Problema del flusso massimo

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Problema del flusso massimo"

Transcript

1 Rei di fluo

2 Problema del fluo maimo Moivazione iniziale: problemi di raffico u rei di raporo Trapori ferroviari, auoradali, Traporo di liquidi in rei idriche Traporo di pacchei di dai in una ree di comunicazione. Applicazioni non banali / riduzioni: Daa mining. Open-pi mining. Projec elecion. Airline cheduling. Biparie maching. Baeball eliminaion. Image egmenaion. Nework conneciviy. Nework reliabiliy. Diribued compuing. Egaliarian able maching. Securiy di aiical daa. Nework inruion deecion. Muli-camera cene reconrucion. Mole alre ancora...

3 Fluo maimo e Taglio minimo Fluo maimo e aglio minimo Due problemaiche molo ricche. Problemi imporani in oimizzazione combinaoriale. Dualià maemaica. Algorimo di Ford-Fulkeron Algorimo incremenale baao ulle rei reiduali e i cammini aumenani (parr. 7., 7.) Un applicazione: maching in un grafo bipario (par. 7.) 3

4 Rei di fluo Arazione per maeriale che corre aravero gli archi (come liquidi nei ubi). Una ree di fluo è G = (V, E) = grafo orienao con due nodi paricolari: = orgene (enza archi enrani) = pozzo (enza archi uceni). c(e) = capacià dell arco e. orgene 3 pozzo capacià 3 7

5 Fluo Def. Un fluo - è una funzione f: E R + che oddifa: per ogni e E: f (e) c(e) (capacià) per ogni v V {, }: f ( e) f ( e) (conervazione) e inov e ou of v Def. Il valore del fluo f è: v( f ) f (e). e ou of 3 capacià fluo 3 7 valore =

6 Fluo Def. Un fluo - è una funzione f: E R + che oddifa: per ogni e E: f (e) c(e) (capacià) per ogni v V {, }: f (e) f (e) (conervazione) e in o v e ou of v Def. Il valore del fluo f è: v( f ) f (e). e ou of 3 3 capacià fluo 3 7 valore =

7 Problema del maimo fluo Problema del maimo fluo. Trovare il fluo - di maimo valore. 3 capacià fluo 3 7 valore = 7

8 Vero un algorimo per il Fluo maimo Algorimo greedy. Iniziare con f(e) = per ogni arco e E. Trovare un cammino P da a in cui ogni arco ha f(e) < c(e). Aumenare il fluo lungo il cammino P. Ripeere finchè è poibile. 3 Valore fluo =

9 Vero un algorimo per il Fluo maimo Algorimo greedy. Iniziare con f(e) = per ogni arco e E. Trovare un cammino P da a in cui ogni arco ha f(e) < c(e). Aumenare il fluo lungo il cammino P. Ripeere finchè è poibile. u X Valore fluo = 3 X X L algorimo greedy i fermerebbe, ma v

10 Vero un algorimo per il Fluo maimo Algorimo greedy. Iniziare con f(e) = per ogni arco e E. Trovare un cammino - P in cui ogni arco ha f(e) < c(e). Aumenare il fluo lungo il cammino P. Ripeere finchè è poibile. Oimalià locale oimalià globale u u 3 3 greedy = v op = 3 v

11 Come oenere la oluzione oima? u? u 3 3 greedy = v op = 3 v Se voleimo aggiungere unià u (,v), violeremmo la proprieà di conervazione in v. Per riabilirla poremmo ogliere unià (delle ) enrani in v ull arco (u,v), ovvero poremmo fare correre unià conro-eno da v ad u ed infine aggiungere le unià da u a.

12 Come oenere la oluzione oima? u u 3 3 v u op v v

13 Vero un algorimo per il Fluo maimo u 3 u u 3 v + v op v Definiamo un nuovo grafo che enga cono di apei: Per ogni arco e = (u,v) con f(e) < c(e), ci ono alre c(e)-f(e) unià diponibili da poer fare paare da u a v (in avani) Per ogni arco e = (u,v) con f(e) > ci ono f(e) unià che poiamo ogliere/difare facendo paare del fluo da v a u (indiero) 3

14 Grafo reiduale Dao un grafo G=(V,E) e un fluo f: capacià Arco originario: e = (u, v) E. fluo f(e), capacià c(e). u 7 v fluo Arco reiduale. e = (u, v) e e R = (v, u). Capacià reiduale: capacià reiduale c(e) f (e) c f (e) if f (e) e E if e R E u v capacià reiduale Grafo reiduale : G f = (V, E f ). Archi reiduali con capacià reiduale poiiva. E f = {e : f(e) < c(e)} {e R : f(e) > } Cammino aumenane: cammino emplice da a in G f

15 Grafo reiduale: eempio Grafo G con capacià e fluo f Grafo reiduale G f u 3 v P=-v-u- è un cammino aumenane Poo mandare al più b= unià di fluo lungo P: f((,v)) = + f((u,v)) = - f((u,)) = +

16 Algorimo del cammino aumenane Sia P un cammino emplice - in G f Augmen(f, c, P) { b boleneck(p,f) foreach e P { } if (e E) in G: f(e) f(e)+ b ele in G: f(e R ) f(e R )- b } reurn f Minima capacià reiduale di un arco di P Arco in avani Arco invero Ford-Fulkeron(G,,, c) { foreach e E f(e) G f grafo reiduale } while (eie un cammino aumenane P in G f ) { f Augmen(f, c, P) aggiorna G f } reurn f

17 Algorimo di Ford-Fulkeron G: capacià 3 7

18 Algorimo di Ford-Fulkeron G: fluo capacià 3 valore fluo = G f = G

19 Algorimo di Ford-Fulkeron G: X X fluo capacià X 3 valore fluo = X G f : P = --- Capacià reiduale b= 3

20 Algorimo di Ford-Fulkeron G: X X X X 3 valore fluo = X G f : P b= 3

21 Algorimo di Ford-Fulkeron G: X X X X 3 valore fluo = X G f : b = 3 7

22 G: Algorimo di Ford-Fulkeron X X X X 3 valore fluo = X G f : b = 3 Noa: l arco (3,) in G f è un arco indiero: (,3) è in G, quindi f((,3)) f((,3))- b

23 Algorimo di Ford-Fulkeron X 3 G: X 7 X X X 3 valore fluo = X G f : b = 3 3

24 Algorimo di Ford-Fulkeron 3 G: 7 3 valore fluo = 3 G f : 7 3 Non ci ono più cammini aumenani P in G f : l algorimo ermina.

25 Algorimo di Ford-Fulkeron: correezza Vogliamo provare che il fluo fornio dall algorimo di Ford- Fulkeron è il maimo poibile. Una limiazione uperiore al fluo è daa da Infai v( f ) e ece da f ( e) e ece da c( e) C C e ece da c( e) Una limiazione uperiore al fluo più uile i può oenere inroducendo il conceo di aglio in una ree di fluo.

