Ottimizzazione. in unione corso con. Ottimizzazione Discreta e Complementi di R.O. Edoardo Amaldi. DEIB Politecnico di Milano
|
|
- Aldo Landi
- 4 anni fa
- Visualizzazioni
Transcript
1 Ottimizzazione in unione corso con Ottimizzazione Discreta e Complementi di R.O. Edoardo Amaldi DEIB Politecnico di Milano edoardo.amaldi@polimi.it Sito web: A.A Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
2 Capitolo 1: Introduzione L Ottimizzazione è una delle branche più attive della matematica applicata con un ampissimo spettro di rilevanti applicazioni. Obiettivo: Presentare i principali concetti e metodi di ottimizzazione discreta e continua non lineare, trattando anche aspetti modellistici ed applicativi. Molti sistemi/problemi non possono essere rappresentati/formulati/approssimati adeguatamente in termini di modelli lineari causa non linearità intrinseca. Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
3 Esempi di non linearità 1) Pianificazione della produzione Determinare i livelli di produzione in modo da massimizzare il profitto totale rispettando i vincoli (disponibilità) sulle risorse. - elasticità dei prezzi: profitto unitario decresce all aumentare della quantità prodotta perché la quantità che può essere venduta è inversamente proporzionale al prezzo di vendita - costi variabili: spesso dipendono dalla quantità prodotta (e.g. economie di scala) 2) Progetto di reti di telecomunicazione: il ritardo in rete cresce in modo non lineare con il volume totale di traffico 3) Vincolo di interezza su una variable, x Z, poiché si può esprimere come sin(πx) = 0. Non linearità molto particolare. Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
4 Esempi di problemi e modelli 1) Localizzazione e trasporto Caso mono-prodotto Servire da m depositi di capacità p i, dove i = 1...m, n clienti con coordinate (a j,b j ) e domanda r j, dove j = 1...n. Per ogni deposito i si conosce la zona A i R 2 in cui deve essere localizzato. Ipotesi: m i=1 p i n j=1 r j Decidere dove localizzare i depositi e come distribuire il prodotto in modo da minimizzare i costi di trasporto (proporzionali a distanza e quantità trasportata) rispettando la capacità dei depositi e la domanda dei clienti. Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
5 Variabili decisionali: (x i,y i ) coordinate del i-esimo deposito, 1 i m w ij quantita di prodotto da trasportare dal i-esimo deposito al j-esimo cliente, 1 i m e 1 j n distanza tra i-esimo deposito e j-esimo cliente, 1 i m e 1 j n d ij Modello: min s.v. m n i=1 j=1 w ijd ij n j=1 w ij p i m i=1 w ij r j d ij = (x i a j ) 2 +(y i b j ) 2 i j (x i,y i ) A i R 2 i w ij 0 d ij 0 i,j i,j i,j N.B.: le variabili d ij non sono necessarie Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
6 2) Regressione non lineare Ricavare un modello statistico da dati sperimentali {(t j,y j )} 1 j m Se si evince un andamento esponenziale e oscillatorio, modello: Φ(t,x) = x 1 +x 2 e (x3 t)2 +x 4 cos(t) dove x vettore dei parametri. Definendo i residui come ε j (x) = y j Φ(t j,x), si desidera identificare i parametri Minimi quadrati non lineari: min x R 4 m j=1 ε2 j (x) Criteri alternativi: min x R 4 m j=1 α j ε j (x) o min x R 4{maxα j ε j (x) }, con opportune costanti α j Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
7 3) Organizzazione dei turni In un reparto ospedaliero ogni infermiere lavora 5 giorni consecutivi seguiti da due giorni di riposo. Le esigenze di personale (numero minimo di infermieri) sono: giorno Lun Mar Mer Gio Ven Sab Dom r i Organizzare i turni settimanali in modo da minimizzare il numero di infermieri coinvolti rispettando le esigenze e i vincoli di servizio. Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
8 Variabili decisionali: x i = numero di infermieri che iniziano la settimana lavorativa l i-esimo giorno, con 1 i 7 Modello: min x 1 + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 s.v. x 1 + x 4 + x 5 + x 6 + x 7 r 1 (lu) x 1 + x 2 + x 5 + x 6 + x 7 r 2 (ma) x 1 + x 2 + x 3 + x 6 + x 7 r 3 (me) x 1 + x 2 + x 3 + x 4 + x 7 r 4 (gio) x 1 + x 2 + x 3 + x 4 + x 5 r 5 (ve) x 2 + x 3 + x 4 + x 5 + x 6 r 6 (sa) x 3 + x 4 + x 5 + x 6 + x 7 r 7 (do) x i Z + i Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
