ESAME di OTTIMIZZAZIONE - Compito A Corso di Laurea in Ingegneria Gestionale 2 o anno
|
|
- Rosalia Riccio
- 4 anni fa
- Visualizzazioni
Transcript
1 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 + PUNTO e ogni risposta SBAGLIATA vale -0.5 PUNTI (VALORE NEGATIVO), nessuna risposta vale 0 PUNTI. Per gli esercizi 5,6,7: ogni risposta CORRETTA vale 0,5 PUNTI e ogni risposta SBAGLIATA vale -0.5 PUNTI (VALORE NEGATIVO), nessuna risposta vale 0 PUNTI. Esercizio. (Punteggio massimo = 5) Sia dato il problema di ottimizzazione non vincolato: 4 3 x3 x x x 3 + x + x x 3 + x + 4x. Il punto (, 5, 3) T soddisfa le condizioni necessarie del primo ordine.. Il punto (, 5, 3) T è un punto di imo locale. 3. L approssimazione quadratica nell intorno del punto x 0 = (0, 0, ) T ammette un unico punto di imo. 4. Il passo α = soddisfa una ricerca di linea di Armijo lungo la direzione del metodo del 0 gradiente nel punto x 0 = (, 0, 3) T (valore di γ = ). 5. La direzione di Newton nel punto x 0 = (0, 0, ) T è d = (, 0, ) T.
2 Esercizio (Punteggio massimo = 5) Dato il problema di programmazione non lineare vincolato max x x + x x + (x ). Il problema è convesso. ( ) 0. Il punto è un punto di NON regolarità per i vincoli 0 3. Il punto 4. Il punto ( 3 ( 3 ) ) soddisfa con opportuni moltiplicatori le condizioni di KKT. NON è l unico punto di KKT. 5. Se nel secondo vincolo il membro di destra varia da a + ɛ con ɛ > 0 abbastanza piccolo la soluzione ottima NON migliora. Esercizio 3. (Punteggio massimo = 5) Sia dato il problema di Programmazione lineare (P) max x + x x + x x x 3 x 4, x 0. Si indichi con x la soluzione ottima di tale problema (se esiste).. Il problema u + 3u + 4u 3 u + u u u + u 3 = u 0, u 0, u 3 0 corrisponde ad un possibile problema duale per (P).
3 . Il problema u + 3u + 4u 3 u + u u u + u 3 u 0 corrisponde ad un possibile problema duale per (P). 3. I punti x = (, ) T e ū = (0,, ) T sono ammissibili rispettivamente per il problema primale e per il duale e risulta 4 c T x. N.B. Considerare il problema primale nella forma di max corrispondente al duale del punto 4. Il problema duale non può essere illimitato inferiormente 5. Il punto x = (7, 4) T è ottimo per il problema primale. Esercizio 4. (Punteggio massimo = 3)Sia dato il seguente problema di programmazione quadratica: N N N (y i y j x i x j q ij ) x k x i= j= k= N y i x i = 0 i= x i 0, i =,..., N x i C i, i =,..., N () dove x i sono variabili, mentre y i, q ij e C i sono parametri del problema.. Una possibile dichiarazione delle variabili e dei parametri del problema in AMPL è la seguente: param N; param y{..n}; param C{..N}; param q{..n,..n}; var x{..n};
4 imize obiettivo: sum{i in..n}(sum{j in..n } (y[i]*y[j]*x[i]*x[j]*q[i,j]- x[j]);. Una possibile dichiarazione della funzione obiettivo in AMPL è la seguente: 3. Una possibile dichiarazione dei vincoli del problema in AMPL è la seguente: subj to uguaglianza {i in..n}: y[i]*x[i]=0; subj to box{i in..n}: x[i]>=0; subj to box{i in..n}:x[i]<=c[i]; Esercizio 5. (Punteggio massimo = ) Dato un problema (P) di imizzazione non vincolata di una funzione f(x) del tipo R n xt Qx + x. con Q matrice simmetrica n n semidefinita positiva.. Se x è un punto tale che f( x) = 0, allora x è un imo.. La funzione è quadratica e coerciva. 3. La funzione è strettamente convessa. 4. Il metodo del gradiente coniugato detera il imo della funzione in al più n passi. Esercizio 6. (Punteggio massimo = ) Dato un problema di programmazione non lineare vincolato f(x) g(x) 0 Ax = b con f : R n R, g : R n R m, A matrice p n.. Se f(x) è convessa e g i (x) sono convesse per ogni i =,..., m allora il problema è convesso.
