7.1 The largest polygon. 7.2 Optimal control. Exercise session 7 Optimization Prof. E. Amaldi
|
|
- Oliviero Perri
- 4 anni fa
- Visualizzazioni
Transcript
1 7.1 he largest polygon Give the mathematical programming formulation for the following problem: given a positive integer n, find the polygon with n edges with diameter (the maximum distance between two vertices) less or equal to 1, of maximum area. Hint. Use the polar coordinates. Note that, given the length a,b of two edges of a triangle and the angle α between them, the area of the triangle is 1 2absin(α). Note that, given two vectors, their lengths a, b and the angle α between them, their square Euclidean distance is a 2 +b 2 2abcos(α). 7.2 Optimal control A robot must move an object, whose mass is M, from the initial position x i R 3 to the final position x f R 3, avoiding a parallelepiped obstacle Y: the position and size of the obstacle, mass and initial and final position of the object are known. he movement must be performed in seconds, as shown in Figure 1. For the sake of simplicity, the time interval [0...) is divided into n time slots I k = [ (k 1) n, k n ) (k = 1...n) of equal length. We assume that the force to be applied on the object in each direction is constant during each time slot. Determine two input control sequences for the robot, which optimize the comfort of the movement and the overall work performed. Optimizing the comfort consists in minimizing the force variations between each time-slot and the next one. Hint. Represent the state of the system with two vectors, x and v, representing the position and the speed at the beginning of each time slot. he constraint which avoids collisions between the object and the obstacle can be relaxed, by applying the constraint only to such instants. Figure 1: Optimal robot control. Developed by L. Liberti and S. Coniglio 1
2 7.3 Optimizing along conjugate directions Apply two iterations of the conjugate directions method to the following problem minf(x 1,x 2 ) = 12x 2 +4x x 2 2 4x 1 x 2 starting from the initial point x 0 = ( 1 2,1) and from direction d 0 = (1,0). Let d 1 be a direction conjugated to d 0 with respect to the Hessian matrix of f. What happens if we optimize first along d 1 and then along d 0? What happens if we start from a different initial point? 7.4 Conjugate directions method for quadratic functions Consider the function q(x) = 1 2 x Qx b x where Q is symmetric and positive definite. Let x 0 R n be an initial point and {x k } a sequence of points generated by the conjugate gradient method with respect to Q-conjugated directions d 0,...,d n 1. Let α i be the step size computed by the exact line search at i-th iteration. Show that for each k = 1,...,n the point x k = x 0 + α i d i is the global minimum of q(x) on the affine subspace V k = {x R n : x = x 0 + v,v span{d 0,...,d k 1 }}. In particular, x n is the global minimum of q(x) on R n. Hint. Since q(x) is convex, it is sufficient to verify that q(x k ) is orthogonal to V k, due to the necessary and sufficient optimality conditions for convex problems. i=0 Developed by L. Liberti and S. Coniglio 2
3 7.5 Limited memory BFGS method A drawback of the quasi-newton methods for large size problems is the memory required. hus, methods which build quasi-newton directions d k = H k f(x k ) using only a limited number of vectors δ k = x k+1 x k and γ k = f(x k+1 ) f(x k ) (for instance, the last m) are needed. (a) Verify that the BFGS method updating equation can be written as where ( H k+1 = H k + 1+ γ ) H k k γ k δ k δ k H kγ k δ k +δ k γ k H k. (1) δ k γ k δ k γ k δ k γ k H k+1 = V k H k V k +ρ k δ k δ k V k = I ρ k γ k δ k ρ k = 1 γ k δ k. (b) Show how to compute the direction d k = H k f(x k ) using H 0 and all vectors δ i,γ i, with i {0,...,k 1}. c) o avoid storing all the δ i and γ i vectors, with i {0,...,k 1}, and keeping limited the required memory, an approximated value of H k can be computed using only the last m vectors, namely δ i and γ i with i {k m,...,k 1}. Write the approximated updating formula. It is worth noting that limited memory BFGS method provides results comparable to those provided by BFGS without memory limitation even for small value of m, such as m = 5. Developed by L. Liberti and S. Coniglio 3