9 Problema generale di ottimizzazione min f(x) s.v. g i (x) 0 1 i m x S R n i vincoli algebrici ed insiemistici descrivono la regione delle soluzioni ammissibili X = S {x R n : g i (x) 0,1 i m} la funzione obiettivo f deve essere definita almeno su X, ovvero f : X R le funzioni dei vincoli devono essere definite almeno su S, ovvero g i : S R per i = 1,...,m Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
10 Basta considerare il caso di minimizzazione max{f(x) : x X} = min{ f(x) : x X} Senza perdita di generalità si può suppore che tutti i vincoli algebrici siano di disuguaglianza g(x) = 0 { g(x) 0 g(x) 0 Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
11 Risolvere un problema di minimizzazione equivale a determinare una soluzione globalmente ottima. Definizione i) x X è una soluzione ottima globale se f(x ) f(x) x X ii) x X è una soluzione ottima locale se ǫ > 0 tale che f(x) f(x) x X N ǫ (x) dove N ǫ (x) = {x X: x x ǫ} Per problemi difficili si mira a un minimo locale di buona qualità in tempo ragionevole. Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
12 Principali classi di problemi Terminologia: programmazione ottimizzazione f g i S tipo di problema lineare lineare S = R n Prog. Lineare lineare lineare S Z n Prog. Lineare Intera lineare lineare S Z n 1 R n 2 con n = n 1 +n 2 Prog. Lineare Mista Intera almeno una non lineare S R n Prog. Non Lineare (continua) almeno una non lineare S Z n 1 R n 2 con n = n 1 +n 2 Prog. Non Lineare Mista Intera Alcuni casi speciali interessanti: Programmazione quadratica: f(x) = x T Qx +c T x con vincoli lineari Programmazione convessa: f, le g i e S sono rispettivamente funzioni convesse e un insieme convesso Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
13 Alcuni settori di applicazione biologia computazionale (determinazione conformazione delle proteine,...) pianificazione e gestione di impianti (e.g., processi chimici, generazione di energia) in modo da ottimizzare prestazioni e garantire livelli di qualità controllo ottimo di sistemi (determinazione traiettorie di aeroplano, navetta, braccio di robot) dimensionamento e ottimizzazione di strutture (progetto ponti, profilo veicolo) elaborazione di immagini e segnali (ricostruzione immagini 2-D e 3-D) esplorazione di dati ( data mining ): classificazione, clustering, approssimazione finanza computazionale (pianificazione investimenti,...) gestione delle risorse ambientali e territoriali Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
14 Alcuni settori di applicazione logistica (trasporti, localizzazione di impianti e servizi) medicina (pianificazione di trattamenti,...) pianificazione della produzione e gestione delle scorte pianificazione degli esperimenti (chimica, farmaceutica,...) progetto e gestione di reti elettriche, di telecomunicazioni o di altro tipo statistica (regressione lineare e non lineare, stima dei parametri di distribuzioni,...)... Edoardo Amaldi (PoliMI) Ottimizzazione A.A / 14
OTTIMIZZAZIONE 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 -
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
DettagliOTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it
DettagliCOMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria dell Automazione, Informatica, Matematica e Telecomunicazioni COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Sito web: http://home.dei.polimi.it/amaldi/cro-09.shtml
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
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. 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
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
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
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata
Capitolo 4: Ottimizzazione non lineare non vincolata Edoardo Amaldi DEIB Politecnico di Milano edoardo.amaldi@polimi.it Sito web: http://home.deib.polimi.it/amaldi/ott-13-14.shtml A.A. 2013-14 Edoardo
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
DettagliIntroduzione 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
DettagliFONDAMENTI DI RICERCA OPERATIVA D / E
Ingegneria Informatica e Ingegneria Matematica FONDAMENTI DI RICERCA OPERATIVA D / E Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Sito web: http://home.dei.polimi.it/amaldi/fro-de-08-09.html
Dettagli5.5 Programmazione quadratica (PQ)
