5.1 Metodo Branch and Bound
|
|
- Giuseppina Romeo
- 5 anni fa
- Visualizzazioni
Transcript
1 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) della regione ammissibile. Applicabile ai problemi di ottimizzazione combinatoria e continua. E. Amaldi Fondamenti di R. O. Politecnico di Milano
2 z = min{ c(x) : x X } Suddivisione ( branching ): Sia X = X X k una partizione di X in k sottoinsiemi ( X i X j = per ogni coppia i j ) e z i = min{ c(x) : x X i } per i =,, k Chiaramente z = min{ c(x) : x X } = min{z,, z k } E. Amaldi Fondamenti di R. O. Politecnico di Milano 2
3 Tecnica di bounding : Per ogni sottoproblema z i = min{ c(x) : x X i } i) determinare una soluzione ottima di min{ c(x) : x X i } (modo esplicito), oppure ii) dimostrare che X i = (modo esplicito), oppure iii) dimostrare che z i z migliore soluzione ammissibile trovata in precedenza (modo implicito). Se il sottoproblema non è risolto vengono generati nuovi sottoproblemi mediante suddivisione. E. Amaldi Fondamenti di R. O. Politecnico di Milano 3
4 5.. Branch and Bound per PLI Sia un PLI min{ c T x : Ax = b, x 0 interi } Branching : Suddividere la regione ammissibile X in sottoregioni esaustive ed esclusive (partizione). Risolvere il rilassamento continuo min{ c T x : Ax = b, x 0 } e siano x una soluzione ottima e z PL =c T x il valore ottimo. E. Amaldi Fondamenti di R. O. Politecnico di Milano 4
5 Se x intera, x è anche ottima per PLI, altrimenti x h frazionaria e si considerano i due sottoproblemi: PLI : min{ c T x : Ax = b, x h x h, x 0 interi } PLI 2 : min{ c T x : Ax = b, x h x h +, x 0 interi } Bounding : Determinare un bound (per difetto se PLI di min) sul valore ottimo z i di un sottoproblema di PLI risolvendo il relativo rilassamento continuo. E. Amaldi Fondamenti di R. O. Politecnico di Milano 5
6 Esempio: 9 8 x 2 9x + 5x 2 = 45 max PLI z = 8x + 5x 2 x +x 2 6 9x +5x 2 45 x, x 2 0 interi x + x 2 = 6 x = 5/4 z PL = /4 z PL z * PLI 2 3 z = 20 Poiché x e x 2 frazionarie, sceglierne una per il passo di branching x E. Amaldi Fondamenti di R. O. Politecnico di Milano x
7 Regione ammissibile X suddivisa in X e X 2 imponendo: x x = 3 o x x + = 4 x 2 vincoli esaustivi ed esclusivi z = 20 Sottoproblema S sottoregione X 2 Sottoproblema S 2 sottoregione X 2 intera! z * PLI z PL sol. x = 3 z PL = 39 3 sol. x = 4 z PL2 = 4 9/5 x E. Amaldi Fondamenti di R. O. Politecnico di Milano 7
8 Dopo aver considerato X, migliore soluzione ammissibile (intera) trovata finora: x = 3 con z = 39 3 Visto che z PL2 = 4 > 39, X 2 può contenere una soluzione ammissibile del PLI migliore. Partizione di X 2 in X 3 e X 4 imponendo: x 2 x 2 = o x 2 x 2 +=2 E. Amaldi Fondamenti di R. O. Politecnico di Milano 8
9 x z = 20 x 2 = 2 x 2 = Sottoproblema S 4 è inammissibile (X 4 = ø) sol. x = con z PL3 = 365/9 40/ x Sottoproblema S 3 sottoregione X 3 E. Amaldi Fondamenti di R. O. Politecnico di Milano 9
10 Albero decisionale: ( branching tree ) x 3 PL x 4 migliore sol. ammissibile trovata finora z PL2 = 39 sol. intera S S 2 z PL2 = 4 x 2 x 2 2 z PL3 = 365/9 S 3 S 4 inammissibile X 4 =ø E. Amaldi Fondamenti di R. O. Politecnico di Milano 0
11 Visto che z PL3 = 365/9 > 39, X 3 può contenere una soluzione ammissibile del PLI migliore. Partizione di X 3 in X 5 e X 6 imponendo: x x = 4 o x x + = 5 x = 40/9 E. Amaldi Fondamenti di R. O. Politecnico di Milano
12 4 3 x 2 z = 20 sol. di S 5 : x = 4 intera con z PL5 = 37 2 x = 4 x = 5 unica sol. ammissibile di S 6 5 x = 0 intera x z PL6 = Sottoproblema S 5 Soluzione intera (anche ammissibile per PLI) ma con valore peggiore di x = 3 con z = 39 3 Migliore sol. trovata soluzione ottima Branch & Bound garantisce soluzione ottima (metodo esatto) E. Amaldi Fondamenti di R. O. Politecnico di Milano 2
