Università Ca Foscari Venezia
|
|
- Carmela Fede
- 5 anni fa
- Visualizzazioni
Transcript
1 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, S.Giobbe Cannaregio 873, Venezia, ITALY. fasano@unive.it ; URL: fasano - A.A
2 Le presenti note sintetizzano alcune linee guida relative al Metodo del Branch & Bound, per la soluzione di problemi di Programmazione Lineare. Le note si riferiscono al corso di Ricerca Operativa, svolto dal docente Giovanni Fasano nell A.A , presso l Università Ca Foscari Venezia, sede di via Torino (Mestre). Le lezioni sono state organizzate nell ambito del Corso di Laurea in Informatica. 2
3 Figura 1: Il poliedro Q i e l insieme S i = {(1, 2), (2, 0), (2, 1), (2, 2), (3, 0), (3, 1), (3, 2), (3, 3), (4, 2)} dei punti a coordinate intere in esso contenuti, i.e. S i Q i. 1 Note e premesse sul Metodo del Branch & Bound (B&B) Il B&B rappresenta una tecnica iterativa esatta, di tipo enumerativo, per la soluzione di problemi di Programmazione Matematica Intera/Mista e, più in particolare, per la soluzione di problemi di Programmazione Lineare Intera (PLI) e Programmazione Lineare Mista (PLM). Si supponga pertanto di voler risolvere il problema di PLI (nel seguito si indicherà con Z l insieme dei numeri interi, i.e. Z = {0, ±1, ±2,...}) x Q 0 x Z n, x S 0, (1) nel quale Q 0 = {x IR n : Ax b} è un generico poliedro in IR n, S 0 = Q 0 Z n, A IR m n, c IR n e b IR m. L insieme S 0 contiene tutti e soli i punti del poliedro Q 0 a coordinate intere. Più in generale, si indicherà di seguito con S i l insieme dei punti a coordinate intere dato da S i = Q i Z n, dove Q i è un poliedro in IR n (si veda l esempio nella Figura 1). Nelle note che seguono si assumerà per semplicità che il problema (1) NON sia illimitato inferiormente. Premesse I punti a coordinate intere in S i non necessariamente coincidono con i vertici del poliedro Q i (contrariamente a quanto mostrato in Figura 1), pertanto se si tentasse 3
4 di risolvere il problema x Q 0, non necessariamente si avrebbe una soluzione x 0 a coordinate intere. Definendo i vettori e si ha naturalmente poichè S 0 Q 0. x 0 ˆx 0 soluzione di { x Q 0 soluzione di { x S 0 f(ˆx 0 ) f(x 0 ), Il Metodo del B&B consiste anzitutto nel partizionare (BRANCHING) in modo intelligente la regione ammissibile S 0, nei sottoproblemi S i, i {1,..., k}, così che S 0 = k i=1 S i = S i S j, 0 i j k, cercando (se necessario) una stima, per difetto, di una soluzione del sottoproblema x S i. (P i ) Il problema (P i ) così generato viene detto aperto e viene inserito in una lista. Nella procedura riportata in Sezione 2 si considererà per semplicità una partizione semplificata, che non pregiudica la convergenza del metodo. Per calcolare una stima della soluzione di (P i ) si deve calcolare un bound (BOUND- ING) per (P i ). In particolare, detta ˆx i una soluzione di (P i ) e posto ẑ i = c T ˆx i, per calcolare un bound di (P i ) calcoliamo x i, soluzione ottima del problema di Programmazione Lineare x Q i, (P L i ) ed indichiamo con z i il valore z i = c T x i. Sarà senz altro z i ẑ i poichè il poliedro Q i è tale che S i Q i. Si dice che (P L i ) è un rilassamento di (P i ). Ribadiamo che il poliedro Q i contiene gli stessi punti a coordinate intere di S i. 4
5 2 Sintesi del Metodo del B&B Fatte le precedenti premesse, il Metodo del B&B può essere schematizzato come segue: 1. Sia z = c T x l ottimo corrente (ovvero l approssimazione corrente di una soluzione per (1). Il punto x può essere calcolato in qualsiasi modo, anche attraverso ispezione visiva o tecniche euristiche) di (P 0 ), corrispondente al punto a coordinate intere x IR n. Nel caso peggiore, ovvero se non si è in grado di stimarlo in nessun modo, si pone z = + e x si pone non noto. 2. Sia L la lista dei cosiddetti problemi aperti (P i ), i 0 (dei quali cioè è ancora necessario cercare un possibile bound per la soluzione). All inizio della procedura L contiene solo il problema iniziale (P 0 ), ovvero si pone L = {(P 0 )}. 