26 Taglio Def. Un aglio - è una parizione (A, B) di V con A e B. Def. La capacià di un aglio (A, B) è: cap( A, B) e ece da A c( e) 3 A 3 7 capacià = + + = 3

27 Taglio Def. Un aglio - è una parizione (A, B) div con A e B. Def. La capacià di un aglio (A, B) è: cap( A, B) e ou of A c( e) 3 A 3 7 capacià = = 7

28 Problema del aglio minimo Problema del minimo aglio -. Trovare un aglio - di capacià minima in una ree di fluo. 3 A 3 7 capacià = + + =

29 Fluo e aglio Lemma del valore del fluo. Sia f un fluo e ia (A, B) un aglio -. Allora, il fluo neo inviao aravero il aglio è uguale alla quanià che lacia. f (e) f (e) v( f ) e ou of A e in o A 3 3 A 3 7 valore =

30 Fluo e aglio Lemma del valore del fluo. Sia f un fluo e ia (A, B) un aglio -. Allora, il fluo neo inviao aravero il aglio è uguale alla quanià che lacia. 3 3 A 3 7 valore = = 3

31 Fluo e aglio Lemma del valore del fluo. Sia f un fluo e ia (A, B) un aglio -. Allora, il fluo neo inviao aravero il aglio è uguale alla quanià che lacia. 3 3 A 3 7 valore = = 3

32 Fluo e aglio Lemma del valore del fluo. Sia f un fluo e ia (A, B) un aglio -. Allora e ou of A f ( e) e in o A f ( e) v( f ). Dim. v( f ) e ou of f ( e) va f e ou of v ( e) f e in o v ( e) f e ou of A ( e) f e in o A ( e). Per la conervazione del fluo, ui i ermini ecceo v = ono. Inolre il fluo enrane in è. 3

33 Fluo e aglio Proprieà di dualià debole (limiazione uperiore al fluo). Sia f un fluo, e ia (A, B) un aglio -. Allora v(f) cap(a, B) (ricorda cap( A, B) c( e) ) (il valore del fluo è al più la capacià di un qualiai aglio). capacià aglio = 3 valore fluo 3 e ou of A 3 A 3 7 capacià = 3 33

34 Fluo e aglio Proprieà di dualià debole. Sia f un fluo, e ia (A, B) un aglio -. Allora v(f) cap(a, B). Dim. Per il lemma del valore del fluo: v( f ) e ou of A e ou of A e ou of A f ( e) f ( e) c( e) cap( A, B) e in o A f ( e) A 7 B 3

35 Cerificao di oimalià Corollario Sia f un fluo, e ia (A, B) un aglio. Se v(f) = cap(a, B), allora f è un fluo maimo e (A, B) è un aglio minimo. valore fluo = capacià aglio = valore fluo 3 A 3 7 3

36 Teorema Max-fluo Min-aglio Teorema del cammino aumenane. Un fluo f è un fluo maimo e non ci ono cammini aumenani. Teorema max-fluo min-aglio. [Ford-Fulkeron ] Il valore del fluo maimo è uguale al valore del minimo aglio. Dim. Proviamo enrambi morando che ono equivaleni: (i) Eie un aglio (A, B) ale che v(f) = cap(a, B). (ii) f è un fluo maimo. (iii) Non ci ono cammini aumenani nel grafo reiduale G f. (i) (ii) Queo è il corollario al lemma di dualià debole. (ii) (iii) Moriamo per conrappoizione: non (iii) non (ii). Sia f un fluo. Se eie un cammino aumenane, allora poiamo migliorare f mandando delle unià lungo quel cammino. Quello che ne riula è ancora un fluo: valgono le proprieà di capacià e conervazione. 3

37 Prova del Teorema Max-fluo Min-aglio (iii) (i): Non ci ono cammini aumenani relaivi ad f Eie un aglio (A, B) ale che v(f) = cap(a, B). Sia f un fluo enza cammini aumenani. Sia A* l inieme dei verici raggiungibili da nel grafo reiduale e B* ui gli alri. Per definizione di A*, A*. Per l ipoei (iii), A*. v ( f ) e ou of A* f ( e) Quano vale f(e)? e ino A* f ( e) Per archi uceni da A*: ia (u,v) ale che u A* e v B*. Allora f(e) = c(e). Se foe f(e) < c(e) allora ci arebbe un arco (u,v) nel grafo reiduale e quindi v A*. 37

38 Prova del Teorema Max-fluo Min-aglio (iii) (i ): Non ci ono cammini aumenani relaivi ad f Eie un aglio (A, B) ale che v(f) = cap(a, B). Sia f un fluo enza cammini aumenani. Sia A* l inieme dei verici raggiungibili da nel grafo reiduale e B* ui gli alri. Per definizione di A*, A*. Per l ipoei (iii), A*. v ( f ) e ou of A* f ( e) quano vale f(e)? e ino A* f ( e) Per archi enrani in A*: ia (u,v ) ale che u B* e v A*. Allora f(e) =. Se foe f(e) > allora ci arebbe un arco (v,u ) nel grafo reiduale e quindi u A*. Quano 3

39 Prova del Teorema Max-fluo Min-aglio (iii) (i): Non ci ono cammini aumenani relaivi ad f Eie un aglio (A, B) ale che v(f) = cap(a, B). Sia f un fluo enza cammini aumenani. Sia A* l inieme dei verici raggiungibili da nel grafo reiduale. Per definizione di A*, A*. Per l ipoei (iii), A. v( f ) e ou of A e ou of A f ( e) c( e) cap( A, B) f e in o A ( e) A B original nework 3

40 Trovare aglio minimo L algorimo di Ford-Fulkeron può eere uao anche per calcolare un aglio minimo in una ree di fluo: Eeguire l algorimo di Ford-Fulkeron Al ermine coniderare G f e deerminare l inieme A* dei verici raggiungibili da con una viia BFS o DFS. Reiuire il aglio (A*, V\A*) Correezza: Prova del Teorema Max-fluo Min-aglio

41 Calcolo del aglio minimo 3 G: G f : 7 3 A*={, 3} e B*=V\A* Cap (A*, B*) = =v(f)

42 Analii dell algorimo di Ford-Fulkeron Limiazione uperiore al valore del fluo: Infai v( f ) e ece da f ( e) e ece da C c( e) C Aunzione. Tue le capacià ono ineri fra e C. Invariane. Ogni valore del fluo f(e) e ogni capacià reiduale c f (e) reano ineri durane l eecuzione dell algorimo. e ece da c( e) Teorema. L algorimo ermina in al più v(f*) C ierazioni (f*=max fluo). Prova. Ogni cammino aumenane P incremena il valore del fluo di almeno. Il fluo aumena perché il primo arco di P in G f ece da e P non riorna in ; iccome non ci ono archi enrani in in G il primo arco di P è in avani. Più preciamene il fluo aumena ad ogni ierazione di b = booleneck(p,f). Oervazione: Se le capacià non foero ineri, l algorimo porebbe coninuare all infinio.