13 Albero decisionale x 2 2 S 4 X 4 = ø inammissibile radice PL z = 65 4 x = 5 4 x2 = 9 4 x 4 x 3 z = 4 x x 2 z = 39 x x = 4 2 S 2 = 9 5 S = 3 = 3 x 2 intera S z = x 40 = 9 x = 2 3 x 5 x 4 z = 40 z = 37 E. Amaldi Fondamenti di R. O. Politecnico di Milano 3 x x x x 2 2 S = 5 = 0 S 6 5 = 4 = sol. intera ottima z * PLI = 40 intera
14 L albero non contiene necessariamente tutti i nodi possibili (2 d # foglie) Un nodo non ha figli -- è chiuso -- se vincoli iniziali + quelli sugli archi dalla radice sono incompatibili (S 4 ) soluzione del rilassamento continuo è intera (S ) soluzione ottima x PL del rilassamento continuo ha un valore c T x PL peggiore di quello della migliore soluzione ammissibile del PLI trovata finora. criterio di bounding intera E. Amaldi Fondamenti di R. O. Politecnico di Milano 4
15 NB: Nel terzo caso la sottoregione ammissibile del sottoproblema associato a quel nodo non può contenere una soluzione intera migliore della migliore soluzione del PLI trovata finora! Criterio di bounding permette spesso di eliminare gran parte dei nodi (sottoproblemi). E. Amaldi Fondamenti di R. O. Politecnico di Milano 5
16 Scelta del nodo (sottoproblema) da elaborare: Prima nodi più profondi (tecnica depth first ) procedimento ricorsivo semplice ma costoso in caso di scelta sbagliata Prima nodi più promettenti ( best bound first ) con valore del rilassamento continuo migliore Si generano tipicamente meno nodi ma problemi poco vincolati si aggiorna raramente la migliore soluzione ammissibile corrente E. Amaldi Fondamenti di R. O. Politecnico di Milano 6
17 Scelta variabile (frazionaria) di branching Scegliere la variabile x h con parte frazionaria più vicina a 0,5 così il nuovo vincolo è più significativo per i due sottoproblemi. E. Amaldi Fondamenti di R. O. Politecnico di Milano 7
18 Struttura dati Branch & Bound: problema di min m = ultimo nodo x opt = migliore soluzione intera trovata finora z opt = c T x opt = costo migliore soluzione intera trovata finora Q = coda dei nodi foglia attivi (quelli che possono avere nodi figli) Padre[t] = ±p p = indice nodo padre di t +/- figlio di sinistra o di destra E. Amaldi Fondamenti di R. O. Politecnico di Milano 8
19 LB[t] = lower bound associato a t Vbranch[t] = indice h della variabile x h di branching Valore[t] = valore x * h della variabile di branching NB: Se PL inammissibile, x * fittizio e c T x * = + Se c intero, LB[m] = c T x * E. Amaldi Fondamenti di R. O. Politecnico di Milano 9
20 Algoritmo Branch & Bound Elaborazione radice BEGIN m:=; Padre[]:=0; Q:= ; z opt := valore soluzione euristica (eventualmente + ); risolvi il rilassamento continuo min{c T x : Ax = b, x 0} e sia x * la soluzione ottima trovata; LB[]:= c T x * ; IF (x * intera) AND (c T x * < z opt ) THEN x opt := x * ; z opt := c T x * END-IF IF LB[] < z opt THEN scegli la variabile frazionaria x * h di branching; Vbranch[]:= h; Valore[]:= x * h ; Q := {} END-IF WHILE Q 0 DO /* elabora i nodi figli attivi */ scegli un nodo t Q; poni Q:= Q \ {t}; h:= Vbranch[t]; val:= Valore[t];... E. Amaldi Fondamenti di R. O. Politecnico di Milano 20
21 FOR figlio:= TO 2 DO /*genera i figli del nodo t */ m:= m+; IF figlio = THEN Padre[m]:= t; ELSE Padre[m]:= -t; END-IF definisci il problema PL m associato al nodo m (vincoli di PL t più x h val se figlio =, o x h val se figlio = 2); risolvi il problema PL m e sia x * la soluzione ottima trovata; LB[m]:= c T x * ; IF (x * intera) AND (c T x * < z opt ) THEN x opt := x * ; z opt := c T x * ; /* aggiorna la soluzione ottima */ Q:= Q \ {j Q : LB[j] z opt }; END-IF IF LB[m] < zopt THEN scegli la variabile frazionari x * k di branching; Vbranch[m]:= k; Valore[m]:= x * k ; Q:= Q {m}; END-IF END-FOR END-WHILE END E. Amaldi Fondamenti di R. O. Politecnico di Milano 2