3. Si estrae dalla lista L il problema (P i ) (la scelta del problema (P i ) da estrarre dalla lista L, i.e. la regola di estrazione, è arbitraria) e se ne risolve il rilassamento (P L i ) con le seguenti regole: (a) se (P L i ) ammette soluzione x i e risulta z i z, allora si chiude (P i ), ovvero il sottoproblema (P i ) non può contenere alcuna soluzione a coordinate intere migliore della soluzione corrente x, in quanto risulta comunque c T ˆx i c T x i = z i z; (b) se (P L i ) ha un insieme ammissibile vuoto, allora si chiude (P i ), in quanto il sottoproblema (P i ) è anch esso vuoto. Quindi (P i ) non può contenere alcuna soluzione a coordinate intere migliore della soluzione corrente x; (c) se (P L i ) ammette soluzione x i e risulta z i < z, allora ci sono due possibili casi: se x i Z n (ovvero se x i ha tutte componenti intere), allora si pone x = x i, z = c T x i e si chiude il sottoproblema (P i ) (in quanto x i è anch esso soluzione di (P i )), ovvero L = L \ {(P i )}; se x i Z n (ovvero se x i NON ha tutte componenti intere), allora si partiziona il problema (P i ) nei due sottoproblemi (P i+1 ) e (P i+2 ), e si pone L = L \ {(P i )} {(P i+1 ), (P i+2 )}, ovvero da L si toglie (P i ) e si inseriscono (P i+1 ) e (P i+2 ). In particolare, se la componente j-sima x j i del vettore x i risulta NON intera, i.e. x j i = α Z, allora il problema (P i ) viene partizionato nei due sottoproblemi Qualora vi siano più componenti del vettore x i non intere, se ne sceglie arbitrariamente una. 5
6 x S i x j α (P i+1 ) e x S i x j α + 1, (P i+2 ) essendo α la parte intera inferiore di α. Ai problemi P i+1 e P i+2 vengono associati i problemi rilassati (P L i+1 ) e (P L i+2 ), ottenuti suddividendo (P L i ) come segue: x Q i x j α (P L i+1 ) e x Q i x j α + 1. (P L i+2 ) Ciò garantisce che (si veda anche la Figura 2) S i = S i+1 S i+2 e = S i+1 S i Se la lista L risulta vuota (i.e. non vi sono più sottoproblemi al suo interno, da estrarre) allora STOP (la procedura del B&B termina): il punto x è una soluzione di (1). Altrimenti si torna al punto 3. 3 Il B&B per problemi di Knapsack binario Vogliamo risolvere il problema di PLI n max c j x j n a j x j b, x {0, 1} n, (K 0 ) che rappresenta la massimizzazione dell utilità di inserire oggetti di volume finito in uno zaino (knapsack). In particolare si ha che c j rappresenta l utilità di inserire l oggetto j-simo nello zaino a j rappresenta il volume dell oggetto j-simo 6
7 Figura 2: A partire dal poliedro Q i si generano i poliedri Q i+1 = Q i {x IR 2 : x 2 α } e Q i+2 = Q i {x IR 2 : x 2 α + 1}, così che S i+1 Q i+1 e S i+2 Q i+2. b rappresenta il volume dello zaino x j {0, 1}, con x j = 1 se l oggetto j-simo viene inserito nello zaino, e x j = 0 altrimenti. Si tratta di un problema di Programmazione Lineare Intera, in cui è presente un solo vincolo, a parte i vincoli di interezza (binari), che può essere risolto quindi con il metodo del B&B. A tal fine, se si usa il B&B risulta piuttosto agevole la soluzione del rilassamento lineare (KL 0 ) di (K 0 ), senza usare il Metodo del Simplesso. Infatti, si ha per (KL 0 ) l espressione n max c j x j n a j x j b, 0 x j 1, j = 1,..., n. (KL 0 ) Per ottenere una soluzione di quest ultimo, valgono le seguenti osservazioni: (i) se c j = 0 allora la variabile x j non contribuisce alla massimizzazione della funzione obiettivo e basterà pertanto porre: x j = 0 se a j 0 (non uso parte del volume dello zaino per contenere il j-simo oggetto) x j = 1 se a j < 0 (uso parte del volume dello zaino per contenere il j-simo oggetto) 7
8 (ii) se a j = 0 allora la variabile x j non influenza il vincolo sul volume dello zaino, pertanto basterà porre: x j = 0 se c j 0 (non decremento l utilità includendo l oggetto j-simo) x j = 1 se c j > 0 (incremento l utilità includendo l oggetto j-simo) (iii) se c j a j 0 allora senza scapito di generalità si può assumere che sia c j > 0, a j > 0, in quanto altrimenti (ragionando come per (i) e (ii)) se c j < 0 e a j > 0 = basta porre x j = 0 se c j > 0 e a j < 0 = basta porre x j = 1 se c j < 0 e a j < 0 = basta effettare il cambio di variabile x j = 1 y j, con y j {0, 1}, ottenendo così un problema risultante con tutti coefficienti positivi. (iv) Ottenuto il nuovo problema di PLI, nel quale è stato assegnato un valore a n m variabili (con m n) applicando (i), (ii) e (iii), si ordinano (eventualmente rinominandole) le restanti m variabili, non assegnate ai punti (i), (ii) e (iii), in base al rapporto c j /a j non crescente, i.e. c 1 a 1 c 2 a 2 c m a m. Si determina ora l indice h, con 1 h m, tale che (si ricordi che dopo aver applicato (i)-(iii), si avrà al punto (iv) che a j > 0, j 1) h a j b e h+1 a j > b e si sceglie x j = 1, j = 1,..., h x h+1 = b h a j a h+1 x j = 0, j = h + 2,..., m. 8
