicata sportiva
BergamoScienza 2007 Analisi del movimento: l arrampicata sportiva 1/30 Sommario Introduzione Acquisizione ed elaborazione dei dati Alcuni dati interessanti Conclusione e sviluppi futuri 2/30 1 Alcune domande
DettagliProgrammazione Lineare Intera: Piani di Taglio
Programmazione Lineare Intera: Piani di Taglio Andrea Scozzari a.a. 2014-2015 April 22, 2015 Andrea Scozzari (a.a. 2014-2015) Programmazione Lineare Intera: Piani di Taglio April 22, 2015 1 / 23 Programmazione
DettagliRICERCA OPERATIVA. Tema d esame del 13/12/2005
RICERCA OPERATIVA Tema d esame del 13/12/2005 COGNOME: NOME: MATRICOLA: 1. Un associazione umanitaria ha raccolto 150.000 euro per inviare dei pacchetti regalo natalizi ai bambini di Haiti. Per l acquisto
DettagliSEZIONE OTTAVA FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI ART. 1
SEZIONE OTTAVA FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI ART. 1 Alla Facoltà di Scienze matematiche, fisiche e naturali afferiscono i seguenti corsi di laurea: a) corso di laurea quadriennale
Dettaglicittà
Esercitazione 11-4-18 Esercizio 1. Si consideri il problema di trovare il ciclo hamiltoniano di costo minimo su una rete di 5 città, le cui distanze reciproche sono indicate in tabella: città 2 3 4 5 1
DettagliRICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 2)
RICERCA OPERATIVA Tema d esame del 04/12/2008 (Simulazione 2) COGNOME: NOME: MATRICOLA: 1. Un azienda di telefonia mobile deve installare delle antenne per la copertura di sei zone sul territorio. Sono
DettagliIl monitoraggio ambientale come supporto al controllo del territorio. Francesco Antolini Emanuele Tavelli
Il monitoraggio ambientale come supporto al controllo del territorio Francesco Antolini Emanuele Tavelli Geosciences and Information Technologies GIT 2015 - San Leo (RN), 17 Giugno 2015 Winet Srl Vu Pham
DettagliTecniche Reticolari. Problema: determinare l istante di inizio di ogni attività in modo che la durata complessiva del progetto sia minima
Project Management Tecniche Reticolari Metodologie per risolvere problemi di pianificazione di progetti Progetto insieme di attività A i di durata d i, (=,...,n) insieme di relazioni di precedenza tra
DettagliUniversità 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
DettagliLaboratorio: Ottimizzazione su reti
Laboratorio: Ottimizzazione su reti Luigi De Giovanni Dipartimento di Matematica, Università di Padova Luigi De Giovanni Laboratorio: Ottimizzazione su reti 1 / 9 Cammino minimo: modello { 1, l arco (i,
DettagliValor Team S.r.l. (Gruppo MC) Via Savona, 52 20144 Milano
CURRICULUM VITAE DI GIUSEPPE SBARBARO ALLEGATO 2 INFORMAZIONI PERSONALI Nome Indirizzo Cellulare Telefono Fax E-mail Nazionalità Giuseppe Sbarbaro g.sbarbaro@utiliteam.it Italiana Data di nascita 09 marzo
Dettagli5.3 Metodo dei piani di taglio
5.3 Metodo dei piani di taglio (PLI) min s.v. c T x Ax b x interi X Ipotesi: a ij, c j e b i interi Osservazione: La regione ammissibile di un PLI può essere descritta mediante dei vincoli più o meno stringenti
DettagliEnergy Management DI PRIMO LIVELLO
Energy Management MASTER MIP POLITECNICO DI MILANO DI PRIMO LIVELLO A PORDENONE Energy Management MASTER MIP POLITECNICO DI MILANO DI PRIMO LIVELLO Il Master si propone nel territorio in risposta alla
DettagliRELAZIONE SEMINARIO SSB PER LE UNIVERSITÀ. MILANO, 19 FEBBRAIO 2003
RELAZIONE SEMINARIO SSB PER LE UNIVERSITÀ. MILANO, 19 FEBBRAIO 2003 INDICE Introduzione...2 Il sistema università....2 Il ruolo della smart card a supporto dei servizi universitari...3 L esperienza dell
DettagliAA Prova del 30 Novembre 2011 Compito A