43 Compleià di empo Supponiamo che ui i nodi abbiano almeno un arco incidene, quindi m n/ e O(m+n) = O(m). Corollario. Compleià empo di Ford-Fulkeron è O(mC). Prova. Al maimo v(f*) C ierazioni In ogni ierazione: roviamo un cammino aumenane in O(m) mediane BFS o DFS nel grafo reiduale. il grafo reiduale ha m archi il grafo reiduale rappreenao uilizzando le lie delle adiacenze (in e ou) Augmen(f, c, P) ha compleià O(n) (P ha al più n- archi) aggiornameno grafo reiduale in O(m) (per ogni arco coruiamo gli archi indiero e avani opporuni) Teorema Inegralià. Se ue le capacià ono numeri ineri, allora vi è un fluo maimo f per cui ogni valore del fluo f(e) è un inero. Prova. L algorimo ermina, quindi il eorema egue dall invariane. 3

44 L algorimo di Ford-Fulkeron è peudo-polinomiale D. L algorimo di Ford-Fulkeron è polinomiale nella aglia dell inpu? m, n, e log C R. No: l algorimo può fare anche C ierazioni, a econda della cela del cammino aumenane e quindi un numero eponenziale ( C = log C )

45 Eempio: prima cela dei cammini Eempio: maimo fluo =C con f((,))= e f(e)=c/ per gli alri Calcolabile in ierazioni dell algorimo di Ford-Fulkeron cegliendo P =-- P =-- C/ X X C/ C/ C/ C/ C/ C/ C/ C/ C/ C/ C/ C/ X X C/

46 Eempio: econda cela dei cammini Eempio: maimo fluo =C con f((,))= e f(e)=c/ per gli alri Calcolabile in C ierazioni dell algorimo di Ford-Fulkeron cegliendo P 3 =--- e P =--- alernaivamene per C/ vole ognuno. In G f compare (,) o (,) alernaivamene. X X X C/ C/ C/ C/ X X X C/ C/ X C/ C/ X X

47 Eempio: numero eponenziale di incremeni del fluo Eempio: maimo fluo =C con f((,))= e f(e)=c/ per gli alri Calcolabile in C ierazioni dell algorimo di Ford-Fulkeron cegliendo P 3 =--- e P =--- alernaivamene per C/ vole ognuno. In G f compare (,) o (,) alernaivamene. X C/ C/ X C/ C/ X X X C/ C/ C/ C/ X X 7

48 Scegliere Buoni Cammini Aumenani Fare aenzione quando i celgono i cammini aumenani. Alcune cele porano ad algorimi eponenziali. Buone cele porano ad algorimi polinomiali. Se le capacià foero irrazionali, l algorimo porebbe non erminare! Obieivo: cegliere cammini aumenani in modo ale che: Poiamo rovare cammini aumenani efficienemene. Poche ierazioni. Scegliere cammini aumenani con: [Edmond-Karp 7, Diniz 7] Maima capacià boleneck (però può richiedere molo empo). Sufficienemene grande capacià boleneck. Compleià: O(m log C) Alro algorimo che ceglie cammino con minor numero di archi

49 7. Maching Bipario Un applicazione del calcolo del fluo maimo

50 Maching Maching. Inpu: grafo non-orienao G = (V, E). M E è un maching e ogni nodo appare in al più un arco in M. Problema del max maching: rovare un maching di cardinalià maima.

51 Maching bipario Maching bipario Inpu: grafo bipario non orienao G = (L R, E). Ogni arco ha un eremo in L e l alro in R M E è un maching e ogni nodo appare in al più un arco in M. Problema del max maching: rovare un maching di cardinalià maima. ' 3 ' 3' maching -', 3-', -' ' L ' R

52 Maching bipario Maching bipario Inpu: grafo bipario non orienao G = (L R, E). Ogni arco ha un eremo in L e l alro in R M E è un maching e ogni nodo appare in al più un arco in M. Problema del max maching: rovare un maching di cardinalià maima. ' 3 ' 3' max maching -', -', 3-3' -' ' L ' R

53 Maching bipario e fluo Formulazione in ermini di fluo maimo. Creare un grafo G' = (L R {, }, E' ). Orienare ui gli archi da L a R, e aegnare capacià. Aggiungere orgene, e archi di capacià da ad ogni nodo in L. Aggiungere pozzo, e archi di capacià da ogni nodo in R a. La cardinalià maima di un maching in G = valore di maimo fluo in G'. G' ' ' 3 3' ' L ' R 3

54 Correezza Teorema. La cardinalià maima di un maching in G = valore di maimo fluo in G'. Dim. Dao un maching maimo M di cardinalià k. Si conideri il fluo f che invia unià lungo ognuno dei k cammini da a che conengono gli archi del maching. f è un fluo e ha valore k. ' ' ' ' 3 3' 3 3' ' ' G ' ' G'

55 Correezza Teorema. La cardinalià maima di un maching in G=valore maimo fluo in G'. Dim. Sia f un fluo maimo in G' di valore k. Per il eorema di inegralià k è inero e quindi f è -. Si conideri M = inieme di archi da L a R con f(e) =. Ogni nodo in L e R parecipa in al più arco in M (conervazione) M = k: conidera aglio (L, R ) (ricorda: f ( e) f ( e) v( f ). ) e ou of A e in o A ' ' ' ' 3 3' 3 3' ' ' G' ' ' G

56 Maching bipario: compleià di empo Quale algorimo per il fluo maimo uare per il maching bipario? Ford-Fulkeron generico: O(m val(f*) ) = O(mn). Edmond-Karp: O(m log C ) = O(m ). Algorimo col minor numero di archi : O(m n / ). Maching u grafi non-biparii. La ruura dei grafi non-biparii è più complicaa, ma ben noa. [Tue-Berge, Edmond-Galai] Algorimo di Bloom : O(n ). [Edmond ] Migliore al momeno: O(m n / ). [Micali-Vazirani ]

Problema del flusso massimo

Problema del flusso massimo Rei di fluo Problema del fluo maimo Moivazione iniziale: problemi di raffico u rei di raporo Trapori ferroviari, auoradali, Traporo di liquidi in rei idriche Traporo di pacchei di dai in una ree di comunicazione.

Dettagli

09/12/11. Chapter 7. Network Flow. Rete ferroviaria sovietica. Altri esempi di network. Rete ferroviaria sovietica, 1955

09/12/11. Chapter 7. Network Flow. Rete ferroviaria sovietica. Altri esempi di network. Rete ferroviaria sovietica, 1955 ee ferroviaria ovieica Chaper Nework Flow Hanno analizzao problemi di raporo relai alla ree ferroviaria ovieica:.n. Toloi, Mehod of finding he minimal oal kilomerage in cargoranporaion planning in pace,,

Dettagli

Riprendiamo l algoritmo di Ford-Fulkerson che risolve il problema del flusso per vederne una delle innumerevoli applicazioni

Riprendiamo l algoritmo di Ford-Fulkerson che risolve il problema del flusso per vederne una delle innumerevoli applicazioni Riprendiamo l algoritmo di Ford-Fulkeron che riolve il problema del fluo per vederne una delle innumerevoli applicazioni Reti di fluo Atrazione per materiale che corre attravero gli archi (come liquidi

Dettagli

Applicazioni del Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis

Applicazioni del Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis Applicazioni del Maimo fluo Progeazione di Algorimi a.a. 0-6 Maricole congrue a Docene: Annalia De Boni Maching bipario Problema del max maching. Inpu: grafo non direzionao G = (V, E). M E e` un maching

Dettagli

Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1. Docente: Annalisa De Bonis

Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1. Docente: Annalisa De Bonis Maimo fluo Progeazione di Algorimi a.a. 2017-18 Maricole congrue a 1 Docene: Annalia De Boni 1 Maimizzare il # di PC prodoi 2 Decrizione del problema Una fabbrica (orgene) di PC deve abilire il numero

Dettagli

Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis

Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis Maimo fluo Progeazione di Algorimi a.a. 2016-17 Maricole congrue a 1 Docene: Annalia De Boni 1 Maimizzare il # di PC prodoi 2 Decrizione del problema Una fabbrica (orgene) di PC deve abilire il numero