5.5 Programmazione quadratica (PQ Minimizzare una funzione quadratica soggetta a vincoli lineari: 1 min x t Qx + c t x 2 s.v. a t i x b i i D (P a t i x = b i i U x R n dove Q matrice n n, D e U sono gli
DettagliISTITUTO D'ISTRUZIONE SUPERIORE - - CASTEL VOLTURNO (CE) 1A 1B 1C 1D 1E 1F 1G 1H 1I 2A 2B LABORATORIO CUC/SALA LABORATORIO STORIA BIOLOGIA -
Lun 11.30 Mar 11.30 Mer 11.30 Gio 11.30 1A 1B 1C 1D 1E 1F 1G 1H 1I 2A 2B ITALIANO - DIRITTO ED BIOLOGIA - DIRITTO ED Lun 11.30 Mar 11.30 Mer 11.30 Gio 11.30 2C 2D 2E 2F 2G 2H 2I 2L 3A 3B 3C LAB. SERVIZI
DettagliFONDAMENTI DI RICERCA OPERATIVA
Ingegneria Informatica FONDAMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Pagina web del corso: http://home.dei.polimi.it/amaldi/fro-11-12.html INTRODUZIONE
Dettagli4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min f () s.v. X n insieme delle soluzioni ammissibili con funzione obiettivo
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
DettagliManagement Sanitario. Modulo di Ricerca Operativa 2 a lezione: un problema di assegnamento
Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa 2 a lezione: un problema di assegnamento Prof. Laura Palagi http://www.dis.uniroma1.it/
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
Dettagli4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min s.v. f () X n dove X è la regione delle soluzioni ammissibili con funzione
DettagliFONDAMENTI DI RICERCA OPERATIVA
Laurea Magistrale in Ingegneria Informatica FONDAMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano edoardo.amaldi@polimi.it Pagina web del corso: http://home.dei.polimi.it/amaldi/fro-mi-13-14.html
Dettagli4.5 Metodo del gradiente
4.5 Metodo del gradiente Si cerca un punto stazionario di f : R n R con f C 1. Metodo del gradiente con ricerca 1-D esatta: Scegliere x 0, porre k := 0 Iterazione: d k := f(x k ) Determinare α k > 0 tale
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare - TESTI Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi
DettagliIntroduzione 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:
Dettagli5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f (x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
DettagliLA PROGRAMMAZIONE MATEMATICA (p.m.)
LA PROGRAMMAZIONE MATEMATICA (p.m.) Un problema di programmazione matematica è un problema di ottimizzazione riconducibile alla seguente espressione generale: ricercare i valori delle variabili x 1, x
DettagliIntroduzione 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 la disciplina
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
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
DettagliARGO SOFTWARE - ARGO - RAGUSA (RG) 1F 1G 1H 2F DIRITTO ED LINGUA SPAGNOLA MATEMATICA LINGUA E LETT. ITALI
Lun 4 F G H F DIRITTO ED DIRITTO ED S.I.(SCIENZE T. E B) METOD. OPER. METOD. OPER. S.I.(SCIENZE T. E B) DIRITTO ED S.I. (CHIMICA) Mar 4 DIRITTO ED DIRITTO ED S.I.(SCIENZE T. E B) METOD. OPER. Mer 4 Gio
DettagliRicerca Operativa A.A. 2008/2009
Ricerca Operativa A.A. 08/09 Esercizi di modellazione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
Dettagli4.4 Programmazione quadratica
4.4 Programmazione quadratica Minimizzare una funzione quadratica soggetta a vincoli lineari: min 1 2 xt Qx + c t x s.v. a t i x b i i D (P) a t i x = b i i U x R n dove Q matrice n n, D e U sono gli insiemi
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
DettagliSIMULAZIONE 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
DettagliCapitolo 2: Preliminari ed elementi di analisi convessa. E. Amaldi DEIB, Politecnico di Milano
Capitolo 2: Preliminari ed elementi di analisi convessa E. Amaldi DEIB, Politecnico di Milano 2.1 Concetti di base In R n con norma euclidea x S R n è un punto interno di S se ε > 0 tale che B ε (x) =
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa R.Cerulli M.Gentili - F. Carrabs Dipartimento di Matematica (DM) Università di Salerno LA RICERCA OPERATIVA Si occupa dello sviluppo e dell applicazione di metodi matematici
DettagliCorso di Ricerca Operativa Esercitazione del 07/10/2015
Corso di Ricerca Operativa Esercitazione del 7/1/15 Esercizio 1 Un azienda ha a disposizione reparti per produrre due tipi di farina A e B per alimentazione animale, che si vendono rispettivamente a 3