4 Soluzione 7.1 Il poligono più grande Si vogliono scegliere le posizioni degli n vertici del poligono. In coordinate polari, questo significa scegliere un angolo φ i [0,2π) e una distanza r i 0 rispetto all origine per ogni vertice i = 1...n. L area del triangolo di vertici o,i,i+1, dove o rappresenta l origine e con i < n, formano un triangolo di area: A(i) = 1 2 r ir i+1 sin( φ i+1 φ i ). Possiamo togliere il valore assoluto per ogni coppia i,i+1 tranne che per n,1. Per quest ultima, riscriviamo φ 1 φ n = (φ 1 φ n ) = 1 2 r nr 1 sin(2π φ n +φ 1 ). L area totale è dunque: n 1 1 max 2 r ir i+1 sin(φ i+1 φ i )+ 1 2 r nr 1 sin(2π φ n +φ 1 ). Per imporre distanza inferiore a 1 per ogni coppia di vertici, introduciamo il vincolo r 2 i +r 2 j 2r i r j cos( φ i φ j ) 1 i,j = 1...n,j > i. Si noti che cos( φ i φ j ) = cos(φ i φ j ) = cos( φ i +φ j ), dato che il coseno è una funzione pari. Rimuoviamo dunque il valore assoluto per ogni coppia. Complessivamente, abbiamo la formulazione: max n r ir i+1 sin(φ i+1 φ i )+ 1 2 r nr 1 sin(2π φ n +φ 1 ) s.t. r 2 i +r 2 j 2r i r j cos(φ i φ j ) 1 i,j = 1...n,j > i φ i φ i+1 i = 1...n 1, dove l ultimo vincolo impone l ordinamento tra i vertici (usato per togliere il valore assoluto). 7.2 Controllo ottimo Supponendo che l oggetto si muova di moto rettilineo uniformemente accelerato, al termine di ogni intervallo temporale i abbiamo le equazioni: x i = x i 1 + n v i n 2 1 M F i 1 v i = v i 1 + n 1 M F i 1 i = 1...n i = 1...n. ApprossimiamoilcorpoY conuninsiemedipunti{y 1,...,y k }, perk sufficientementegrande. Indicando con d(x,y) la minima distanza tra il punto x ed ogni punto y Y, ossia d(x,y) := min y Y x y, Developed by L. Liberti and S. Coniglio 4
5 andiamo a imporre x y j > ǫ 2 j = 1,...,k, con ǫ costante sufficientemente piccola. Infine, è necessario imporre che le condizioni iniziali e finali siano rispettate: x 0 = x i x n = x f v 0 = 0 v n = 0 Se si intende minimizzare il lavoro totale la funzione obiettivo avrà la forma n minimize F i (x i x i 1 ). mentre se si intende ottimizzare il comfort la funzione obiettivo avrà la forma n minimize F 0 + F i F i Ottimizzazione lungo direzioni coniugate La matrice Hessiana è 2 f(x 1,x 2 ) = ( Partendo con d 0 = (1,0), d 1 = (a,b) deve essere tale che valga ) d 0 2 f(x 1,x 2 )d 1 = 8a 4b = 0, da cui abbiamo b = 2a. Le direzioni coniugate non sono uniche: una scelta può essere a = 1 e b = 2: d 1 = (1,2). Partiamo dal punto iniziale x 0 = ( 1 2,1). Minimizzando la funzione obiettivo f(x 1,x 2 ) lungo la direzione d 0, risolvendo min α f(x 1 +α,x 2 ) = 12x 2 +4(x 1 +α) 2 +4x 2 2 4(x 1 +α)x 2. Annullandone la derivata valutata in x 0 = ( 1 2,1) otteniamo α = 1. Raggiungiamo dunqe il punto x 1 = (1/2,1). Minimizziamo ora lungo d 1, risolvendo min α f(x 1 +α,x 2 +2α) = 12(x 2 +2α)+4(x 1 +α) 2 +4(x 2 +2α) 2 4(x 1 +α)(x 2 +2α) Developed by L. Liberti and S. Coniglio 5
6 Annullandone la derivata valutata in x 0 = ( 1 2,1) otteniamo α = 1 2. Raggiungiamo dunqe il punto x 2 = (1,2). È facile anche verificare che il comportamento del metodo sarebbe stato lo stesso ottimizzando prima lungo la direzione d 1 e poi lungo la direzione d 0 (da x 0 si raggiunge il punto x 1 = (0,2) e da x 1 il punto x 2 ). Inoltre, partendo dallo stesso punto iniziale, la lunghezza dei passi di ottimizzazione lungo le rispettive direzioni rimane la stessa. 7.4 Metodo delle direzioni coniugate per funzioni quadratiche Seguendo il suggerimento, mostriamo che q(x k ) è ortogonale a V k mostrandone l ortogonalità rispetto ai vettori d 0,...,d k 1 che generano il sottospazio. Partiamodall iterazionek econsideriamolafunzioneq(x k 1 +αd k 1 )comefunzionediα. Con ottimizzazioneunidimensionaleesatta,lasceltadelpassoα k 1 soddisfaα k 1 = argmin α q(x k 1 + αd k 1 ). Applicando le condizioni necessarie del primo ordine, sappiamo che α k 1 è un punto di minimo solo se q(x k 1 +αd k 1 ) α = q(x k 1 +α k 1 d k 1 ) d k 1 = 0. Ciò significa che, con ottimizzazione unidimensionale esatta, il gradiente della funzione nel punto x k = x k 1 +α k 1 d k 1 αk 1 è ortogonale alla direzione d k 1, ossia q(x k ) d k 1 = 0. Occorre ora dimostrare l ortogonalità rispetto alle direzioni precedenti d j, per j = 0,...,k 2. Abbiamo: ( q(x k ) = Qx k b = Q x 0 + α i d i ) b = i=0 j 1 Q x 0 + α i d i + α i d i b = i=0 Q x j + α i d i b = Qx j b+q α i d i = q(x j )+Q α i d i. Moltiplichiamo a sinistra per d j 1 entrambi i membri dell espressione sopra, ottenendo d j 1 q(x k ) = d j 1 q(x j )+ α i (d j 1Qd i ). Abbiamo già verificato che q(x j ) d j 1 = 0 (la verifica al paragrafo precedente vale per ogni k e, in particolare, per k = j). Dato che i vettori d i sono Q-coniugati, i termini nel secondo Developed by L. Liberti and S. Coniglio 6