Dettagli

2.4 Flussi di valore massimo

2.4 Flussi di valore massimo .4 Flui di valore maimo I modelli di fluo hanno variae applicazioni in eori come elecomunicazioni informaica (muliproceori, proocolli inerne) rapori (aereo, radale, ferroviario, merci) Si raa di diribuire

Dettagli

Ulteriori Esercizi su Grafi. Ugo Vaccaro

Ulteriori Esercizi su Grafi. Ugo Vaccaro Progeazione di Algorimi Anno Accademico 0 0 Uleriori Eercizi u Grafi. Ugo Vaccaro N.B. Si ricorda che ogni algorimo và accompagnao da una argomenazione ul perchè calcola correamene l oupu e da un analii

Dettagli

Progettazione di Algoritmi Anno Accademico Esercizi su Grafi: Parte Seconda

Progettazione di Algoritmi Anno Accademico Esercizi su Grafi: Parte Seconda Progeazione di Algorimi Anno Accademico 0 09 Eercizi Ugo Vaccaro Eercizi u Grafi: Pare Seconda N.B. Si ricorda che ogni algorimo và accompagnao da una argomenazione ul perchè calcola correamene l oupu

Dettagli

Ottimizzazione Combinatoria Massimo Flusso - Algoritmi ANTONIO SASSANO

Ottimizzazione Combinatoria Massimo Flusso - Algoritmi ANTONIO SASSANO Oimizzazione Combinaoria Maimo Fluo - Algorimi ANTONIO SASSANO Univerià di Roma La Sapienza Diparimeno di Informaica e Siemiica Coro di Laurea in Ingegneria Geionale Roma, 13 Giugno 2006 1 Maimo Fluo:

Dettagli

Note per la Lezione 33 Ugo Vaccaro

Note per la Lezione 33 Ugo Vaccaro Progeazione di Algorimi Anno Accademico 208 209 Noe per la Lezione 33 Ugo Vaccaro In quea lezione vedremo alcune applicazioni dei riulai ul calcolo del fluo maimo, derivai nelle lezioni precedeni. Prima

Dettagli

Problemi di Network Flow

Problemi di Network Flow Problemi di Nework Flow Massimo Paolucci (paolucci@dis.unige.i) DIST Universià di Genova Grafi di Flusso - Nework Flow I modelli di flusso (rei di flusso) sono uilizzai per prendere decisioni in vari conesi

Dettagli

Note per la Lezione 29 Ugo Vaccaro

Note per la Lezione 29 Ugo Vaccaro Progeaione di Algorimi Anno Accademico 1 1 Noe per la Leione Ugo Vaccaro In quea leione coninueremo lo udio di cammini minimin grafi in cui vi poono eere archi di coo negaivo. Ricordiamo l algorimo baao

Dettagli

Esercizi per il corso di Algoritmi, anno accademico 2014/15

Esercizi per il corso di Algoritmi, anno accademico 2014/15 Eercizi per il coro di Algorimi, anno accademico 0/ Eercizi u Union-Find. Eercizio: Scrivere peudocodice per Make-Se, Union, e Find-Se uando la rappreenazione aravero lie linkae e la euriica di unione

Dettagli

Algoritmi greedy III parte

Algoritmi greedy III parte Algorimi greedy III pare Progeazione di Algorimi a.a. -1 Maricole congrue a 1 Docene: Annalia De Boni 1 Cammini minimi Si vuole andare da Napoli a Milano in auo percorrendo il minor numero di chilomeri

Dettagli

Ricerca Operativa. Facoltà di Ingegneria dell Informazione, Informatica e Statistica. (Massimo Flusso) Giovanni Fasano.

Ricerca Operativa. Facoltà di Ingegneria dell Informazione, Informatica e Statistica. (Massimo Flusso) Giovanni Fasano. Facolà di Ingegneria dell Informazione, Informaica e Saiica Appuni dalle lezioni di Ricerca Operaiva (Maimo Fluo) ede di Laina Giovanni Faano faano@unive.i hp://venu.unive.i/ faano anno accademico 2013-2014

Dettagli

Note per la Lezione 28 Ugo Vaccaro

Note per la Lezione 28 Ugo Vaccaro Progeazione di Algorimi Anno Accademico 2017 2018 Noe per la Lezione 28 Ugo Vaccaro In quea lezione udieremo ancora problemi u cammini minimi, ma in grafi in cui vi poono eere archi di coo negaivo. Quindi,

Dettagli

Progetto e Ottimizzazione di Reti A. A

Progetto e Ottimizzazione di Reti A. A Progeo e Oimizzazione di Rei A. A. 006-007 Docene Fabrizio Roi roi@di.univaq.i Orario Maredi 15-17 aula.5 Mercoledi 11.30-13.30 aula.5 Giovedi 11.30-13.30 aula.5 Orario di ricevimeno Mercoledi 17-19 Progeo

Dettagli

Massimo Flusso. Ulteriori vincoli. Descrizione del problema. Rete di flusso. Flusso in G

Massimo Flusso. Ulteriori vincoli. Descrizione del problema. Rete di flusso. Flusso in G Maimizzare il # di PC prodoi Maimo Flo rre dai 2 Decrizione del problema Una fabbrica (orgene) di PC dee abilire il nmero di PC da aemblare giornalmene. Ti i PC prodoi erranno endi in n negozio (deinazione).

Dettagli

Esercizi per il corso di Algoritmi

Esercizi per il corso di Algoritmi Esercizi per il corso di Algorimi Esercizi su Union-Find. Esercizio: Scrivere pseudocodice per Make-Se, Union, e Find-Se usando la rappresenazione araverso lise linkae e la eurisica di unione pesaa. Si

Dettagli

Laboratorio di Algoritmi e Strutture Dati

Laboratorio di Algoritmi e Strutture Dati Laboraorio di Algorimi e Sruure Dai Aniello Murano hp://people.na.infn.i people.na.infn.i/~murano/ 1 Algorimi per il calcolo di percori minimi u un grafo 1 Un emplice problema Problema: Supponiamo che

Dettagli

Ottimizzazione Combinatoria Flussi, Cammini e Tagli

Ottimizzazione Combinatoria Flussi, Cammini e Tagli Oimizzazione Combinaoria Flui, Cammini e Tagli Prof. Anonio Saano Diparimeno di Informaica e Siemiica Univerià di Roma La Sapienza A.A. DATI: Un grafo orienao G(N,A) Un veore capacià c A DIREMO: FLUSSO

Dettagli

Ottimizzazione Combinatoria Formulazioni e Formulazioni Ottime

Ottimizzazione Combinatoria Formulazioni e Formulazioni Ottime Oimizzazione Combinaoria Formulazioni e Formulazioni Oime Prof. Anonio Saano Diparimeno di Informaica e Siemiica Univerià di Roma La Sapienza A.A. 29 Formulazione Lineare Problema di PL: min {c T x : xs}

Dettagli

Cammini minimi con una sorgente

Cammini minimi con una sorgente Cammini minimi con na orgene Problema dei cammini minimi Variani e archi negaii Soorra oima di n cammino minimo Algorimo di Dijkra Compleià dell algorimo Rappreenazione dei cammini minimi Problema dei

Dettagli

Claudio Arbib Università dell Aquila. Ricerca Operativa. Problemi di cammino ottimo