22 Branch & Bound applicabile anche a PLI misti: considerare solo per branching le variabili frazionarie con vincolo di interezza. In realtà metodo generale per problemi di ottimizzazione combinatoria # finito (ma elevatissimo) di sol. ammissibili Ad es. sequenziamento, commesso viaggiatore, E. Amaldi Fondamenti di R. O. Politecnico di Milano 22
23 Basta Tecnica per suddividere un insieme di sol. ammissibili in sottoinsieme mutualmente esclusivi ( branch ) Procedura per determinare un limite sul costo di qualsiasi soluzione ammissibile in un dato sottoinsieme ( bound ) NB: Branch-and-Bound (B & B) anche utilizzabile come metodo approssimato (imponendo un limite su tempo o nodi esplorati) E. Amaldi Fondamenti di R. O. Politecnico di Milano 23
24 5..2 B & B per problemi di ottimizzazione combinatoria Esempio: problema di sequenziamento ( NP-difficile ) n lavori (jobs) da eseguire su una macchina Tempi di lavorazioni e le date limite di consegna: n = 4 jobs tempo di lavorazione scadenza in giorni fine giorno 8 E. Amaldi Fondamenti di R. O. Politecnico di Milano 24
25 Determinare una sequenza che minimizza il ritardo totale. Per sequenza 2 3 4, ritardo totale = = 6 definiamo x ij = se job i èil j-esimo eseguito 0 altrimenti giorni Idea: suddividere l insieme di tutte le soluzioni ammissibili a seconda del job eseguito per ultimo. Chiaramente x 4 = o x 24 = o x 34 = o x 44 = E. Amaldi Fondamenti di R. O. Politecnico di Milano 25
26 x 4 = x 24 = x 34 = x 44 = D = ritardo totale D 5 2 D 9 se x 44 =, job 4 è completato alla fine del giorno = 23 cioè con ritardo di 23 6 = 7 3 D x 3 = 5 D 4 x 23 = 4 D 7 6 D 8 x 33 = 7 D 0 x 2 = x 22 = Branching effettuato sul nodo con limite inferiore su D più piccolo. 8 D = 2 9 D = 6 nodo 4; nodo 7; nodo 8; E. Amaldi Fondamenti di R. O. Politecnico di Milano 26
27 Per nodo 7: job 4 per ultimo con ritardo di 7 job 3 per penultimo con ritardo di = 3 giorni D = 0 5 nodo 8 (sequenza 2 3 4) sol. ammissibile candidata con ritardo totale = 2. NB: nodi, 2, 5 e 6 possono essere chiusi! E. Amaldi Fondamenti di R. O. Politecnico di Milano 27
28 x 4 = x 24 = x 34 = x 44 = D 5 2 D 9 x 3 = 3 D x 43 = 4 D 7 job 3 ultimo + ( ) = 2 job penultimo 0 D 2 x 23 = D 25 2 D 3 + ( ) = 3 job 4 penultimo sequenza ottima:2 3 4 con D =2 E. Amaldi Fondamenti di R. O. Politecnico di Milano 28
29 Nel Branch and Bound per PLI come aggiornare in modo efficiente un tableau ottimo quando si aggiunge un vincolo? min c T x max y T b (P) Ax = b x 0 (D) y T A c T y m E. Amaldi Fondamenti di R. O. Politecnico di Milano 29
30 5.2 Algoritmo del simplesso duale Sia x x m x m+ x n -z x B[] x B[n] -z 0 b 0 0 I c T N N con c 0 y T = c T B B- sol. ammiss. di (D) Simplesso primale mantiene ammiss. (P) e cerca ammiss. (D) Simplesso duale mantiene ammiss. (D) e cerca ammiss. (P) E. Amaldi Fondamenti di R. O. Politecnico di Milano 30
31 Scelta indice s della variabile fuori base da fare entrare nella base e indice r di quella in base da fare uscire in modo da mantenere l ammissibilità di (D), ovvero c 0 Se a rs < 0, dividendo la r-esima riga per a rs si ottiene un a r0 0 (si fa un passo verso una soluzione di base ammissibile di (P)). Per ottenere c s = 0 bisogna inoltre moltiplicare la corrispondente r-esima riga x a r rs + j N a a rj rs x j = b r per c s e sottrarla alla riga 0 della funzione obiettivo E. Amaldi Fondamenti di R. O. Politecnico di Milano 3