9 Esempio. Diamo un esempio della precedente procedura (i)-(iv), per la soluzione del problema di Knapsack binario max 4x 1 + 2x 2 + 3x 3 5x 4 x 5 + x 6 3x 1 3x 2 + x 3 + x 4 x x {0, 1} 6, (K 0 ) il cui rilassamento (KL 0 ) risulta essere max 4x 1 + 2x 2 + 3x 3 5x 4 x 5 + x 6 3x 1 3x 2 + x 3 + x 4 x x j 1, j = 1,..., 6. (KL 0 ) Usando i risultati in (i), (ii) e (iii) possiamo assegnare facilmente il valore di alcune variabili (i.e. x 2 = 1, x 4 = 0, x 6 = 1), ottenendo in particolare il problema equivalente ovvero max 4x x (1 y 5 ) + 1 3x x (1 y 5 ) x 1, x 3, y 5 1, max 4x 1 + 3x 3 + y x 1 + x 3 + y x 1, x 3, y 5 1. Si provvede ora, in base a (iv), ad ordinare in modo non crescente i rapporti dei coefficienti delle restanti 3 variabili (x 1, x 3 e y 5 ), i.e. x 3 x 1 y , e di conseguenza si passa a risolvere (riordinando le variabili) il problema max 3x 3 + 4x 1 + y x 3 + 3x 1 + y 5 4.5, 0 x 1, x 3, y 5 1. In base a (iv), essendo h = 2, risulta per la soluzione x 3 = 1 x 1 = 1 y 5 = 4.5 (1 + 3) 1 = 0.5 9
10 e pertanto la soluzione finale del rilassamento (KL 0 ) è data da x 1 = 1; x 2 = 1; x 3 = 1; x 4 = 0; x 5 = 1 y 5 = 0.5; x 6 = 1. 10
Ricerca Operativa a.a : IV appello
Ricerca Operativa a.a. 2015-2016: IV appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 5 settembre 2016 Regole per l esame: la violazione delle seguenti regole comporta
DettagliRicerca Operativa a.a : III appello
Ricerca Operativa a.a. 2015-2016: III appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 7 giugno 2016 Regole per l esame: la violazione delle seguenti regole comporta il
DettagliRicerca Operativa a.a : II appello
Ricerca Operativa a.a. 2015-2016: II appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 28 gennaio 2016 Regole per l esame: la violazione delle seguenti regole comporta
DettagliUniversità Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi FAQ sul Metodo del SIMPLESSO Università Ca Foscari Venezia, Dipartimento di Management,
DettagliRicerca Operativa a.a : II appello
Ricerca Operativa a.a. 2018-2019: II appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 23 gennaio 2019 Regole per l esame: la violazione delle seguenti regole comporta
DettagliProva 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
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
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
Dettagli3.4 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
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
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
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
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:
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
DettagliSoluzione di problemi di Programmazione Lineare Intera
10 Soluzione di problemi di Programmazione Lineare Intera 10.1 ESERCIZI SULLA SOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 10.1.1 Risolvere con il metodo del Branch and Bound il seguente
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
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
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
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
DettagliPROGRAMMAZIONE LINEARE A NUMERI INTERI
PROGRAMMAZIONE LINEARE A NUMERI INTERI N.B. Nei seguenti esercizi vengono utilizzate, salvo diversa indicazione, le seguenti notazioni: PLO programma lineare ordinario S a insieme delle soluzioni ammissibili
DettagliUniversità degli Studi di Roma La Sapienza