7 addendo della parte destra dell equazione sono nulli. Abbiamo dunque q(x k )d j 1 = 0 per ogni j = 0,...,k Metodo BFGS a memoria limitata (a) Sia V = I ργδ, dove ρ = 1/(γ δ). Abbiamo: H k+1 = V H k V +ρδδ = (I ργδ ) H k (I ργδ )+ρδδ = H k ρ(h k γδ +δγ H k )+ρ 2 δγ H k γδ +ρδδ = H k H kγδ +δγ H k γ δ ( ) = H k + 1+ γ H k γ δδ δ γ + (γ H k γ)(δδ ) (γ δ) 2 + δδ γ δ δ γ H kγδ +δγ H k. δ γ (b) Usando ripetutamente la formula di aggiornamento per H derivata al punto precedente, H k = V k 1 H k 1 V k 1 +ρ k 1 δ k 1 δ k 1 = V k 1 (V k 2 H k 2 V k 2 +ρ k 2 δ k 2 δ k 2 )V k 1 +ρ k 1 δ k 1 δ k 1 = V k 1 V k 2 H k 2 V k 2 V k 1 +ρ k 2 V k 1 δ k 2 δ k 2 V k 1 +ρ k 1 δ k 1 δ k 1 =... = V k 1 V k 2 V 0 H 0 V 0 V k 2 V k 1 +ρ 0 V k 1 V 1 δ 0 δ 0 V 1 V k 1 +ρ 1 V k 1 V 2 δ 1 δ 1 V 2 V k ρ k 2 V k 1 δ k 2δ k 2 V k 1 +ρ k 1 δ k 1 δ k 1. Developed by L. Liberti and S. Coniglio 7
dati due vettori di lunghezza, rispettivamente, a, b e l angolo α tra essi, la loro distanza euclidea al quadrato è pari a: a 2 +b 2 2abcos(α).
7.1 Il poligono più grande Formulare in termini di programmazione matematica il seguente problema: fissato un intero n, trovare il poligono di n lati (n-gono) con diametro (massima distanza tra due vertici)
Optmization Methods for Machine Learning. Gradient method for multilayer perceptron
Optmization Methods for Machine Learning Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di Ingegneria informatica automatica e gestionale A. Ruberti Sapienza Università di Roma Via Ariosto
Finite Model Theory / Descriptive Complexity: bin
, CMPSCI 601: Recall From Last Time Lecture 19 Finite Model Theory / Descriptive Compleity: Th: FO L DSPACE Fagin s Th: NP SO. bin is quantifier-free.!#"$&% ('*), 1 Space 0 1 ) % Time $ "$ $ $ "$ $.....
Physics [for life science] by examples Draft 0. Problems:
Physics [for life science] by examples Draft 0 Problems: Problem 1: The average height of vertical jumps from standing still is about h=0.6 m for volleyball defenders. Find their initial vertical velocity,
(a) Give a mixed integer nonlinear programming formulation for the problem.
6. Clustering Data mining, which is the interdisciplinary subfield of computer science aiming at discovering patterns in large data sets, has a wide range of applications. An important problem arising
Ottimizzazione Combinatoria J and 6.855J and ESD.78J
Ottimizzazione Combinatoria 2 Cammino Minimo Vincolato Un esempio basato sulle slide della seguente lezione del Corso Network Optimization MITOpenCourseware http://ocw.mit.edu/courses/sloan-school-of-management/-082j-network-optimization-fall-200/.082j
ESERCIZIO 1 Si faccia riferimento all Allegato A - OPS 2016, problema ricorrente REGOLE E DEDUZIONI, pagina 2.
ESERCIZIO 1 Si faccia riferimento all Allegato A - OPS 2016, problema ricorrente REGOLE E DEDUZIONI, pagina 2. Sono date le seguenti regole: regola(1,[p,q],a) regola(2,[b,x,a],w) regola(3,[h],c) regola(4,[a,n,q],v)
College Algebra. Logarithms: Denitions and Domains. Dr. Nguyen November 9, Department of Mathematics UK
College Algebra Logarithms: Denitions and Domains Dr. Nguyen nicholas.nguyen@uky.edu Department of Mathematics UK November 9, 2018 Agenda Logarithms and exponents Domains of logarithm functions Operations
8.3 Optimality conditions (constraint qualification and KKT) 2
8.1 Advertising campaign An advertising agency must propose an advertising campaign using two media: radio and newspapers. Several(m) radio stations can be considered; the cost of having a one minute commercial
9.3 Quadratic penalty and augmented Lagrangian methods
9.1 Portfolio optimization Given a set of n investments and a budget B consider the problem of constructing a portfolio by selecting a subset of investments and the fraction to put into each investment.