5 . È possibile definire una funzione di pensalità interna per il problema dato. 3. Sia x un punto ammissibile regolare. Se soddisfa le condizioni di KKT, allora x è un imo locale. 4. L insieme ammissibile è regolare. Esercizio 7. (Punteggio massimo = ) Sia dato un problema di Programmazione lineare c T x Ax b x 0 (P ) con A matrice m n e x R n e si indichi con x la soluzione ottima, se esiste.. Le variabili duali sono m tutte vincolate ad essere non negative.. Se il problema duale ammette soluzione ottima finita u, allora esiste una soluzione ammissibile x del problema primale (P) tale che c T x = b T u. 3. Se ū R m è un punto tale che A T ū c e ū 0, allora b T ū c T x. 4. Se il problema primale è illimitato, allora il problema duale deve avere insieme ammissibile vuoto.
6 ESAME di OTTIMIZZAZIONE 7 aprile 006 ESAME di OTTIMIZZAZIONE - Compito B Corso di Laurea in Ingegneria Gestionale o anno Cognome : Nome : VALUTAZIONE Per gli esercizi,,3,4: ogni risposta CORRETTA vale PUNTO e ogni risposta SBAGLIATA vale -0.5 PUNTI (VALORE NEGATIVO), nessuna risposta vale 0 PUNTI. Per gli esercizi 5,6,7: ogni risposta CORRETTA vale 0,5 PUNTI e ogni risposta SBAGLIATA vale -0.5 PUNTI (VALORE NEGATIVO), nessuna risposta vale 0 PUNTI. Esercizio. (Punteggio massimo = 5) Sia dato il problema di ottimizzazione non vincolato: 4 3 x3 x x x x + x x 3 + x + x. Il punto (, 0, 3) T soddisfa le condizioni necessarie del primo ordine.. Il punto (, 0, 3) T soddisfa le condizioni sufficienti del secondo ordine. 3. L approssimazione quadratica nell intorno del punto x 0 = (, 0, 0) T è strettamente convessa. 4. Il passo α = soddisfa una ricerca di linea di Armijo lungo la direzione del metodo del 5 gradiente nel punto x 0 = (, 0, 3) T (valore di γ = ) La direzione di Newton nel punto x 0 = (, 0, 0) T è d = (,, ) T.
7 Esercizio (Punteggio massimo = 5) Dato il problema di programmazione non lineare vincolato max x x + x x + (x ). Il problema è convesso. ( ) 0. Il punto è un punto di NON regolarità per i vincoli 0 ) 3. Il punto 4. Nel punto ( 3 ( 0 ) soddisfa con opportuni moltiplicatori le condizioni di KKT. è soddisfatta la condizione di stretta complementarità. 5. Se nel secondo vincolo il membro di destra varia da a + ɛ con ɛ > 0 abbastanza piccolo la soluzione ottima NON migliora. Esercizio 3. (Punteggio massimo = 5) Sia dato il problema di Programmazione lineare (P) x + x x + x x x 3 x 4, x 0. Si indichi con x la soluzione ottima di tale problema (se esiste).. Il problema max u 3u 4u 3 u u u + u u 3 = u 0, u 0, u 3 0 corrisponde ad un possibile problema duale per (P).
