4.5 Metodo del simplesso
|
|
- Orazio Turco
- 4 anni fa
- Visualizzazioni
Transcript
1 4.5 Metodo del simplesso min z = c T x s.v. Ax = b x 0 PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una ottima o a determinare che il PL è illimitato (Dantzig 1947). Si passa da una soluzione di base ammissibile ad una vicina E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 1
2 Geometricamente: vertici adiacenti cammino lungo gli spigoli del poliedro delle soluzioni ammissibili fino a un vertice ottimo NB: Nel caso peggiore il metodo può esaminare tutte le soluzioni di base ammissibili ma mediamente risulta molto efficiente. E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 2
3 Bisogna sapere come: determinare una soluzione di base ammissibile iniziale (o stabilire che il PL è inammissibile) applicando il metodo ad un altro PL verificare l ottimalità della soluzione di base ammissibile corrente passare dalla soluzione di base ammissibile corrente ad una soluzione di base ammissibile vicina migliore (o stabilire che il PL è illimitato). E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 3
4 Costi ridotti Dati un PL min{ c T x : Ax = b, x 0 } e una base ammissibile B, Ax = b si può riscrivere come B x B + N x N = b x B = B -1 b - B -1 N x N con B -1 b 0. Soluzione di base ammissibile: x B = B -1 b, x N = 0 E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 4
5 Sostituendo nella funzione obiettivo: x c T x = (c T B B c T N) = (c x T B c T N) N B -1 b B -1 Nx N x N c T x = c T B B -1 b c T B B -1 Nx N + c T N x N = c T B B -1 b + ( c T N c T B B -1 N ) x N espressa in funzione solo delle variabili fuori base z 0 = costo soluzione di base ammissibile x B = B -1 b, x N = 0 c T N costi ridotti E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 5
6 c j = variazione della funzione obiettivo se x j fuori base aumentasse di 1 unità e le altre variabili fuori base rimanessero uguali a 0 Def.: = 0 T c T N c T c T c T B B -1 A = [c T B c T B B -1 B, c T N c T B B -1 N] = I vettore dei costi ridotti rispetto alla base B E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 6
7 Test di ottimalità Dato un PL di min (max) e una base ammissibile B, se tutti i costi ridotti delle variabili fuori base sono non negativi (non positivi) la soluzione di base ammissibile x B = B -1 b 0, x N = 0 di costo c T B B -1 b è ottima. Infatti c T 0 T implica c T x = c T B B -1 b + c T N x N c T B B -1 b x 0, A x = b NB: Questa condizione di ottimalità è sufficiente ma in generale non è necessaria. E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 7
8 Cambiamento di base (PL di min) Sia una base ammissibile B e x j fuori base (in x N ) con costo ridotto c j < 0. Aumentare x j il più possibile ( entra in base ) mantenendo le altre variabili fuori base uguali a 0. La variabile x i in base (in x B ) tale che x i 0 impone il limite alla crescita di x j più stringente si annulla ( esce dalla base ). La nuova base ha una colonna diversa (vertici adiacenti) E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 8
9 Forma canonica Ad ogni iterazione bisogna porre il sistema n j 1 in forma canonica n aij x j bi i 1,..., m Bx B + Nx N = b x i a x j b i 1 m j m 1 ij i,..., I x B + N x N = b che mette in evidenza le variabili in base in funzione di quelle fuori base. x B = b - N x N E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 9
10 La forma canonica associata ad una base B si ottiene calcolano a ij e b i in funzione di B -1 B -1 B x B + B -1 N x N = B -1 b I N b eseguendo una sequenza di operazione di pivoting I x B + N x N = b mette in evidenza la soluzione di base x B = b e x N = 0! E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 10
11 Operazione di pivoting 1. Scegliere un coefficiente a rs 0 (il pivot ) 2. Dividere per a rs la r-esima riga 3. Per ogni riga i r, sottrarre la r-esima riga moltiplicata per a is NB: Stesse operazioni (che lasciano invariato l insieme delle soluzioni) usate nel metodo di eliminazione di Gauss per risolvere i sistemi di equazioni lineari. E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 11