32 Poiché c ~ j = c j di (D) è necessario che c s a a rj rs ~ c j per mantenere l ammissibilità 0 j e quindi si deve imporre dato che a rs < 0. c j c s a a rj rs = c s a rj a rs (*) Se a rj > 0 vale certamente (*) Se < 0 deve valere a rj c a j rj c a s rs j E. Amaldi Fondamenti di R. O. Politecnico di Milano 32
33 Se b 0 tableau ottimo (test di ottimalità) altrimenti scegliere x B[r] uscente dalla base con b r < 0 scegliere fra x j con a rj < 0 quella entrante x s t.c. c a s rs c j = min : arj < 0 arj + regola di Bland E. Amaldi Fondamenti di R. O. Politecnico di Milano 33
34 Esempio: min -x 4x 2 x +x 2 2 x +3x 2 3 x 2 2/3 x, x 2 0 Tralasciando gli ultimi due -z vincoli si ha il tableau: x 3 2 x x 2 x 3 0 Con un operazione di pivot -z del simplesso primale: x 2 2 x x 2 x 3 4 E. Amaldi Fondamenti di R. O. Politecnico di Milano 34
35 La soluzione di base ottima x * = [0, 2, 0] T corrisponde al punto A che viola entrambi i vincoli tralasciati. Aggiungendo le variabili di scarto x 4 ed x 5 e inserendo le due equazioni nel tableau corrente si ottiene: x x 2 x 3 x 4 x 5 -z x x / x 5 E. Amaldi Fondamenti di R. O. Politecnico di Milano 35
36 2 x 2 A z = -x 4x 2 2/3 B x + x 2 2 C x 2 2/3 x + 3x x Rappresentazione grafica dell introduzione di nuovi vincoli E. Amaldi Fondamenti di R. O. Politecnico di Milano 36
37 Per mettere il tableau in forma canonica (eliminare la variabile di base x 2 dalle ultime due righe dalle espressioni di x 4 e x 5 ) basta la seguente operazione di pivot: x 2 x 3 x 4 x 5 -z x x / x 5 x E. Amaldi Fondamenti di R. O. Politecnico di Milano 37
38 -z x 3 4 x 4 0 x x / x 5 8 x 3 x 2 0 x 5 0 soluzione di base associata è ancora x * = [0, 2, 0] T NB: i valori negativi delle nuove variabili di base x 4 = -3 e x 5 = -4/3 esprimono il fatto che questa soluzione viola i vincoli appena aggiunti. E. Amaldi Fondamenti di R. O. Politecnico di Milano 38
39 Dato che i costi ridotti sono tutti non negativi, si può applicare l algoritmo del simplesso duale. Con l operazione di pivot su -3 si ottiene il tableau associato al punto x = [0,,, 0, -/3] T -- punto B -z x 3 0 x 4 4/3 x 5 0 x 2 /3 0 /3 0 x 3 2/3 0 -/3 0 -/3 -/ /3 x 5 4 x /3 x 2 0 E. Amaldi Fondamenti di R. O. Politecnico di Milano 39
40 Operazione di pivot su -/3 porta al tableau ottimo associato al vertice ottimo x * = [, 2/3, /3, 0, 0] T -- punto C -z x 3 0 x 4 x 5 x 2 2/ x 3 / x /3 x 0 x 2 0 E. Amaldi Fondamenti di R. O. Politecnico di Milano 40
3.4 Metodo di Branch and Bound
3.4 Metodo di Branch and Bound Consideriamo un generico problema di Ottimizzazione Discreta dove X è la regione ammissibile. (P ) z = max{c(x) : x X} Metodologia generale di enumerazione implicita (Land
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
DettagliEsercizi sulla Programmazione Lineare Intera
Soluzioni 4.7-4.0 Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare Intera 4.7 Algoritmo del Simplesso Duale. Risolvere con l algoritmo del simplesso duale il seguente
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2014-2015 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Daniele Vigo rev. 1.1.a ottobre 2014 Fondamenti di Ricerca Operativa
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2015-2016 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Paolo Tubertini, Daniele Vigo rev. 2. ottobre 2016 Fondamenti di
Dettagli4.5 Metodo del simplesso
4.5 Metodo del simplesso min z = c T x s.v. Ax = b x PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una
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)
