3.1 Progetto di rete con capacità
|
|
- Filiberto Motta
- 4 anni fa
- Visualizzazioni
Transcript
1 .1 Progetto di rete con capacità Un azienda deve progettare la propria rete di telecomunicazioni per permettere l invio di una quantità di dati d k 0 per ogni coppia origine-destinazione di nodi (s k,t k ), con k K, che abbia richiesto l uso del servizio. Sia V l insieme dei nodi della rete e A l insieme dei link (archi) di interconnessione. La capacità della rete, inizialmente nulla, può essere aumentata arco per arco installando opportuni dispositivi, ciascuno di capacità unitaria, con un costo, per unità aggiuntiva di capacità, pari a c ij per ogni link (i,j) A. Sia u ij la quantità massima di capacità installabile su ogni link. Sia inoltre s ij il costo corrispondente all istradamento, per ogni arco, di una unità di dati. Per far fronte ai guasti, si richiede che esistano almeno due cammini disgiunti per ogni coppia origine-destinazione con capacità non nulla su ogni arco facentene parte, ovvero che il grafo composto dagli archi di capacità non nulla sia biconnesso. a) Si dia una formulazione di programmazione lineare misto intera per il problema di determinare come installare capacità sugli archi della rete così da poter soddisfare la domanda per ogni coppia origine-destinazione e il requisito di sicurezza, minimizzando il costo complessivo di instradamento e di installazione. Quanti vincoli contiene la formulazione? b) Si supponga ora che il costo di instradamento per ogni arco (i,j) A sia pari alla funzione quadratica f ij : [0,u ij ] R +, definita come f ij (x ij ) := s ij x 2 ij, dove x ij è la quantità di dati instradata. Come va estesa la formulazione al punto precedente se la nuova funzione di costo viene approssimata con una funzione lineare a tratti con tratti, come mostrato in figura? f ij (x ij ) = s ij x 2 ij 1 u ij 2 u ij u ij x ij Documento preparato da S. Coniglio, aggiornato da G.Carello 1
2 .2 Totale unimodularità della matrice dei vincoli a) Si consideri il problema di organizzazione dei turni di un reparto ospedaliero visto a lezione. Note le esigenze di personale d i pari al numero minimo di infermieri necessario in ogni giorno della settimana i = 1,...,7, si richiede di organizzare i turni settimanali in modo da minimizzare il numero di infermieri coinvolti rispettando le esigenze e i vincoli di servizio, secondo i quali un infermiere lavora per 5 giorni consecutivi seguiti da due giorni di riposo. Si scriva in forma matriciale la formulazione di programmazione lineare intera. Che struttura ha la matrice dei vincoli? È totalmente unimodulare? Si sfrutti la definizione di totale unimodularità. b) Si studi ora la variante del problema al punto precedente in cui, invece di considerare ciclicamente i 7 giorni della settimana, si considerino solo i primi 7 giorni del mese della prima settimana di settembre, nell ipotesi che, nei 7 giorni precedenti, tutti gli infermieri dell ospedale in oggetto fossero in vacanza. Come cambia il problema e che struttura ha la nuova matrice dei vincoli? È totalmente unimodulare? Si sfrutti la condizione necessaria e sufficiente vista a lezione.. Formulazioni ideali Si consideri il problema di localizzazione ottima senza vincoli di capacità visto a lezione. Noto l insieme N dei siti nei quali si possono localizzare i depositi, l insieme M dei clienti, il costo fisso f j di utilizzo del deposito j N e il costo c ij di trasporto, corrisposto se tutta la domanda del cliente i è soddisfatta dal deposito j, si richiede di determinare dove localizzare i depositi così da soddisfare la domanda dei clienti, minimizzando i costi di trasporto e di utilizzo. Data la formulazione di programmazione lineare intera più stringente (vista a lezione), se ne consideri il sottoproblema ottenuto considerando i soli vincoli di legame tra le variabili di locazione y j e quelle di trasporto x ij : x ij y j per i M,j N x ij {0,1} per i M,j N y j {0,1} per j N. La regione ammissibile del rilassamento continuo del sottoproblema è un poliedro con tutti i vertici (punti estremi) a coordinate intere? Si può dedurre qualcosa circa il problema complessivo? Documento preparato da S. Coniglio, aggiornato da G.Carello 2
