Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico"

Transcript

1 Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico Parte II. Decisioni in condizioni di certezza Lezione 7 Programmazione Lineare (PL): il problema Il punto di vista algebrico Il punto di vista numerico Il punto di vista geometrico

2 OakProducts Inc. OakProducts Inc. produce due tipi sedie in legno: "Captain" e "King". Le sedie si ottengono assemblando cinque componenti intercambiabili: tasselli corti, tasselli lunghi, gambe, seduta leggera, seduta massiccia. La tabella seguente riporta, per ogni componente e per ogni tipo di sedia, il numero di pezzi necessari e il numero totale di pezzi disponibili per la lavorazione della prossima settimana.

3 OakProducts Inc. Tipo Captain ($ 56) King ($ 40) Tot. disponibile Tasselli lunghi Tasselli corti Gambe Seduta strong Seduta light I prezzi unitari di vendita delle sedie sono - Captain: 56 $ - King: 40 $ Qual è il piano di produzione ottimo, cioè quello che fornisce il massimo fatturato?

4 Le prime domande Qual è l'obiettivo? Massimizzare il fatturato. Quali sono le risorse disponibili? 1200 tasselli lunghi, 1500 tasselli corti, 740 gambe, 150 sedute strong, 120 sedute light.

5 Le variabili decisionali Che cosa dovrei conoscere per considerare risolto questo problema? Due numeri: il numero di sedie "Captain" da produrre il numero di sedie "King" da produrre Questi due numeri (incogniti, per ora) sono le variabili decisionali del problema.

6 Il passo fondamentale Non conosco questi due numeri. A questi due numeri do un nome. (Descartes, 1637) Per esempio x = numero di sedie "Captain" da produrre y = numero di sedie "King" da produrre x e y sono le variabili decisionali: sono l'obiettivo del problema

7 1. Il punto di vista algebrico Se indichiamo con x = n di sedie "Captain" y = n di sedie "King" allora Come possiamo esprimere il fatturato? f(x,y) = 56x+40y È una funzione lineare in 2 variabili. Quali sono i valori di x e y che rendono massima questa funzione? Non esistono. f(x,y) può assumere valori arbitrariamente grandi. Ma le risorse sono limitate. Captain: 56 $ King: 40 $ 1. L'obiettivo

8 1. Il punto di vista algebrico x = n di sedie "Captain" y = n di sedie "King" Per esempio, ci sono solo 1200 tasselli lunghi: come si può tradurre algebricamente? Per una "Captain" servono 8 tasselli lunghi, per una "King" ne servono 4. Quanti tasselli servono per x sedie Captain e y sedie King? tasselli lunghi per x Captain e y King: 8x+4y Qual è il vincolo su questa risorsa? 8x+4y Le risorse (vincoli)

9

10 La forma "standard" del problema max 56x+ 40y sub subject to, s. t. 8x+ 4y x+ 12y x+ 4y 740 x 150 y 120 xy, 0 ( ) È un problema di ottimo vincolato in cui tutte le funzioni sono lineari (cioè di I grado) "standard": var. decisionali ordinate a I membro, termini noti a II membro Parentesi graffa: significa qualcosa?

11 Un po' di nomenclatura max 56x+ 40y sub subject to, s. t. 8x+ 4y x+ 12y x+ 4y 740 x 150 y 120 xy, 0 ( ) funzione obiettivo funzione di vincolo vincoli variabili decisionali costante di vincolo (livello delle risorse) tipo di vincolo (segno della disuguaglianza) non negatività delle variabili decisionali

12 2. Il punto di vista numerico 07OakProduct.xlsx =MATR.SOMMA.PRODOTTO($B$2:$C$2;B23:C3) =SUMPRODUCT( ) =SOMMA($B$2:$C$2*B23:C3) Ctrl+Shift+INVIO =SUM( )

13 2. Il punto di vista numerico Modificando le celle gialle si può procedere per tentativi. Per esempio: x=100 e y=100 non rispetta tutti i vincoli.

14 2. Il punto di vista numerico Per esempio: x=100 e y=80 rispetta tutti i vincoli. Fatturato = 7760: si può far di meglio?