Claudio Arbib Università dell Aquila. Ricerca Operativa. Problemi di cammino ottimo Claudio Arbib Univerià dell Aquila Ricerca Operaiva Problemi di cammino oimo Sommario Il problema del cammino più breve Il problema del cammino più icuro Una formulazione come PL 0- Proprieà della formulazione

Dettagli

Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 20/6/2013

Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 20/6/2013 Iiuzioni di Probabilià Laurea magirale in Maemaica prova cria del 0/6/03 Exercie. (puni 8 circa) Sia W un moo browniano reale. Sia ϕ : 0, + 0, + una funzione crecene, ia c : 0, + 0, + una funzione miurabile;

Dettagli

RICERCA OPERATIVA GRUPPO A prova scritta del 5 luglio 2010

RICERCA OPERATIVA GRUPPO A prova scritta del 5 luglio 2010 RICERCA OPERATIVA GRUPPO A prova cria del luglio 00. Dao il problema di programmazione lineare P) min z = x +x +x max y + y x x x = y +y < x + x x y + y < x, x, x 0 y y < y > 0 a) coruirne il duale D;

Dettagli

UNIVERSITÀ DI ROMA ``TOR VERGATA'

UNIVERSITÀ DI ROMA ``TOR VERGATA' Algorimi e sruure di dai Corso di Laurea in Informaica Dispense aa 0-0 Giorgio Gambosi UNIVERSITÀ DI ROMA ``TOR VERGATA'' Indice Indice Problemi di flusso su rei Definizioni Algorimo greedy per max-flow

Dettagli

Esercizio 1. Sia L : R 3 R 2 l'applicazione lineare rappresentata, rispetto alle basi canoniche, dalla matrice : A =

Esercizio 1. Sia L : R 3 R 2 l'applicazione lineare rappresentata, rispetto alle basi canoniche, dalla matrice : A = Tuoraggio di Algebra Lineare e Geomeria Eercii di ripao ulle applicaioni lineari Eerciio Sia L : R R 2 l'applicaione lineare rappreenaa, ripeo alle bai canoniche, dalla marice : A ( 2 2 Deerminare la marice

Dettagli

Equazioni Differenziali (5)

Equazioni Differenziali (5) Equazioni Differenziali (5) Daa un equazione differenziale lineare omogenea y n + a n 1 ()y n 1 + a 0 ()y = 0, (1) se i coefficieni a i non dipendono da, abbiamo viso che le soluzioni si possono deerminare

Dettagli

Fondamenti di comunicazioni elettriche (Ing. Elettronica - A.A )

Fondamenti di comunicazioni elettriche (Ing. Elettronica - A.A ) Fondameni di comunicazioni eleriche (Ing. Eleronica - A.A.-) E. g (, ) rec / dipende dalla variabile aleaoria avene denià di probabilià uniforme nell inervallo [,]. rovare valor medio ed auocorrelazione

Dettagli

4.1 Interval Scheduling. Chapter 4. Greedy Algorithms. Schedulazione intervalli. Schedulazione intervalli: Algoritmi Greedy. Schedulazione intervalli.

4.1 Interval Scheduling. Chapter 4. Greedy Algorithms. Schedulazione intervalli. Schedulazione intervalli: Algoritmi Greedy. Schedulazione intervalli. Chaper.1 Inerval Scheduling Greedy Algorihm 1 Schedulazione inervalli Schedulazione inervalli: Algorimi Greedy Schedulazione inervalli.! Job j inizia a j e finice a f j.! Due job ono compaibili e non hanno

Dettagli

Dato un cammino P indichiamo con c(p ) il costo dell insieme di archi A(P ) del cammino, ovvero c(p )=c(a(p )) = uv P c uv. c 1

Dato un cammino P indichiamo con c(p ) il costo dell insieme di archi A(P ) del cammino, ovvero c(p )=c(a(p )) = uv P c uv. c 1 Capiolo 7 Cammini minimi 7. Definizioni fondamenali Sia dao un grafo non orienao G(N,A) conneo, con coi aociai agli archi c uv R per ogni uv A. Siano anche dai due nodi peciali, N. Faremo la eguene: Aunzione

Dettagli

Tema 3. Insiemi, elementi di logica, calcolo combinatorio, relazioni e funzioni

Tema 3. Insiemi, elementi di logica, calcolo combinatorio, relazioni e funzioni Tema 3 Iniemi, elemeni di logica, calcolo combinaorio, relazioni e funzioni 3.1 Queii di livello bae 3.1.1 Si coniderino i egueni enunciai: n è un muliplo di 3 o è un numero pari, e inolre è minore di

Dettagli

PREMESSA In questa lezione verranno esposte le regole per l analisi dei sistemi continui con il metodo della Trasformata di Laplace.

PREMESSA In questa lezione verranno esposte le regole per l analisi dei sistemi continui con il metodo della Trasformata di Laplace. ITIS G CARDANO PREMESSA In quea lezione verranno epoe le regole per l analii dei iemi coninui con il meodo della Traormaa di Laplace ANALISI DEI SISTEMI CONTINUI Per analizzare un iema di conrollo è neceario

Dettagli

Dispense del corso di Analisi II

Dispense del corso di Analisi II Dipene del coro di Analii II verione preliminare Paolo Tilli Diparimeno di Maemaica Poliecnico di Torino email: paolo.illi@polio.i gennaio 25 Capiolo 5 Traformaa di Laplace 5. Inroduzione Sia x() una funzione

Dettagli

Un problema molto comune

Un problema molto comune Cammini Minimi [CLRS cap. 4] Un problema molto comune Si vuole andare da Salerno a Milano in auto percorrendo il minor numero di chilometri Soluzione inefficiente: i coniderano TUTTI i percori poibili

Dettagli

Lezione 5. Calcolo dell antitrasformata di Laplace. F. Previdi - Automatica - Lez. 5 1

Lezione 5. Calcolo dell antitrasformata di Laplace. F. Previdi - Automatica - Lez. 5 1 Lezione 5. Calcolo dell aniraormaa di Laplace. Previdi - Auomaica - Lez. 5 Schema della lezione. Inroduzione. Aniraormazione di Laplace. Srumeni per l aniraormazione 4. Teorema del valore iniziale 5. Teorema

Dettagli

Grafi: definizioni e visite

Grafi: definizioni e visite Grafi: definizioni e visite Grafi (non orientati) Grafo (non orientato): G = (V, E) V = nodi (o vertici) E = archi fra coppie di nodi distinti. Modella relazioni fra coppie di oggetti. Parametri della

Dettagli

SOLUZIONI PROVA SCRITTA DI AUTOMATICA I (Prof. Bittanti, BIO A-K) 25 Settembre y=x 2 =i L

SOLUZIONI PROVA SCRITTA DI AUTOMATICA I (Prof. Bittanti, BIO A-K) 25 Settembre y=x 2 =i L .9.8.7.6.5.4... - 4 5 6 7 8 9 SOLUZIONI PROVA SRITTA DI AUTOMATIA I (Prof. Biani, BIO A-K) 5 Seembre 6. Si conideri il eguene circuio elerico conenene due reiori, un condenaore e un induore: u A B R v

Dettagli

3. MODELLI MATEMATICI

3. MODELLI MATEMATICI 3. MODE MAEMA ASSFAZONE DE MODE iemi ono decrii da opporuni modelli maemaici. Poiamo claificarli in re caegorie: Modelli maemaici nel dominio del empo o in campo reale Decrivono il comporameno del iema