12 Esempio: min z = x 1 + x 2 + x 3 r pivot s A b colonne variabili in base x 1 + 2x 2 + x 3 x 4 = 3 4x 2 x 3 + x 5 = 2 2x 1 + 3x 3 + x 4 = 5 x i 0 i = 1,,5 ½ 1 ½ - ½ ¼ -¾ /2 ½ 0 3/2 E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano ¼ 1 5/2
13 Operazioni di pivoting permettono di: mettere un PL in forma canonica rispetto ad una base B passare da una forma canonica ad un altra, ovvero cambiare base. Vantaggio: B -1 della nuova base B non viene calcolata da zero ma in modo incrementale applicando all inversa della base precedente (con un unica colonna diversa) un unica operazione di pivoting! E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 13
14 Scegliere la base ammissibile vicina (vertice adiacente) in modo tale da: migliorare il valore della funzione obiettivo mantenere l ammissibilità 1) Variabile da fare entrare nella base con costo ridotto c j < 0 (NB: decremento z dipende anche dal limite alla crescita di x j!) che produce z massimo rispetto a z = c BT B -1 b regola di Bland: s = min{ j : c j < 0} Per problemi di max: c j > 0 scelta colonna s pivot E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 14
15 scelta riga r pivot 2) Variabile da fare uscire dalla base altrimenti nessun limite! indice i con i minimo = * tra quelle con a is >0 limite alla crescita di x s più stringente bi a regola di Bland: r = min{ i : = *, a is >0 } a caso b a is is NB: Se c j < 0 con a ij 0 i, nessun elemento della colonna può fare da pivot la funzione obiettivo è illimitata! E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 15
16 Rappresentazione sotto forma di tabella ( tableau ) sistema z = c T x Ax = b con vincoli di non negatività impliciti Tableau iniziale: - termine noto funz. obiettivo x 1 0 c T x n funz. obiettivo m righe b A termini noti E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 16
17 Considerando una base B e partizionando A = [B N] x 1 x m x m+1 x n 0 c T B c T N b B N z = c T x z con operazioni di pivoting (o pre-moltiplicando per B -1 ) si porta il tableau in forma canonica rispetto a B: -z x B[1] x B[m] x 1 x m x m+1 x n -z c T N b I N variabili in base z = c T B B -1 b + c T N x N b = B -1 b E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 17 z 0
18 Esempio: min z = - x 1 - x 2 6x 1 + 4x 2 + x 3 = 24 3x 1 2x 2 + x 4 = 6 Tableau rispetto alla base con colonne 3, 4: r s x 1 x 2 x 3 x 4 -z x x I 2x2 x i 0 i =1,, 4 Pivot su equivale a ricavare x 1 dalla riga pivot e sostituirla nelle rimanenti righe pivot base x 1 entra nella base e x 4 esce dalla base E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 18
19 Tableau rispetto alla nuova base: x 1 x 2 x 3 x 4 -z 2 0-5/3 0 1/3 x x /3 0 1/3 base soluzione di base ammissibile: x 1 = 2, x 3 = 12, x 2 = x 4 = 0 con z = -2 costi ridotti x 1 x E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 19
20 x 2 unica variabile fuori base da fare entrare (c 2 = -5/3 < 0) x 3 unica variabile in base che può uscire (a rs = 8 > 0) s x 1 x 2 x 3 x 4 -z 2 0-5/3 0 1/3 r x x /3 0 1/3 x 1 x 2 x 3 x 4 -z 6 ½ 0 ¼ 0 x 2 6 3/2 1 ¼ 0 x ½ 1 x 1 x 2 x 3 x 4 -z 9/ /24-1/12 x 2 3/ /8-1/4 x /12 1/6 s Tutti i costi rodotti 0 r sol. di base (ammissibile) ottima: x * = (0, 6, 0, 18) con z * = -6 E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 20
21 Algoritmo del simplesso (PL di min) BEGIN Siano B[1],,B[m] gli indici delle colonne di una base ammissibile iniziale B; Costruire il tableau iniziale A = {a[i,j]: 0 i m, 0 j n} in forma canonica rispetto a B; illimitato:=false; ottimo:=false; WHILE (ottimo = false) AND (illimitato = false) THEN IF a[0,j] 0 j=1,,m THEN ottimo := true; /* per PL di min */ ELSE Scegliere una x s fuori base con a[0,s] < 0; IF a[i,s] 0 i=1,,m THEN illimitato := true; ELSE costi ridotti Determina indice r che minimizza con 1 i m e a[i,s] > 0; a[ i,0] a[ i, s] pivot(r,s) /* aggiornamento tableau */ B[r] := s; END-IF Procedura pivot(r,s)? END END-IF E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 21
22 Degenerazione e convergenza Def. Una soluzione di base ammissibile x è degenere se contiene almeno una variabile di base = 0. x con più di n-m zeri corrisponde a più basi distinte! Stesso vertice: x più di n vincoli ( gli m di Ax = b e più di n-m tra gli n di x 0 ) sono soddisfatti con segno di uguaglianza. E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 22