DettagliRicerca Operativa. Docenti. 1. Introduzione
Ricerca Operativa 1. Introduzione Docenti Luigi De Giovanni - Giacomo Zambelli Dipartimento di Matematica Pura e Applicata (Torre Archimede) Tel. 049 827 1349 / 1348 email: luigi - giacomo @math.unipd.it
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
DettagliIl modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
DettagliMODELLI DECISIONALI FORMULAZIONE GENERALE DEL PROBLEMA DECISIONALE (OTTIMIZZAZIONE)
MODELLI DECISIONALI FORMULAZIONE GENERALE DEL PROBLEMA DECISIONALE (OTTIMIZZAZIONE) z vettore di n elementi (variabili di decisione) o funzione J(z) obiettivo (vettoriale) da ottimizzare (max o min) Z
DettagliESAME di OTTIMIZZAZIONE - Compito A Corso di Laurea in Ingegneria Gestionale 2 o anno
ESAME di OTTIMIZZAZIONE 7 aprile 006 ESAME di OTTIMIZZAZIONE - Compito A Corso di Laurea in Ingegneria Gestionale o anno Cognome : Nome : VALUTAZIONE Per gli esercizi,,3,4: ogni risposta CORRETTA vale
DettagliPROGRAMMAZIONE DI MATEMATICA
PROGRAMMAZIONE DI MATEMATICA CLASSE: QUINTA INDIRIZZO: ECONOMICO/TURISTICO UDA n. 1 Prerequisiti Funzioni di due variabili Equazioni, disequazioni e sistemi in una variabile Coniche Dominio di una funzione
Dettagli3.1 Progetto di rete con capacità
.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
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
DettagliProblema Determinare la miscelazione ottimale delle materie prime in modo da massimizzare il profitto complessivo
Mix Produttivo Si dispone di i=1,...,m risorse produttive (ad esempio, materie prime) in quantità limitata. La massima disponibilità delle risorse è b 1,...,b m Si possono produrre j=1,...,n diversi prodotti
DettagliProgrammazione Non Lineare
Capitolo 1 Programmazione Non Lineare 1.1 Introduzione Un problema di ottimizzazione viene definito come la minimizzazione o la massimizzazione di una funzione a valori reali su un insieme specificato.
DettagliCorso di Modelli e Algoritmi della Logistica
Corso di Modelli e Algoritmi della Logistica - Aree di Intervento della Logistica Prof. Antonio Sassano Dipartimento di Informatica e Sistemistica Universita di Roma La Sapienza Roma Ottobre - Introduzione
DettagliCapitolo 3: Ottimizzazione non vincolata parte III. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte III E. Amaldi DEI, Politecnico di Milano 3.4 Metodi di ricerca unidimensionale In genere si cerca una soluzione approssimata α k di min g(α) = f(x k +αd k
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente
DettagliCapitolo 3: Ottimizzazione non vincolata parte II. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte II E. Amaldi DEI, Politecnico di Milano 3.3 Metodi basati su direzioni di ricerca Problema di ottimizzazione non vincolata: min x R n f(x) con f : R n R di
DettagliModello di Ottimizzazione per la Schedulazione del Personale Infermieristico di una Residenza Assistita
Modello di Ottimizzazione per la Schedulazione del Personale Infermieristico di una Residenza Assistita Candidata: Serena Cortopassi Relatori: Prof. Frangioni, Prof. Scutellà Università di Pisa Tesi di
DettagliLezione introduttiva Ottimizzazione
Lezione introduttiva Ottimizzazione Veronica Piccialli Roma 29 Settembre 2014 Università degli Studi di Roma Tor Vergata 1 / 16 Ottimizzazione Ottimizzazione Ottimizzazione oggi L ottimizzazione (o Programmazione
DettagliProgrammazione Lineare in MATLAB. Ing. Fabio Sciancalepore Politecnico di Bari
Programmazione Lineare in MATLAB Ing. Fabio Sciancalepore Politecnico di Bari Agenda Introduzione alla Ricerca Operativa Problemi di ottimizzazione Programmazione lineare programmazione a variabili continue
Dettagli5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate. min f(x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f(x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
DettagliRicerca Operativa. Docente. 1. Introduzione
Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
DettagliFONDAMENTI 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]
DettagliEsercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
DettagliRicerca Operativa. Esercizi proposti - II A B C D E
Ricerca Operativa Esercizi proposti - II 1. Risolvere, con l algoritmo Ungherese, il seguente problema dell Assegnamento: 1 2 3 4 5 A 2 3 5 1 4 B -1 1 3 6 2 C -2 4 3 5 0 D 1 3 4 1 4 E 7 1 2 1 2 2. Risolvere,