Dettagli

Progettazione di algoritmi. Reti di flusso (2)

Progettazione di algoritmi. Reti di flusso (2) Progettazione di algoritmi Reti di flusso (2) Correttezza e complessità dell algoritmo di Ford-Fulkerson Il teorema del massimo flusso-minimo taglio L algoritmo di Ford-Fulkerson per il calcolo del massimo

Dettagli

Soluzione. Le componenti del gradiente sono le derivate parziali della funzione: cos y 0 (x 0, y 0 ) domf =R 2. sin y 0 (x x 0 ) + e x 0

Soluzione. Le componenti del gradiente sono le derivate parziali della funzione: cos y 0 (x 0, y 0 ) domf =R 2. sin y 0 (x x 0 ) + e x 0 Gradiene e piano angene Definizione 1 Sia f : A R 2 R, f derivabile in (x 0, y 0 ) A). Definiamo il veore gradiene di f in (x 0, y 0 ): f(x 0, y 0 ) = (f x (x 0, y 0 ), f y (x 0, y 0 )). Definiamo il piano

Dettagli

Basi di Elettronica (1 parte)

Basi di Elettronica (1 parte) Bai di Eleronica ( pare) A TRASFORMATA DI APACE 2 Traformaa invera di aplace 2 Tabella: raformae di aplace di funzioni elemenari 2 Alcune proprieà noevoli della raformaa di aplace 3 Idenià di Pareval 5

Dettagli

Laboratorio di Algoritmi e Strutture Dati

Laboratorio di Algoritmi e Strutture Dati Laboraorio di Algorimi e Sruure Dai Aniello Murano hp://people.na.infn.i people.na.infn.i/ ~murano/ 1 Algorimi per il calcolo di percori minimi u un grafo 1 Un emplice problema Pr oblema: Supponiamo che

Dettagli

Cammini Minimi. Cammino in un grafo. Connettività in grafi non orientati. Connettività in grafi orientati

Cammini Minimi. Cammino in un grafo. Connettività in grafi non orientati. Connettività in grafi orientati Cammini Minimi Algoritmo di Dijktra Cammino in un grafo Dato un grafo G=(V,E), un Cammino (Percoro) in G è un inieme di vertici v 1, v 2,.., v k tali che (v i, v i+1 ) E v 1 v 2 v v k In un grafo orientato

Dettagli

SOLUZIONI PROVA SCRITTA DI AUTOMATICA I

SOLUZIONI PROVA SCRITTA DI AUTOMATICA I SOLUZIONI PROVA SCRITTA DI AUTOMATICA I (Prof Biani, BIO A-K 6 Seembre 7 Si conideri il eguene iema dinamico lineare a coefficieni coani a empo coninuo: u ( G ( y ( con G ( 5 a Di quale o quali, ra i iemi

Dettagli

RICERCA OPERATIVA GRUPPO A prova scritta del 21 giugno 2010

RICERCA OPERATIVA GRUPPO A prova scritta del 21 giugno 2010 RICERCA OPERATIVA GRUPPO A prova scria del giugno 00. Scrivere il duale del problema P: max / x x x min y + y / x x = / y + y > / x + x / x > y = x, x > 0 y + / y > e dire se P ammee soluzione oima. In

Dettagli

Algoritmi e Strutture Dati. Capitolo 13 Cammini minimi: Algoritmo di Bellman e Ford

Algoritmi e Strutture Dati. Capitolo 13 Cammini minimi: Algoritmo di Bellman e Ford Algoritmi e Strutture Dati Capitolo 13 Cammini minimi: Algoritmo di Bellman e Ford Cammini minimi in grafi: una trilogia Cammini minimi in grafi: Episodio II: cammini minimi a singola sorgente (per grafi

Dettagli

e sostituendo il valore =6 si ottiene che:

e sostituendo il valore =6 si ottiene che: ESAME DI STATO DI LICEO SCIENTIFICO Sessione Ordinaria 011 CORSO DI ORDINAMENTO Quesionario Quesio 1 Poniamo = con i limii geomerici 0

Dettagli

Lezione 9. Calcolo dell antitrasformata di Laplace. F. Previdi - Fondamenti di Automatica - Lez. 9 1

Lezione 9. Calcolo dell antitrasformata di Laplace. F. Previdi - Fondamenti di Automatica - Lez. 9 1 ezione 9. Calcolo dell aniraormaa di aplace. Previdi - ondameni di Auomaica - ez. 9 Schema della lezione. Inroduzione. Aniraormazione di aplace. Srumeni per l aniraormazione 4. Teorema del valore iniziale

Dettagli

16/10/11. Capitolo Basic Definitions and Applications. Chapter 3. Graphs. Undirected Graphs. Grafi Diretti

16/10/11. Capitolo Basic Definitions and Applications. Chapter 3. Graphs. Undirected Graphs. Grafi Diretti Chapter 3 3.1 Baic Definition and Application Graph 1 Undirected Graph Grafi Diretti Undirected graph. G = (V, E) V = nodi (anche vertici). E = archi tra coppie di nodi. Modella relazioni tra coppie di

Dettagli

CRESCITA. Modello di Solow

CRESCITA. Modello di Solow CRESCITA Modello di Solow Modello di Solow (956) Idea: la crecia è dovua all accumulo di capiale. Capiale fiico () Y S I ecc. (idea di circolarià, ma aenzione a rendimeni decreceni di Ipoei: Economia chiua

Dettagli

Cammini Minimi. Un problema molto comune. Formalizziamo. Peso di un cammino. Esempio. Ritorniamo all esempio iniziale. Input:

Cammini Minimi. Un problema molto comune. Formalizziamo. Peso di un cammino. Esempio. Ritorniamo all esempio iniziale. Input: Cammini Minimi Un problema molto comune i uole andare da alerno a Milano in auto percorrendo il minor numero di chilometri oluzione inefficiente: i coniderano TUTTI i percori poibili e e ne calcola la

Dettagli

Lezione 4. Risposte canoniche dei sistemi del primo e del secondo ordine

Lezione 4. Risposte canoniche dei sistemi del primo e del secondo ordine Lezione 4 Ripoe canoniche dei iemi del primo e del econdo ordine Parameri caraeriici della ripoa allo calino Per ripoe canoniche i inendono le ripoe dei iemi dinamici ai egnali coiddei canonici (impulo,

Dettagli

Il Luogo delle Radici

Il Luogo delle Radici Il Luogo delle Radici Il luogo delle radici è un procedimento, otanzialmente grafico, che permette di analizzare come varia il poizionamento dei poli di un itema di controllo in retroazione al variare

Dettagli

Aniello Murano Altri problemi NP- Completi

Aniello Murano Altri problemi NP- Completi Aniello Murano Alri problemi NP- Complei 6 Leione n Parole chiave: Np-complee Corso di Laurea: Informaica Codice: Email Docene: murano@ nainfni AA 2008-2009 Perché vedere alri problemi Np- complee? Per

Dettagli

Presentazione. Lo scopo della presentazione e di dettagliare. Se leggendola si pensa di saper gia fare, si puo saltare.

Presentazione. Lo scopo della presentazione e di dettagliare. Se leggendola si pensa di saper gia fare, si puo saltare. Preenazione Lo copo della preenazione e di deagliare. Se leggendola i pena di aper gia fare, i puo alare. Preenazione cc1 C&N Clae 2 Daa col: MFKv=. queo a fondo giallo e il eo del compio Dao f: 1) Calc.

