5.3 Metodo dei piani di taglio
|
|
|
- Aurelio Gagliardi
- 9 anni fa
- Visualizzazioni
Transcript
1 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 E. Amaldi Fondamenti di R.O. Politecnico di Milano
2 Formulazioni equivalenti x * PL formulazioni Formulazioni tutte equivalenti con i vincoli di interezza ma i rilassamenti continui, x * PL e z * PL possono essere molto diversi. Formulazione ideale : solo vertici a coordinate intere e quindi z * PL = z* PLI -- basterebbe PL! Guscio convesso conv(x ) = più piccolo insieme convesso regione ammissibile X E. Amaldi Fondamenti di R.O. Politecnico di Milano 2
3 limitata o illimitata Proprietà: Per qualsiasi regione ammissibile X di un PLI, una formulazione ideale (descrizione di conv(x ) in termini di un # finito di vincoli lineari) ma può contenere un numero elevatissimo esponenziale di vincoli. La risoluzione di un qualsiasi PLI si può (teoricamente) ricondurre a quella di un solo problema di PL! Ma la formulazione ideale è spesso di dimensione esponenziale e/o molto difficile da determinare E. Amaldi Fondamenti di R.O. Politecnico di Milano 3
4 Metodi dei piani di taglio Non è necessaria la descrizione completa di conv(x ), basta nelle vicinanze di una soluzione ottima Idea: Data una formulazione iniziale, aggiungere iterativamente nuovi vincoli finché il rilassamento continuo non fornisce una soluzione ottima intera x * PL Def.: Un taglio è un vincolo non soddisfatto da x * PL ma soddisfatto da tutte le sol. ammissibili (intere) del PLI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 4
5 Tagli di Gomory Sia x * PL sol. ottima del rilassamento continuo della formulazione corrente min{c T x : Ax = b, x } e x * B[r] una variabile di base frazionaria. La riga corrispondente del tableau ottimo: x B[ r] + j: x j a x = rj j fuori base b r (*) frazionario taglio di Gomory: (a rj - a rj ) x j (b r - b r ) j:x j fuori base E. Amaldi Fondamenti di R.O. Politecnico di Milano 5
6 Verifichiamo che la disuguaglianza (a rj - a rj ) x j (b r - b r ) j:x j fuori base è un taglio rispetto a x * PL Elimina sol. ottima frazionaria x * PL del rilassamento continuo Chiaro poiché (b r b r ) > e x j = j t.c.x j fuori base E. Amaldi Fondamenti di R.O. Politecnico di Milano 6
7 Non elimina nessuna sol. ammissibile intera Per ogni sol. ammissibile del rilassamento continuo x B[r] + a rj x j x B[r] + a rj x j = b r j F j F e, in particolare, per ogni sol. ammissibile intera x j x B[r] + a rj x j b r (**) j F x j interi Sottraendo (**) da (*) si ottiene che per tutte le sol. ammissibili intere: (a rj - a rj ) x j (b r - b r ) j F E. Amaldi Fondamenti di R.O. Politecnico di Milano 7
8 La forma intera e la forma frazionaria x B[r] + a rj x j b r j F (a rj - a rj ) x j (b r - b r ) j F del taglio sono chiaramente equivalenti. E. Amaldi Fondamenti di R.O. Politecnico di Milano 8
9 Esempio: Tableau ottimo: max z = 8x + 5 x + 6 9x x, interi x s s 2 -z x variabili di scarto sol. di base ottima x * B = è frazionaria E. Amaldi Fondamenti di R.O. Politecnico di Milano 9
10 Scegliere un vincolo del tableau in cui la variabile di base è frazionaria: x.25 s +.25 s 2 = 3.75 Taglio di Gomory corrispondente:.75 s +.25 s 2.75 NB: Parte intera e frazionaria di un numero a a = a + f con f < quindi -.25 = e.25 = +.25 E. Amaldi Fondamenti di R.O. Politecnico di Milano
11 Introducendo la variabile di scarto s 3 si aggiunge il taglio al tableau: s s 2 s 3 -z x s 3 x -.75s.25s Il nuovo vincolo taglia la sol. ottima frazionaria del rilassamento continuo del PLI Si utilizza l algoritmo del simplesso duale E. Amaldi Fondamenti di R.O. Politecnico di Milano
12 -z s s s x s -4 x sol. ammissibile per primale e anche intera Poiché il rilassamento continuo della nuova formulazione ha una sol. ottima intera x * =[5,,,, ] T con z * = 4, x * è ottima anche per il PLI e non bisogna generare altri tagli di Gomory. E. Amaldi Fondamenti di R.O. Politecnico di Milano 2