23 In presenza di soluzioni di base (ammissibili) degeneri il cambiamento di base può non diminuire il valore della funzione obiettivo: Se la sol. di base corrente è degenere, * può essere = 0 e quindi la nuova sol. di base è identica a quella precedente. Anche se * > 0, più variabili in base possono annullarsi quando x s viene aumentata a *. La nuova sol. di base è quindi degenere. Si può percorrere ciclicamente (all ) una sequenza di basi degeneri associate allo stesso vertice. E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 23
24 Esistono varie regole anticiclo per la scelta delle variabili che entrano ed escono dalla base (indici r, s) Regola di Bland: tra le variabili candidate ad entrare/uscire dalla base (x s e x r ) scegliere sempre quella con indice minore. Proposizione: L algoritmo del simplesso con la regola di Bland termina dopo n m iterazioni. finito di pivot E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 24
25 In casi patologici (Klee Minty 72) il numero di iterazioni può essere esponenziale in n e/o m, ma l algoritmo è mediamente molto efficiente. Campagne sperimentali: Il numero di iterazioni cresce linearmente rispetto a m (m. 3m) e molto lentamente ( logaritmicamente) rispetto a n. E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 25
26 Metodo del simplesso a due fasi Fase 1: Determinazione di una soluzione di base ammissibile iniziale Esempio: min z = x 1 + x 3 x 1 + 2x 2 5 una sottomatrice I 2x2 di A! x 2 + 2x 3 = 6 x 1, x 2, x 3 0 x 1 + 2x 2 + x 4 = 5 x 4 0 Sia (P) min z = c T x Ax = b x 0 Ipotesi: b 0 E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 26
27 Problema ausiliario con variabili artificiali y i, 1 i m (P A ) min v m i 1 y i A x + I y = b x 0, y 0 una soluzione di base ammissibile iniziale ovvia y = b 0 1) Se v * > 0, (P) è inammissibile 2) Se v * = 0, chiaramente y * = 0 e x * è una soluzione di base ammissibile di (P) E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 27
28 Per 2) si verificano i sottocasi: Se y i fuori base i, 1 i m, eliminando quelle colonne si ottiene un tableau in forma canonica rispetto a una base; la riga di z va determinata mediante sostituzione. Se y i in base (soluzione degenere), si può effettuare un pivot su un coefficiente 0 della riga y i e scambiare y i con una variabile x j fuori base. cf. esempio E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 28
29 Esempio: min v = y 1 + y 2 (P A ) x 2 + 4x 3 + y 1 = 2 min z = x 1 + x x 3 (P) x 2 + 4x 3 = 2-2x 1 + x 2-6x 3 = 2 x 1, x 2, x 3 0-2x 1 + x 2-6x 3 + y 2 = 2 x 1, x 2, x 3, y 1, y 2 0 Mettere v = y 1 +y 2 in forma canonica sostituendo le espressioni di y 1, y 2 in funzione di x 1, x 2 e x 3 x 1 x 2 x 3 y 1 y 2 -v y y E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 29
30 x 1 x 2 x 3 y 1 y 2 -v y y x 1 x 2 x 3 y 1 y 2 -v x y ottimo v * = 0 E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 30
31 scegliendo come pivot il coefficiente 2 della riga di y 2 si ottiene: base ottima equivalente x 1 x 2 x 3 y 1 y 2 -v x x ½ -½ trasferito la colonna di I nella zona delle variabili originali 0 1 soluzioni di base ottima per (P A ) x = (0, 2, 0) è di base ammissibile per (P) E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 31
32 z = x 1 +x x 3 Sostituendo: forma canonica variabile fuori base x 2 = 2-4x 3 x 1 = -5x 3 z = 2 + x 3 x 1 x 2 x 3 -z x x tableau corrispondente alla soluzione di base ammissibili iniziale per (P) La soluzione di base ammissibile è gia ottima quindi niente seconda fase! E. Amaldi -- Fondamenti di R. O. -- Politecnico di Milano 32
4.5 Metodo del simplesso
4.5 Metodo del simplesso min z = c T x s.v. Ax = b x PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una
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
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
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
DettagliConvergenza del Simplesso e regole anti-ciclaggio
Convergenza del Simplesso e regole anti-ciclaggio degenerazione e ciclaggio un esempio di ciclaggio regole anti-ciclaggio rif. Fi 3.2.6, BT 3.4 (Esempio 3.6), BT 3.7; Degenerazione e ciclaggio ( ) n n!