DettagliAlgoritmo di Branch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo di Branch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
DettagliAlgoritmi generali per PLI
Programmazione Lineare Intera: II Algoritmo Cutting Planes Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev.. ottobre Algoritmi generali per PLI Metodi esatti tradizionali (anni 6 oggi):
Dettagli3.3 Problemi di PLI facili
3.3 Problemi di PLI facili Consideriamo un generico problema di PLI espresso in forma standard min{c t x : Ax = b, x Z n +} (1) dove A Z m n con n m, e b Z m. Supponiamo che A sia di rango pieno. Sia P
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
DettagliIl Branch & Bound. Definizione 1. Sia S R n. La famiglia S = {S 1, S 2,..., S k S} tale che S 1 S 2 S k = S viene detta suddivisione di S.
Il Branch & Bound Il metodo Branch & Bound è una tecnica che permette di risolvere all ottimo un generico problema di Programmazione Lineare Intera. Tale metodo si basa su due concetti cardine: quello
DettagliAlgoritmo 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
DettagliBranch and Bound. Branch and Bound p. 1/3
Branch and Bound Branch and Bound p. 1/3 Branch-and-bound Un esempio di problema di PLI: P 0 : max x 1 + 3x 2 (u 1 ) x 1 1 2 (u 2 ) 5x 1 + 3x 2 5 (u 3 ) x 1 + 7 5 x 2 13 2 x 1,x 2 0 x 1,x 2 I Branch and
DettagliRicerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015
1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)
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,
DettagliMassimo flusso e matching
Capitolo Massimo flusso e matching. Problema del massimo matching. Nel problema del massimo matching è dato un grafo non orientato G(V, A); un matching in G è un insieme di archi M A tale che nessuna coppia
DettagliRICERCA OPERATIVA (a.a. 2014/15) Nome: Cognome: Matricola:
7 o Appello /9/ RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL max x x x x x x + x 6 x e la corrispondente soluzione x = [,. Utilizzando il teorema degli
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)
DettagliIl metodo dei Piani di Taglio (Cutting Planes Method)
Il metodo dei Piani di Taglio (Cutting Planes Method) E un metodo di soluzione dei problemi (IP) di tipo generale. L idea di base: Se la soluzione di (RL) non è intera allora la soluzione ottima intera
DettagliCOMPITO DI RICERCA OPERATIVA. max 3x 1 + 2x 2 x x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (7 punti) Sia dato il seguente problema di PL: max 3x 1 + 2x 2 x 1 + 1 2 x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3 Lo si risolva con l algoritmo che si ritiene più opportuno
DettagliRICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 1)
RICERCA OPERATIVA Tema d esame del 04/12/2008 (Simulazione 1) COGNOME: NOME: MATRICOLA: 1. Un azienda meccanica deve pianificare il lavoro delle sue tre macchine per un dato giorno. I lotti che è possibile
DettagliRICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: max x + x x x x x x + x x Si applichi l algoritmo del Simplesso Duale, per via algebrica, a
DettagliAlgoritmo Branch and Cut (B&C)
Programmazione Lineare Intera: III Algoritmo Branch and Cut Daniele Vigo DEIS Università di Bologna dvigo@deisuniboit rev.0 aprile 2005 Algoritmo Branch and Cut (B&C) Sviluppato negli anni 90, nasce come
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
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + 2x 2 + x 3 x 1 x 2 + x 3 = 1 2x 1 + 3x 2 + x 4 = 2
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (9 punti) Sia dato il seguente problema di PL: max x + 2x 2 + x 3 x x 2 + x 3 = 2x + 3x 2 + x 4 = 2 x, x 2, x 3, x 4 0 Si determini il duale del problema ( punto).