15 3. Il punto di vista geometrico: caro, vecchio piano cartesiano Scegliere due numeri x e y significa scegliere un punto sul piano cartesiano. A ogni punto (x,y) corrisponde un certo fatturato: 56x+40y

16 Rappresentazione geometrica della funzione obiettivo Ci sono altri punti in cui il fatturato è 9600? Quanti? Infiniti, tutti i punti della retta di livello 9600: 56x+40y=9600 y 7 = x

17 Rappresentazione geometrica dei vincoli Esempio: il vincolo 8x+4y x+ 4y 1200 Semplifico: 4y 8x y 2x+ 300

18 La regione ammissibile 07OakProduct.ggb

19 La regione ammissibile (feasible region) La soluzione P(x,y) deve stare in questo poligono per soddisfare tutti i vincoli.

20 Qual è il massimo fatturato? Che cosa succede se si cambia k, cioè il livello del fatturato? La retta 56x+40y=k si sposta parallelamente a se stessa

21 Qual è il miglior fatturato? Il massimo fatturato si ottiene nel punto D

22 La soluzione del problema Il punto di ottimo (x,y) è il punto D di intersezione tra le equazioni dei vincoli 8x+4y = 1200 (tasselli lunghi) 4x+4y = 740 (gambe) Risolvendo il sistema si ottiene x = 115 y = 70 Il massimo fatturato possibile con le risorse a disposizione è = 9240

23 La soluzione del problema 1. Il punto di ottimo (x,y), se esiste, è un vertice del poligono che costituisce la regione ammissibile. 2. Il punto di ottimo (con le debite eccezioni che vedremo) se esiste è unico. 3. Il punto di ottimo è la soluzione del problema, nel senso che in nessun altro punto della regione ammissibile la funzione obiettivo assume un valore maggiore.

Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico

Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico Fondamenti di Business Analytics 20486 classi M2/M3 Michele Impedovo anno accademico 2016-2017 Lezione 11 Programmazione lineare intera ILP Programmazione lineare binaria BLP Il problema MicroWorks, Inc.

Dettagli

Appendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19

Appendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19 14 18-12-07 19:04 Pagina 411 Le decisioni di breve termine fra alternative diverse 411 i minori costi differenziali, almeno nella misura in cui la dimensione di costo è la più importante. Sebbene i costi

Dettagli

Programmazione Matematica: III.1 - Programmazione Lineare

Programmazione Matematica: III.1 - Programmazione Lineare Programmazione Matematica: III.1 - Programmazione Lineare Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 ottobre 2003 Programmazione Lineare Def.: (F, ϕ ) è un problema di Programmazione

Dettagli

Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico

Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico Fondamenti di Business Analytics 20486 classi M2/M3 Michele Impedovo anno accademico 2016-2017 Lezione 10 Tre classici problemi Il problema della dieta l problema dei trasporti Il problema del cioccolato

Dettagli

1.4 Si risolva mediante gli scarti complementari il duale del problema dato.

1.4 Si risolva mediante gli scarti complementari il duale del problema dato. FONDAMENTI DI RICERCA OPERATIVA (turno unico) Prof. M.Trubian a.a. 2006/07 Prima prova in itinere: 24/11/06 Nome studente:... Matricola:...... A Esercizio 3 4 5 6 Valore % 0.3 0.2 0.2 0.15 0.1 0.05 Valutazione

Dettagli

LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO. 1di 18

LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO. 1di 18 LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO 1di 18 Metodo del Simplesso Il metodo del simplesso dovuto a Dantzing ed a Kantorovich è un algoritmo il cui nome deriva

Dettagli

Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico

Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico Fondamenti di Business Analytics 20486 classi M2/M3 Michele Impedovo anno accademico 2016-2017 Lezione 9 Il report di sensibilità del Solver Sensitivity analysis (1): coefficienti della funzione obiettivo

Dettagli

Geometria analitica di base. Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa

Geometria analitica di base. Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa Equazioni di primo grado nel piano cartesiano Risoluzione grafica di un equazione

Dettagli

SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11

SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11 SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11 MARTEDÌ 11 APRILE LA LEZIONE SI TERRÀ IN AULA SEMINARI PIANO C 1di 26 LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE

Dettagli

Programmazione Matematica Lineare

Programmazione Matematica Lineare Programmazione Matematica Lineare Problema di Programmazione Matematica (PM) (problema di ottimizzazione) max f(x) s.t. x R n vettore delle variabili decisionali insieme delle soluzioni ammissibili funzione

