Problemi di PersonnelScheduling
|
|
- Giorgio Brescia
- 5 anni fa
- Visualizzazioni
Transcript
1 Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Problemi di PersonnelScheduling Docente: Renato Bruni bruni@dis.uniroma1.it Corso di: Ottimizzazione Combinatoria 1
2 Gestione di Turni del Personale Personnel Scheduling = attribuzione di turni a lavoratori in modo da: -rispettare un insieme di vincoli di servizio e un insieme di vincoli contrattuali -ed eventualmente massimizzare le preferenze o minimizzare i costi Problema importante e sempre più diffuso in molti ambiti E particolarmente vitale perché ovviamente lavoratori con turni stressanti sono poco motivati e non lavorano bene, mentre una gestione dei turni soddisfacente può risultare molto attrattiva nel mercato del lavoro Si usa un orizzonte temporale (anche quando il problema avrebbe durata indefinita) Occorrono modelli flessibili perché i dettagli del problema spesso variano nel tempo Varianti del problema: Turni di medici in ospedale Turni di lavoratori in azienza Orario delle lezioni (timetabling) Scheduling di un torneo sportivo Etc.
3 Struttura del Problema: i turni S ={s 1,...,s m } insieme dei turni (slot di tempo da coprire, o task) Di solito i turni non sono tutti uguali. Esistono turni più scomodi (ad esempio lavorare di notte, nei weekend, etc, o comunque fare task che risultano più faticosi per vari motivi) Questi turni vanno considerati in modo speciale nel valutare il carico di ogni lavoratore (ad esempio due persone A e B fanno gli stessi turni ma A ha molti turni di notte e B nessuno) oppure perché svolti solo da alcuni lavoratori con determinati obblighi contrattuali (i turni pesanti sono fatti solo da persone con un certo tipo di contratto, o con una certa anzianità, etc.) Definiamo allora un insieme (o eventualmente più di uno) di turni «pesanti» o comunque speciali per qualche motivo S z S e un insieme di turni «normali» S N = S S z (differenza insiemistica)
4 Struttura del Problema: le persone D ={d 1,...,d q } Insieme dei lavori (o tipologie di lavori) Ad esempio lavorare per l ufficio A o l ufficio B, etc. G ={g 1,...,g n } Insieme delle persone Ovviamente le persone possono avere diverse competenze e obblighi contrattuali. Allora: G è partizionato in gruppi G = G 1... G G t h G k = per k h tali che le persone in G k sono omogenee per competenze (= sanno fare gli stessi lavori) e hanno gli stessi obblighi contrattuali le persone in ogni G k sono n k e Σ k n k = n
5 Struttura del Problema: le coperture D ={d 1,...,d q } tipologie di lavori G ={g 1,...,g n }= G 1... G t persone Per ogni lavoro d h ho: - il numero di persone necessario a eseguirlo nei turni «normali» a h e nei turni «pesanti» b h (ad esempio, per fare il lavoro d 1 servono 3 persone per ogni turno «normale» e 1 persona per ogni turno «pesante» - spesso nei turni pesanti la richiesta è minore) - l insieme H h dei gruppi G k di persone che possono eseguirlo, considerando competenze e obblighi contrattuali (ad esempio, se il lavoro d 1 può essere fatto dalle persone dei gruppi G 1 e G 2, ho H 1 ={1,2})
6 Struttura del Problema: riposo e ferie I lavoratori hanno diritto al riposo e alle ferie secondo certi criteri, regolati dal contratto e dalla normativa vigente (vedere ad esempio, Direttiva 2003/88/EC del Parlamento Europeo) Dopo un turno di lavoro, deve esserci un riposo pari ad almeno r 1 turni Dopo un turno di lavoro «pesante», devono passare almeno r 2 turni prima di avere un nuovo turno «pesante» (ma nel frattempo si possono fare turni normali) Ogni anno si possono prendere fino a r 3 giorni di ferie. Normalmente, le ferie vengono negoziate, in modo da non lasciare scoperti servizi essenziali Inoltre, le persone possono non essere disponibili per certi turni per diversi validi motivi, ad esempio si trovano per lavoro in altro luogo, oppure hanno impegni di altra natura sanciti contrattualmente, (o non vogliono certi turni, se è possibile scegliere) etc.