8 . Il problema max u 3u 4u 3 u u u + u u 3 = u 0. corrisponde ad un possibile problema duale per (P). 3. I punti x = (0, ) T e ū = (,, ) T sono ammissibili rispettivamente per il problema primale e per il duale e risulta 9 b T u. 4. Il problema primale non può essere illimitato inferiormente 5. Il punto u = (, 0, 0)T è ottimo per il problema duale. Esercizio 4. (Punteggio massimo = 3) Sia dato il seguente problema di programmazione quadratica: N N N (y i y j x i x j q ij ) x k x i= j= k= N y i x i = 0 i= x i 0, i =,..., N x i C i, i =,..., N () dove x i sono variabili, mentre y i, q ij e C i sono parametri del problema.. Una possibile dichiarazione delle variabili e dei parametri del problema in AMPL è la seguente: param N; param y{n}; param C{N}; param q{n,n}; var x{n};
9 imize obiettivo: sum{i in..n, j in..n} (y[i]*y[j]*x[i]*x[j]*q[i,j]) - sum {k in..n} x[k];. Una possibile dichiarazione della funzione obiettivo in AMPL è la seguente: 3. Una possibile dichiarazione dei vincoli del problema in AMPL è la seguente: subj to uguaglianza: sum{i in..n} y[i]*x[i]=0; subj to box{i in..n}: x[i]>=0; subj to box{i in..n}:x[i]<=c[i]; Esercizio 5. (Punteggio massimo = ) Dato un problema (P) di imizzazione non vincolata di una funzione f(x) del tipo con A matrice m n. R n Ax.. Se x è un punto tale che A x = 0, allora x è un imo.. La funzione è quadratica e convessa. 3. La matrice hessiana della funzione è A T A. 4. Il metodo del gradiente detera il imo della funzione in al più n passi. Esercizio 6. (Punteggio massimo = ) Dato un problema di programmazione non lineare vincolato f(x) h(x) = 0 Ax b con f : R n R, h : R n R p, A matrice m n.
10 . Se f(x) è convessa e h j (x) sono convesse per ogni j =,..., p allora il problema è convesso.. È possibile definire una funzione di pensalità esterna per il problema dato. 3. Se x è un imo locale soddisfa le condizioni di KKT, senza ipotesi di regolarità. 4. L insieme ammissibile è regolare. Esercizio 7. (Punteggio massimo = ) Sia dato un problema di Programmazione lineare c T x Ax = b x 0 con A matrice m n e x R n e si indichi con x la soluzione ottima, se esiste.. I vincoli del problema duale sono n tutti di disuguaglianza. Se il problema primale ammette soluzione ottima finita x, allora anche il problema duale ammette soluzione ottima u e risulta b T u < c T x. 3. Se ū R m è un punto tale che A T ū c, allora b T ū c T x. 4. Se il problema duale ha insieme ammissibile vuoto, allora il problema primale ha insieme ammissibile vuoto oppure è illimitato.
ESAME di OTTIMIZZAZIONE - Compito A Corso di Laurea in Ingegneria Gestionale 2 o anno
ESAME di OTTIMIZZAZIONE 12 gennaio pomeriggio 2005 ESAME di OTTIMIZZAZIONE - Compito A Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : Nome : VALUTAZIONE Per gli esercizi 1,2,3,4 le risposte
DettagliESAME di OTTIMIZZAZIONE - Compito A (bianco) Corso di Laurea in Ingegneria Gestionale 2 o anno
ESAME di OTTIMIZZAZIONE 16 gennaio 2009 ESAME di OTTIMIZZAZIONE - Compito A (bianco) Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : Nome : VALUTAZIONE Per gli esercizi 1,2,3,4: ogni risposta
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
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
DettagliRICERCA OPERATIVA (9 cfu)
a PROVA scritta di RICERCA OPERATIVA (9 cfu) gennaio Cognome Nome Ai fini della pubblicazione (cartacea e elettronica) del risultato ottenuto nella prova di esame, autorizzo al trattamento dei miei dati