Dettagli

PROBLEMI DI SCELTA dipendenti da due variabili d azione

PROBLEMI DI SCELTA dipendenti da due variabili d azione prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)

Dettagli

ALCUNI ESEMPI DI PROBLEMI TIPICI DI RICERCA OPERATIVA

ALCUNI ESEMPI DI PROBLEMI TIPICI DI RICERCA OPERATIVA ALCUNI ESEMPI DI PROBLEMI TIPICI DI RICERCA OPERATIVA nov 5 0.13 1 1A. Una fabbrica di detersivi può produrre giornalmente al massimo 70 Kg di detersivo, che rivende a 1.8 al Kg. Per la produzione sostiene

Dettagli

La programmazione lineare

La programmazione lineare La programmazione lineare Se un problema economico si traduce in un problema di scelta in condizioni di certezza e con effetti immediati siamo in presenza di un problema di Programmazione lineare. Abbiamo

Dettagli

UNITÀ DIDATTICA 5 LA RETTA

UNITÀ DIDATTICA 5 LA RETTA UNITÀ DIDATTICA 5 LA RETTA 5.1 - La retta Equazione generica della retta Dalle considerazioni emerse nel precedente capitolo abbiamo compreso come una funzione possa essere rappresentata da un insieme

Dettagli

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI 3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:

Dettagli

Modelli di Ottimizzazione: definizione formale

Modelli di Ottimizzazione: definizione formale Modelli di Ottimizzazione: definizione formale Insieme delle possibili alternative Un criterio di ottimizzazione Soluzione ammissibile (Feasible) x appartiene ad un insieme F f: F funzione obiettivo finito

Dettagli

Introduzione alla RO - Parte II

Introduzione alla RO - Parte II Introduzione alla RO - Parte II Andrea Scozzari a.a. 2013-2014 March 7, 2014 Andrea Scozzari (a.a. 2013-2014) Introduzione alla RO - Parte II March 7, 2014 1 / 18 Problema della pianificazione del personale:

Dettagli

E S E R C I TA Z I O N E D I M AT E M AT I C A P E R L E V A C A N Z E N ATA L I Z I E C L A S S E 2 A

E S E R C I TA Z I O N E D I M AT E M AT I C A P E R L E V A C A N Z E N ATA L I Z I E C L A S S E 2 A E S E R C I TA Z I O N E D I M AT E M AT I C A P E R L E V A C A N Z E N ATA L I Z I E C L A S S E A massimo pasquetto 7 gennaio 07 sommario Correzione dell esercitazione proposta alla classe A dell I.P.S.E.O.A.

Dettagli

LEZIONE N. 6 - PARTE 1 - Introduzione

LEZIONE N. 6 - PARTE 1 - Introduzione LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA

Dettagli

Parabole (per studenti del biennio)

Parabole (per studenti del biennio) Parabole (per studenti del biennio) - - - 5 - - Equazione della parabola con vertice in O(0,0) : = a 5 - - - Equazione della parabola con vertice in V( 0,0) : = a 0 - - - 5 - Equazione della parabola con

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 9 Marzo Programmazione Matematica Geometria di R n Esempi Teoria della PL Forma Standard. logo.

Ricerca 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

Dettagli

Introduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO

Introduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa è la

Dettagli

Esercizi proposti nel Cap. 6 - Soluzioni. Esercizio 6.1. Esercizio 6.2

Esercizi proposti nel Cap. 6 - Soluzioni. Esercizio 6.1. Esercizio 6.2 M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 6 - Soluzioni Esercizio 6.1 La soluzione ottima è il vertice 4 1, di valore 9, vedi

Dettagli

Disequazioni in una incognita. La rappresentazione delle soluzioni

Disequazioni in una incognita. La rappresentazione delle soluzioni Disequazioni in una incognita Una disequazione in una incognita è una disuguaglianza tra due espressioni contenenti una variabile (detta incognita) verificata solo per particolari valori attribuirti alla

Dettagli

Esercizi sulla Programmazione Lineare Intera

Esercizi 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

Dettagli

Una libreria di funzioni per la geometria analitica

Una libreria di funzioni per la geometria analitica Una libreria di funzioni per la geometria analitica Michele Impedovo La geometria analitica del piano costituisce uno dei più importanti e consolidati argomenti di matematica. Un lavoro interessante parallelo