Relative error analysis of matrix exponential approximations for numerical integration
Relative error analysis of matrix exponential approximations for numerical integration S. Maset Dipartimento di Matematica e Geoscienze Università di Trieste Due giorni di Algebra Lineare Numerica e Applicazioni
6.5 RNA Secondary Structure
6.5 RNA Secondary Structure Struttura di una biomolecola Biomolecola: DNA, RNA Struttura primaria: descrizione esatta della sua composizione atomica e dei legami presenti fra gli atomi Struttura secondaria:
Minimizzazione (e massimizzazione) di funzioni. Antonino Polimeno
Minimizzazione (e massimizzazione) di funzioni Antonino Polimeno antonino.polimeno@unipd.it Uno dei problemi principali della chimica la minimizzazione dell energia totale di un sistema molecolare (o supramolecolare)
Quasi-uniform Grids and. Ad Hoc Finite Dierence Schemes for BVPs on Innite Intervals. Alessandra Jannelli and Riccardo Fazio
Quasi-uniform Grids and Ad Hoc Finite Dierence Schemes for BVPs on Innite Intervals Alessandra Jannelli and Riccardo Fazio Page 1 of 22 Department of Mathematics and Computer Science, University of Messina
Exam of ELECTRONIC SYSTEMS June 15 th, 2012 Prof. Marco Sampietro
Exam of ELECTRONIC SYSTEMS June 15 th, 2012 Prof. Marco Sampietro Matr. N NAME Problem 1 Operational Amplifier circuit 1. Considerare l amplificatore della figura seguente. Supporre inizialmente di usare
6.5 RNA Secondary Structure. 18 novembre 2014
6.5 RNA Secondary Structure 18 novembre 2014 Calendario Oggi è la lezione 17/24: ultima lezione su Programmazione dinamica Metodo greedy: 18, 19 Grafi: 20, 21, 22, 23 Reti di flusso: 23, 24 (=mercoledì
Constant Propagation. A More Complex Semilattice A Nondistributive Framework
Constant Propagation A More Complex Semilattice A Nondistributive Framework 1 The Point Instead of doing constant folding by RD s, we can maintain information about what constant, if any, a variable has
Metodi di Ricerca Lineare
Metodi di Ricerca Lineare Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famo2spaghi http://stegua.github.com Metodi di Ottimizzazione
Corso di Laurea in Scienze cognitive e Processi decisionali Intelligenza Artificiale e analisi dei dati. Alberi di decisione
Corso di Laurea in Scienze cognitive e Processi decisionali Intelligenza Artificiale e analisi dei dati Alberi di decisione Alberto Borghese Università degli Studi di Milano Laboratorio di Sistemi Intelligenti
SVD - Application to rigid-motion estimation
SVD - Application to rigid-motion estimation Now we use SVD to estimate the rigid motion of the observer (usually the robot) with respect to a collection of markers acquired in the environment which must
, 3x y = a 2 = b 2 + c 2 2bc cos α.
Esercizi. Soluzioni. (.A ) Siano x = e y =. 2 (i) Calcolare e disegnare i vettori x, 2x, x, 0x. (ii) Calcolare e disegnare i vettori x + y, x y, y e x y. (iii) Calcolare x, y, x + y e x y. Sol. 2 0 (i)
6.6 ARIMA Model. Autoregressive Integrated Moving Average (ARIMA ) Model. ARIMA(p, d, q) Process
128 6.6 ARIMA Model Autoregressive Integrated Moving Average (ARIMA ) Model ARIMA(p, d, q) Process φ(l) d y t = θ(l)ɛ t, where d y t = d 1 (1 L)y t = d 1 y t d 1 y t 1 = (1 L) d y t for d = 1, 2,, and
Metodi Numerici Prova di Laboratorio Esami del Stefano Gualandi
Metodi Numerici Prova di Laboratorio Esami del 2018 Stefano Gualandi October 11, 2018 ii Premessa Questo documento presenta la raccolta dei testi di esame degli appelli del corso di Metodi Numerici, Prova
minimize f(x 1,x 2 ) = 1 2 x2 1 + a 2 x2 2
3.1 Ottimizzazione lungo direzioni coniugate. Risolvere il seguente problema: minimize f(x 1,x 2 ) = 12x 2 + 4x 2 1 + 4x 2 2 4x 1 x 2 manualmente, utilizzando il metodo delle direzioni coniugate: determinare
Ottimizzazione numerica
Funzioni univariate 28 Ottobre 2010 Funzioni univariate Outline 1 Funzioni univariate 2 optim Funzioni univariate I metodi di ottimizzazione consentono di trovare i punti estremanti (massimi, minimi) di
Università degli studi di Bologna Facoltà di Economia. (a) 2 (b) E (c) 4 (d) 6. (c) solo i) (d) ii) e iii)
If x + 6 = x, what is the value of x? A..5 B. C..5 D. E..5 What is the next term in the sequence:,9,6,,8,,...? A. 8 B. 6 6 cup C. 0 cup D. 9 E. 8 Università degli studi di Bologna Facoltà di Economia A.