Dettagli2. SIMPLESSO. Ricerca Operativa. 2 Esercizi sul simplesso. Politecnico di Torino CeTeM
. SIMPLESSO Pagina di Pagina di Esempio (Simplesso standard) Sia dato il seguente PL: Il tableau del simplesso è il seguente:.. min s t z Esiste una soluzione di base ammissibile:,,, z La soluzione non
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (III parte) Prof.ssa Bice Cavallo Iterazioni del simplesso Basi teoriche dell algoritmo Operazione di pivot Sottomatrice di base B=I
DettagliConvergenza del Simplesso e regole anti-ciclaggio
Convergenza del Simplesso e regole anti-ciclaggio degenerazione e ciclaggio un esempio di ciclaggio regole anti-ciclaggio rif. Fi 3.2.6, BT 3.4 (Esempio 3.6), BT 3.7; Sulla convergenza del metodo del simplesso
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
Dettagli5.1 Metodo Branch and Bound
5. Metodo Branch and Bound Si consideri il problema min{ c(x) : x X } Idea: Ricondurre la risoluzione di un problema difficile a quella di sottoproblemi più semplici effettuando una partizione (ricorsiva)
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
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
DettagliSoluzione 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
Dettaglimin 2x 1 +4x 2 2x 3 +2x 4 x 1 +4x 2 +2x 3 + x 4 =6 2x 1 + x 2 +2x 3 + x 5 =3 x 0.
5 IL METODO DEL SIMPLESSO 6.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
DettagliEsempi di Problemi di Programmazione Lineare
Esempi di Problemi di Programmazione Lineare Esempio 1: Soluzione con l algoritmo del simplesso dell esempio in forma standard ma = 2 + 0 1 2 + + = 5 1 2 3 + + = 0 1 2 4 6 + 2 + = 21 1 2 5 1 2 3 4 5 Il
DettagliAlgoritmo del simplesso
Algoritmo del simplesso Ipotesi : si parte da una S.A.B. e dal tableau A=b in forma canonica. Si aggiunge una riga costituita dagli r j, j =,., n e da -z (valore, cambiato di segno, della f.o. nella s.a.b.)
DettagliAlgoritmo del Simplesso
Algoritmo del Simplesso Renato Bruni bruni@dis.uniroma.it Univertà di Roma Sapienza Corso di Ricerca Operativa, Corso di Laurea Ingegneria dell Informazione Vertici e Punti Estremi di un Poliedro Un poliedro
DettagliMetodo delle due fasi
Metodo delle due fasi Il problema artificiale la fase I del Simplesso esempi rif. Fi 3.2.5; Osservazione Nel problema min{c T x : Ax = 0, x 0}, dell esempio precedente si ha che b 0 e A contiene una matrice
DettagliSviluppando ancora per colonna sulla prima colonna della prima matrice e sulla seconda della seconda matrice si ottiene:
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 5 - Soluzioni Esercizio 5. - La norma Euclidea di è 9 6 5 - Il versore corrispondente
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 7-8 Soluzioni di alcuni esercizi Esercizi - I. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
DettagliTeorema Data una base ammissibile B della matrice A del problema (7.3.1). Se per qualche indice i {1,...,n m} abbiamo che:
LA FASE II DEL METODO DEL SIMPLESSO 173 742 Criterio di illimitatezza Se il criterio di ottimalità non è verificato il metodo del simplesso cerca di capire se il problema da risolvere sia illimitato inferiormente
DettagliTeoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8
Teoria della Programmazione Lineare Teoria della Programmazione Lineare p. 1/8 I problemi di PL in forma canonica In forma scalare: max n j=1 c jx j n j=1 a ijx j b i x j 0 i = 1,...,m j = 1,...,n Teoria
DettagliProgrammazione Matematica: VI Estensioni dell algoritmo del Simplesso
Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 Aprile 2004 Algoritmo del Simplesso L algoritmo del Simplesso
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
DettagliALGORITMO DEL SIMPLESSO. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Simplesso / 1.