Università degli Studi di Roma La Sapienza Dipartimento di Informatica e Sistemistica A. Ruberti Proff. Gianni Di Pillo and Laura Palagi Note per il corso di OTTIMIZZAZIONE (a.a. 2007-08) Dipartimento
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)
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
DettagliProva Intermedia Scritta di Ricerca Operativa
Prova Intermedia Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 30 novembre 2015, ore 08.45 Aula Delta 1b Regole per l esame: la violazione delle
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 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
DettagliMetodi generali per la soluzione di problemi di PLI
10 Metodi generali per la soluzione di problemi di PLI Per la soluzione di problemi di PLI non esistono metodi universalmente efficienti. Molto spesso è necessario utilizzare algoritmi ad hoc che siano
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
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
DettagliProgrammazione Lineare Intera
Programmazione Lineare Intera Andrea Scozzari a.a. 2012-2013 May 10, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare Intera May 10, 2013 1 / 16 Programmazione Lineare Intera: Metodo dei Piani
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
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)
DettagliTeoria della Programmazione Lineare Intera
0 Teoria della Programmazione Lineare Intera 0. INTRODUZIONE Come visto precedentemente, molti problemi particolarmente importanti dal punto di vista applicativo sono riconducibili alla soluzione di un
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
DettagliCOMPITO DI RICERCA OPERATIVA. (5 punti) Sia dato il seguente problema di PL: min x 1 + x 2 x 1 + x 2 3 x 1 + x 2 2 2x 1 + x 2 3.
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (5 punti) Sia dato il seguente problema di PL: min x 1 + x 2 x 1 + x 2 x 1 + x 2 2 2x 1 + x 2 x 1 0 x 2 0 Si trasformi questo problema in forma standard e lo si
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,
Dettagli5.5 Metodi dei piani di taglio
5.5 Metodi dei piani di taglio Problema generale di Programmazione Lineare Intera (PLI) max{c t x : x X} dove X = {x Z n + : Ax b}, con A matrice m n e b vettore n 1 razionali Proposizione: conv(x) = {x
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)
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
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
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
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
DettagliProblemi 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
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)
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 GRUPPO B prova scritta del 22 settembre 2004 FOGLIO 1. Cognome: Nome: Matricola:
RICERCA OPERATIVA GRUPPO B prova scritta del 22 settembre 2004 FOGLIO 1 Cognome: Nome: Matricola: Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta
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
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)
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
DettagliProblemi 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
DettagliProva Scritta di Ricerca Operativa
Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 12 gennaio 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro
DettagliSull algoritmo di ascesa duale per il problema della localizzazione di impianti
Sull algoritmo di ascesa duale per il problema della localizzazione di impianti A. Agnetis In queste note presentiamo l algoritmo di ascesa duale per la generazione di lower bound di buona qualità per
DettagliMetodi generali per la soluzione di problemi di PLI
9 Metodi generali per la soluzione di problemi di PLI Per la soluzione di problemi di PLI non esistono metodi universalmente efficienti. Molto spesso è necessario utilizzare algoritmi ad hoc che siano
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
Dettagli1. 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
Dettagli(a) Si proponga una formulazione di programmazione nonlineare a variabili misto-intere per problema.