DettagliBUSINESS ANALYTICS AND DECISIONS THEORY. Introduzione alla Ricerca Operativa A.A
BUSINESS ANALYTICS AND DECISIONS THEORY Introduzione alla Ricerca Operativa A.A. 2018-2019 Ricerca Operativa La Ricerca Operativa (nota anche come teoria delle decisioni, scienza della gestione o, in inglese,
DettagliLa Programmazione Matematica
Capitolo La Programmazione Matematica All interno della Ricerca Operativa, un ruolo di fondamentale importanza è svolto dalla Programmazione Matematica che è la disciplina che ha per oggetto lo studio
DettagliSCUOLA DI MEDICINA Corso di Laurea in INFERMIERISTICA Sede di COMO
ORARIO DELLE LEZIONI A.A. 2016-2017 --- I ANNO - I SEMESTRE --- OTTOBRE 2016 1 SAB 2 DOM 3 LUN 4 MAR 5 MER 6 GIO 7 VEN 8 SAB 9 DOM PRESENTAZIONE DEL CORSO 10 LUN - CHI BEN INIZIA - 11 MAR AFP c/o Aula
DettagliSoluzione. 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
DettagliProgrammazione Matematica: I - Introduzione
Programmazione Matematica: I - Introduzione Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 3.0 ottobre 2002 Problemi di Ottimizzazione x = (x,, x n ) R n : vettore di variabili decisionali
DettagliProgrammazione Matematica: Modelli di Programmazione Intera
Programmazione Matematica: Modelli di Programmazione Intera Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 2.0 Aprile 2004 Indagine di Mercato Mix di utenti da intervistare telefonicamente:
DettagliMetodi e modelli per il supporto alle decisioni
Metodi e modelli per il supporto alle decisioni 1. Introduzione Supporto alle decisioni Supporto ai processi decisionali in sistemi complessi Problema decisionale reale Passi, operazioni Soluzioni del
DettagliRicerca 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,
Dettagli3.3 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:
DettagliPROGRAMMAZIONE DISCIPLINARE INDIVIDUALE a. s /14. Elenco moduli Argomenti Strumenti Testi Letture 1 Ripasso argomenti classe quarta
Pagina 1 di 13 DISCIPLINA: Matematica applicata INDIRIZZO: Mercurio CLASSE: 5 BR DOCENTE : Enrica Guidetti Elenco moduli Argomenti Strumenti Testi Letture 1 Ripasso argomenti classe quarta 2 Applicazioni
DettagliIntroduzione alla Ricerca Operativa
Introduzione alla Ricerca Operativa Daniele Vigo D.E.I.S. - Università di Bologna dvigo@deis.unibo.it rev. 3.0 - settembre 2003 Ricerca Operativa? applicazione di metodi scientifici a problemi decisionali
DettagliPROGRAMMAZIONE LINEARE ESEMPIO INTRODUTTIVO. L azienda usa l officina A e l officina B con le seguenti ORE UNITARIE: A B Testing 30 10
ESEMPIO INTRODUTTIVO Una azienda metalmeccanica deve produrre 2 tipi di Prodotti (Cuscinetti): Cuscinetto a sfera (P1): Profitto=5000ITL/pezzo Cuscinetto a rulli (P2): Profitto=4000 ITL/pezzo L azienda
Dettagli5.5 Metodi dei piani di taglio
5.5 Metodi dei piani di taglio Problema generale di Programmazione Lineare Intera (PLI) max{c t x : x X} dove X = {x Z n + : Ax b}, con A matrice m n e b vettore n 1 razionali Proposizione: conv(x) = {x
DettagliTurni definitivi dall 11 giugno 2018 fino al 30 novembre 2018
AVVISO IMPORTANTE I turni totali devono essere 35. I turni di seguito pubblicati avranno una durata di 8 ore e saranno distribuiti nella giornata in MATTINO (M) (Dalle ore 6.30 alle ore 14.30), POMERIGGIO
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
DettagliModelli per la gestione delle scorte
Modelli per la gestione delle scorte Claudio Arbib Università di L Aquila Prima Parte: gestione periodica Sommario 1. Introduzione Termini del problema 2. Costi di spedizione 3. Costi di giacenza 4. Gestione
DettagliFondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione
Fondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione Esercizio 1 In un supermercato si vuole disporre un insieme {1,...,n} di prodotti su m sca ali. Ogni prodotto
DettagliIntroduzione alla Ricerca Operativa
Introduzione alla Ricerca Operativa p. 1/31 Introduzione alla Ricerca Operativa Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Introduzione alla Ricerca
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),
DettagliConoscenza e utilizzo di modelli matematici e metodi quantitativi per l'analisi di sistemi complessi e il supporto delle decisioni.