13 Il taglio di Gomory.75 s +.25 s 2.75 si può esprimere in funzione delle variabili di decisione mediante sostituzione: s = 6 -x - s 2 = 45-9x - 5 3x E. Amaldi Fondamenti di R.O. Politecnico di Milano 3
14 x + 5 = 5 3x taglio di Gomory sol. ottima rilassamento continuo sol. ottima PLI z * PLI = 4 x + = x In questo caso: vincoli originali + taglio formulazione ideale! E. Amaldi Fondamenti di R.O. Politecnico di Milano 4
15 Algoritmo dei tagli di Gomory BEGIN Risolvere il rilassamento cont. min{c T x : Ax b, x } e sia x* una soluzione di base ammissibile ottima; WHILE x * non intero DO scegliere una variabile di base con valore frazionario; generare il taglio di Gomory corrispondente; aggiungere il vincolo al tableau continuo; effettuare un iterazione algoritmo del simplesso duale; END-WHILE END Se il PLI ammette una sol. ottima, il metodo dei piani di taglio ne individua una dopo aver inserito un # finito di tagli di Gomory. ma spesso elevatissimo E. Amaldi Fondamenti di R.O. Politecnico di Milano 5
16 Esistono altri tipi di tagli generici (diversi da quelli di Gomory) e numerose classi di tagli per problemi specifici I tagli più profondi sono le facce di conv(x)! Studiando la struttura combinatoria di vari problemi (ad es. TSP, set covering, set packing, ) sono state caratterizzate intere classi di facce. E. Amaldi Fondamenti di R.O. Politecnico di Milano 6
17 La tecnica mista di Branch and Cut tenta di superare i limiti rispettivi dei metodi di B&B e dei piani di taglio: Ad ogni nodo (sottoproblema) del B&B si generano alcuni tagli per tentare di trovare una soluzione intera o migliorare il bound. Quando i nuovi tagli diventano poco efficaci si effettua il branching. Vantaggi: I tagli tendono a rafforzare le formulazioni dei vari sottoproblemi; le lunghe serie di tagli senza significativo rafforzamento possono essere contrastate con operazioni di branching. E. Amaldi Fondamenti di R.O. Politecnico di Milano 7
18 Esempio: (PLI) min - 3x x +2 x, interi Applicando l algoritmo del simplesso primale al rilassamento contino si ottiene: x x 3 x 4 -z - x x 4 x 3 = 6 3x 2 x 4 = 3x 2 E. Amaldi Fondamenti di R.O. Politecnico di Milano 8
19 -z x /2 -/2 x -3/2 x 3 x 4 ½ -z x 3/2 3/2 x x 3 ¼ /6 ¼ x 4 ¼ -/6 ¼ La soluzione ottima x * =[, 3/2,, ] T ha valore z * PL = -3/2 (vertice A). Generare il taglio di Gomory associato alla 2a riga: + ¼ x 3 + ¼ x 4 = 3/2 + x 3 + x 4 3/2 ovvero il vincolo (taglio ). Aggiungendo alla forma frazionaria ¼ x 3 + ¼ x 4 ½ la variabile di surplus x 5 si ottiene: - ¼ x 3 ¼ x 4 + x 5 = -½. E. Amaldi Fondamenti di R.O. Politecnico di Milano 9
20 3-3x B A C 2 x A = (, 3/2) 3x B = (2/3, ) C = (, ) 2 3 x Rappresentazione grafica E. Amaldi Fondamenti di R.O. Politecnico di Milano 2
21 Aggiungendo la riga corrispondente al tableau: -z x 3 ¼ x 4 ¼ x 5 x /6 -/6 3/2 ¼ ¼ -/2 -/4 -/4 x 5 3/2 x x 5 = -/2 + ¼ x 3 + ¼ x 4 = -/2 + ¼ (6 3x 2 ) ¼(3x 2 ) = Per rappresentare i tagli ottenuti nello spazio delle sole variabili originali si procede per sostituzione: la nuova variabile di surplus x 5 è espressa in funzione solo di x e. E. Amaldi Fondamenti di R.O. Politecnico di Milano 2
22 Applicando il simplesso duale si ottiene il nuovo tableau ottimo: -z x 3 x 4 x 5 x 2/3 -/3 2/3 2-4 x 3 x La soluzione ottima x * = [2/3,, 2,, ] T è ancora frazionaria (vertice B). La forma intera del taglio di Gomory associato alla riga è x x 4 2/3 = che sostituendo x 4 = 3x 2 equivale a -2x + 2 (taglio 2). E. Amaldi Fondamenti di R.O. Politecnico di Milano 22
23 Poiché la forma frazionaria del taglio è 2/3x 4 + 2/3x 5 2/3, basta aggiungere la variabile di surplus x 6 e inserire la riga corrispondente nel tableau orlato : -z x 5 x 2/3 -/3 2/3 x 3 x 4 x /3-2/3-2/3 x 6 x x 6 x 6 = -2/3 + 2/3x 4 + 2/3x 5 = -2/3(3 x 2 ) + 2/3( ) = 2x 2 E. Amaldi Fondamenti di R.O. Politecnico di Milano 23