3 .4 Branch and Bound per TSP a) Si consideri il grafo riportato in figura Si risolva il problema del commesso viaggiatore applicando il metodo del Branch and Bound, usando come rilassamento il 2-albero e calcolando la soluzione euristica con l algoritmo nearest neighbor. Si discuta la strategia di branching. b) Si consideri l esempio di TSP asimmetrico descritto dalla seguente matrice delle distanze: c ij = Si risolva il problema del commesso viaggiatore, applicando il metodo del Branch and Bound, calcolando il lower bound tramite l assegnamento. Si discuta la strategia di branching..5 Branch and Bound per PLI Si consideri il problema seguente di programmazione lineare intera: max x 1 +2x 2 s.t. x 1 +x 2 2 2x 1 +4x 2 9 x 1,x 2 N. Se ne trovi una soluzione ottima mediante l algoritmo di Branch and Bound, risolvendo i rilassamenti continui per via grafica. Ad ogni iterzione in cui vi siano più nodi non ancora esplorati, si esplori quello con bound più promettente. Documento preparato da S. Coniglio, aggiornato da G.Carello
4 Soluzione.1 Progetto di rete con capacità a) Diamo la seguente formulazione del problema: Insiemi V: insieme dei nodi del grafo A: insieme degli archi del grafo K: insieme degli indici delle coppie di origine-destinazione (s k,t k ) Parametri d k : domanda per la coppia k-esima c ij : costo per unità di capacità aggiunta per l arco (i,j) A u ij : quantità massima di capacità installabile sull arco (i,j) A s ij : costo per unità di dati instradata sull arco (i,j) Variabili x k ij 0: quantità di dati relativi alla coppia k-esima instradati sull arco (i,j) A y ij Z + : quantità di capacità installata sull arco (i,j) A Modello min s.t. (i,j) δ + (i) k K (i,j) A x k ij (j,i) δ (i) s ij x k ij + (i,j) A x k ji = x k ij y ij, k K y ij u ij, x k ij 0, y ij Z + c ij y ij d k se i = s k d k se i = t k 0 altrimenti per i V,k K (i,j) A (i,j) A (i,j) A,k K (i,j) A Documento preparato da S. Coniglio, aggiornato da G.Carello 4
5 Per garantire l esistenza di due cammini disgiunti per ogni coppia, introduciamo le variabili z ij {0,1} per ogni arco (i,j) K e i vincoli y ij z ij, (i,j) A y ij u ij z ij, (i,j) A z ij 2, S V : s k S,t k / S,k K (i,j) δ(s) z ij {0,1}, (i,j) A Il primo vincolo garantisce che la variabile y ij possa essere > 0 solo se z ij = 1, il secondo (sostituibile al vincolo y ij u ij della formulazione precedente) garantisce che la variabile z ij sia uguale a 1 solo se è installata capacità sull arco corrispondente. In tal modo, abbiamo z ij = 1 se e solo se y ij > 0. È allora immediato introdurre il vincolo (i,j) δ(s) z ij 2, espresso per ogni S V : s k S,t k / S,k K, per garantire l esistenza di due cammini disgiunti da s k a t k. Per osservarne la correttezza, si provi a costruire due cammini non disgiunti (o persino un singolo cammino) da s k a t k e si osservi che esiste sempre almeno un insieme S per cui il vincolo è violato. Chiaramente, la formulazione ha un numero esponenziale di righe proprio a causa del vincolo in questione. b) Modellizziamo l approssimazione lineare a tratti della funzione di costo quadratica. Ne dividiamo il dominio [0,u ij ] in tre sottoinsiemi di uguale misura: [0, u ij ] [u ij, 2 u ij] [ 2 u ij,u ij ]. L approssimazione lineare a tratti corrisponde alla funzione seguente: ˆf ij (x) = ˆf 1 ij (x ij) = s ij ( uij ) 2 u ij x ij ˆf ij 2(x ij) = s ij( 2 u ij) 2 ( uij s ij u ij ˆf ij (x ij) = s ij(u ij ) 2 s ij( 2 u ij) 2 u ij ) 2 per 0 x ij u ij ( xij u ) ( ij uij ) 2 +sij per u ij x ij 2 u ij ( xij 2 u ) ( 2 ij +sij u ) 2 ij per 2 u ij x ij u ij Chiaramente, la funzione approssimante ˆf ij (x) è convessa. Si osservi che, in ogni punto x [0,u ij ], tale funzione è pari a max{fij 1(x),f2 ij (x),f ij (x)}. Dato che ˆf ij (x) prende valori nonnegativi e stiamo affrontando un problema di minimizzazione, possiamo modellizzare max{fij 1(x),f2 ij (x),f ij (x)} introducendo la variabile e in vincoli η ij : costo totale di instradamento sull arco(i,j) A η ij ˆf 1 ij(x ij ) per (i,j) A η ij ˆf 2 ij(x ij ) per (i,j) A η ij ˆf ij(x ij ) per (i,j) A dove, in luogo di ˆf1 ij (x ij ), ˆf 2 ij (x ij) e ˆf ij (x ij), riporteremo la corrispondente espressione lineare precedentemente derivata. Sostituiamo quindi al termine (i,j) A s ij ( k K xk ij) 2 in funzione Documento preparato da S. Coniglio, aggiornato da G.Carello 5