Dettagli

INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Problematiche di controllo digitale

INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Problematiche di controllo digitale INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Problemaiche di conrollo digiale Prof. Carlo Roi DEIS - Univerià di Bologna Tel: 051 2093020 email: croi@dei.unibo.i Progeo di un conrollore digiale Due

Dettagli

MODELLO DI HARTMAN (1972)

MODELLO DI HARTMAN (1972) MODELLO DI HARTMAN (97) TEORIE NON FINANZIARIE CON ANALISI STOCASTICA DISCRETA E VINCOLI TECNOLOGICI CIAMPA VINCENZO IPOTESI: ) impree concorrenziali neurali al richio ) funzioni di produzione lineari

Dettagli

Cammini minimi in grafi:

Cammini minimi in grafi: Algoritmi e strutture dati Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Cammini minimi in grafi: una trilogia Cammini minimi in grafi: Episodio III: la fine della trilogia Input: nelle puntate

Dettagli

dove x 0 R n è fissato.

dove x 0 R n è fissato. AMMISSIONE AL QUARTO ANNO: prova di ANALISI MATEMATICA (matematici e fiici) 26 Sia α (, ) (a) Provare che eite c α >, indipendente da t e, tale che (b) Calcolare c /2 (t σ) α (σ ) α dσ = c α, t, () (c)

Dettagli

Problemi di flusso. Reti. Problemi di flusso. Problemi di flusso. Problemi di percorso. minσ (i,j) E c ij x ij. i N (i,j) E.

Problemi di flusso. Reti. Problemi di flusso. Problemi di flusso. Problemi di percorso. minσ (i,j) E c ij x ij. i N (i,j) E. Problemi di fluo Rei Problemi di percoro Fluo a coo minimo MinoFlow(G(V,E),b,l,u,c,min) Ianza: una ree G(V,E) per cui è dao un valore inero b i (fluo prodoo dal nodo) per ogni nodo v i un coo c ij per

Dettagli

Sommario della lezione

Sommario della lezione Sommario della lezione Analisi dell Algoritmo di Ford e Fulkerson per il calcolo del massimo flusso Applicazioni del massimo flusso: Matching in Grafi Bipartiti Cammini disgiunti tra vertici Università

Dettagli

Volume FISICA. Elementi di teoria ed applicazioni. Fisica 1

Volume FISICA. Elementi di teoria ed applicazioni. Fisica 1 Volume FISICA Elemeni di eoria ed applicazioni Fisica ELEMENTI DI TEORIA ED APPLICAZIONI Fisica CUES Cooperaiva Universiaria Edirice Salerniana Via Pone Don Melillo Universià di Salerno Fisciano (SA)

Dettagli

Progettazione di Algoritmi

Progettazione di Algoritmi Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 29/01/2016 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via

Dettagli

Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33

Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi:massimo flusso (parte 1) p. 2/33 Reti di flusso Una rete di flusso è una

Dettagli

2. Grafi e proprietà topologiche

2. Grafi e proprietà topologiche . Grafi e proprieà opologiche Grafo. Marice di incidenza complea. Soografo. Ordine di un nodo. Percorso, maglia, veore opologico di maglia. Taglio, veore opologico di aglio. Orogonalià ra agli e maglie.

Dettagli

ANALISI MATEMATICA II Sapienza Università di Roma - Laurea in Ingegneria Informatica Esame del 17 gennaio Soluzioni compito 1

ANALISI MATEMATICA II Sapienza Università di Roma - Laurea in Ingegneria Informatica Esame del 17 gennaio Soluzioni compito 1 ANALISI MATEMATICA II Sapiena Univerità di Roma - Laurea in Ingegneria Informatica Eame del 7 gennaio 07 - Soluioni compito E Calcolare il eguente integrale di funione di variabile reale con i metodi della

Dettagli

Università degli Studi di Firenze Corso di Laurea triennale in Fisica e Astrofisica

Università degli Studi di Firenze Corso di Laurea triennale in Fisica e Astrofisica Universià degli Sudi di Firenze Corso di Laurea riennale in Fisica e Asrofisica Analisi Maemaica I (A.A. 5/6) Proff. F. Bucci & E. Paolini Seconda prova inercorso ( Dicembre 5). Dimosrare che per ogni

Dettagli

Metodo della Trasformata di Laplace (mtl)

Metodo della Trasformata di Laplace (mtl) Lezione 7 Meodo della raformaa di Laplace Lezione n.7 Meodo della raformaa di Laplace (ml). Inroduzione. Richiami ulla raformaa di Laplace. Proprieà della raformaa. Regola di derivazione.3 abella di raformae

Dettagli

REGISTRAZIONE DEL MOTO. Lo scopo è riempire una tabella t/s (istante di tempo/posizione occupata)

REGISTRAZIONE DEL MOTO. Lo scopo è riempire una tabella t/s (istante di tempo/posizione occupata) REGISTRAZIONE DEL MOTO Lo copo è riempire una abella / (iane di empo/poizione occupaa) (ec) (meri) Ciò i può fare in due modi: 1) Prefiare le poizioni e miurare a quale empo vengano raggiune. Si compila

Dettagli

PARTE SECONDA: RETI SENZA FILI 2.B. RETI DI SENSORI

PARTE SECONDA: RETI SENZA FILI 2.B. RETI DI SENSORI 1 PARTE SECONDA: RETI SENZA FILI 2.B. RETI DI SENSORI IL PROBLEMA DEL DISPIEGAMENTO CENTRALIZZATO DI SENSORI MOBILI OVVERO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO 2 Prof. Tiziana Calamoneri Corso di Algoritmi

Dettagli

Appendice Trasparenti integrativi utilizzati per il modulo Ricerca Operativa A-L (La numerazione delle pagine fa riferimento alla loro collocazione ne

Appendice Trasparenti integrativi utilizzati per il modulo Ricerca Operativa A-L (La numerazione delle pagine fa riferimento alla loro collocazione ne Appendice Traparenti integrativi utilizzati per il modulo Ricerca Operativa A-L (La numerazione delle pagine fa riferimento alla loro collocazione nel teto) Politopi convei Spazio R d, vettore h 6= 0,

Dettagli

Il modello di crescita deriva dalla logica del tasso di interesse semplice

Il modello di crescita deriva dalla logica del tasso di interesse semplice Eserciazione 7: Approfondimeni sui modelli di crescia. Crescia arimeica, geomerica, esponenziale. Calcolo del asso di crescia e del empo di raddoppio. Viviana Amai 03/06/2009 Modelli di crescia Nella prima

Dettagli

SISTEMI LINEARI TEMPO INVARIANTI

SISTEMI LINEARI TEMPO INVARIANTI SISTEMI LINEARI TEMPO INVARIANTI Fondameni di Segnali e Trasmissione Sisema: Definizione di Sisema Da un puno di visa fisico e un disposiivo ce modifica un segnale, deo ingresso, generando il segnale,

Dettagli

Laboratorio di Algoritmi e Strutture Dati

Laboratorio di Algoritmi e Strutture Dati Laboratorio di Algoritmi e Strutture Dati Prof. Aniello Murano Componenti fortemente connesse e Alberi minimi di copertura Corso di Laurea Codice insegnamento Email docente Anno accademico Informatica