24 Applicando il simplesso duale si ottiene il tableau ottimo: x 3 x 5 -z x -/2 x 3-5 3/2-3/2 x 4 x La sol. ottima del rilassamento continuo x * = [,,,,, ] T corrisponde al vertice ammissibile C. NB: La formulazione non è ideale (il polìtopo ha ancora un vertice frazionario), conv(x ) richiederebbe anche il vincolo x + 2 che pero non è indispensabile per questa funzione obiettivo. x 4 E. Amaldi Fondamenti di R.O. Politecnico di Milano 24 x 6
3.6 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
5.5 Metodi dei piani di taglio
5.5 Metodi dei piani di taglio Problema generale di Programmazione Lineare Intera (PLI) max{c t x : x X} dove X = {x Z n + : Ax b}, con A matrice m n e b vettore n 1 razionali Proposizione: conv(x) = {x
Algoritmi generali per PLI
Programmazione Lineare Intera: II Algoritmo Cutting Planes Daniele Vigo D.E.I.S. Università di Bologna [email protected] rev.. ottobre Algoritmi generali per PLI Metodi esatti tradizionali (anni 6 oggi):
1 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
Esercizi 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
Programmazione 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:
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
Soluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2015-2016 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Paolo Tubertini, Daniele Vigo rev. 2. ottobre 2016 Fondamenti di
COMPITO 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,
Si consideri il seguente tableau ottimo di un problema di programmazione lineare
ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6
Contenuto e scopo presentazione. Modelli Lineari Interi/Misti. Piani di taglio. Piani di taglio. Piani di taglio Versione 31/08/
Contenuto e scopo presentazione Contenuto: viene presentato un altro metodo di soluzione di problemi di ILP o di MILP. Modelli Lineari Interi/Misti Piani di taglio Versione /8/. Scopo: fornire le capacità
3.4 Metodo di Branch and Bound
3.4 Metodo di Branch and Bound Consideriamo un generico problema di Ottimizzazione Discreta dove X è la regione ammissibile. (P ) z = max{c(x) : x X} Metodologia generale di enumerazione implicita (Land
COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04
COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04 Esercizio 1 Si risolva con il metodo branch-and-bound il seguente problema di PLI max x 1 + x 4x 1 + x + x = 0 x 1 + x + x 4 = x 1, x, x, x 4 0 x 1, x,
Esame di Ricerca Operativa del 07/09/2016
Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un industria chimica produce due tipi di fertilizzanti (A e B) la cui lavorazione è affidata ai reparti di produzione e
Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015
1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)
Il metodo dei Piani di Taglio (Cutting Planes Method)
Il metodo dei Piani di Taglio (Cutting Planes Method) E un metodo di soluzione dei problemi (IP) di tipo generale. L idea di base: Se la soluzione di (RL) non è intera allora la soluzione ottima intera
Domande 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
Esame di Ricerca Operativa del 11/07/2016
Esame di Ricerca Operativa del /0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un erboristeria vuole produrre una nuova tisana utilizzando tipi di tisane già in commercio. Tali tisane sono per lo più composte
Algoritmo di Branch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo di Branch & Bound Docente: Renato Bruni [email protected] Corso di: Ottimizzazione Combinatoria
Esame di Ricerca Operativa del 03/09/2015
Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Una raffineria di petrolio miscela tipi di greggio per ottenere tipi di carburante: senza piombo, diesel e blu diesel.