6 obiettivo la quantità η ij. (i,j) A La minimizzazione garantisce che ogni soluzione in ogni soluzione in cui η ij non sia pari a max{fij 1(x),f2 ij (x),f ij (x)} non sia ottima, dato che una soluzione di costo strettamente inferiore sarebbe ottenibile riducendo η ij così da renderlo pari a max{fij 1(x),f2 ij (x),f ij (x)}..2 Totale unimodularità a) Riportiamo la formulazione di programmazione lineare intera vista a lezione per un caso specifico. Assumiamo che le variabili x 0,...,x 6 Z + denotino il numero di infermieri il cui turno inizia, rispettivamente, Lunedì, Martedì,..., Domenica. Il modello è: min x 0 + x 1 + x 2 + x + x 4 + x 5 + x 6 x 0 + x + x 4 + x 5 + x 6 11 (Lun) x 0 + x 1 + x 4 + x 5 + x 6 9 (Mar) x 0 + x 1 + x 2 x 5 + x 6 7 (Mer) x 0 + x 1 + x 2 + x + x 6 12 (Gio) x 0 + x 1 + x 2 + x + x 4 1 (Ven) x 1 + x 2 + x + x 4 + x 5 8 (Sab) x 2 + x + x 4 + x 5 + x 6 5 (Dom) x 0, x 1, x 2, x, x 4, x 5, x 6 Z + La matrice dei vincoli del problema A = ha determinante pari a 5 ed è chiaramente non unimodulare. b) La nuova formulazione è la seguente, dove le variabili y 0,...,y 6 Z + denotano il numero di infermieri il cui turno inizia, rispettivamente, il primo, secondo,..., settimo giorno. Il modello è: Documento preparato da S. Coniglio, aggiornato da G.Carello 6
7 min y 0 + y 1 + y 2 + y + y 4 + y 5 + y 6 y 0 11 (1mo) y 0 y 1 9 (2ndo) y 0 y 1 y 2 7 (rzo) y 0 y 1 y 2 y 12 (4rto) y 0 y 1 y 2 y y 4 1 (5nto) y 1 y 2 y y 4 y 6 8 (6sto) y 2 y y 4 y 6 y 7 8 (7imo) y 0, y 1, y 2, y, y 4, y 5, y 6 Z + La matrice dei vincoli del problema in esame corrisponde a: A = La continuità dei turni sui periodi di tempo garantisce che la matrice A dei vincoli soddisfi la proprietà degli uni consecutivi, ossia che (eventualmente a valle di una permutazione) per ogni colonna di indice j di A, si ha che se a ij = a i j per i > i, allora a i j = 1 per tutti gli i : i < i < i. In altre parole, se la colonna j contiene un 1 in posizione i e i, allora deve contenerne uno anche in tutte le posizioni intermedie i. Ogni matrice con questa proprietà è totalmente unimodulare (TUM). Per mostrarlo, usiamo la condizione necessaria e sufficiente per cui una matrice è TUM se e solo se è possibile partizionarne le righe così che, per ogni colonna, la differenza nel numero di 1 presenti in una e nell altra partizione sia di la più un elemento. Per un problema con m righe, una partizione che soddisfa la condizione è {i = 1,...,m : i 2 = 0} {i = 1,...,m : i 2 = 1}. Documento preparato da S. Coniglio, aggiornato da G.Carello 7
8 . Formulazioni ideali Consideriamo un esempio per M{1,2,},N = {1,2} e riportiamo il rilassamento continuo del sottoproblema in forma matriciale: x 11 y 1 0 x 12 y 2 0 x 21 y 1 0 x 22 y 2 0 x 1 y 1 0 x 2 y 2 0 x 11 1 x 12 1 x 21 1 x 22 1 x 1 1 x 2 1 x 11 0 x 12 0 x 21 0 x 22 0 x 1 0 x 2 0 y 1 1 y 2 1 y 1 0 y 2 0 Applichiamo la condizione necessaria e sufficiente. Per farlo, partizioniamo le colonne in due sottoinsiemi, col primo pari all insieme di tutte le colonne e il secondo pari all insieme vuoto. Evidentemente, la differenza per ogni riga tra la somma degli elementi nelle due colonne è 0 o -1, garantendo dunque la totale unimodularità della matrice, la quale, a sua volta, garantisce l integralità del sottoproblema. Purtroppo, questo non ci permette di dire nulla circa l interezza del problema complessivo. Difatti, ci aspettiamo che intersecando il poliedro corrispondente al sottoproblema con gli altri vincoli presenti nel problema originale compaiano nuovi vertici a coordinate frazionarie. Documento preparato da S. Coniglio, aggiornato da G.Carello 8