DettagliUniversità degli Studi di Roma La Sapienza
Università degli Studi di Roma La Sapienza Dipartimento di Informatica e Sistemistica A. Ruberti Proff. Gianni Di Pillo and Laura Palagi Note per il corso di OTTIMIZZAZIONE (a.a. 2007-08) Dipartimento
Dettagli7.9 Il caso vincolato: vincoli di disuguaglianza
7.9 Il caso vincolato: vincoli di disuguaglianza Il problema con vincoli di disuguaglianza: g i (x) 0, i = 1,..., p, (51) o, in forma vettoriale: g(x) 0, può essere trattato basandosi largamente su quanto
DettagliProva d esame di Ottimizzazione (LM)
Corso di Laurea Magistrale e Laurea Specialistica in Ingegneria Gestionale Prova d esame di Ottimizzazione (LM) 4 Luglio 2011 Domanda 1 (11 punti) Sia f : R n R una funzione quadratica: f(x) = 1 2 xt Qx
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
DettagliESAME di OTTIMIZZAZIONE Corso di Laurea Magistrale in Ingegneria Gestionale 1 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 27 Gennaio 21 ESAME di OTTIMIZZAZIONE Corso di Laurea Magistrale in Ingegneria Gestionale 1 o anno Cognome : Nome : Esercizio 1. Si consideri il seguente problema: min
DettagliCondizioni di Karush-Kuhn-Tucker e Programmazione Lineare
Condizioni di Karush-Kuhn-Tucker e Programmazione Lineare A. Agnetis 1 Richiami su condizioni di Karush-Kuhn-Tucker e convessità Si consideri il problema di ottimizzazione vincolata: min f(x) (1) x X R
DettagliUNIVERSITÀ DEGLI STUDI DI GENOVA
UNIVERSITÀ DEGLI STUDI DI GENOVA Corso di Laurea Specialistica in Ingegneria Gestionale Corso di Ricerca Operativa 2 (CD) codice 60204 A.A. 2011/2012 Docente: Mauro Gaggero PROGRAMMA DEL CORSO 1. Introduzione
DettagliSIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 28 novembre 2005 SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : XXXXXXXXXXXXXXXXX Nome : XXXXXXXXXXXXXX VALUTAZIONE
DettagliScuola di Dottorato in Ingegneria L. da Vinci. Problemi di estremo vincolato ed applicazioni. Introduzione ai problemi di estremo
Scuola di Dottorato in Ingegneria L. da Vinci Problemi di estremo vincolato ed applicazioni Pisa, 28-29 Maggio, 2009 Introduzione ai problemi di estremo G. Mastroeni Ricercatore, Dipartimento di Matematica
DettagliEsercizi su ottimizzazione vincolata
Esercizi su ottimizzazione vincolata 1. Rispondere alle seguenti domande (a) Quando un vincolo di disuguaglianza è detto attivo? (b) Cosa è l insieme delle soluzioni ammissibili? Gli algoritmi di ricerca
DettagliA.A Fondamenti di Ricerca Operativa. 2. Determinare β affinchè il poliedro descritto dal sistema di disequazioni
A.A. 08-09 Fondamenti di Ricerca Operativa. Si consideri il problema min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto, oppure è illimitato,
Dettagli5.5.6 Convergenza del metodo del simplesso
5.5.6 Convergenza del metodo del simplesso Per concludere l analisi del metodo del simplesso, vogliamo ora mostrare che, sotto opportune ipotesi, il numero di iterazioni è finito, ovvero che, in un numero
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
DettagliSoluzione. 8.1 Campagna pubblicitaria. Exercise session 8 Optimization Prof. E. Amaldi. Insiemi. I = {1,...,m}: insieme delle radio
Soluzione 8.1 Campagna pubblicitaria Insiemi I = {1,...,m}: insieme delle radio J = {1,...,n}: insieme dei giornali Variabili r i r 1 i : minuti sulla stazione radiofonica i I (sotto i 25) : minuti sulla
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
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.