Esame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da basket e da calcio che vende rispettivamente a 1 e euro. L azienda compra ogni settimana 00
Esame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da calcio e da basket che vende a 1 e 20 euro rispettivamente. L azienda compra ogni settimana
Il Branch & Bound. Definizione 1. Sia S R n. La famiglia S = {S 1, S 2,..., S k S} tale che S 1 S 2 S k = S viene detta suddivisione di S.
Il Branch & Bound Il metodo Branch & Bound è una tecnica che permette di risolvere all ottimo un generico problema di Programmazione Lineare Intera. Tale metodo si basa su due concetti cardine: quello
Rilassamento Lagrangiano
RILASSAMENTO LAGRANGIANO 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il seguente problema
2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) protocolli reti IP memorizzazione compatta di
Esame di Ricerca Operativa del 08/01/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 08/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x + x x +x x x 0 x + x x x 8 x x 8
Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities
Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities L. De Giovanni M. Di Summa In questa lezione introdurremo una classe di disuguaglianze, dette cover inequalities, che permettono di
Esame di Ricerca Operativa del 16/06/2015
Esame di Ricerca Operativa del 1/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una ditta produce vernici in tre diversi stabilimenti (Pisa, Cascina, Empoli) e le vende a tre imprese edili (A, B, C). Il
Esame di Ricerca Operativa del 09/02/2016
Esame di Ricerca Operativa del 0/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una sartoria produce tipi di vestiti: pantaloni, gonne e giacche, utilizzando stoffa e filo. Settimanalmente, la disponibilità
Problemi di localizzazione di servizi (Facility Location Problems)
9. Problemi di Localizzazione di Servizi 1 Problemi di localizzazione di servizi (Facility Location Problems) Dato un insieme di clienti richiedenti una data domanda di merce e dato un insieme di possibili
Capitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano
Capitolo 3: Ottimizzazione Discreta E. Amaldi DEIB, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati o approssimati come problemi di Programmazione
5.5 Metodi generali per la soluzione di problemi
5.5 Metodi generali per la soluzione di problemi di PLI I problemi di PLI hanno caratteristiche molto diverse dai problemi di PL. In alcuni casi, la soluzione del problema lineare rilassato, ottenuto cioè
COMPITO DI RICERCA OPERATIVA. (5 punti) Sia dato il seguente problema di PL: min x 1 + x 2 x 1 + x 2 3 x 1 + x 2 2 2x 1 + x 2 3.
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (5 punti) Sia dato il seguente problema di PL: min x 1 + x 2 x 1 + x 2 x 1 + x 2 2 2x 1 + x 2 x 1 0 x 2 0 Si trasformi questo problema in forma standard e lo si
Per formalizzare il concetto sono necessarie alcune nozioni relative ai poliedri e alla loro descrizione.