9 .4 Branch and Bound per TSP a) L albero di branch and bound è riportato in figura. P: 2-albero di costo minimo: {{1,2},{1,},{2,},{,4},{4,5}}, di costo 105 = z R (P). La soluzione calcolata con l algoritmo Nearest neighbor fornisce il ciclo , di costo 11 = z H (P). P 1 : il 2-albero di costo minimo è il ciclo , di costo 11. P 1 viene chiuso. P 2 : il 2-albero di costo minimo è il ciclo , di costo 114. P 2 viene chiuso. P : il 2-albero di costo minimo è {{1,},{1,5},{4,5},{1,2},{2,}} di costo 109. P 4 : il 2-albero di costo minimo è {{1,},{1,5},{4,5},{2,5},{2,}} di costo 122. P 5 : il sottoproblema non contiene soluzioni ammissibili (x 1 = 1 e x 1 = 0). P 6 : il sottoproblema non contiene soluzioni ammissibili (x 2 = 1, x 1 = 1, x 12 = 1). La soluzione ottima è , di costo ,11 P 1 x 1 = 0 105,11 P x 2 = 0 x 1 = 1 114,11 P 2 122,11 P 4 x 4 = 0 x 2 = 1 x 1 = 1 x 12 = 0 b) L albero di branch and bound è riportato in figura. 109,11 x 15 = 0 P x 1 = 1 x 12 = 1 x 1 = 0 x 12 = 1 P 5 P 6 P: la soluzione dell assegnamento è {{1,2},{2,1},{,4},{4,}}, di costo 12. P 1 : la soluzione dell assegnamento è il ciclo , di costo 1. P 1 viene chiuso. P 2 : la soluzione dell assegnamento è il ciclo , di costo 18. P 2 viene chiuso. 12 x 12 = 0 P x 21 = 0 x 12 = 1 1 P 1 P 2 18 Documento preparato da S. Coniglio, aggiornato da G.Carello 9
10 .5 Branch-and-bound L albero di enumerazione è riportato nella seguente figura, con rappresentazioni qualitative delle regioni ammissibili in ogni nodo. Documento preparato da S. Coniglio, aggiornato da G.Carello 10
11 Documento preparato da S. Coniglio, aggiornato da G.Carello 11
Soluzione. V : insieme dei nodi del grafo A: insieme degli archi del grafo K: insieme degli indici delle coppie di origine-destinazione (s k,t k )
Soluzione.1 Progetto di rete con capacità a) Diamo la seguente formulazione del problema: Insiemi V : insieme dei nodi del grafo A: insieme degli archi del grafo K: insieme degli indici delle coppie di
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
Dettagli4.1 Localizzazione e pianificazione delle base station per le reti UMTS
esercitazione Ottimizzazione Prof E Amaldi Localizzazione e pianificazione delle base station per le reti UMTS Consideriamo il problema di localizzare un insieme di stazioni radio base, base station (BS),
DettagliRICERCA OPERATIVA (a.a. 2018/19)
Secondo appello //9 RICERCA OPERATIVA (a.a. 8/9) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: min y + y y y y y = y + y y = y, y, y, y Si verifichi se la soluzione ȳ =,,, sia ottima
Dettagli5.3 Tagli di Chvàtal-Gomory per il problema della massima clique
5.1 Posizionamento di aeroporti hub Nel trasporto aereo non ci sono connessioni dirette tra ogni coppia di aeroporti. Ad esempio, i passeggeri dei viaggi intercontinentali in partenza da aeroporti minori
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)
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
DettagliModelli di Programmazione Lineare. PRTLC - Modelli
Modelli di Programmazione Lineare PRTLC - Modelli Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver Come ricavare una stima dell ottimo Rilassamento continuo - generazione di
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)
DettagliCapitolo 3: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati come problemi di Programmazione Lineare
DettagliEsame di Ricerca Operativa del 06/02/17
Esame di Ricerca Operativa del 0/0/7 (Cognome) (Nome) (Numero d Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max 7 x x x x x x x + x x x 0 x
DettagliMetodi 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
DettagliPrima prova Intermedia di Ricerca Operativa 2 COMPITO A Esercizio 1 (7 punti): LIFO
Prima prova Intermedia di Ricerca Operativa 2 COMPITO A 13 novembre 2015 Nome e Cognome Matricola: Esercizio 1 (7 punti): Si consideri il seguente problema di programmazione lineare intera. max 32x 1 +
DettagliEsame di Ricerca Operativa del 06/02/17
Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Numero d Matricola) Esercizio. Uno studente vuole definire un piano di studio settimanale per preparare gli esami A, B e C, massimizzando le ore (h)
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 -
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
DettagliOttimizzazione 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
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.