ALGORITMO DEL SIMPLESSO Una piccola introduzione R. Tadei R. Tadei 2 SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
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
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
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II) Luigi De Giovanni Giacomo Zambelli 1 I passi dell algoritmo del simplesso L
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
DettagliEsercizio 1. Variabili decisionali:
Esercizio 1 Si noti che i costi sono dati per tonnellata, mentre molti vincoli riguardano il numero di navi. Si introducono pertanto DUE tipi di variabili, uno relativo al numero di tonnellate per tipo
DettagliIl metodo del simplesso. Il metodo del simplesso p. 1/127
Il metodo del simplesso Il metodo del simplesso p. 1/127 I problemi di PL in forma standard I problemi di PL in forma standard hanno la seguente formulazione: max cx a i x = b i x 0 i = 1,...,m o, equivalentemente,
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
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
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 8-9 Soluzioni di alcuni esercizi Esercizi - I 3. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliUniversità Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi FAQ sul Metodo del SIMPLESSO Università Ca Foscari Venezia, Dipartimento di Management,
DettagliCOMPITO DI RICERCA OPERATIVA. max 3x 1 + 2x 2 x x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (7 punti) Sia dato il seguente problema di PL: max 3x 1 + 2x 2 x 1 + 1 2 x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3 Lo si risolva con l algoritmo che si ritiene più opportuno
DettagliProgrammazione Matematica: VII La scomposizione di Dantzig Wolfe
Programmazione Matematica: VII La scomposizione di Dantzig Wolfe Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev..0 Maggio 2004 Scomposizione di problemi Accade spesso che un problema
DettagliCosti ridotti e ottimalità
Costi ridotti e ottimalità condizione sufficiente di ottimalità spostamento su una base adiacente rif. Fi 3.2; Ricapitolando Sin qui abbiamo un algoritmo enumerativo applicabile quando P è un ( politopo,
DettagliEsercizi sulla Programmazione Lineare Intera
Soluzioni 4.7-4.0 Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare Intera 4.7 Algoritmo del Simplesso Duale. Risolvere con l algoritmo del simplesso duale il seguente
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
DettagliGestione della produzione e della supply chain Logistica distributiva
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Convergenza dell algoritmo Se non
DettagliRicerca Operativa. G. Liuzzi. Giovedí 19 Marzo Tableau del Simplesso Esempio Fase I del Simplesso Esempio
1 Giovedí 19 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Tableau o Dizionario Qualche richiamo sulla generica iterazione della Fase II: B base ammissibile corrente x SBA corrente:
DettagliProgrammazione lineare
Capitolo 1 Programmazione lineare ESERCIZIO 1.1. Porre in forma canonica i seguenti programmi lineari. min 3x 1 + 4x 2 2x 3 x 1 + 2x 2 x 3 5 2x 1 + 4x 3 = 12 x 1 + x 2 + x 3 15 x 1, x 2 0, x 3 libera.
DettagliPrerequisiti 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
DettagliGestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Un algoritmo per il flusso a costo minimo: il simplesso
DettagliSi considera, come al solito, un problema di programmazione lineare in forma standard:
LA FASE I DEL METODO DEL SIMPLESSO 149 6.5 LA FASE I DEL METODO DEL SIMPLESSO Comegiàdetto, il primoobiettivo dellafase Idel metododelsimplessoèquellodi verificare l ammissibilità del problema da risolvere.