Metodi e Modelli di Ottimizzazione Discreta (10 cfu), I parte; Metodi e Modelli di Ottimizzazione Discreta 1 (5 cfu); Metodi e Modelli di Ottimizzazione Discreta 1 On Line; Ricerca Operativa 1-2, II parte;
DettagliLaboratory for innovation MUSP. Macchine utensili e sistemi di produzione. Laboratorio MUSP www.musp.it
Laboratory for innovation MUSP Macchine utensili e sistemi di produzione www.musp.it Sommario La schedulazione della produzione Gli obiettivi nella schedulazione Le problematiche legate alla schedulazione
DettagliCapitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano
Capitolo 3: Ottimizzazione Discreta E. Amaldi DEIB, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati o approssimati come problemi di Programmazione
DettagliMETODI MATEMATICI PER LE DECISIONI ECONOMICHE E AZIENDALI 12 CANDIDATO.. VOTO
METODI MATEMATICI PER LE DECISIONI ECONOMICHE E AZIENDALI 12 1) In un problema multiattributo i pesi assegnati ai vari obiettivi ed i risultati che essi assumono in corrispondenza alle varie alternative
DettagliIntroduzione al Corso di Algoritmi
Università di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Accademico 2014/15 p. 1/36 Introduzione al Corso di Algoritmi Di cosa parliamo oggi: Una discussione generale su cosa studieremo, perchè
DettagliFormulazioni. Consideriamo il seguente problema di Knapsack 0-1. max (5x x 2. ) st 3x x 2. < 6 x {0,1} 2
Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)} Rappresentiamo sul piano gli insiemi ammissibili.
DettagliUniversità di Pisa Facoltà di Scienze Matematiche Fisiche e Naturali
Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea Specialistica in Informatica (classe 23/S: Informatica) Corso di Laurea Specialistica in Tecnologie Informatiche (classe 23/S: Informatica)
DettagliRassegna stampa - TENDERCAPITAL
Rassegna stampa - TENDERCAPITAL Rassegna dal 17/02/2014 al 24/02/2014 INDICE TENDERCAPITAL 22/02/2014 Milano Finanza PESCATI NELLA RETE 4 TENDERCAPITAL WEB 19/02/2014 www.etribuna.com 10:27 Fondi Tendercapital
DettagliProgrammazione Lineare Intera (PLI)
PLI.1 Programmazione Lineare Intera (PLI) z P LI = min c T x Ax b x 0 x intero vincoli di interezza non lineari: es. sin(πx) = 0 Rimuovendo il vincolo di interezza PL (rilassamento continuo di PLI), tale
DettagliRicerca 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
DettagliCOMPITO DI RICERCA OPERATIVA. max 5 2x 1 + 3x 2 x 3 = 2 + x 1 5x 2 x 4 = 5 + x 2. x 5 = 1 + x 1 x 2
COMPITO DI RICERCA OPERATIVA ESERCIZIO. ( punti) La riformulazione di un problema di PL rispetto alla base B = {x, x, x } è la seguente: max 2x + x 2 x = 2 + x x 2 x = + x 2 x = 2 + x + x 2 x, x 2, x,
DettagliNP completezza. Problemi astratti
NP completezza Vittorio Maniezzo - Università di Bologna Problemi astratti Un problema è un entità astratta (es. il TSP). Una istanzadel problema è un suo caso particolare in cui vengono specificati tutti
DettagliNP completezza. Vittorio Maniezzo - Università di Bologna
NP completezza Vittorio Maniezzo - Università di Bologna Problemi astratti Un problema è un entità astratta (es. il TSP). Una istanzadel problema è un suo caso particolare in cui vengono specificati tutti
DettagliProgrammazione a numeri interi: il metodo del Branch and Bound
Programmazione a numeri interi: il metodo del Branch and Bound L. De Giovanni G. Zambelli Un problema di programmazione lineare intera è una problema della forma z I = maxc T x Ax b x 0 x i Z, i I. (1)
DettagliParte IV: Matrici totalmente unimodulari
Parte IV: Matrici totalmente unimodulari Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)}
DettagliAppunti del corso di Informatica Generale 1 (IN110 Fondamenti) 1 Presentazione del corso