DettagliRicerca 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.,
DettagliRICERCA OPERATIVA (a.a. 2017/18) Nome: Cognome: Matricola:
Sesto appello 7/7/8 RICERCA OPERATIVA (a.a. 7/8) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B
DettagliEsame di Ricerca Operativa del 22/01/18
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale
DettagliParte IV: Matrici totalmente unimodulari
Parte IV: Matrici totalmente unimodulari Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)}
Dettagli5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano Programma lineare intero: (PLI) min c T x Ax b x 0 intero Ipotesi: A, b interi La condizione di interezza non è
DettagliEsame di Ricerca Operativa del 22/01/18
Esame di Ricerca Operativa del /0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda informatica produce tre tipi di processori P, P, P nelle sedi S, S, S. La capacitá di produzione settimanale
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
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
DettagliMatrici unimodulari e totalmente unimodulari
Matrici unimodulari e totalmente unimodulari Sia una matrice intera di dimensione con, si dice unimodulare se presa una qualsiasi sottomatrice di ordine massimo (di dimensione ) vale det = 1, +1, 0. Una
DettagliOTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA OTTIMIZZAZIONE DISCRETA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA OTTIMIZZAZIONE DISCRETA Edoardo Amaldi DEI - Politecnico
DettagliRicerca Operativa A.A. 2007/ Modelli di Programmazione Lineare
Ricerca Operativa A.A. 07/08 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
DettagliRichiami 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
DettagliRICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 2)
RICERCA OPERATIVA Tema d esame del 04/12/2008 (Simulazione 2) COGNOME: NOME: MATRICOLA: 1. Un azienda di telefonia mobile deve installare delle antenne per la copertura di sei zone sul territorio. Sono
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
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
Dettagli5.1 Metodo Branch and Bound
5. Metodo Branch and Bound Consideriamo un generico problema di ottimizzazione min{ c(x) : x X } Idea: Ricondurre la risoluzione di un problema difficile a quella di sottoproblemi più semplici effettuando
DettagliMETODI DELLA RICERCA OPERATIVA
Università degli Studi di Cagliari FACOLTA' DI INGEGNERIA CORSO DI METODI DELLA RICERCA OPERATIVA Dott.ing. Massimo Di Francesco (mdifrance@unica.it) i i Dott.ing. Maria Ilaria Lunesu (ilaria.lunesu@unica.it)
DettagliMetodi e modelli per il supporto alle decisioni (MMSD)
Metodi e modelli per il supporto alle decisioni (MMSD) 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità
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
DettagliSoluzione. 2.1 Pianificazione multiperiodo della produzione energetica
Soluzione. Pianificazione multiperiodo della produzione energetica a) Diamo una prima formulazione nonlineare del problema. Insiemi T :insiemedeiperiodiditempo S = {,, 3}: insieme degli indici dei range
DettagliTecniche euristiche greedy
Tecniche euristiche greedy PRTLC - Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali
Dettagli2.1 Pianificazione multiperiodo della produzione energetica. 2.2 Confronto tra formulazioni per il problema dell albero di supporto di costo minimo
. Pianificazione multiperiodo della produzione energetica Consideriamo il problema di approvvigionamento energetico dell Italia su un orizzonte di T = 0 anni. Sia d t il consumo di potenza elettrica stimato
DettagliALGORITMI 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
DettagliESERCIZIO 1: Punto 1
ESERCIZIO : Punto La seguente matrice è una matrice delle distanze di un istanza del problema del Commesso Viaggiatore. - - - - - - - Calcolare.Il valore del rilassamento che si ottiene determinando l
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
DettagliOTTIMIZZAZIONE in unione con OTTIMIZZAZIONE DISCRETA e COMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con OTTIMIZZAZIONE DISCRETA e COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEIB -
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 di Base: Forma Matriciale Si consideri il poliedro P = {x R 3 : Ax b} in cui: 1 0 1 2 A = 1 1 0 0 1 1, b = 1 4 1 1 1 3, x 1 = 1 2 + 3 2 + 5 2 x 2 = I vettori x 1 e
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
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
DettagliStime 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
Dettaglimin det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione.