DettagliDualitá in Programmazione Lineare e alcune conseguenze
Dualitá in Programmazione Lineare e alcune conseguenze Giacomo Zambelli 1 Dualitá per problemi in forma standard Si consideri il seguente problema di PL in forma standard: z = max c x Ax = b (1) ove A
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
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
DettagliLe condizioni di Karush-Kuhn-Tucker
Capitolo 9 Le condizioni di Karush-Kuhn-Tucker 9. Introduzione In questo capitolo deriveremo le condizioni necessarie di Karush-Kuhn-Tucker (KKT) per problemi vincolati in cui S è descritto da vincoli
DettagliNLP KKT 1. Le condizioni necessarie di ottimo per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J
NLP KKT 1 Le condizioni necessarie di ottimo per il problema min f o (x) g i (x) 0 i I h j (x) = 0 j J sono, riferite ad un punto ammissibile x*, μ 0 f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0
Dettagli8.3 Condizioni di ottimalità (qualifica dei vincoli e KKT) 2
8.1 Campagna pubblicitaria Una agenzia di pubblicità deve effettuare una campagna promozionale con due mezzi di comunicazione: gli annunci alla radio e quelli sui giornali. Vengono considerate m stazioni
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
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) =
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
DettagliA.A Fondamenti di Ricerca Operativa Esercizi ottobre min 2x 1 + x 2 + 4x 3 3x 4 x 1 + x 3 = 5 x 2 + x 4 = 2
. Si consideri il problema A.A. 07-08 Fondamenti di Ricerca Operativa Esercizi ottobre 07 min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto,
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 di Base: Forma Matriciale Si consideri il poliedro P = {x R 3 : Ax b} in cui: 1 0 1 2 A = 1 1 0 0 1 1, b = 1 4 1 1 1 3, x 1 = 1 2 + 3 2 + 5 2 x 2 = I vettori x 1 e
DettagliTeoria della dualità nella Programmazione Lineare. Corso di Ricerca Operativa A.A
Teoria della dualità nella Programmazione Lineare Corso di Ricerca Operativa A.A. 2015-2016 Argomenti Problema duale Problema duale Problema duale Problema duale Problema duale Problema duale Problema
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.
DettagliIntroduzione all ottimizzazione nonlineare. Introduzione all ottimizzazione nonlineare p. 1/82
Introduzione all ottimizzazione nonlineare Introduzione all ottimizzazione nonlineare p. 1/82 Introduzione all ottimizzazione nonlineare p. 2/82 Definizione del problema min f(x) x R n c i (x) = 0 i K
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
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
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
DettagliTeoria della Dualità: I Introduzione
Teoria della Dualità: I Introduzione Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.2 Maggio 2004 Dualità Per ogni problema PL, detto primale, ne esiste un altro, detto duale, costruito
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
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
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
DettagliAppunti delle esercitazioni di Ricerca Operativa
Appunti delle esercitazioni di Ricerca Operativa a cura di P. Detti 1 Esercizi sulle condizioni di ottimalitµa per problemi di ottimizzazione vincolata Esempio 1 Determinare il punto di intersezione dei
DettagliSQP (Sequential Quadratic Programming ) La soluzione del problema min f o (x) g i (x) = 0, i I
SQP (Sequential Quadratic Programming ) La soluzione del problema min f o (x) g i (x) = 0, i I e caratterizzata dalle condizioni f o (x) + i I μ i g i (x) = 0 e dall ammissibilita ( g i (x) = 0, i I )
DettagliIl teorema di dualità forte
Complementi di Algoritmi e Strutture Dati Il teorema di dualità forte Docente: Nicolò Cesa-Bianchi versione 13 maggio 2018 Ricordiamo la formulazione del problema di programmazione lineare nella sua forma
DettagliCorso di Laurea in Chimica e Tecnologia Farmaceutiche Matematica con Elementi di Informatica COMPITO 29 Gennaio 2016
Corso di Laurea in Chimica e Tecnologia Farmaceutiche Matematica con Elementi di Informatica COMPITO 29 Gennaio 2016 Nome Cognome Matricola Punteggi 10 cfu Teoria Ex.1 Ex.2 Ex.3 Ex. 4 Ex.5 /6 /5 /5 /5
DettagliTerza raccolta di esercizi (Gli esercizi sono tutti da compiti d esame )