Dettagli2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
2 OTTIMIZZAZIONE SU GRAFI E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Molti problemi decisionali possono essere formulati utilizzando il linguaggio della teoria dei grafi. Esempi: - problemi di
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 2x 2 + x 3 = 4 x 1 x 2 x 3 = 3 x 2 + 2x 3 = 1 x 1, x 2, x 3 0
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Sia dato il seguente problema di PL: max x + x 2 x 2x 2 + x 3 = 4 x x 2 x 3 = 3 x 2 + 2x 3 = x, x 2, x 3 0 Utilizzando il metodo due fasi, si stablisca
DettagliRICERCA OPERATIVA (a.a. 2011/12) Nome: Cognome: Matricola:
5 o Appello 8/0/0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si individui un albero dei cammini minimi di radice sul grafo in figura, utilizzando l algoritmo più appropriato dal punto di vista
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
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
DettagliCOMPITO DI RICERCA OPERATIVA. min 2x 1 x 2 + x 3 x 4 x 1 x 2 + x 3 + x 4 = 5 x 1 + x 2 + x 3 3. x 1, x 2, x 3, x 4, x 5 I
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (8 punti) Sia dato il seguente problema di PL: min x x + x x 4 x x + x + x 4 = 5 x + x + x x, x, x, x 4 0 Lo si trasformi in forma standard ( punto). Si determini
DettagliCOMPITO DI RICERCA OPERATIVA. max 8 5x 1 3x 2 x 3 = 1 + 4x 1 + x 2 x 4 = 1 x 1 + x 2 x 5 = 5 x 1 x 2
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Dato un problema di PL, la sua riformulazione rispetto alla base B = {x 3, x, x 5 } é la seguente: max 8 5x 3x x 3 = + x + x x = x + x x 5 = 5 x x Solo
DettagliCOMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04
COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04 Esercizio 1 Si risolva con il metodo branch-and-bound il seguente problema di PLI max x 1 + x 4x 1 + x + x = 0 x 1 + x + x 4 = x 1, x, x, x 4 0 x 1, x,
DettagliParte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Divide et Impera Sia z * max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
DettagliRICERCA OPERATIVA (a.a. 2017/18) Nome: Cognome: Matricola:
Terzo appello //8 RICERCA OPERATIVA (a.a. 7/8) 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
DettagliFigura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.
ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c
DettagliRICERCA OPERATIVA (a.a. 2014/15) Nome: Cognome: Matricola:
3 o Appello /2/2 RICERCA OPERATIVA (a.a. 2/) Nome: Cognome: Matricola: ) Si risolva algebricamente il seguente problema di PL max x 2x 2 x x 2 2 x x + x 2 3 x 2 7 mediante l algoritmo del Simplesso Primale
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) protocolli reti IP memorizzazione compatta di
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) diffusione di messaggi segreti memorizzazione
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
DettagliQuinto appello 27/6/ = 4. B b B = 2 b N = 4
Quinto appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il problema di PL dato applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B {, }. Per
DettagliAlgoritmi esatti. La teoria ci dice che per problemi difficili (come il
p. 1/4 Algoritmi esatti La teoria ci dice che per problemi difficili (come il KNAPSACK o, ancora di più, il TSP ) i tempi di risoluzione delle istanze, calcolati tramite analisi worst-case, tendono a crescere
DettagliRICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola:
Secondo appello //0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x x x x x + x x x per via algebrica, mediante l algoritmo del Simplesso Primale a partire
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
DettagliMacchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4
Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse
DettagliBranch-and-bound per KNAPSACK
p. 1/1 Branch-and-bound per KNAPSACK Rispetto allo schema generale visto in precedenza dobbiamo specificare: come si calcola un upper bound su un sottinsieme; come si effettua il branching; come si individuano
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 8-9 Soluzioni di alcuni esercizi Esercizi - I 3. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
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
DettagliProgrammazione Lineare Intera. Programmazione Lineare Intera p. 1/4
Programmazione Lineare Intera Programmazione Lineare Intera p. 1/4 Programmazione Lineare Intera Problema di PLI in forma standard: max cx Ax = b x 0, x I n I insieme degli interi. Regione ammissibile:
DettagliCOMPITO DI RICERCA OPERATIVA APPELLO DEL 07/04/04
COMPITO DI RICERCA OPERATIVA APPELLO DEL 07/04/04 Esercizio 1 1)Dato il seguente problema di PL: max 2x 1 x 2 x 1 + x 2 2 x 1 + 2x 2 7 x 1 + x 2 1 x 1, x 2 0 trasformarlo in forma standard (2 punti) 2)
DettagliAlgoritmo del simplesso
Algoritmo del simplesso Ipotesi : si parte da una S.A.B. e dal tableau A=b in forma canonica. Si aggiunge una riga costituita dagli r j, j =,., n e da -z (valore, cambiato di segno, della f.o. nella s.a.b.)