Obiettivi principali del corso: 1 Conoscenza e utilizzo di modelli matematici e metodi quantitativi per l'analisi di sistemi complessi e il supporto delle decisioni. "Usare la scienza per aiutare a prendere
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
DettagliRicerca Operativa. Docente. 1. Introduzione
Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
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
DettagliProgrammazione disciplinare per competenze (Rif.to ALLEGATI del DPR 15 marzo 2010 n. 89)
Programmazione disciplinare per competenze (Rif.to ALLEGATI del DPR 15 marzo 2010 n. 89) Secondo biennio Indirizzo: IPSSAR Disciplina: MATEMATICA 1. 1 Asse culturale: matematico 1. utilizzare il linguaggio
DettagliRicerca Operativa A.A. 2008/2009
Ricerca Operativa A.A. 08/09 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
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliIntroduzione alla ricerca operativa Problemi e modelli
Problemi e modelli TFA Anno Accademico 2012-13 La metodologia della matematica applicata Problema reale Denizione del modello matematico Algoritmo risolutivo Analisi dei risultati Il problema reale Reperimento
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 e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili Modelli per la Logistica Distributiva: Single Commodity Minimum Cost Flow Problem Multi Commodity Minimum Cost Flow Problem Fixed Charge
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
DettagliMetodi Matematici per l Ottimizzazione
Università di Catania L.M. in Informatica Metodi Matematici per l Ottimizzazione Modulo di Ottimizzazione Matematica Introduzione alla programmazione lineare Laura Scrimali DMI - Studio 338, piano II blocco
DettagliMetodi e modelli per le decisioni
Metodi e modelli per le decisioni Roberto Cordone A. A. 2015-16 5.5 Esercizi Nota : Devo molti di questi esercizi a temi d esame del prof. Alberto Colorni. Nota : Gli esercizi e le soluzioni non sono stati
DettagliData 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
DettagliModulo di Ricerca Operativa 5 a 6 a lezione: un modello di trasporto Management Sanitario
Modulo di Ricerca Operativa 5 a 6 a lezione: un modello di trasporto Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Prof. Laura Palagi http://www.dis.uniroma1.it/
DettagliOttimizzazione Combinatoria 2 Presentazione
Ottimizzazione Combinatoria Presentazione ANTONIO SASSANO Università di Roma La Sapienza Dipartimento di Informatica, Automatica e Gestionale «Antonio Ruberti» Roma, Febbraio Prerequisiti (cosa sapete)
DettagliProblemi 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
DettagliLa 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
DettagliCorsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre Gennaio 2001
Corsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre 2000-28 Gennaio 2001 1 Nona settimana 76. Lun. 4 Dic. Generalita. Spazi
DettagliOttimizzazione della geometria. Ottimizzazione della geometria A.A ! " B. Civalleri Chimica Computazionale a.a
Ottimizzazione della geometria A.A. 2006-07 07! " B. Civalleri Chimica Computazionale a.a. 2006-07 1 Ottimizzazione della geometria Definizioni (I) Superficie di energia potenziale (PES) La PES descrive
Dettagli