1. Sia data la regione ammissibile definita da Terza raccolta di esercizi (Gli esercizi sono tutti da compiti d esame ) x 3 y 0 x 3 + y 0 x 1 Si disegni la regione ammissibile e si disegni il cono tangente
DettagliProgr. Non Lineare: algoritmi
Progr. Non Lineare: algoritmi Fabio Schoen schoen@ing.unifi.it http://globopt.dsi.unifi.it/users/schoen A.A. 22-23 Programmazione Non Lineare: Cenni sugli algoritmi di ottimizzazione locale Schema generale
DettagliFACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 6 Giugno 1996
Verona, Giugno ) E dato il seguente problema di Programmazione Lineare: min( x + ) x x x Rappresentare il problema geometricamente e successivamente scriverlo in forma standard. a) Determinare una soluzione
DettagliEsame di Ricerca Operativa del 11/1/19
Esame di Ricerca Operativa del // (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere il seguente problema di programmazione lineare, determinandone il problema duale ed applicando l algoritmo
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 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 -
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
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione
DettagliIntroduzione alla programmazione lineare
Introduzione alla programmazione lineare struttura del problema di PL forme equivalenti rappresentazione e soluzione grafica rif. Fi 1.2; BT 1.1, 1.4 Problema di programmazione lineare Dati: un vettore
DettagliNote sulle funzioni convesse/concave
Note sulle funzioni convesse/concave 4th December 2008 1 Definizioni e proprietà delle funzioni convesse/concave. Definizione 1.1 Un insieme A IR n è detto convesso se per ogni x 1 e x 2 punti di A, il
Dettagli+ 2x Esercizio 2
A Barrare la casella corrispondente: Diploma t Laurea t (specificare quale: ) Esercizio È dato il problema di PL in figura. Trovare una soluzione ottima del problema con l algoritmo del simplesso o dimostrare
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
Dettagli4.3 Problema Duale Lagrangiano
Sia ora (x, λ, µ ) un punto di sella della funzione Lagrangiana (4.3) dalle (4.5)-(4.8) del Teorema 4.2.2 si ha: g(x ) 0, h(x ) = 0, λ 0, (λ ) T g(x ) = 0, (4.23) L(x, λ, µ ) = min x X L(x, λ, µ ). (4.24)
DettagliCorso di Laurea in Ingegneria Gestionale. Anno Accademico Appunti dalle lezioni di RICERCA OPERATIVA. Stefano Lucidi
Corso di Laurea in Ingegneria Gestionale Anno Accademico 2010 2011 Appunti dalle lezioni di RICERCA OPERATIVA Stefano Lucidi Dipartimento di Informatica e Sistemistica A. Ruberti Università di Roma La
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
DettagliProblemi lineari equivalenti
Problemi lineari equivalenti Introduzione Nel seguito verranno presentati alcuni esempi di trasformazione di problemi di problemi di programmazione lineare in forme equivalenti. Un problema di programmazione
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
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 + x 3 x 1 x 2 + x 3 = 1 x 1 x 2 + x 4 = 1 x 2 + x 5 = 2. x 1, x 2, x 3, x 4 0
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (7 punti) Sia dato il seguente problema di PL: max x 1 + x 2 + x 3 x 1 x 2 + x 3 = 1 x 1 x 2 + x 4 = 1 x 2 + x 5 = 2 x 1, x 2, x 3, x 4, x 5 0 Lo si risolva con
Dettagli9.1 Ottimizzazione di portafoglio: selezione di titoli in presenza di rischio
9.1 Ottimizzazione di portafoglio: selezione di titoli in presenza di rischio Consideriamo il problema di costituire un portafoglio di titoli, sfruttando un budget B. Il mercato offre n titoli, con un
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
Dettagli1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44;
1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44; c 24 = 15; c 25 = 12; c 34 = 32; c 35 = 55; c 45 = 24 Si calcoli l ottimo duale (formulazione
Dettagli3.2 Rilassamenti lineari/combinatori e bounds
3.2 Rilassamenti lineari/combinatori e bounds Consideriamo un problema di Ottimizzazione Discreta min{f(x) : x X} e sia z il valore di una soluzione ottima x X. Metodi di risoluzione spesso generano una
Dettagli4.8 Metodi quasi-newton
4.8 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f (x) si estraggono informazioni relative alle derivate seconde dalle variazioni di f (x).