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 + x 2 1 x 1 + x 2 2. Lo si trasformi in forma standard e se ne determini una soluzione ottima.
COMPITO DI RICERCA OPERATIVA APPELLO DEL 06/07/05 ESERCIZIO 1. (5 punti) Sia dato il seguente problema di PL: max x 1 + x 2 x 1 + x 2 1 x 1 + x 2 2 x 1 0 x 2 0 Lo si trasformi in forma standard e se ne
Dettaglimin 2x 1 +4x 2 2x 3 +2x 4 x 1 +4x 2 +2x 3 + x 4 =6 2x 1 + x 2 +2x 3 + x 5 =3 x 0.
5 IL METODO DEL SIMPLESSO 6.4 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,
DettagliTecniche di Decomposizione per Programmazione Lineare Intera (Mista)
Tecniche di Decomposizione per Programmazione Lineare Intera (Mista) Domenico Salvagnin 2011-06-12 1 Introduzione Dato un problema di programmazione lineare intera (mista), non è sempre possibile (o conveniente)
DettagliProgrammazione Matematica: VII La scomposizione di Dantzig Wolfe
Programmazione Matematica: VII La scomposizione di Dantzig Wolfe Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev..0 Maggio 2004 Scomposizione di problemi Accade spesso che un problema
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliProgrammazione Matematica: VI Estensioni dell algoritmo del Simplesso
Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 Aprile 2004 Algoritmo del Simplesso L algoritmo del Simplesso
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
Dettaglii completi l'esecuzione dell'algoritmo di programmazione dinamica per questo problema restituendo il valore ottimo e una soluzione ottima del problema
Compito di Ricerca Operativa II Esercizio ( punti). ia dato il problema di flusso massimo sulla rete in figura (le capacit a degli archi sono riportate sopra di essi). 0 8 i consideri il seguente flusso
DettagliEsame di Ricerca Operativa del 09/01/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min 7 y +y + y + y +y +7 y y +y y y
DettagliRICERCA OPERATIVA (a.a. 2017/18) Nome: Cognome: Matricola:
Primo appello 9//8 RICERCA OPERATIVA (a.a. 7/8) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x + x x + x x x x x applicando l algoritmo del Simplesso Primale, per via algebrica,
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
DettagliEsame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da calcio e da basket che vende a 1 e 20 euro rispettivamente. L azienda compra ogni settimana
DettagliEsame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da basket e da calcio che vende rispettivamente a 1 e euro. L azienda compra ogni settimana 00
DettagliRICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: max x +x x +x x +x +x 7 x x Utilizzando il Teorema degli scarti complementari, si dimostri che
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
Dettaglimax z = c T x s.t. Ax b
3 PROGRAMMAZIONE LINEARE A NUMERI INTERI 51 3 Programmazione lineare a numeri interi 3.1 Problemi lineari interi Dato il problema lineare ordinario (PLO): aggiungendo la condizione di integrità: max z
DettagliRICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola:
Primo appello //7 RICERCA OPERATIVA (a.a. 6/7) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B {,
Dettagli4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min f () s.v. X n insieme delle soluzioni ammissibili con funzione obiettivo
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
Dettagli4. METODI DUALI DEL SIMPLESSO
4. MEODI DUALI DEL SIMPLESSO R. adei 1 Una piccola introduzione R. adei 2 MEODI DUALI DEL SIMPLESSO L obiettivo del capitolo è illustrare e giustificare i metodi duali del simplesso. Entrambi i metodi
DettagliEsame di Ricerca Operativa. x 1 +2 x 2 6 x 1 +x 2 6 x 1 4 x 1 1
Esame di Ricerca Operativa (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x + x x +x x 0 x + x x +x x x Base Soluzione
DettagliDomini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):
UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione
DettagliMacchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4
Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse
DettagliDomande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Giovedí 14 Maggio 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Geometria di R n 1 Dare la definizione di Poliedro e Vertice di un Poliedro 2 Dare la definizione di Poliedro e di Politopo
DettagliCorso di RICERCA OPERATIVA 1 (Fischetti) Simulazione scritto del 31 Gennaio Tempo consentito: due ore. Cognome studente:... Nome:... Matr.:...