Università Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica Generale 1 (IN110 Fondamenti) 1 Presentazione del corso Prof. Marco Liverani (liverani@mat.uniroma3.it)
DettagliProgrammazione Matematica: III.1 - Programmazione Lineare
Programmazione Matematica: III.1 - Programmazione Lineare Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 ottobre 2003 Programmazione Lineare Def.: (F, ϕ ) è un problema di Programmazione
DettagliMETODI DELLA RICERCA OPERATIVA
Università degli Studi di Cagliari FACOLTA' DI INGEGNERIA CORSO DI METODI DELLA RICERCA OPERATIVA Dott.ing. Massimo Di Francesco (mdifrance@unica.it) i i Dott.ing. Maria Ilaria Lunesu (ilaria.lunesu@unica.it)
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities
Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities L. De Giovanni M. Di Summa In questa lezione introdurremo una classe di disuguaglianze, dette cover inequalities, che permettono di
DettagliMetodi 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
Dettagli1. 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
DettagliPoliedri e formulazioni
Poliedri e formulazioni Def.: Un poliedro P R n è l insieme dei punti che soddisfano un numero finito di disequazioni lineari, ossia P = {x R n : Ax b} dove A è una matrice di dimensioni m n e b è un vettore
DettagliRilassamento Lagrangiano
RILASSAMENTO LAGRANGIANO 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il seguente problema
DettagliIntroduzione al Column Generation Caso di Studio: il Bin Packing Problem
Introduzione al Column Generation Caso di Studio: il Bin Packing Problem November 15, 2014 1 / 26 Introduzione Il column generation è una metodologia che può essere usata per risolvere problemi di ottimizzazione
Dettagli26 Febbraio 2015 Modulo 2
Reti di Comunicazione e Internet Prof. I. Filippini Cognome Nome Matricola 26 Febbraio 2015 Modulo 2 Tempo complessivo a disposizione per lo svolgimento: 1h 40m E possibile scrivere a matita E1 E2 Domande
DettagliAA Prova del 19 Novembre 2010 Compito A
Metodi e Modelli di Ottimizzazione Discreta (10 cfu), I parte; Metodi e Modelli di Ottimizzazione Discreta 1 (5 cfu); AA 2010-2011 Prova del 19 Novembre 2010 Compito A 1). Un circolo velico deve organizzarsi
DettagliAlgoritmi Euristici introduzione. Vittorio Maniezzo Università di Bologna
9 Algoritmi Euristici introduzione Vittorio Maniezzo Università di Bologna 1 Molti problemi reali richiedono soluzioni algoritmiche I camion devono essere instradati VRP, NP-hard I depositi o i punti di
DettagliIl 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
DettagliRICERCA OPERATIVA (a.a. 2014/15) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x x x + x x x x x x applicando l algoritmo del Simplesso Primale per via algebrica a partire
DettagliEsame di Ricerca Operativa del 22/01/18
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale
DettagliEsame di Ricerca Operativa del 11/02/2015
Esame di Ricerca Operativa del /0/0 (Cognome) (Nome) (Matricola) Esercizio. Un azienda produce tipi di TV (, 0, 0 e pollici) ed è divisa in stabilimenti (A e B). L azienda dispone di 0 operai in A e 0
DettagliLa modellazione delle strutture
La modellazione delle strutture 1 Programma 31-1-2012 Introduzione e brevi richiami al metodo degli elementi finiti 7-2-2012 La modellazione della geometria 14-2-2012 21-2-2012 28-2-2012 6-3-2012 13-32012
Dettagli(3,4) (1,3) (2,2) (0,2) (3,4) (2,4) t (2,3) (3,5) (2,4) (3,5) (6,8) (3,4) (1,2) 1 (1,3)
Prova Scritta di RICERCA OPERATIVA èinformaticiè 2èè98 - Esame æ Cognome: æ Nome:. Una compagnia petrolifera possiede 3 depositi dai quali puço prelevare benzina e trasportarla ai 5 impianti di distribuzione.