Dettagli

Grafi non orientati. Grafi (non orientati) Rappresentazione di Grafi: matrice delle adiacenze. Tipiche applicazioni di modelli basati su grafi

Grafi non orientati. Grafi (non orientati) Rappresentazione di Grafi: matrice delle adiacenze. Tipiche applicazioni di modelli basati su grafi Grafi non orientati Grafi (non orientati) Notazione. G = (V, E) V = nodi (o vertici). E = archi (o lati) tra coppie di nodi. Modella relazioni definite tra coppie di oggetti. aglia di un grafo: numero

Dettagli

INTRODUZIONE ALLE LEGGI FINANZIARIE

INTRODUZIONE ALLE LEGGI FINANZIARIE Inroduzione alle leggi finanziarie Operazione finanziaria u due dae: S - S + I INTRODUZIONE ALLE LEGGI FINANZIARIE 0 1 anni Legge di equivalenza ineremporale inrodoa dal conrao finanziario: 0 S 1 S + I

Dettagli

SEGNALI E SISTEMI 31 agosto 2017

SEGNALI E SISTEMI 31 agosto 2017 SEGNALI E SISTEMI 31 agoto 2017 Eercizio 1. [3+3+3+4 punti] Si conideri il modello ingreo/ucita LTI e cauale decritto dalla eguente equazione differenziale: dove a è un parametro reale. d 2 v(t) 2 +(1

Dettagli

0.0.1 Esercizio Q1, tema d esame del 10 settembre 2009, prof. Dario d Amore Testo R 3

0.0.1 Esercizio Q1, tema d esame del 10 settembre 2009, prof. Dario d Amore Testo R 3 1 0.0.1 Esercizio Q1, ema d esame del 10 seembre 2009, prof. Dario d more 0.0.1.1 Teso E1 Il circuio di figura opera in regime sazionario. Sapendo che R 1 = 2 kω, = 4 kω, = 2 kω, = 2 kω E=12 V, =3 m Deerminare,

Dettagli

SISTEMI LINEARI TEMPO INVARIANTI. Fondamenti Segnali e Trasmissione

SISTEMI LINEARI TEMPO INVARIANTI. Fondamenti Segnali e Trasmissione SISTEMI LINEARI TEMPO INVARIANTI Fondameni Segnali e Trasmissione Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale (), deo ingresso, generando il segnale y(),

Dettagli

LABORATORIO di ELETTRONICA SEGNALI ELETTRICI PERIODICI

LABORATORIO di ELETTRONICA SEGNALI ELETTRICI PERIODICI LABORAORIO di ELERONICA SEGNALI ELERICI PERIODICI SEGNALI PERIODICI REANGOLARI (Recangular Waveform) Un egnale periodico avene una forma d onda reangolare è caraerizzao da un periodo [ec], una frequenza

Dettagli

Fabio Peron. La trasmissione del calore: 1. conduzione termica. Le modalità di scambio del calore. L esperienza di J.B. Fourier. La conduzione termica

Fabio Peron. La trasmissione del calore: 1. conduzione termica. Le modalità di scambio del calore. L esperienza di J.B. Fourier. La conduzione termica Coro i Progeaione Ambienale prof. Fabio Peron Le moalià i cambio el calore Una ifferena i emperaura coiuice uno uilibrio che la naura cerca i annullare generano un fluo i calore. La ramiione el calore:.

Dettagli

Università degli Studi di Napoli. Federico II. Appunti di METODI MATEMATICI PER L INGEGNERIA INDUSTRIALE

Università degli Studi di Napoli. Federico II. Appunti di METODI MATEMATICI PER L INGEGNERIA INDUSTRIALE Carlo Colella Davide Formiano Univerià degli Sudi di Napoli Federico II Diparimeno di Ingegneria Navale Appuni di METODI MATEMATICI PER INGEGNERIA INDUSTRIAE A.A. 8/9 INDICE Capiolo I A TRASFORMAZIONE

Dettagli

Vediamo come si sviluppa la soluzione esplicita del problema. ( t)

Vediamo come si sviluppa la soluzione esplicita del problema. ( t) Analisi ransioria L'analisi dinamica ransioria (dea anche analisi emporale) è una ecnica che consene di deerminare la risposa dinamica di una sruura soggea ad una generica ecciazione emporale Gli effei

Dettagli

Modulo Biogeniche-Manuale rev. 04/2017 ARPA LOMBARDIA. MODULO BIOGENICHE Obiettivo

Modulo Biogeniche-Manuale rev. 04/2017 ARPA LOMBARDIA. MODULO BIOGENICHE Obiettivo MODULO BIOGENICHE Obieivo Sima le emiioni di compoi organici volaili prodoe dalla vegeazione a parire dalle uperici che le varie pecie vegeali occupano nei erriori comunali. L algorimo ima le emiioni di

Dettagli

Grafi (orientati): cammini minimi

Grafi (orientati): cammini minimi Grafi (orientati): cammini minimi Una breve presentazione Definizioni Sia G=(V,E) un grafo orientato con costi w sugli archi. Il costo di un cammino π= è dato da: Un cammino minimo tra

Dettagli

Algoritmi e Strutture Dati

Algoritmi e Strutture Dati Algoritmi e Strutture Dati Capitolo 12 Grafi e visite di grafi Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Definizione Un grafo G=(V,E) consiste in: - un insieme V di vertici (o nodi) - un insieme

Dettagli

LA PUNTA ELICOIDALE. ϕ angolo dei taglienti; è l angolo formato dai due taglienti principali. γ angolo di spoglia superiore. β angolo di taglio

LA PUNTA ELICOIDALE. ϕ angolo dei taglienti; è l angolo formato dai due taglienti principali. γ angolo di spoglia superiore. β angolo di taglio 1 LA PUNTA ELICOIDALE È l uenile più emplice per l eecuzione di fori cilindrici, generalmene dal pieno. La puna elicoidale è coiuia: da un codolo cilindrico o conico per il cenraggio ul mandrino della

Dettagli

Lezione 4 Material Requirement Planning

Lezione 4 Material Requirement Planning Lezione 4 Maerial Requiremen Planning Obieivo: noi gli alberi di prodoo per ciascun ipo; daa una sringa di loi di prodoi finii (fabbisogni dei clieni), ciascun loo da complearsi enro un dao inervallo (se.)

Dettagli

Piano di Lavoro e di Attività Didattica. Classe 4 Sezione. Docente/i. Lorenzo Porcelli. Stefano Punta. Anno scolastico 2013/ 2014.

Piano di Lavoro e di Attività Didattica. Classe 4 Sezione. Docente/i. Lorenzo Porcelli. Stefano Punta. Anno scolastico 2013/ 2014. iis.vola.alessandria.i segreeria@vola.alessandria.i Piano di Lavoro e di Aivià Didaica Anno scolasico 2013/ 2014 A Classe 4 Sezione A Indirizzo Informaica Maeria informaica Nome e cognome Lorenzo Porcelli

Dettagli

Teoria dei Segnali. La Convoluzione (esercizi) parte prima

Teoria dei Segnali. La Convoluzione (esercizi) parte prima Teoria dei Segnali La Convoluzione (esercizi) pare prima 1 Si ricorda che la convoluzione ra due segnali x() e y(), reali o complessi, indicaa simbolicamene come: C xy () = x() * y() è daa indifferenemene

Dettagli