DC-Servomechanism. Alberto Bemporad. Corso di Teoria dei Sistemi (Diploma) a.a. 2000/2001
DC-Servomechanism Alberto Bemporad Corso di Teoria dei Sistemi (Diploma) a.a. 2000/2001 Figure 1: Servomechanism model (modello del servomeccanismo). 1 Corso di Teoria dei Sistemi (Diploma), Università
New perspectives in the reconstruction of convex polyominoes from orthogonal projections
New perspectives in the reconstruction of convex polyominoes from orthogonal projections Paolo Dulio, Andrea Frosini 2, Simone Rinaldi 3, 4, Laurent Vuillon 5 Politecnico di Milano, 2 Università di Firenze,
Graphs: Cycles. Tecniche di Programmazione A.A. 2012/2013
Graphs: Cycles Tecniche di Programmazione Summary Definitions Algorithms 2 Definitions Graphs: Cycles Cycle A cycle of a graph, sometimes also called a circuit, is a subset of the edge set of that forms
Le coniche furono studiate già 2000 anni fa dagli antichi Greci in particolare da Apollonio (III secolo a.c) che ne scoprì numerose proprietà.
Coniche 1 3 Ci sono alcune curve, dette coniche, che fanno la loro comparsa in moltissimi ambiti, apparentemente diversi fra loro; per esempio: le traiettorie dei pianeti sono coniche; le superficie delle
Università degli Studi Roma Tre Dipartimento di Ingegneria Corso di Teoria e Progetto di Ponti A/A Prof. Ing.
Analysis methods Simplified non-linear analysis: Simply supported Bridges Most of the bridges are built using a simply supported deck configuration. For the evaluation of the seismic behaviour of as-built
Author: Raffaele Cogoni born in Assemini on 21/02/1954
Author: Raffaele Cogoni born in Assemini on 21/02/1954 raff54cog@libero.it Title: Simplification of the Sieve of Eratosthenes Abstract It is a procedure to find the prime numbers, in practice it is a simplification
Probability Distributions T O P I C # 1
Probability Distributions ١ T O P I C # 1 Discrete Random Variable A discrete random variable is a variable that can assume only a countable number of values Many possible outcomes: number of complaints
Singular Value Decomposition Applications
Singular Value Decomposition Applications Prof. Mariolino De Cecco, Ing. Luca Baglivo 1 Department of Structural Mechanical Engineering, University of Trento Email: mariolino.dececco@ing.unitn.it The environment
Tipici tempi di esecuzione. Martedì 7 ottobre 2014
Tipici tempi di esecuzione Martedì 7 ottobre 2014 Punto della situazione Abbiamo definito il tempo di esecuzione di un algoritmo Scelto l analisi asintotica Abbiamo definito le notazioni asintotiche che
Discontinuous Galerkin Methods
Discontinuous Galerkin Methods Paola F. Antonietti MOX, Dipartimento di Matematica Politecnico di Milano.MO. X MODELLISTICA E CALCOLO SCIENTIFICO. MODELING AND SCIENTIFIC COMPUTING International Doctoral
Fisher Linear discriminant analysis (pag 228)
Fisher Linear discriminant analysis (pag 228) 1 Nell Analisi delle componenti proncipali PCA si trovano quelle componenti utili per la rappresentazione dei dati Tali componenti non sono utili a discriminare
Capitolo 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
ESERCIZIO 1 Si faccia riferimento all Allegato A - OPS 2016, problema ricorrente REGOLE E DEDUZIONI, pagina 2.
ESERCIZIO 1 Si faccia riferimento all Allegato A - OPS 2016, problema ricorrente REGOLE E DEDUZIONI, pagina 2. Sono date le seguenti regole: regola(1,[p,d,r],w) regola(2,[a,t,u],p) regola(3,[a,b,r],u)
Self-Calibration Hands-on CASA introduction
Self-Calibration Hands-on CASA introduction Adam North American ALMA Science Center Atacama Large Millimeter/submillimeter Array Expanded Very Large Array Robert C. Byrd Green Bank Telescope Very Long
Accesso Mul*plo - modelli
Accesso Mul*plo - modelli Conceptual Model of Mul/ple Access A B C D Station A Station B Station C Station D Master Channel The Master does not know if and how many packets are present in each queue (i.e.,
Discontinuous Galerkin Methods: Theory, Computation and Applications
Discontinuous Galerkin Methods: Theory, Computation and Applications Paola. Antonietti MOX, Dipartimento di Matematica Politecnico di Milano.MO. X MODELLISTICA E CALCOLO SCIENTIICO. MODELING AND SCIENTIIC
Soluzione. 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
3.7 Metodi quasi-newton
3.7 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f si estraggono informazioni relative alle derivate seconde dalle variazioni di f. Si genera
07/02/2011. Elementi di Biomeccanica Statica, Cinetica, Esercizi sull analisi delle forze. Mechanics. Statics constant state of motion
Elementi di Biomeccanica Statica, Cinetica, Esercizi sull analisi delle forze Mechanics Statics constant state of motion Dynamics acceleration present Kinetics of motionless systems Constant velocity systems
LEZIONE 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
Data Alignment and (Geo)Referencing (sometimes Registration process)
Data Alignment and (Geo)Referencing (sometimes Registration process) All data aquired from a scan position are refered to an intrinsic reference system (even if more than one scan has been performed) Data
(a) Si proponga una formulazione di programmazione nonlineare a variabili misto-intere per problema.