Dettagli

Problemi di scelta ESEMPI

Problemi di scelta ESEMPI ESEMPI Risolvere i seguenti problemi 1. Una ditta deve effettuare delle spedizioni di un certo tipo di merce. Ha la possibilità di scegliere una o l altra delle due tariffe seguenti: a) 2.500 lire al quintale

Dettagli

Soluzione dei Problemi di Programmazione Lineare

Soluzione dei Problemi di Programmazione Lineare Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle

Dettagli

8 Valore assoluto. 8.1 Definizione e proprietà

8 Valore assoluto. 8.1 Definizione e proprietà 8 Valore assoluto 8. Definizione e proprietà Si dice valore assoluto o modulo di un numero reale, e si indica con, il numero stesso se questo è positivo o nullo, altrimenti il suo opposto -, in simboli:

Dettagli

Tutti gli esercizi della verifica di Ottobre più altri

Tutti gli esercizi della verifica di Ottobre più altri 1) Nell equazione generica della retta y = mx + q, che cosa rappresenta q? 2) Scrivere l equazione della retta che passa per il punto A(0;4) e perpendicolare a quella di equazione y = 1 3 x 5 ; b. tracciare

Dettagli

Soluzione grafica di problemi PM in 2 variabili

Soluzione grafica di problemi PM in 2 variabili Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema

Dettagli

ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI

ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI ESERCIZIO N. 6 PAG. 418 z 100 + 200 100 vincoli 3 2 + 20 0 Si rappresenta la REGIONE AMMISSIBILE ottenendo Determino le coordinate dei

Dettagli

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso. Cenni sulla programmazione lineare

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso. Cenni sulla programmazione lineare Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso Cenni sulla programmazione lineare Illustriamo le idee di fondo della programmazione lineare, disciplina matematica

Dettagli

Introduzione alla programmazione lineare

Introduzione 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

Dettagli

IL METODO DEL SIMPLESSO

IL METODO DEL SIMPLESSO IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno

Dettagli

Piano cartesiano e Retta

Piano cartesiano e Retta Piano cartesiano e Retta 1 Piano cartesiano e Retta 1. Richiami sul piano cartesiano 2. Richiami sulla distanza tra due punti 3. Richiami punto medio di un segmento 4. La Retta (funzione lineare) 5. L

Dettagli

1 PRELIMINARI 1.1 NOTAZIONI. denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A.

1 PRELIMINARI 1.1 NOTAZIONI. denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A. 1 PRELIMINARI 1.1 NOTAZIONI denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A. B A si legge B è un sottoinsieme di A e significa che ogni elemento di B è anche elemento di

Dettagli

Problema 6 * * * x = numero di cassonetti di tipo A y = numero di cassonetti di tipo B f(x, y) = 500x + 600y da massimizzare Vincoli:

Problema 6 * * * x = numero di cassonetti di tipo A y = numero di cassonetti di tipo B f(x, y) = 500x + 600y da massimizzare Vincoli: Problema 6 Un industria specializzata produce due tipi di cassonetti A e B per la raccolta differenziata dei rifiuti. Le macchine utilizzate per la produzione non possono produrre giornalmente più di 40

Dettagli

Ricerca Operativa. Programmazione Lineare. Università Mediterranea di Reggio Calabria Decisions Lab

Ricerca Operativa. Programmazione Lineare. Università Mediterranea di Reggio Calabria Decisions Lab Ricerca Operativa Programmazione Lineare Università Mediterranea di Reggio Calabria Decisions Lab Ottimizzazione In un problema di ottimizzazione si cerca di massimizzare o minimizzare una quantità specifica,

Dettagli

ISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI ANNO SCOLASTICO 2017 /2018 A026 MATEMATICA

ISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI ANNO SCOLASTICO 2017 /2018 A026 MATEMATICA ISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI ISTITUTO PROFESSIONALE DI ENOGASTRONOMIA E OSPITALITA ALBERGHIERA CON I PERCORSI: ACCOGLIENZA TURISTICA, CUCINA, SALA-BAR ISTITUTO TECNICO PER IL TURISMO Sede Amministrativa:

Dettagli

Problema y = { x = 15. y =

Problema y = { x = 15. y = Problema 2 Indicando con x il numero di casse di tipo C 1 e con y il numero di casse di tipo C 2 che costituiscono il carico, la funzione da ottimizzare (in questo caso da massimizzare) è data da f(x,

Dettagli

Parte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio

Parte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio Parte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio Nozioni di geometria Definizione: Un vettore y R n è combinazione conica dei vettori { 1,, k } se esistono k coefficienti reali λ

Dettagli

Soluzione grafica di problemi PM in 2 variabili

Soluzione grafica di problemi PM in 2 variabili Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema

Dettagli

Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto.

Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto. Esempio di risoluzione di un problema di PL con Excel Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto. Un azienda vinicola desidera produrre due tipi di vino: uno

Dettagli

Geometria analitica di base (seconda parte)

Geometria analitica di base (seconda parte) SAPERE Al termine di questo capitolo, avrai appreso: il concetto di luogo geometrico la definizione di funzione quadratica l interpretazione geometrica di un particolare sistema di equazioni di secondo

Dettagli

Appunti di Matematica

Appunti di Matematica Appunti di Matematica Funzioni economiche problemi di ottimizzazione Massimo Pasquetto IPSEOA Angelo Berti classe 5AS 16-17 febbraio 2017 massimo pasquetto Appunti di Matematica 16-17 febbraio 2017 1 /

Dettagli

Metodi 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) 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

Dettagli

SCHEDA DI LAVORO N.1 LABORATORIO PREMESSA

SCHEDA DI LAVORO N.1 LABORATORIO PREMESSA SCHEDA DI LAVORO N.1 LABORATORIO Problemi di modellizzazione PREMESSA La soluzione di semplici problemi di programmazione lineare permette di affrontare e approfondire il concetto di ottimizzazione nell

Dettagli

FUNZIONI LINEARI (Retta, punto di pareggio e relazioni lineari generalizzate)

FUNZIONI LINEARI (Retta, punto di pareggio e relazioni lineari generalizzate) FUNZIONI LINEARI (Retta, punto di pareggio e relazioni lineari generalizzate) Copyright SDA Bocconi, Milano La retta Una retta può essere espressa secondo due formulazioni: a. Forma esplicita b. Forma

Dettagli

Introduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard

Introduzione 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

Dettagli

Algoritmi per la programmazione lineare: il metodo del simplesso

Algoritmi per la programmazione lineare: il metodo del simplesso Algoritmi per la programmazione lineare: il metodo del simplesso Dipartimento di Informatica, Universita' di Pisa A.A. 2018/2019 Contenuti della lezione Problemi di programmazione lineare, forma standard

Dettagli

Il piano cartesiano e la retta

Il piano cartesiano e la retta Il piano cartesiano e la retta PIANO CARTESIANO DISTANZA TRA DUE PUNTI P (X 1,Y 1 ) Q (X,Y ) PQ (X X1) (Y Y1 ) PUNTO MEDIO DI UN SEGMENTO X M X 1 X Y M Y 1 Y ESERCITAZIONI 1. DATI I PUNTI A(3,-) E B(-5,4):

Dettagli

(i punti frontiera del dominio appartengono al dominio stesso). Esempio. Determina i massimi e i minimi della funzione y x 2x

(i punti frontiera del dominio appartengono al dominio stesso). Esempio. Determina i massimi e i minimi della funzione y x 2x PROGRAMMAZIONE LINEARE I problemi di programmazione lineare sono particolari problemi nei quali si devono determinare i massimi o i minimi vincolati di una funzione in due o più variabili. Definizione.

Dettagli

Problemi di ottimo vincolato

Problemi di ottimo vincolato Problemi di ottimo vincolato Una pasticceria produce due tipi di crostata: al cioccolato (C) e alla marmellata (M) Il ciclo produttivo prevede tre fasi: lavorazione della pasta frolla produzione delle

Dettagli

Le disequazioni. BM4 pag Esercizi pag es ) Situazioni al massimo

Le disequazioni. BM4 pag Esercizi pag es ) Situazioni al massimo Le disequazioni. BM4 pag. 28-35 Esercizi pag. 97 98 es. 68 73. 1) Situazioni. a) Con la mia compagnia telefonica C1 pago 20 cts al minuto. Acquistando una tessera del valore di 60 CHF, determina: i) Quanti