3.7.4 Disuguaglianze valide forti Cerchiamo disuguaglianze valide forti, ovvero disuguaglianze valide che forniscano migliori formulazioni (più stringenti). Per formalizzare il concetto sono necessarie
Soluzione 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
Esercizi 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 )
Programmazione Lineare Intera (PLI)
PLI.1 Programmazione Lineare Intera (PLI) z P LI = min c T x Ax b x 0 x intero vincoli di interezza non lineari: es. sin(πx) = 0 Rimuovendo il vincolo di interezza PL (rilassamento continuo di PLI), tale
Esercizi di Programmazione Lineare - Dualità
Esercizi di Programmazione Lineare - Dualità Esercizio n1 Dato il seguente problema 3 + 3 2 2 + a scriverne il duale; b risolvere il duale (anche geometricamente indicando cosa da esso si può dedurre sul
Esercizi di PLI. a cura di A. Agnetis. Risolvere il seguente problema di PLI con l algoritmo dei piani di Gomory:
Esercizi di PLI a cura di A. Agnetis Risolvere il seguente problema di PLI con l algoritmo dei piani di Gomory: max z = 40x + 24x 2 + 5x + 8x 4 8x + 6x 2 + 5x + 4x 4 22 x i 0 x i intero Si tratta di un
Parte V: Rilassamento Lagrangiano
Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice
Metodi 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
PROGRAMMAZIONE 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
2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
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:
Macchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4
Macchine parallele M 1 J 1 J 2 LAVORI M 2 J 3 J 4 M 3 Macchine parallele Scheduling su macchine parallele scorrelate R C max Descrizione del problema n lavori devono essere processati da m macchine diverse
Programmazione 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
Teoria 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
Parte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Divide et Impera Sia z * max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
Capitolo 5: Ottimizzazione Discreta. E. Amaldi DEI, Politecnico di Milano
Capitolo 5: Ottimizzazione Discreta E. Amaldi DEI, Politecnico di Milano 5.1 Modelli di PLI, formulazioni equivalenti ed ideali Il modello matematico di un problema di Ottimizzazione Discreta è molto spesso
Esercizi soluzione grafica e Branch and Bound. Daniele Vigo
Esercizi soluzione grafica e Branch and Bound Daniele Vigo [email protected] Mix Mangimi Il gestore di un allevamento desidera determinare il mix ottimale di mangimi da aggiungere al riso per la dieta
Esercizi per il corso di ricerca operativa 1
Esercizi per il corso di ricerca operativa Ultimo aggiornamento: 8 gennaio 004 Indice I Esercizi 5 Programmazione lineare 7 Dualita 3 3 Analisi di sensitivita 7 4 Programmazione intera 5 Introduzione
Introduzione 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
Metodo 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
Rilassamento Lagrangiano
Rilassamento Lagrangiano AA 2009/10 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il
Soluzione di problemi di Programmazione Lineare Intera
10 Soluzione di problemi di Programmazione Lineare Intera 10.1 ESERCIZI SULLA SOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 10.1.1 Risolvere con il metodo del Branch and Bound il seguente
METODI DELLA RICERCA OPERATIVA
Università degli Studi di Cagliari FACOLTA' DI INGEGNERIA CORSO DI METODI DELLA RICERCA OPERATIVA Dott.ing. Massimo Di Francesco ([email protected]) i i Dott.ing. Maria Ilaria Lunesu ([email protected])
Problemi dello zaino e di bin packing
Problemi dello zaino e di bin packing Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa [email protected] http://www.di.unipi.it/~galli 2 Dicembre 2014 Ricerca Operativa 2 Laurea
4.1 Localizzazione e pianificazione delle base station per le reti UMTS
esercitazione Ottimizzazione Prof E Amaldi Localizzazione e pianificazione delle base station per le reti UMTS Consideriamo il problema di localizzare un insieme di stazioni radio base, base station (BS),
4. 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
Programmazione 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
Problemi di Flusso: Il modello del Trasporto
Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su
Problemi di localizzazione
Problemi di localizzazione Claudio Arbib Università di L Aquila Prima Parte (marzo 200): problemi con singolo decisore . Introduzione Un problema di localizzazione consiste in generale nel decidere dove
Il 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
2. 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
Esercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
Introduzione 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
Teoria della Dualità: I Introduzione
Teoria della Dualità: I Introduzione Daniele Vigo D.E.I.S. Università di Bologna [email protected] rev. 1.2 Maggio 2004 Dualità Per ogni problema PL, detto primale, ne esiste un altro, detto duale, costruito
Possibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
Prerequisiti 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
RICERCA 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
IL 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
Metodi e Modelli per l Ottimizzazione Combinatoria Metodi basati su generazione di colonne
Metodi e Modelli per l Ottimizzazione Combinatoria Metodi basati su generazione di colonne L. De Giovanni G. Zambelli 1 Un problema di taglio di tondini di ferro Un azienda metallurgica produce tondini
Ricerca Operativa A.A. 2007/ Introduzione
Ricerca Operativa A.A. 2007/2008 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: [email protected] www.math.unipd.it/~luigi