6. Clustering In molti campi applicativi si presenta il problema del data mining, che consiste nel suddividere un insieme di dati in gruppi e di assegnare un centro a ciascun gruppo. Ad esempio, in ambito
Downloading and Installing Software Socio TIS
Object: Downloading and Installing Software Socio TIS compiler: L.D. Date Revision Note April 17 th 2013 --- For SO XP; Win 7 / Vista step Operation: Image A1 Open RUN by clicking the Start button, and
Single-rate three-color marker (srtcm)
3. Markers Pag. 1 The Single Rate Three Color Marker (srtcm) can be used as component in a Diffserv traffic conditioner The srtcm meters a traffic stream and marks its packets according to three traffic
misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
Exam of DIGITAL ELECTRONICS June 21 st, 2012 Prof. Marco Sampietro
Exam of DIGITAL ELECTRONICS June 21 st, 2012 Prof. Marco Sampietro Student I.D. number NAME Si consideri il circuito digitale combinatorio della figura seguente. La tensione d alimentazione è 5V e la soglia
4.8 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).
Esercizio di ripasso generale.
ISTITUTO TECNICO STATALE COMMERCIALE E PER GEOMETRI "In Memoria dei Morti per La Patria" Viale Enrico Millo, 1-16043 Chiavari Laboratorio di Topografia - G.P.S. - G.I.S Anno scolastico 2009-2010 Classe:
A.A. 2006/2007 Laurea di Ingegneria Informatica. Fondamenti di C++ Horstmann Capitolo 3: Oggetti Revisione Prof. M. Angelaccio
A.A. 2006/2007 Laurea di Ingegneria Informatica Fondamenti di C++ Horstmann Capitolo 3: Oggetti Revisione Prof. M. Angelaccio Obbiettivi Acquisire familiarità con la nozione di oggetto Apprendere le proprietà
IM-IU v0.1. alternata e continua. pag. 1 / 5
MANUALE OPERATIVO IM-IU v0.1 INSTRUCTION MANUAL SERIE TTC-V-485 Trasformatore di corrente alternata e continua PROTOCOLLO DI COMUNICAZIONE MODBUS TTC-V-485 SERIES AC/DC current transformer MODBUS COMMUNICATION
User s manual for art Manuale d uso per art. 3003
User s manual for art. 3003 Manuale d uso per art. 3003 This page is intentionally left blank ita La Easy Control è un piccolo registratore DMX che può essere di grande utilità per piccole installazioni,
Esercizi Programming Contest
Esercizi Programming Contest Alberto Montresor 22 maggio 2012 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle
Il Toolbox di ottimizzazione di Matlab. Mauro Gaggero
Mauro Gaggero I Toolbox di Matlab I Toolbox di Matlab sono pacchetti software utili per risolvere problemi specifici. Questi pacchetti non fanno parte del kernel vero e proprio di Matlab. Si tratta di
Ottimizzazione 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
Analisi 2 Fisica e Astronomia
Analisi Fisica e Astronomia Appello scritto del 8 Luglio 0. Soluzione Esercizio 7 pti Sia α > 0 un parametro e consideriamo la curva piana γ : [0, ] R γt = t cos, t sin, se t 0, ], e γ0 = 0, 0. t α t α
Corso di Ottimizzazione MODELLI MATEMATICI PER IL PROBLEMA DELLO YIELD MANAGEMENT FERROVIARIO. G. Di Pillo, S. Lucidi, L. Palagi
Corso di Ottimizzazione MODELLI MATEMATICI PER IL PROBLEMA DELLO YIELD MANAGEMENT FERROVIARIO G. Di Pillo, S. Lucidi, L. Palagi in collaborazione con Datamat-Ingegneria dei Sistemi s.p.a. YIELD MANAGEMENT
ENGINE COMPONENT DESIGN Cap. 7 AIAA AIRCRAFT ENGINE DESIGN R03-23/10/2013
CORSO DI LAUREA MAGISTRALE IN Ingegneria Aerospaziale PROPULSION AND COMBUSTION ENGINE COMPONENT DESIGN Cap. 7 AIAA AIRCRAFT ENGINE DESIGN R03-23/10/2013 LA DISPENSA E DISPONIBILE SU http://www.ingegneriaindustriale.unisalento.it/scheda_docente/-/people
A.S. 2011/2012. Circuito semaforico da incrocio. Corso di Elettronica. Dipartimento di Elettrotecnica
A.S. 2011/2012 Circuito semaforico da incrocio Corso di Elettronica Dipartimento di Elettrotecnica Alunno: Bari Aldo 3E 1 Relazione Elettronica Realizzazione di un impianto semaforico da incrocio 2 Relazione
Testi del Syllabus. Docente CAGNONI STEFANO Matricola: Insegnamento: LABORATORIO DI PROGRAMMAZIONE. Anno regolamento: 2013 CFU:
Testi del Syllabus Docente CAGNONI STEFANO Matricola: 005079 Anno offerta: 2013/2014 Insegnamento: 13917 - LABORATORIO DI PROGRAMMAZIONE Corso di studio: 3007 - INGEGNERIA CIVILE E AMBIENTALE Anno regolamento:
Spazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
Si faccia riferimento all Allegato A - OPS 2016, problema ricorrente REGOLE E DEDUZIONI, pagina 2.