Dettagli

PERCORSO ESTIVO PER GLI STUDENTI CON SOSPENSIONE DELLA PROMOZIONE O CON AIUTO DI CLASSE TERZA A TURISTICO

PERCORSO ESTIVO PER GLI STUDENTI CON SOSPENSIONE DELLA PROMOZIONE O CON AIUTO DI CLASSE TERZA A TURISTICO PERCORSO ESTIVO PER GLI STUDENTI CON SOSPENSIONE DELLA PROMOZIONE O CON AIUTO DI CLASSE TERZA A TURISTICO ARGOMENTI 1. Equazioni di primo grado (ripasso) Risoluzione di equazioni e disequazioni numeriche

Dettagli

RICERCA OPERATIVA. Tema d esame del 13/12/2005

RICERCA 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

Dettagli

Precorso di Matematica

Precorso di Matematica Precorso di Matematica Lezione 3 Andrea Susa OPERATORE DI PRODOTTO Π 2 1 Operatore di prodotto Π Consideriamo un insieme numerico ={ =1, }. Definiamo prodotto degli elementi in, = Esempio: ={ =1, =2, =3,

Dettagli

Sistemi di equazioni lineari da 2 D a 3 D: risoluzione grafica

Sistemi di equazioni lineari da 2 D a 3 D: risoluzione grafica Sistemi di equazioni lineari da 2 D a 3 D: risoluzione grafica Questa è una attività che si svolge comunemente in una classe del biennio di scuola superiore.c è però una novità : l estensione dell interpretazione

Dettagli

Data Science A.A. 2018/2019

Data Science A.A. 2018/2019 Corso di Laurea Magistrale in Economia Data Science A.A. 2018/2019 Esercitazione GAMS 1 Data Science 2018/2019 1 Esercizio 1 - AVL La AVL produce tre composti chimici, A, B e C, che possono essere venduti

Dettagli

Tagli Split per Programmazione Lineare Intera Mista

Tagli Split per Programmazione Lineare Intera Mista Tagli Split per Programmazione Lineare Intera Mista Domenico Salvagnin 2011-05-29 1 Introduzione Consideriamo la regione ammissibile di un problema di programmazione lineare intera mista Ax + Gy = b (1.1)

Dettagli

Esercizi di Programmazione Lineare

Esercizi 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

Dettagli

LEZIONE N. 6 - PARTE 1 - Introduzione

LEZIONE N. 6 - PARTE 1 - Introduzione LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA

Dettagli

asse fuoco vertice direttrice Fig. D3.1 Parabola.

asse fuoco vertice direttrice Fig. D3.1 Parabola. D3. Parabola D3.1 Definizione di parabola come luogo di punti Definizione: una parabola è formata dai punti equidistanti da un punto detto fuoco e da una retta detta direttrice. L equazione della parabola

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico Corso di Psicometria - Modulo B

Facoltà di Psicologia Università di Padova Anno Accademico Corso di Psicometria - Modulo B Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 27/12/2010 Regressione lineare Modello geometrico

Dettagli

Esercizi di ottimizzazione vincolata

Esercizi di ottimizzazione vincolata Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti

Dettagli

MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero 2 prova: 25 luglio 2005

MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero 2 prova: 25 luglio 2005 Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero prova: 5 luglio 005 COGNOME NOME FIRMA: : : : [7,5 crediti]

Dettagli

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore Excel: una piattaforma facile per l ottimizzazione Excel ha un toolbox di ottimizzazione: Risolutore Il problema di produzione con Excel Consideriamo il foglio Excel Variabili di decisione reali c8,d8

Dettagli

I.T.C. Abba-Ballini Brescia a.s classe 2 a

I.T.C. Abba-Ballini Brescia a.s classe 2 a MODULO 2 : LA RETTA Competenze Saper formalizzare e rappresentare le funzioni di 1 grado Saper interpretare geometricamente i modelli algebrici di primo grado UD 1.1 LA RETTA Prerequisiti Insiemi numerici

Dettagli

MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PRIMA PARTE. Esercizio 1. (Testo B) Determina, motivando la risposta, se la funzione f : R R

MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PRIMA PARTE. Esercizio 1. (Testo B) Determina, motivando la risposta, se la funzione f : R R ANNO ACCADEMICO 25 6 SCIENZE GEOLOGICHE E SCIENZE NATURALI E AMBIENTALI MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PROFF MARCO ABATE E MARGHERITA LELLI-CHIESA PRIMA PARTE Esercizio (Testo