Corso di RICERCA OPERATIVA 1 (Fischetti) Simulazione scritto del 31 Gennaio 2011 -- Tempo consentito: due ore Cognome studente:... Nome:... Matr.:... Esercizio 1 2 3 4 5 Tot MAX 6 8 4 5 8 31 Punteggio
DettagliEsame di Ricerca Operativa del 13/06/17. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y y + y + y + y y + y y +y +y
DettagliSi consideri il seguente tableau ottimo di un problema di programmazione lineare
ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6
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
DettagliEsame di Ricerca Operativa del 09/06/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 09/0/ (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 Base
DettagliEsercizio 1. Variabili decisionali:
Esercizio 1 Si noti che i costi sono dati per tonnellata, mentre molti vincoli riguardano il numero di navi. Si introducono pertanto DUE tipi di variabili, uno relativo al numero di tonnellate per tipo
Dettagli2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
. Cammini ottimi E. Amaldi Fondamenti di R.O. Politecnico di Milano .. Cammini minimi e algoritmo di Dijkstra Dato un grafo orientato G = (N, A) con una funzione di costo c : A c ij R e due nodi s e t,
Dettagli1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44;
1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44; c 24 = 15; c 25 = 12; c 34 = 32; c 35 = 55; c 45 = 24 Si calcoli l ottimo duale (formulazione
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
Dettagli5.5 Programmazione quadratica (PQ)
5.5 Programmazione quadratica (PQ Minimizzare una funzione quadratica soggetta a vincoli lineari: 1 min x t Qx + c t x 2 s.v. a t i x b i i D (P a t i x = b i i U x R n dove Q matrice n n, D e U sono gli
DettagliEsame di Ricerca Operativa del 30/06/14. max 4 x 1 7 x 2 x 1 +7 x 2 7 x 1 4 x 2 7 x 1 +5 x 2 5 x 1 x 2 5 x 2 1 x 1 +4 x 2 6
Esame di Ricerca Operativa del 0/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x 7 x x +7 x 7 x x 7 x + x x x x x
DettagliEsame di Ricerca Operativa del 18/06/18
Esame di Ricerca Operativa del 8/0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x +x x x x +x x x x + x
Dettagli2.3.3 Cammini ottimi nei grafi senza circuiti
.. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo
DettagliIntroduzione ai Problemi di Flusso su Reti
UNIVERSI DI PIS IROCINIO ORMIVO IVO - I CICLO CLSSE DI BILIZIONE MEMIC PPLIC Introduzione ai Problemi di lusso su Reti Relatore: Prof. V. Georgiev.U: Prof. M. Berni Elisabetta lderighi R.O e Riforma della
Dettagli5.5 Metodi generali per la soluzione di problemi
5.5 Metodi generali per la soluzione di problemi di PLI I problemi di PLI hanno caratteristiche molto diverse dai problemi di PL. In alcuni casi, la soluzione del problema lineare rilassato, ottenuto cioè
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Estratto per la parte di programmazione lineare e ottimizzazione sui grafi Corso di Metodi di Ottimizzazione per l'ingegneria della Sicurezza Laurea Magistrale in Ingegneria
DettagliDualitá. Dualitá p. 1/4
Dualitá Dualitá p. 1/4 Dualitá p. 2/4 Dualitá Problema di PL in forma standard max cx Ax = b x 0 Chiamato problema primale. A questo associato un altro problema di PL, detto problema duale: min ub ua c
Dettagli