DettagliRICERCA OPERATIVA GRUPPO A prova scritta del 21 luglio 2010
RICERCA OPERATIVA GRUPPO A prova scritta del luglio 00. Dato 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) costruirne
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
DettagliProgrammazione lineare: basi e soluzioni di base
Programmazione lineare:basi e soluzioni di base p. 1/33 Programmazione lineare: basi e soluzioni di base Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria
DettagliMatematica 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. -4 lez.) Matematica Computazionale
Dettagli5.1 Metodo Branch and Bound
5. Metodo Branch and Bound Consideriamo un generico problema di ottimizzazione min{ c(x) : x X } Idea: Ricondurre la risoluzione di un problema difficile a quella di sottoproblemi più semplici effettuando
DettagliProgrammazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
DettagliIl metodo del simplesso. Il metodo del simplesso p. 1/12
Il metodo del simplesso Il metodo del simplesso p. 1/12 I problemi di PL in forma standard I problemi di PL in forma standard hanno la seguente formulazione: max cx a i x = b i x 0 i = 1,...,m o, equivalentemente,
DettagliAnalisi di Post-Ottimalità (Analisi della Sensitività della Soluzione)
Analisi di Post-Ottimalità (Analisi della Sensitività della Soluzione) Dato un problema di programmazione lineare maxc x Ax = b x e data la soluzione ottima x * e la base ottima associata B, determinare
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto
DettagliIl metodo del simplesso. Il metodo del simplesso p. 1/8
Il metodo del simplesso Il metodo del simplesso p. 1/8 Ipotesi iniziale Data la base B e la riformulazione rispetto a essa: max γ 0 + n m j=1 γ jx im+j x i1 = β 1 + n m j=1 α 1jx im+j x ik = β k + n m
DettagliLA FASE II DEL METODO DEL SIMPLESSO Convergenza del metodo del simplesso
LA FASE II DEL METODO DEL SIMPLESSO 193 7.4.6 Convergenza del metodo del simplesso Per concludere l analisi della Fase II del metodo del simplesso, vogliamo ora mostrare che, sotto opportune ipotesi, il
DettagliAlgoritmi generali per PLI
Programmazione Lineare Intera: Parte II: Algoritmo Cutting Planes Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 3.1 ottobre 23 Algoritmi generali per PLI Metodi esatti tradizionali
DettagliAnalisi di sensitivitá. Analisi di sensitivitá p. 1/4
Analisi di sensitivitá Analisi di sensitivitá p. 1/4 Analisi di sensitivitá Ci porremo ora la seguente domanda: dato un problema di PL di cui ho giá determinato una soluzione ottima, che cosa succede se
Dettagli5.3 Introduzione al metodo del simplesso
CAPITOLO 5 IL METODO DEL SIMPLESSO 105 53 Introduzione al metodo del simplesso Il Metodo del Simplesso permette di risolvere problemi di Programmazione Lineare in forma standard, cioè problemi di Programmazione
DettagliDUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1
DUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. si richiede di: Dato il seguente programma lineare max 2x 1 + 4x 2 x 2x 4 (1) x 1 2x 2 + 4x 5 (2) x 2 + x + x 4 8 () x 1 ; : : :; x 4 0; (4) (1)
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliLEZIONE 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
DettagliRicerca Operativa A.A. 2007/ Analisi di sensitività
Ricerca Operativa A.A. 7/8. Analisi di sensitività Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Analisi di Sensitività: motivazioni I parametri (A, b e c) di un problema di programmazione
DettagliAlgoritmi generali per PLI
Programmazione Lineare Intera: II Algoritmo Cutting Planes Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev.. ottobre Algoritmi generali per PLI Metodi esatti tradizionali (anni 6 oggi):
Dettagli4. METODI DUALI DEL SIMPLESSO
4. MEODI DUALI DEL SIMPLESSO R. adei 1 Una piccola introduzione R. adei 2 MEODI DUALI DEL SIMPLESSO L obiettivo del capitolo è illustrare e giustificare i metodi duali del simplesso. Entrambi i metodi
DettagliSI 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
DettagliRICERCA OPERATIVA. Tema d esame del 04/03/2008 (Simulazione)
RICERCA OPERATIVA Tema d esame del 04/03/2008 (Simulazione) COGNOME: NOME: MATRICOLA:. Una nota azienda automobilistica produce due modelli di auto (un utilitaria e una berlina), che rivende con un guadagno
DettagliDomini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):
UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione
DettagliLA GRAN PARTE DI QUESTI ELEMENTI DOVREBBE ESSERE GIÀ NOTA
I PRESUPPOSTI DELL ALGORITMO DEL SIMPLESSO CONSISTONO IN UN INSIEME DI ELEMENTI TEORICI LEGATI ALLO STUDIO DEGLI INSIEMI CONVESSI ED UN ALTRO INSIEME DI ELEMENTI TEORICI LEGATI ALLO STUDIO DEI SISTEMI
DettagliProva Scritta di Ricerca Operativa
Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 12 gennaio 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro
DettagliMetodo del Simplesso. Ricerca Operativa. G. Liuzzi. Lunedí 16 Marzo logo.pdf. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Lunedí 16 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Forma standard di PL min c x Ax = b x 0 n (1 P = {x R n : Ax = b, x 0 n } Forma Canonica Data una base ammissibile
DettagliRicerca Operativa a.a : IV appello
Ricerca Operativa a.a. 2015-2016: IV appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 5 settembre 2016 Regole per l esame: la violazione delle seguenti regole comporta
Dettagli1) Hamming bound, coset, codici equivalenti
Argomenti della Lezione ) Hamming bound, coset, codici equivalenti 2) Esercizi sui codici lineari a blocchi Osservazione () Per effettuare la decodifica a rivelazione di errore si può seguire una delle
DettagliRegistro dell'insegnamento
Registro dell'insegnamento Anno accademico 2016/2017 Prof. MARCO SCIANDRONE Settore inquadramento MAT/09 - RICERCA OPERATIVA REGISTRO Scuola Ingegneria NON CHIUSO Dipartimento Ingegneria dell'informazione
DettagliDualitá. Dualitá p. 1/4
Dualitá Dualitá p. 1/4 Dualitá p. 2/4 Dualitá Problema di PL in forma standard max cx Ax = b x 0 Chiamato problema primale. A questo associato un altro problema di PL, detto problema duale: min ub ua c
DettagliA T x b x 0. che chiameremo problema primale, possiamo associare ad esso un altro problema di PL, detto problema duale, definito come segue.