DettagliEsame di Ricerca Operativa del 22/01/18
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale
DettagliSeminario Sicurezza Informatica. VoIP Attack
UNIVERSITA' DEGLI STUDI DI PERUGIA Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea Magistrale in Informatica Seminario Sicurezza Informatica VoIP Attack Studenti Alfredo Parisi Saverio
DettagliAgos Ducato per Cral Publiacqua. Agos Ducato al fianco dei migliori partner
Agos Ducato per Cral Publiacqua Agos Ducato al fianco dei migliori partner Agos Ducato: breve profilo Agos Ducato è la società finanziaria nata dall unione di Agos e Ducato, da venticinque anni presente
DettagliProgrammazione Lineare Intera (ILP)
Programmazione Lineare Intera (ILP) (P) min ϕ(x), x F Z ϕ: R n - >R è lineare: ϕ(x) = c, x = c 1 x 1 + c 2 x 2 +... + c n x n F R n è definito da : g i (x) 0 (i = 1,...,m), con g i : R n R lineare i Z
DettagliCOLTIVIAMO IL NOSTRO FUTURO LA COMUNICAZIONE DEL PSR BASILICATA 2007/2013 PUNTI DI FORZA E CRITICITÁ
COLTIVIAMO IL NOSTRO FUTURO LA COMUNICAZIONE DEL PSR BASILICATA 2007/2013 PUNTI DI FORZA E CRITICITÁ WORKSHOP - PROGETTO FA.RE.NA.IT. POTENZA, 3 LUGLIO 2013 LA COMUNICAZIONE DEL PSR Disposizioni volte
DettagliAnt Colony Optimization (ACO) e Swarm Intelligence
Università degli Studi di Milano Facoltà di scienze Matematiche, Fisiche e Naturali Ant Colony Optimization (ACO) e Swarm Intelligence Seminario per il corso di Sistemi Intelligenti Prof. N. Alberto BORGHESE
DettagliUNIVERSITÀ DEGLI STUDI. La formazione in rete: e-learning per i dipendenti all'università di Pavia
UNIVERSITÀ DEGLI STUDI La formazione in rete: e-learning per i dipendenti all'università di Pavia PAVIA Flavio Ferlini & Elena Caldirola Torino, 27 ottobre 2010 - Conferenza GARR 2010 FORMAZIONE PROFESSIONALE
DettagliUniversità degli Studi di Napoli Federico II Facoltà di Ingegneria. Corsi di Studio in Ingegneria Informatica Laurea - Laurea Magistrale
Università degli Studi di Napoli Federico II Facoltà di Ingegneria Corsi di Studio in Ingegneria Informatica Laurea - Laurea Magistrale a.a. 2010/2011 Presidente: Prof. Stefano Russo [titolo presentazione]
Dettagli5.1 Metodo Branch and Bound
5. Metodo Branch and Bound Si consideri il problema min{ c(x) : x X } Idea: Ricondurre la risoluzione di un problema difficile a quella di sottoproblemi più semplici effettuando una partizione (ricorsiva)
DettagliSimulazioni accoppiate 1D-3D per scenari d incendio
Simulazioni accoppiate 1D-3D per scenari d incendio Applicazione a tunnel stradali e linee metropolitane Luca Iannantuoni Dipartimento di Energia - Politecnico di Milano 29 Ottobre 2009 Luca Iannantuoni
DettagliPoliedri e formulazioni
Poliedri e formulazioni Def.: Un poliedro P R n è l insieme dei punti che soddisfano un numero finito di disequazioni lineari, ossia P = {x R n : Ax b} dove A è una matrice di dimensioni m n e b è un vettore
DettagliOttimizzazione Combinatoria 2
Ottimiaione Combinatoria Il problema del Network Loading Prof. Antonio Sassano Dipartimento di Informatica, Automatica e Gestionale Antonio Ruberti Università di Roma Sapiena A.A. 6 Il problema del network