7 Struttura del Problema: bilanciamento Anche se tutti i turni sono coperti e tutte i requisiti contrattuali sono rispettati, uno scheduling non è accettabile se non rispetta un certo livello di bilanciamento del carico di lavoro Bilanciamento come numero di turni totali e bilanciamento come numero di turni «pesanti»! Anche se si può dimostrare che in molti casi il numero di turni non può essere lo stesso per tutti (esempio banale: 5 turni e 2 persone) Bisogna individuare criteri per suddividere il carico ragionevolmente Inoltre, a seconda dei casi, le varie persone: - possono esprimere preferenze hard (vietando dei turni) - possono esprimere preferenze soft (dando pesi personalizzati ai turni) - non possono esprimere preferenze
8 Modellazione del problema: coperture 1 se persona i svolge il turno j Usiamo variabili binarie x ij = con i G e j S 0 altrimenti evitiamo variabili con 3 indici (tipo x ijk persona i turno j luogo k, es. docente ora aula) perché aumenta a dismisura la dimensione Ora possiamo esprimere i requisiti usando vincoli lineari Copertura dei turni «normali» : per ogni turno in S N ho esattamente a h persone Σ x ij = a h j S N, h H i G k :k H h Copertura dei turni «pesanti» : per ogni turno in S Z ho esattamente b h persone Σ x ij = b h j S Z, h H i G k :k H h
9 Modellazione del problema: riposo Definiamo R(j,r)= insieme dei turni da j a j+r Dopo un turno «normale» riposo per almeno r 1 turni Σ x ir 1 r R(j,r 1 ) j S N, i G Dopo un turno «pesante» niente turni pesanti per almeno r 2 turni Σ x ir 1 j S Z, i G r R(j,r 2 ) S Z Definendo U i insieme dei turni non assegnabili alla persona i (tenendo conto di ferie, indisponibilità, preferenze se ammissibili) x ij = 0 i G j U i o anche un insieme di assegnazioni forzate, se servono x ij = 1
10 Modellazione del problema: bilanciamento variabili reali y k = massimo numero di turni per gruppo G k numero di turni fatto dalle persone del gruppo G k non supera y k Σ x ij y k j S i G k, k=1,,t variabili reali z k = massimo «peso» di turni per gruppo G k pesi w j = «peso» di ogni turno secondo il gruppo G k peso dei turni fatto dalle persone del gruppo G k non supera z k Σ w j x ij z k j S i G k, k=1,,t o addirittura pesi personalizzati w ij se è il caso di permettere di esprimerli (c è chi reputa pesante la sera, chi la mattina, etc.) in molti casi si cerca di non dare questa possibilità, per non complicare troppo l accettazione dell orario (se volevo la mattina e mi hanno dato la sera e invece un collega è stato esaudito, sorgono discussioni)
11 Modellazione del problema: obiettivo L obiettivo è minimizzare ogni y k e z k (bi-obiettivo) e diventa ad esempio minimizzare la loro somma pesata min (c 1 Σ k y k + c 2 Σ k z k ) oppure perseguire un obiettivo e mettere un vincolo sull altro minσ k y k Σ k z k c (o limitare ogni singolo z k ) oltre ovviamente a tutti i vincoli visti prima risulta un modello di PLI (o più precisamente PLMI), e permette di inserire, se servono, condizioni aggiuntive specifiche del particolare problema In molti casi pratici può essere risolto con un solutore basato sul Branch&Bound (cplex, gurobi, etc) o, se troppo grande, con euristiche (algortimi genetici, tabu search, simulated annealing, etc)
12 Preferenze personalizzate Nei casi in cui si possono esprimere preferenze totalmente personalizzare riceviamo anche: preferenze p ij [0,1] = gradimento della persona i per il turno j Potremmo aggiungere nell obiettivo di min il seguente termine opportunamente pesato Σ i Σ j (1-p ij )x ij ma questo considera solo il totale delle «insoddifazioni», e magari minimizzandolo una singola persona potrebbe essere anche molto insoddisfatta. In alternativa aggiungiamo altre variabili reali: v k = massima «insoddisfazione» per persone del gruppo G k insoddisfazione dalle persone del gruppo G k non supera v k Σ (1- p ij ) x ij v k j S e il termine da aggiungere nell obiettivo è i G k, k=1,,t + c 3 Σ k v k oppure il vincolo da aggiungere è Σ k v k c (o limitare ogni singolo v k )
Problemi di Localizzazione Impianti
Sapienza Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Problemi di Localizzazione Impianti Renato Bruni bruni@dis.uniroma1.it Il materiale presentato è derivato
Flusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
Algoritmo di Branch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo di Branch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
Algoritmo dibranch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo dibranch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
Management Sanitario. Modulo di Ricerca Operativa
Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa Prof. Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di
Problemi di Ottimizzazione
Problemi di Ottimizzazione Obiettivo: misura della qualità di una soluzione. Vincoli: condizioni che devono essere soddisfatte per ottenere una soluzione ammissibile. Problema di Ottimizzazione: determina
Modello di Ottimizzazione per la Schedulazione del Personale Infermieristico di una Residenza Assistita
Modello di Ottimizzazione per la Schedulazione del Personale Infermieristico di una Residenza Assistita Candidata: Serena Cortopassi Relatori: Prof. Frangioni, Prof. Scutellà Università di Pisa Tesi di
AMPL Problemi su Reti
Dipartimento di Matematica Università di Padova Corso di Laurea Informatica Outline Problemi su Reti Cammino Minimo Molti problemi di ottimizzazione combinatoria possono essere modellati ricorrendo ai
Programmazione Matematica: Modelli di Programmazione Intera
Programmazione Matematica: Modelli di Programmazione Intera Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 2.0 Aprile 2004 Indagine di Mercato Mix di utenti da intervistare telefonicamente:
ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I
ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si
Ricerca 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
Ricerca Operativa A.A. 2017/2018
Ricerca Operativa A.A. 2017/2018 Esercizi su modelli di programmazione lineare intera - Soluzioni Nota Vengono fornite delle possibili soluzioni. Potrebbero esserci soluzioni alternative altrettanto valide.
Ricerca Operativa A.A. 2007/ Modelli di Programmazione Lineare (II)
Ricerca Operativa A.A. 07/08 3. Modelli di Programmazione Lineare (II) Formulazione generale di un modello di programmazione lineare min (max) z = c 1 + c 2 + +c j + + c n x n (+cost.) subject to (s.t.,
Laboratorio di Ricerca Operativa
Laboratorio di Ricerca Operativa CORSO DI LAUREA: SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE ROMA AZIENDA POLICLINICO UMBERTO I a.a. 2012-13 Elaborato finale n 3 Programmazione degli interventi
Fondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione
Fondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione Esercizio 1 In un supermercato si vuole disporre un insieme {1,...,n} di prodotti su m sca ali. Ogni prodotto
Modelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come
Introduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO
Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa è la
1 Combinazioni lineari.
Geometria Lingotto LeLing5: Spazi Vettoriali Ārgomenti svolti: Combinazioni lineari Sistemi lineari e combinazioni lineari Definizione di spazio vettoriale Ēsercizi consigliati: Geoling 6, Geoling 7 Combinazioni
Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività
Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Metodi di Ottimizzazione mod.
Modelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come
Ottimizzazione Combinatoria e Reti (a.a. 2007/08)
o Appello 6/07/008 Ottimizzazione Combinatoria e Reti (a.a. 007/08) Nome Cognome: Matricola: ) Dopo avere finalmente superato l esame di Ricerca Operativa, Tommaso è pronto per partire in vacanza. Tommaso
Struttura del Corso. Durata
Manuel Iori Dipartimento di Scienze e Metodi dell Ingegneria (DISMI) Università degli studi di Modena e Reggio Emilia Via Amendola 2, Pad. Buccola, 42122 Reggio Emilia web: www.or.unimore.it/iori/iori.htm
Problemi dello zaino e di bin packing
Problemi dello zaino e di bin packing Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 2 Dicembre 2014 Ricerca Operativa 2 Laurea
Introduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO
Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa la disciplina
Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore
Excel: una piattaforma facile per l ottimizzazione Excel ha un toolbox di ottimizzazione: Risolutore Il problema di produzione con Excel Consideriamo il foglio Excel Variabili di decisione reali c8,d8
Modulo di Ricerca Operativa 5 a 6 a lezione: un modello di trasporto Management Sanitario
Modulo di Ricerca Operativa 5 a 6 a lezione: un modello di trasporto Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Prof. Laura Palagi http://www.dis.uniroma1.it/
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 23. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 0-3 Homework n 3 Docente: Laura Palagi HOMEWORK DI RICERCA OPERATIVA Realizzato da : Bartolini Giancarlo Cornacchione
Indice. 1 Introduzione... 1
Indice 1 Introduzione............................................... 1 2 Esempi di modelli......................................... 7 2.1 Problema della dieta.................................... 7 2.2
Ricerca Operativa A.A. 2008/2009
Ricerca Operativa A.A. 08/09 Esercizi di modellazione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
Ricerca Operativa. Docente. 1. Introduzione
1 Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi Ricevimento: giovedì,
2.6 Calcolo degli equilibri di Nash
92 2 Giochi non Cooperativi Per queste estensioni di giochi non finiti si possono provare risultati analoghi a quelli visti per i giochi finiti. Rimandiamo alla bibliografia per uno studio più approfondito
Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari
Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari L. De Giovanni G. Zambelli 1 Problema dell assegnamento Sia dato un grafo non orientato bipartito
Introduzione alla Teoria dei Grafi
Sapienza Uniersità di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Introduzione alla Teoria dei Grafi Docente: Renato Bruni bruni@dis.uniroma1.it Corso di: Ottimizzazione Combinatoria
Algoritmi Euristici. Molti problemi reali richiedono soluzioni algoritmiche
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
Problemi di localizzazione di servizi (Facility Location Problems)
9. Problemi di Localizzazione di Servizi 1 Problemi di localizzazione di servizi (Facility Location Problems) Dato un insieme di clienti richiedenti una data domanda di merce e dato un insieme di possibili
Lezioni di Ricerca Operativa 2 Dott. F. Carrabs
Lezioni di Ricerca Operativa Dott. F. Carrabs.. 009/00 Lezione 6: - mmissibilità di un vincolo - Vincoli alternativi - Vincoli alternativi a gruppi - Rappresentazione di funzioni non lineari: Costi fissi
Lezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it http://www.dattero.dist.unige.it Anno accademico
La notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:
. SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;
Ricerca Operativa A.A. 2007/ Introduzione
Ricerca Operativa A.A. 2007/2008 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
Modelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare - TESTI Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi
Ottimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo La Programmazione Matematica classica, lineare (PL) o intera (PLI), tratta problemi caratterizzati da una unica e ben definita funzione obiettivo.
LA PROGRAMMAZIONE MATEMATICA (p.m.)
LA PROGRAMMAZIONE MATEMATICA (p.m.) Un problema di programmazione matematica è un problema di ottimizzazione riconducibile alla seguente espressione generale: ricercare i valori delle variabili x 1, x
Week #9 Assessment. Practice makes perfect... November 23, 2016
Week #9 Assessment Practice makes perfect... November 23, 2016 Esercizio 1 Un azienda di trasporto deve caricare m camion {1,..., m} in modo da servire giornalmente un dato insieme di clienti. Nei camion
Esercitazione n o 6 per il corso di Ricerca Operativa
Esercitazione n o 6 per il corso di Ricerca Operativa Il problema è stato tratto dal libro C. Mannino, L.Palagi, M. Roma. Complementi ed esercizi di Ricerca Operativa, Edizioni Ingegneria 2000, 1998, ISBN:
Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico
Fondamenti di Business Analytics 20486 classi M2/M3 Michele Impedovo anno accademico 2016-2017 Lezione 11 Programmazione lineare intera ILP Programmazione lineare binaria BLP Il problema MicroWorks, Inc.