Dettagli

Lezioni di Microeconomia

Lezioni di Microeconomia Lezioni di Microeconomia Lezione 4 Le scelte di consumo, il vincolo di bilancio Lezione 4: le scelte di consumo e il vincolo di bilancio Slide 1 Le scelte di consumo Due assunzioni fondamentali: a) i consumatori

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione

Dettagli

Prerequisiti didattici

Prerequisiti didattici Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata

Dettagli

Problemi di Ottimizzazione

Problemi di Ottimizzazione Problemi di Ottimizzazione x = (x 1,..., x n ) R n : vettore di variabili decisionali F R n : insieme delle soluzioni ammissibili (regione ammissibile) : F R: funzione obiettivo (P) min (x) x F ovvero

Dettagli

FONDAMENTI DI RICERCA OPERATIVA Prof. M.Trubian a.a. 2008/09 Prima prova in itinere: 25/11/08

FONDAMENTI DI RICERCA OPERATIVA Prof. M.Trubian a.a. 2008/09 Prima prova in itinere: 25/11/08 FONDAMENTI DI RICERCA OPERATIVA Prof. M.Trubian a.a. 2008/09 Prima prova in itinere: 25/11/08 Nome studente:... Matricola:...... Esercizio 3 4 5 6 Valore % 0.25 0.15 0.15 0.15 0.15 0.15 Valutazione A [1]

Dettagli

Esame di Ricerca Operativa del 07/09/2016

Esame di Ricerca Operativa del 07/09/2016 Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un industria chimica produce due tipi di fertilizzanti (A e B) la cui lavorazione è affidata ai reparti di produzione e

Dettagli

L ALGORITMO DEL SIMPLESSO

L ALGORITMO DEL SIMPLESSO L ALGORITMO DEL SIMPLESSO L algoritmo del simplesso, che si può trovare implementato in Excel, risolve problemi di massimizzazione o minimizzazione vincolata. Tali problemi sono detti problemi di programmazione

Dettagli

B6. Sistemi di primo grado

B6. Sistemi di primo grado B6. Sistemi di primo grado Nelle equazioni l obiettivo è determinare il valore dell incognita che verifica l equazione. Tale valore, se c è, è detto soluzione. In un sistema di equazioni l obiettivo è

Dettagli

LA RICERCA OPERATIVA. Richiami storici

LA RICERCA OPERATIVA. Richiami storici LA RICERCA OPERATIVA La ricerca operativa si occupa delle tecniche e dei metodi che sono di supporto alle decisioni in campo economico ed organizzativo. La ricerca operativa ha lo scopo di individuare

Dettagli

Analisi Vettoriale A.A Soluzioni del Foglio 2

Analisi Vettoriale A.A Soluzioni del Foglio 2 Analisi Vettoriale A.A. 2006-2007 - Soluzioni del Foglio 2 2.1 Esercizio Assegnato il sistema e y + z + x 2 = 0 x 2 + y 2 + z 2 + y 1 = 0 dimostrare che in un intorno del punto (0,0,1) il sistema definisce

Dettagli

Corso di Ricerca Operativa Prova in itinere del 06/11/2015

Corso di Ricerca Operativa Prova in itinere del 06/11/2015 Corso di Ricerca Operativa Prova in itinere del 6/11/215 (Cognome) (Nome) (Matricola) Esercizio 1. Un personal trainer deve preparare un piano di allenamento settimanale di 8 ore combinando diverse attività

Dettagli

Ore annue: 132 MODULO 1

Ore annue: 132 MODULO 1 Liceo B. Russell VIA IV NOVEMBRE 35, 38023 CLES Indirizzo: Liceo Linguistico CLASSI 2 e Programmazione Didattica Disciplina: Ore annue: 132 Matematica Settembre ottobre MODULO 1 novembre Disequazioni numeriche

Dettagli

4 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 4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min s.v. f () X n dove X è la regione delle soluzioni ammissibili con funzione

Dettagli

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore Excel: una piattaforma facile per l ottimizzazione Excel ha un toolbox di ottimizzazione: Risolutore Il problema di produzione con Excel Consideriamo il foglio Excel Variabili di decisione reali c8,d8

Dettagli

SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno

SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno SIMULAZIONE ESAME 3 dicembre 2004 SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : Nome : ANONIMO VALUTAZIONE Per gli esercizi 1,3,5 le risposte CORRETTE

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3) Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 5-6 lez.) Matematica Computazionale