Se è unimodulare e è intero allora il poliedro 0 ha vertici interi. Sia un vertice di Per definizione esiste allora una base di tale che, 0 Poiché è non singolare ( invertibile det 0) si ha che det 1 è
DettagliProblemi 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
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
DettagliI 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
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
DettagliUNIVERSITÀ 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),
DettagliI Appello Ricerca Operativa 2 bis Compito A
I Appello Ricerca Operativa 2 bis Compito A Cognome e nome:. Esercizio 1. Si consideri il problema del matching di cardinalità massima in un grafo G ed il suo problema di decisione associato: esiste un
DettagliRicerca 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.
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
DettagliLaboratorio: Ottimizzazione su reti
Laboratorio: Ottimizzazione su reti Luigi De Giovanni Dipartimento di Matematica, Università di Padova Luigi De Giovanni Laboratorio: Ottimizzazione su reti 1 / 9 Cammino minimo: modello { 1, l arco (i,
DettagliEsame di Ricerca Operativa del 12/07/17
Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Un azienda produttrice di mobili possiede due sedi S e S, che richiedono mensilmente 0 e 0 quintali di legname per il
DettagliLa Programmazione Lineare Intera
Capitolo 4 La Programmazione Lineare Intera 4.1 Modelli di Programmazione Lineare Intera Esercizio 4.1.1 Una compagnia petrolifera dispone di 5 pozzi (P1, P2, P3, P4, P5) dai quali può estrarre petrolio.
DettagliProblemi 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
DettagliModelli 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
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
DettagliManagement 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
DettagliEsame di Ricerca Operativa del 04/02/16. 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 y + y + y + y + y + y y y +y y +
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)
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
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
DettagliEsame di Ricerca Operativa del 09/06/15. 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 y + y + y +0 y +y + y y y + y y y y
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
DettagliEsame di Ricerca Operativa del 12/06/18. Base x Degenere? y Indice Rapporti Indice uscente entrante
Esame di Ricerca Operativa del /0/ (Cognome) (Nome) (Numero di Matricola) Esercizio. Effettuare due iterazioni dell algoritmo del simplesso duale: min y + y + y + y + y + y y y y + y +y = y y + y +y y
DettagliEsame di Ricerca Operativa del 16/06/2015
Esame di Ricerca Operativa del 1/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una ditta produce vernici in tre diversi stabilimenti (Pisa, Cascina, Empoli) e le vende a tre imprese edili (A, B, C). Il
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
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
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
DettagliProblemi di Flusso: Il modello del Trasporto
Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su
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
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 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
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
DettagliPossibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
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
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
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
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
DettagliEsame di Ricerca Operativa del 6/2/18. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del //8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: min y +9 y + y +9 y + y + y y + y
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
DettagliEsame di Ricerca Operativa del 15/01/16. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del /0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x x x x + x x + x x x x +x Base
DettagliEsame di Ricerca Operativa del 17/07/17. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 7/07/7 (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
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,
DettagliUn esempio di applicazione della programmazione lineare intera al progetto di una rete stradale con vincoli di network survivability
Un esempio di applicazione della programmazione lineare intera al progetto di una rete stradale con vincoli di network survivability Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria
DettagliEsame di Ricerca Operativa del 11/07/2016
Esame di Ricerca Operativa del /0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un erboristeria vuole produrre una nuova tisana utilizzando tipi di tisane già in commercio. Tali tisane sono per lo più composte
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. p. 1/1 Problema del trasporto Supponiamo di avere m depositi in
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
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
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
Dettagli