Laboratorio di Ricerca Operativa
Laboratorio di Ricerca Operativa CORSO DI LAUREA: SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE ROMA AZIENDA POLICLINICO UMBERTO I a.a. 2012-13 Elaborato finale n 2 Pianificazione di trattamenti fisioterapeutici
TURNI ED ORGANIZZAZIONE DEL LAVORO
TURNI ED ORGANIZZAZIONE DEL LAVORO QUADERNI GIFRAM Prof. Ing. Francesco GUERRA febbraio 011 QUADERNI GIFRAM I quaderni della Gifram rappresentano una sintesi della attività di analisi e ricerca sviluppata
Metodi di Ottimizzazione per la Logistica e la Produzione
Metodi di Ottimizzazione per la Logistica e la Produzione Introduzione alle attività di Laboratorio Manuel Iori Dipartimento di Scienze e Metodi dell Ingegneria Università di Modena e Reggio Emilia MOLP
Prova d Esame di Ricerca Operativa
Prova d Esame di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 4 giugno 2018 Regole per l esame: la violazione delle seguenti regole comporta il ritiro dell
Lezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it Anno accademico 2000/2001 La Ricerca Operativa (Operation
Schedulazione Multi-progetto con Risorse Limitate
Schedulazione Multi-progetto con Risorse Limitate Dott.ssa Maria Silvia Pini Dipartimento di Matematica Pura e Applicata Email: mpini@math.unipd.it Resp. accademico: Prof.ssa Francesca Rossi 1 Sommario
Esercitazione 6 Ancora sul Network Flow
Esercitazione 6 Ancora sul Network Flow Problema 14 (appello 28/09/2015) Un importante azienda di sviluppo software ha n progetti da portare a termine entro la fine dell anno. Il manager dell azienda stima
Laboratorio: 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,
Introduzione alla RO - Parte II
Introduzione alla RO - Parte II Andrea Scozzari a.a. 2013-2014 March 7, 2014 Andrea Scozzari (a.a. 2013-2014) Introduzione alla RO - Parte II March 7, 2014 1 / 18 Problema della pianificazione del personale:
Esercizi per il corso di Algoritmi, anno accademico 2011/12
Esercizi per il corso di Algoritmi, anno accademico 2011/12 Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, nè in C++, etc. ). Di tutti gli
Università Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi NOTE sul Metodo del BRANCH & BOUND Università Ca Foscari Venezia, Dipartimento di Management,
Un esempio di applicazione della programmazione lineare intera: il Sudoku
Un esempio di applicazione della programmazione lineare intera: il Sudoku Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA
I appello Ricerca operativa
I appello Ricerca operativa 0.0.014 1. Formulare in termini di programmazione lineare (intera) il seguente problema. Una Società gestisce una squadra di calcio adottando una politica di massimizzare il
Soluzioni degli esercizi di formulazione di PL{0, 1}
Soluzioni degli esercizi di formulazione di PL{0, 1} Salvatore Nocella 12 febbraio 2007 1 Al lavoro Due operai devono eseguire un certo numero di lavori J = {1,..., n}, ciascuno della durata di un ora.
Metodo di Gauss-Jordan 1
Metodo di Gauss-Jordan 1 Nota Bene: Questo materiale non debe essere considerato come sostituto delle lezioni. Ārgomenti svolti: Riduzione per righe e matrici equivalenti per righe. Forma echelon e sistemi
Metodi e modelli per le decisioni
Metodi e modelli per le decisioni Roberto Cordone A. A. 2015-16 5.5 Esercizi Nota : Devo molti di questi esercizi a temi d esame del prof. Alberto Colorni. Nota : Gli esercizi e le soluzioni non sono stati
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 26. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 26 Docente: Laura Palagi Modello di distribuzione Cardillo Raffaele Di Paola Catherine Trano Marco
Reti Neurali in Generale
istemi di Elaborazione dell Informazione 76 Reti Neurali in Generale Le Reti Neurali Artificiali sono studiate sotto molti punti di vista. In particolare, contributi alla ricerca in questo campo provengono
Ricerca Operativa. Docente. 1. Introduzione
Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
Sistemi con vincoli. Docente: Francesca Rossi.