6. Clustering In molti campi applicativi si presenta il problema del data mining, che consiste nel suddividere un insieme di dati in gruppi e di assegnare un centro a ciascun gruppo. Ad esempio, in ambito
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione
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
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
DettagliProgrammazione Non Lineare
Capitolo 1 Programmazione Non Lineare 1.1 Introduzione Un problema di ottimizzazione viene definito come la minimizzazione o la massimizzazione di una funzione a valori reali su un insieme specificato.
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
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 (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,
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 )
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
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)
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
DettagliRicerca Operativa. G. Liuzzi. Giovedí 19 Marzo Tableau del Simplesso Esempio Fase I del Simplesso Esempio
1 Giovedí 19 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Tableau o Dizionario Qualche richiamo sulla generica iterazione della Fase II: B base ammissibile corrente x SBA corrente:
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):
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,
Dettagli2. Una volta decise le risposte riportatele sull apposito foglio allegato.
Prova scritta di Modelli e algoritmi della logistica - (A) LAUREA in INGEGNERIA GESTIONALE (Specialistica in Informatica, Automatica, Telecomunicazioni) aprile 8 (A) Istruzioni. Usate i fogli bianchi allegati
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
DettagliMetodi generali per la soluzione di problemi di PLI
11 Metodi generali per la soluzione di problemi di PLI Per la soluzione di problemi di PLI non esistono metodi universalmente efficienti. Molto spesso è necessario utilizzare algoritmi ad hoc che siano
DettagliRicerca Operativa. G. Liuzzi. Lunedí 9 Marzo Programmazione Matematica Geometria di R n Esempi Teoria della PL Forma Standard. logo.
1 Lunedí 9 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Problema di Ottimizzazione min(o max) f (x) con la restrizione x S dove f (x) : R n R è detta funzione obiettivo S R n
DettagliOttimizzazione e Controllo 2015/2016 ESERCITAZIONE
Ottimizzazione e Controllo 2015/2016 ESERCITAZIONE Esercizio 1. Sono dati 6 job da processare su un centro di lavorazione automatizzato che può eseguire una sola lavorazione alla volta. Di ciascun job
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
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
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
DettagliRilassamento Lagrangiano
Rilassamento Lagrangiano AA 2009/10 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
DettagliScuola di Dottorato in Ingegneria L. da Vinci. Problemi di estremo vincolato ed applicazioni. Introduzione ai problemi di estremo
Scuola di Dottorato in Ingegneria L. da Vinci Problemi di estremo vincolato ed applicazioni Pisa, 28-29 Maggio, 2009 Introduzione ai problemi di estremo G. Mastroeni Ricercatore, Dipartimento di Matematica
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
Dettagli1 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
DettagliA.A Fondamenti di Ricerca Operativa. 2. Determinare β affinchè il poliedro descritto dal sistema di disequazioni
A.A. 08-09 Fondamenti di Ricerca Operativa. Si consideri il problema min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto, oppure è illimitato,
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
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
DettagliRegistro dell'insegnamento
Registro dell'insegnamento Anno accademico 2016/2017 Prof. MARCO SCIANDRONE Settore inquadramento MAT/09 - RICERCA OPERATIVA REGISTRO Scuola Ingegneria NON CHIUSO Dipartimento Ingegneria dell'informazione
DettagliA.A Fondamenti di Ricerca Operativa Esercizi ottobre min 2x 1 + x 2 + 4x 3 3x 4 x 1 + x 3 = 5 x 2 + x 4 = 2
. Si consideri il problema A.A. 07-08 Fondamenti di Ricerca Operativa Esercizi ottobre 07 min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto,
DettagliRicerca Operativa. Ricerca Operativa p. 1/6
Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
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).
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
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliIntroduzione alla programmazione lineare
Introduzione alla programmazione lineare struttura del problema di PL forme equivalenti rappresentazione e soluzione grafica rif. Fi 1.2; BT 1.1, 1.4 Problema di programmazione lineare Dati: un vettore
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
DettagliPROVE D'ESAME 1997/98
PROVE D'ESAME 1997/98 PROVA PARZIALE DEL 28/11/1997 1) Si consideri il seguente problema di programmazione lineare P: min z = x 1 + 2x 2 s.t. x 1 + x 2 6 2x 1 + x 2 10 x 1 4 x 1, x 2 0 a - Scrivere le
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
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
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.
Dettagli