Scuola Sec. SECONDO Grado Gara 2 IND - 15/16 ESERCIZIO 1 Si faccia riferimento all Allegato A - OPS 2016, problema ricorrente REGOLE E DEDUZIONI, pagina 2. Sono date le seguenti regole: regola(1,[a],b)
ANALISI B alcuni esercizi proposti
ANALISI B alcuni esercizi proposti G.P. Leonardi Parte II 1 Limiti e continuità per funzioni di 2 variabili Esercizio 1.1 Calcolare xy log(1 + x ) lim (x,y) (0,0) 2x 2 + 5y 2 Esercizio 1.2 Studiare la
4.5 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
WEB OF SCIENCE. COVERAGE: multidisciplinary TIME RANGE: DOCUMENT TYPES: articles, proceedings papers, books
WEB OF SCIENCE COVERAGE: multidisciplinary TIME RANGE: 1985- DOCUMENT TYPES: articles, proceedings papers, books WEB OF SCIENCE: SEARCH you can add one or more search field you can limit results to a specific
Fondamenti di Informatica
Fondamenti di Informatica Sorting Algorithms Prof. Emiliano Casalicchio emiliano.casalicchio@uniroma2.it Sorting algorithms n selection sort n Insertion sort incremental algorithms progressively ext a
REGISTRATION GUIDE TO RESHELL SOFTWARE
REGISTRATION GUIDE TO RESHELL SOFTWARE INDEX: 1. GENERAL INFORMATION 2. REGISTRATION GUIDE 1. GENERAL INFORMATION This guide contains the correct procedure for entering the software page http://software.roenest.com/
Analisi 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
Exam of DIGITAL ELECTRONICS June 14 th, 2012 Prof. Marco Sampietro
Exam of DIGITAL ELECTRONICS June 14 th, 2012 Prof. Marco Sampietro Matr. N NAME CMOS circuits Si supponga di avere una tecnologia CMOS con le seguenti caratteristiche: p =400 cm 2 /V s, n =1200 cm 2 /V
KIT PER FISSAGGIO PARALLELO AL TETTO
KIT PER FISSAGGIO PARALLELO AL TETTO PARALLEL TO ROOF MOUNTING KIT Questa istruzione è parte integrante del libretto del collettore solare al quale si rimanda per le AVVERTENZE GENERALI e per le REGOLE
Combinazioni serie MKF + MI
Combinazioni tra variatori serie MKF e riduttori serie MI Combined series MKF speed variator and series MI reduction unit Combinazioni serie MKF + MI Il variatore meccanico tipo MKF della SITI può essere
Tomography. A Lecture for: Inverse Problems Seminar. Asaf Zarmi Dec. 2009
Tomography A Lecture for: Inverse Problems Seminar Asaf Zarmi Dec. 009 Introduction The Radon Transform Projection Slice Theorem Inversion of Radon Transform Theory Aplication Cone Beam Transform Various
Question 1: algorithms, data structures, problem classes, and algorithmic techniques
Question 1: alg. s, data struct. s, problem classes, and alg. techniques Question 1: algorithms, data structures, problem classes, and algorithmic techniques What is a dynamic data structure? (4 points).