E-mail: frossi@math.unipd.it Scopo del corso Dare le nozioni di base della programmazione con vincoli Come rappresentare un problema reale con un insieme di vincoli Tecniche principali per risolverlo Approccio
1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo. c 1 x 1 + c 2 x c n x n,
VERTICIDIUNPOLIEDRO 31 Esercizi di riepilogo sui Capitoli 1 5 1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo dove c 1,c 2,...,c n sono numeri
Programmazione 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
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),
Problema Determinare la miscelazione ottimale delle materie prime in modo da massimizzare il profitto complessivo
Mix Produttivo Si dispone di i=1,...,m risorse produttive (ad esempio, materie prime) in quantità limitata. La massima disponibilità delle risorse è b 1,...,b m Si possono produrre j=1,...,n diversi prodotti
Teoria 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
01GSZ Tecniche di protezione dell informazione
GSZ Tecniche di protezione dell informazione parte : Codici convoluzionali: decodifica. Algoritmo di Viterbi Algoritmo di Viterbi Risolve problemi di minimizzazione su sistemi a tempo discreto descritti
FONDAMENTI DI RICERCA OPERATIVA D / E
Ingegneria Informatica e Ingegneria Matematica FONDAMENTI DI RICERCA OPERATIVA D / E Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Sito web: http://home.dei.polimi.it/amaldi/fro-de-08-09.html
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
WHITEPAPER ALGORITMO CONTRIBUTO MENSILE AUTOMATICO FORMALIZZAZIONE DEL PROBLEMA NELLA FORMA DI UN ALGORITMO DI OTTIMIZZAZIONE
WHITEPAPER ALGORITMO CONTRIBUTO MENSILE AUTOMATICO L obiettivo dell algoritmo alla base della funzionalità del Contributo Mensile automatico è quello di fornire al cliente, che investe un determinato importo
1.2e: La codifica Digitale dei Numeri
Prof. Alberto Postiglione Dipartimento di Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : La codifica Digitale dei Numeri Informatica Generale (Corso di Studio
Appendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19
14 18-12-07 19:04 Pagina 411 Le decisioni di breve termine fra alternative diverse 411 i minori costi differenziali, almeno nella misura in cui la dimensione di costo è la più importante. Sebbene i costi
Tecniche euristiche Ricerca Locale
Tecniche euristiche Ricerca Locale PRTLC - Ricerca Locale Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo: rilassamenti Rilassamento
Esercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
Modelli di turnazione del personale
Modelli di turnazione del personale Turnazione del personale In generale, ad un turno di un mezzo non corrisponde un turno lavorativo del personale, in quanto la normative che stabiliscono rispettivamente
Figura 1 Pagina Profilo utente
Fase inserimento desiderata La prima fase del processo di interazione fra l amministratore dell orario e il corpo docenti riguarda l inserimento dei desiderata e delle richieste specifiche del docente
Teoria della Complessità Computazionale
Teoria della Complessità Computazionale Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 21 Ottobre 2014 Ricerca Operativa 2
Ricerca Operativa. Ricerca Operativa p. 1/2
Ricerca Operativa Ricerca Operativa p. 1/2 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
Stime dell ottimo - Rilassamenti. PRTLC - Rilassamenti
Stime dell ottimo - Rilassamenti PRTLC - Rilassamenti Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo: rilassamenti Rilassamento
MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero 2 prova: 25 luglio 2005
Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero prova: 5 luglio 005 COGNOME NOME FIRMA: : : : [7,5 crediti]
Elementi di un modello di Programmazione Matematica
1 Ricerca Operativa Laboratorio: utilizzo di solver per programmazione matematica Elementi di un modello di Programmazione Matematica Insiemi: elementi del sistema; Parametri: dati del problema; Variabili
Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata. Luca Bertazzi
Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata Luca Bertazzi 0 3 Ulisse: da Troia a Itaca Troia Itaca 509 km Quale è stato invece il viaggio di Ulisse? Il viaggio di Ulisse Troia
11.4 Chiusura transitiva
6 11.4 Chiusura transitiva Il problema che consideriamo in questa sezione riguarda il calcolo della chiusura transitiva di un grafo. Dato un grafo orientato G = hv,ei, si vuole determinare il grafo orientato)
1 Programmazione Lineare Intera
1 Programmazione Lineare Intera Fino ad ora abbiamo affrontato problemi in cui le variabili potevano assumere valori reali. Ora invece ci concentreremo su problemi in cui le variabili possono assumere
Corso di Perfezionamento
Corso di Perfezionamento Modelli di ottimizzazione per la gestione dell emergenza Ing. Carlo Mannino Dipartimento di Informatica e Sistemistica Universita di Roma La Sapienza Roma 2 marzo - 2002 Cos è
Richiami di Teoria dei Grafi. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Richiami di Teoria dei Grafi Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Teoria dei grafi La Teoria dei Grafi costituisce, al pari della Programmazione Matematica, un corpo
Introduzione all Ottimizzazione Combinatoria
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Introduzione all Ottimizzazione Combinatoria Docente: Renato Bruni bruni@dis.uniroma1.it Corso di: Ottimizzazione
Il modello lineare misto
Il modello lineare misto (capitolo 9) A M D Marcello Gallucci Univerisità Milano-Bicocca Lezione: 15 GLM Modello Lineare Generale vantaggi Consente di stimare le relazioni fra due o più variabili Si applica