1 Dualitá Dato un problema di PL in forma canonica max c T x A T x b x 0 che chiameremo problema primale, possiamo associare ad esso un altro problema di PL, detto problema duale, definito come segue min
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 2x 2 + x 3 = 4 x 1 x 2 x 3 = 3 x 2 + 2x 3 = 1 x 1, x 2, x 3 0
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Sia dato il seguente problema di PL: max x + x 2 x 2x 2 + x 3 = 4 x x 2 x 3 = 3 x 2 + 2x 3 = x, x 2, x 3 0 Utilizzando il metodo due fasi, si stablisca
DettagliNote di Programmazione Lineare
Note di Programmazione Lineare Giacomo Zambelli 1 A.A. 2008/09 1 Dipartimento di Matematica Pura e Applicata, Universitá di Padova, Via Trieste 63, 35121 Padova, Italy. (giacomo@math.unipd.it) ii Indice
DettagliIL 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
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:
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso Luigi De Giovanni Giacomo Zambelli Problemi di programmazione lineare Un problema di ottimizzazione
DettagliIntroduzione ai Problemi di Flusso su Reti
UNIVERSI DI PIS IROCINIO ORMIVO IVO - I CICLO CLSSE DI BILIZIONE MEMIC PPLIC Introduzione ai Problemi di lusso su Reti Relatore: Prof. V. Georgiev.U: Prof. M. Berni Elisabetta lderighi R.O e Riforma della
DettagliALGEBRA LINEARE PARTE III
DIEM sez Matematica Finanziaria Università degli studi di Genova Dicembre 200 Indice PREMESSA 2 GENERALITA 2 RAPPRESENTAZIONE DI UN SISTEMA LINEARE IN FORMA MATRI- CIALE 2 3 SOLUZIONE DI SISTEMI LINEARI
DettagliProgrammazione Matematica: V- La forma Tableau
Programmaione Matematica: V- La forma ableau Daniele Vigo D.E.I.S. Università di ologna dvigo@deis.unibo.it rev. 3.3 Aprile 24 orma ableau () ableau rappresentaione dei dati che semplifica il calcolo manuale
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte II)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte II) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
DettagliL ALGORITMO DEL SIMPLESSO REVISIONATO
L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) diffusione di messaggi segreti memorizzazione
DettagliEsame di Ricerca Operativa. Corso di Laurea in Ingegneria Informatica e Automatica. Compito A
Esame di Ricerca Operativa Corso di Laurea in Ingegneria Informatica e Automatica 6 settembre 218 Compito A Istruzioni Usate i fogli bianchi allegati per calcoli, ragionamenti e quanto altro reputiate
DettagliCOMPITO DI RICERCA OPERATIVA. max 8 5x 1 3x 2 x 3 = 1 + 4x 1 + x 2 x 4 = 1 x 1 + x 2 x 5 = 5 x 1 x 2
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Dato un problema di PL, la sua riformulazione rispetto alla base B = {x 3, x, x 5 } é la seguente: max 8 5x 3x x 3 = + x + x x = x + x x 5 = 5 x x Solo
Dettagli2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
2 OTTIMIZZAZIONE SU GRAFI E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Molti problemi decisionali possono essere formulati utilizzando il linguaggio della teoria dei grafi. Esempi: - problemi di
Dettagli