NUMERI COMPLESSI ED EQUAZIONI ALGEBRICHE
NUMERI COMPLESSI ED EQUAZIONI ALGEBRICHE. Esercizi Esercizio. Scrivere la forma algebrica, la forma trigonometrica e quella esponenziale dei seguenti numeri complessi: z = + i, z = (cos( π ) + i sin(π
Ottimizzazione dei Sistemi Complessi
1 Giovedì 4 Maggio 2017 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Ordinamento di Pareto Dati due vettori z 1 e z 2 in R k diciamo che: z 1 domina (secondo Pareto) z 2 (z 1 P z 2 ) se
maths review p.1/27 Maths review Francesca Odone
maths review p.1/27 Maths review Francesca Odone maths review p.2/27 Rotation matrices A rigid rotation of a 3D vector v onto a 3D vector v can be represented by a linear transformation, defined by a 3
Sun paths in the sky. Solar diagrams and obstructions: shading systems design. Sun paths in the sky. Sun paths in the sky
Università IUAV di Venezia Corso di Fisica Tecnica Ambientale Laboratorio Integrato Innovazione-Sostenibilità Solar diagrams and obstructions: shading systems design Fabio Peron Università IUAV - Venezia
ISTRUZIONE DI SERVIZIO SERVICE INSTRUCTION
ISTRUZIONE DI SERVIZIO SERVICE INSTRUCTION Procedura sostituzione motore tipo VALEO 404 864 rotazione braccio ROTOGRAPH PLUS Replacing the arm rotation motor type VALEO 404 864 on the ROTOGRAPH PLUS NOTA:
Mobile Robot Motion Control. Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo
Mobile Robot Motion Control Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo Pose Controller Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo Pose Controller
ESERCIZIO 1 Si faccia riferimento all Allegato A - OPS 2016, problema ricorrente REGOLE E DEDUZIONI, pagina 2.
ESERCIZIO 1 Si faccia riferimento all Allegato A - OPS 2016, problema ricorrente REGOLE E DEDUZIONI, pagina 2. Siano date le seguenti regole: regola(1,[a,p,f],g) regola(2,[c,x],n) regola(3,[n,g],w) regola(4,[p,c,x],d)
Quadrature. Emma Perracchione. Corso di Calcolo Numerico per Ingegneria Meccanica - Matr. PARI (Univ. PD)
Emma Perracchione Corso di Calcolo Numerico per Ingegneria Meccanica - Matr. PARI (Univ. PD) Gli esercizi sono presi dal libro: S. De Marchi, D. Poggiali, Exercices of numerical calculus with solutions
Question 1: introduction to computer programming
Question 1: introduction to computer programming Question 1: introduction to computer programming What is a compiler? (4 points). Cos è un compilatore? (4 punti). c 2006 Marco Bernardo 1/14 Question 1:
Corso di Geometria BIAR, BSIR Esercizi 10: soluzioni
Corso di Geometria 2010-11 BIAR, BSIR Esercizi 10: soluzioni 1 Geometria dello spazio Esercizio 1. Dato il punto P 0 = ( 1, 0, 1) e il piano π : x + y + z 2 = 0, determinare: a) Le equazioni parametriche
Mathematics Binary System basic concepts
Mathematics Binary System basic concepts Pietro Nicoletti Piero[at]studioreti.it Binar-Engl - Copyright: si veda nota a pag. 2 Nota di Copyright Questo insieme di trasparenze (detto nel seguito slides)
Resources and Tools for Bibliographic Research. Search & Find Using Library Catalogues
Resources and Tools for Bibliographic Research Search & Find Using Library Catalogues November 28, 2011 Donata Pieri Index Definition University of Padova Library System Catalogue CaPerE E-journals Catalogue
AVVISO n Dicembre 2010
AVVISO n.18424 13 Dicembre 2010 Mittente del comunicato : Borsa Italiana Societa' oggetto : dell'avviso Oggetto : Guida ai Parametri di negoziazione v. 12 in vigore dal 20/12/2010 Guide to the Parameters
MODIFICA AL REGOLAMENTO DEL MERCATO AIM ITALIA/MERCATO ALTERNATIVO DEL CAPITALE REGOLAMENTO DEGLI OPERATORI E DELLE NEGOZIAZIONI
AVVISO n.18289 30 Settembre 2016 AIM -Italia/Mercato Alternativo del Capitale Mittente del comunicato : BORSA ITALIANA Societa' oggetto dell'avviso : -- Oggetto : Modifica al Regolamento del Mercato AIM
Fondamenti di Elaborazione Numerica dei Segnali Anno Accademico Seconda Prova Intermedia 18/1/2018. Tempo a disposizione 1h:30min
Seconda Prova Intermedia 8//08 Tempo a disposizione h:30min. Dato il sistema riportato nella figura seguente, si consideri una sua implementazione con aritmetica in virgola fissa a 8 bit complemento a
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
a a e coincide quindi con la lunghezza del lato della ruota quadrata. 3) Dalla similitudine dei triangoli ACL e ALM, abbiamo che CL AL CA = AM
Problemi Problema ) ) Un profilo adeguato f(x) deve essere una funzione concava per garantire che il lato della ruota, che risulta essere tangente nel punto di contatto, sia completamente al di sopra del
Scuola Sec. Secondo Grado FINALE IND. - 14/15 ESERCIZIO 1
ESERCIZIO 1 Si ricordi che una regola di deduzione è un termine che ha la struttura: regola(,,). Tale termine indica una regola di nome che consente di dedurre
Capitolo 6 - Array. Copyright by Deitel & Associates, Inc. and Pearson Education Inc. All Rights Reserved.
1 Capitolo 6 - Array Array Array Gruppo di locazioni di memoria consecutive Stesso nome e tipo Per riferirsi a un elemento, specificare Nome dell array Posizione Formato: arrayname[ position number ] Primo