Dettagli

LA PARABOLA E LA SUA EQUAZIONE

LA PARABOLA E LA SUA EQUAZIONE LA PARABOLA E LA SUA EQUAZIONE Prof. Giovanni Ianne CHE COS È LA PARABOLA DEFINIZIONE Parabola Scegliamo sul piano un punto F e una retta d. Possiamo tracciare sul piano i punti equidistanti da F e da

Dettagli

2. Si definisca un algoritmo euristico di tipo greedy per determinare una buona soluzione ammissibile del problema;

2. Si definisca un algoritmo euristico di tipo greedy per determinare una buona soluzione ammissibile del problema; Esercizio 6 Un azienda di trasporti deve affrontare il seguente problema di caricamento. L azienda dispone di n prodotti che possono essere trasportati e di m automezzi con cui effettuare il trasporto.

Dettagli

PIANO DI RECUPERO DI MATEMATICA ANNO SCOLASTICO 2015/2016 CLASSI 2 I SISTEMI LINEARI

PIANO DI RECUPERO DI MATEMATICA ANNO SCOLASTICO 2015/2016 CLASSI 2 I SISTEMI LINEARI PIANO DI RECUPERO DI MATEMATICA ANNO SCOLASTICO 0/0 CLASSI I SISTEMI LINEARI Stabilisci se il sistema è determinato, indeterminato o impossibile senza risolverlo [determinato] [impossibile] Determina per

Dettagli

ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 417 E SEGUENTI. Esercizio n. 1 pag 417. vincoli

ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 417 E SEGUENTI. Esercizio n. 1 pag 417. vincoli ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 47 E SEGUENTI Esercizio n. pag 47 6 x x z vincoli 0 0 4 x x x x x x Si rappresenta la REGIONE AMMISSIBILE ottenendo La regione ammissibile, individuata

Dettagli

5.5 Metodi dei piani di taglio

5.5 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

Dettagli

UNITÀ FORMATIVA DISCIPLINARE: N. 1 Titolo: RICHIAMI SU DISEQUAZIONI E SISTEMI DI DISEQUAZIONI NUMERICHE INTERE E FRAZIONARIE AD UN INCOGNITA

UNITÀ FORMATIVA DISCIPLINARE: N. 1 Titolo: RICHIAMI SU DISEQUAZIONI E SISTEMI DI DISEQUAZIONI NUMERICHE INTERE E FRAZIONARIE AD UN INCOGNITA ISTITUTO DI ISTRUZIONE SUPERIORE I.P.S.I.A. INVERUNO Via G. Marcora,109 20010 INVERUNO (MI) C. F. 93018890157 - c.c.postale n. 24295248 - cod. mec. MIIS016005 + 39 02 97288182 + 39 02 97285314 fax + 39

Dettagli

Soluzione di Adriana Lanza

Soluzione di Adriana Lanza La dieta Un medico prescrive a Silvia, per un breve periodo di tempo, una dieta ristretta a pochi alimenti (cereali, legumi e pesce) il cui complessivo apporto calorico giornaliero non deve superare le

Dettagli

Massimi e minimi vincolati

Massimi e minimi vincolati Massimi e minimi vincolati Vedremo tra breve un metodo per studiare il problema di trovare il minimo e il massimo di una funzione su di un sottoinsieme dello spazio ambiente che non sia un aperto. Abbiamo

Dettagli

Sistemi di equazioni di secondo grado

Sistemi di equazioni di secondo grado 1 Sistemi di equazioni di secondo grado Risoluzione algebrica Riprendiamo alcune nozioni che abbiamo già trattato in seconda, parlando dei sistemi di equazioni di primo grado: Una soluzione di un'equazione

Dettagli

Programmi a.s

Programmi a.s Docente BARO MAVIS Classi 3 ENOGASTRONOMIA sezione/i Ge 1. Le disequazioni lineari: Disuguaglianze e disequazioni; Rappresentazione delle soluzioni di una disequazione; Disequazioni equivalenti; Disequazioni

Dettagli

Disequazioni di 1 grado

Disequazioni di 1 grado Disequazioni di grado Disuguaglianze numeriche Esempio: < è una disuguaglianza numerica e si legge minore di Nota: posso anche scrivere ( maggiore di ) Esempio: (oppure < ) Proprietà delle disuguaglianze

Dettagli