DettagliLAGRANGIANE AUMENTATE
LAGRANGIANE AUMENTATE Le condizioni di minimo vincolato per min f o (x) g i (x) = 0, i I sono legate sia alla funzione P(x,k) = f o (x) +(k/2) g i (x) 2 a al suo minimo x k che alla funzione lagrangiana
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. Tema d esame del 13/12/2005
RICERCA OPERATIVA Tema d esame del 13/12/2005 COGNOME: NOME: MATRICOLA: 1. Un associazione umanitaria ha raccolto 150.000 euro per inviare dei pacchetti regalo natalizi ai bambini di Haiti. Per l acquisto
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
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
DettagliMetodi & Modelli per le Scelte Economiche
Metodi & Modelli per le Scelte Economiche [domande di teoria utilizzate in passato per la prova scritta le soluzioni NON vengono fornite, occorrerà quindi verificare la esattezza delle diverse possibili
Dettagli7.5 Il caso vincolato: preliminari
7.5 Il caso vincolato: preliari Consideriamo ora il problema vincolato 3, che qui riscriviamo: fx gx 0 hx = 0, 13 con g : IR n IR p e h : IR n IR m, m n. Ricordiamo che F = {x IR n : gx 0, hx = 0}, denota
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + 2x 2 + x 3 x 1 x 2 + x 3 = 1 2x 1 + 3x 2 + x 4 = 2
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (9 punti) Sia dato il seguente problema di PL: max x + 2x 2 + x 3 x x 2 + x 3 = 2x + 3x 2 + x 4 = 2 x, x 2, x 3, x 4 0 Si determini il duale del problema ( punto).
DettagliUNIVERSITÀ DEGLI STUDI DI PADOVA
UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Ingegneria Corso di Laurea in Ingegneria dell Informazione Convex Optimization Relatore:Chiarissimo Prof. Sandro Zampieri Tesi di Laurea di: Stefano Zorzi Matr.
DettagliRICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 2)
RICERCA OPERATIVA Tema d esame del 04/12/2008 (Simulazione 2) COGNOME: NOME: MATRICOLA: 1. Un azienda di telefonia mobile deve installare delle antenne per la copertura di sei zone sul territorio. Sono
DettagliLEZIONE ICO
LEZIONE ICO 9-10-2009 Argomento. Rassegna dei metodi numerici utilizzabili per la soluzione di problemi di ottimizzazione statica. Metodi del gradiente e di Newton e loro derivati. Metodi di penalita e
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:
DettagliLa ricerca di punti di estremo assoluto
La ricerca di punti di estremo assoluto Riccarda Rossi Università di Brescia Analisi Matematica B Riccarda Rossi (Università di Brescia) Estremi assoluti (I) Analisi Matematica B 1 / 29 Richiami di teoria
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione
DettagliRicerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto
1 Lunedí 23 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Simplesso in 2 fasi Fase I (rg(a) m) Se P non è ammissibile, STOP Altrimenti 1 elimina da (A... b) eventuali
DettagliDomande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Giovedí 14 Maggio 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Geometria di R n 1 Dare la definizione di Poliedro e Vertice di un Poliedro 2 Dare la definizione di Poliedro e di Politopo
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,