Dettagliprofilo dna team clienti
CONSULENZA Organizzativa e Direzionale MS Consulting è una società di consulenza organizzativa e direzionale che, dal 1985, fornisce servizi legati alla valutazione dell efficienza aziendale e allo sviluppo
DettagliUniversità degli Studi di Genova Corso di Laurea Magistrale in Ingegneria Gestionale
Pianificazione di una rete logistica per lo smaltimento e il riutilizzo dei rifiuti di apparecchiature elettriche ed elettroniche: applicazione del progetto WEEENMODELS nel Comune di Genova Candidata:
DettagliUOMINI E MERCATI sicurezza nelle analisi versatilità nelle proposte completezza nelle soluzioni certezza nei risultati
UOMINI E MERCATI sicurezza nelle analisi versatilità nelle proposte completezza nelle soluzioni certezza nei risultati LA FILOSOFIA AZIENDALE TRADE CONSULTING srl crede fortemente che al centro di ogni
DettagliRICERCA OPERATIVA (a.a. 2008/09) Nome: Cognome: Matricola:
o Appello /09/009 RICERCA OPERATIVA (a.a. 008/09) Nome: Cognome: Matricola: ) Si applichi l algoritmo di Kruskal per determinare un albero di copertura di costo minimo sul grafo in figura. Per ogni iterazione
DettagliTeoria della Programmazione Lineare Intera
Teoria della Programmazione Lineare Intera Laura Galli Dipartimento di Informatica Largo B. Pontecorvo, 567 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 7 Ottobre 0 Ricerca Operativa Laurea
DettagliProgetto e Ottimizzazione di Reti 1. Presentazione del Corso
Progetto e Ottimizzazione di Reti 1. Presentazione del Corso PAOLO NOBILI (M-Z) ANTONIO SASSANO (A-L) Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica Corso di Laurea in Ingegneria
DettagliSmart Communities & Finance
Mario Calderini Smart Communities & Finance Mario Calderini Politecnico di Milano Presidente Comitato Smart Communites POLITECNICO DI MILANO Smart Communities Smart Communities è un agenda politica che,
DettagliCorso Programmazione 2011-2012
Corso Programmazione 2011-2012 (docente) Fabio Aiolli E-mail: aiolli@math.unipd.it Web: www.math.unipd.it/~aiolli (docenti laboratorio) E. Caniato, A. Ceccato Dipartimento di Matematica Pura ed Applicata
DettagliFORMAZIONE AVANZATA. Risk management Internal auditing e governance dei processi per il Ministero del Lavoro e delle Politiche Sociali
FORMAZIONE AVANZATA Risk management Internal auditing e governance dei processi per il Ministero del Lavoro e delle Politiche Sociali INDICE 1. Obiettivi didattici pag. 3 2. Destinatari pag. 3 3. Coordinamento
DettagliDidattica aperta Scuola, Università e Impresa si incontrano Anno scolastico 2015-2016
Didattica aperta Scuola, Università e Impresa si incontrano Anno scolastico 2015-2016 Il viaggio in letteratura: la domanda di infinito dell uomo alla costante ricerca di sé Sviluppare la consapevolezza
DettagliEsame di Ricerca Operativa del 07/09/2016
Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un industria chimica produce due tipi di fertilizzanti (A e B) la cui lavorazione è affidata ai reparti di produzione e
Dettagli