DettagliESERCIZI SU MASSIMI E MINIMI DI FUNZIONI IN PIÙ VARIABILI. m(x, y, z) = (2x 2 + y 2 )e x2 y 2, f(x, y) = (y x 2 )(y x2. f(x, y) = x 3 + (x y) 2,
ESERCIZI SU MASSIMI E MINIMI DI FUNZIONI IN PIÙ VARIABILI VALENTINA CASARINO Esercizi per il corso di Analisi Matematica, (Ingegneria Gestionale, dell Innovazione del Prodotto, Meccanica e Meccatronica,
DettagliCorso di Laurea in Chimica e Tecnologia Farmaceutiche Matematica con Elementi di Informatica COMPITO 19 Febbraio 2016
Corso di Laurea in Chimica e Tecnologia Farmaceutiche Matematica con Elementi di Informatica COMPITO 19 Febbraio 2016 Nome Cognome Matricola Punteggi 10 cfu Teoria Ex.1 Ex.2 Ex.3 Ex. 4 Ex.5 /6 /5 /5 /5
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
DettagliAnalisi Matematica 2 (Corso di Laurea in Informatica)
COGNOME NOME Matr. Firma dello studente A Tempo: 3 ore. Prima parte: test a risposta multipla. Una ed una sola delle 4 affermazioni è corretta. Indicatela con una croce. È consentita una sola correzione
DettagliDIARIO DELLE LEZIONI DI ANALISI MATEMATICA II Corso di laurea in Ingegneria Gestionale Canale PZ Secondo codocente: Dott. Salvatore Fragapane
DIARIO DELLE LEZIONI DI ANALISI MATEMATICA II Corso di laurea in Ingegneria Gestionale Canale PZ Secondo codocente: Dott. Salvatore Fragapane Lezione 1-04/10/2016 - Serie Numeriche (1): definizione e successione
DettagliLa notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:
. SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;
DettagliCOMPITO DI RICERCA OPERATIVA. max 5 2x 1 + 3x 2 x 3 = 2 + x 1 5x 2 x 4 = 5 + x 2. x 5 = 1 + x 1 x 2
COMPITO DI RICERCA OPERATIVA ESERCIZIO. ( punti) La riformulazione di un problema di PL rispetto alla base B = {x, x, x } è la seguente: max 2x + x 2 x = 2 + x x 2 x = + x 2 x = 2 + x + x 2 x, x 2, x,
DettagliIntroduzione alla Programmazione Non Lineare
M. Monaci - Introduzione alla Programmazione Non Lineare 1 Introduzione alla Programmazione Non Lineare Michele Monaci Dipartimento di Ingegneria dell Informazione, Università di Padova Viale Gradenigo,
DettagliProgrammazione Lineare Intera. Programmazione Lineare Intera p. 1/4
Programmazione Lineare Intera Programmazione Lineare Intera p. 1/4 Programmazione Lineare Intera Problema di PLI in forma standard: max cx Ax = b x 0, x I n I insieme degli interi. Regione ammissibile:
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliUNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari
UNIVERSITÀ DI ROMA TOR VERGATA Analisi Matematica II per Ingegneria Prof. C. Sinestrari Risposte (sintetiche) ai quesiti degli esercizi del 12.X.2018 1. (a) Ω è aperto, Ω = {0, 1, 2}, Ω = Ω, Ω = [0, 1]
DettagliProva d esame di: Ottimizzazione (LM) Ottimizzazione dei Sistemi Complessi
Corso di Laurea Magistrale e Laurea Specialistica in Ingegneria Gestionale 20 Luglio 2010 (Mattina) Domanda 1 (11 punti) Dato il problema di PNL: min f(x) h j (x) = 0, j = 1,..., m n con x R n, f C 2,
DettagliPolinomio di Taylor del secondo ordine per funzioni di due variabili
Esercitazioni del 15 aprile 2013 Polinomio di Taylor del secondo ordine per funzioni di due variabili Sia f : A R 2 R una funzione di classe C 2. Fissato un p unto (x 0, y 0 A consideriamo il seguente
Dettagli