Introduzione alla Ricerca Operativa
|
|
- Cristoforo Castellano
- 7 anni fa
- Visualizzazioni
Transcript
1 Introduzione alla Ricerca Operativa p. 1/31 Introduzione alla Ricerca Operativa Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria
2 Introduzione alla Ricerca Operativa p. 2/31 Natura della Ricerca Operativa La Ricerca Operativa può essere descritta come un approccio scientifico alla presa di decisioni nell ambito di operazioni svolte all interno di sistemi organizzativi. Ricerca Operativa = Ricerca su operazioni Si applica a problemi concernenti il come condurre e coordinare operazioni ed attività all interno di un organizzazione (per esempio, all interno di un industria, ma il campo di applicazione è molto esteso)
3 Introduzione alla Ricerca Operativa p. 3/31 All interno di un organizzazione le principali problematiche sono: suddivisione del lavoro tra i vari componenti in modo che le attività e gli obiettivi di ciascuno si amalgamino con quelli dell intera organizzazione; assegnazione delle risorse disponibili alle varie attività nel modo complessivamente più efficace.
4 Introduzione alla Ricerca Operativa p. 4/31 Origini della Ricerca Operativa Seconda guerra mondiale: il comando militare britannico e poi quello americano chiamarono un grande numero di scienziati per applicare un criterio scientifico alla trattazione di problemi strategici, tattici e di assegnazione delle scarse risorse alle operazioni militari. Successivamente la R.O. si inserì nell industria, negli affari e nella pubblica amministrazione. Molti scienziati hanno dato contributi alla teoria della ricerca operativa, ricavando metodi e sviluppando tecniche. L avvento dei calcolatori ha dato notevole impulso a questa disciplina.
5 Introduzione alla Ricerca Operativa p. 5/31 Metodo matematico della R.O. Fasi della R.O. Formulazione del problema (determinazione degli obiettivi, dei vincoli, ecc.) e raccolta dei dati Costruzione del modello matematico (rappresentazione del problema in termini di relazioni matematiche, variabili, parametri, ecc.) Ricerca di una soluzione Verifica del modello (model validation) ed applicazione della soluzione nel contesto reale
6 Introduzione alla Ricerca Operativa p. 6/31 Esempi di applicazione Progettazione del layout di una fabbrica per un efficiente flusso di materiali e prodotti Realizzazione di una rete di telecomunicazioni a basso costo garantendo QoS (Quality of Service) o QoE (Quality of Experience) se si verificano intasamenti o danneggiamenti nelle connessioni Determinazione delle linee degli autobus in città utilizzando il minor numero di autobus possibile Organizzazione di sistemi di trasporto e distribuzione (vehicle routing) Miscelazione di prodotti grezzi in una raffineria...
7 Introduzione alla Ricerca Operativa p. 7/31 Esempio: studio di RO effettuato per il Dipart. di Polizia di San Francisco Risultato: sviluppo di un sistema computerizzato per ottimizzare lo scheduling e l utilizzo degli agenti di polizia. Il nuovo sistema ha permesso: un risparmio annuo di 11 milioni di $; un incremento di 3 milioni di $ degli introiti derivanti da contravvenzioni stradali; un miglioramento del 20% dei tempi di risposta.
8 Introduzione alla Ricerca Operativa p. 8/31 In questo caso, nella stima degli obiettivi appropriati, ne erano stati identificati tre fondamentali: 1. mantenere un elevato livello della sicurezza dei cittadini 2. mantenere un elevato livello del morale degli agenti 3. minimizzare il costo operativo
9 Introduzione alla Ricerca Operativa p. 9/31 Esempio: studio di RO effettuato per società di servizi finanziari in USA Obiettivo: revisione dei costi per i servizi finanziari offerti (dal servizio completo al servizio a basso costo), al fine di competere con le società di brokeraggio on line. La raccolta ed il trattamento dei dati hanno giocato un ruolo chiave. Per analizzare il comportamento individuale del cliente in risposta alle differenti opzioni, è stato creato un database con i dati di 5 milioni di clienti, 10 milioni di account, 100 milioni di informazioni sulle transazioni, 250 milioni di informazioni sui libri contabili, per un totale di 200 Gb di dati. Risultato: incremento annuo di 80 miliardi di $.
10 Introduzione alla Ricerca Operativa p. 10/31 Esempio: studio di RO effettuato per la Continental Airlines Risultato: sviluppo di un modello matematico per l attribuzione del personale ai voli non appena si presenti un emergenza Poiché le compagnie aeree gestiscono migliaia di equipaggi e di voli giornalieri, il modello è abbastanza ampio da comprendere tutti i possibili abbinamenti tra gli equipaggi ed i veivoli, quindi presenta milioni di variabili decisionali e molte migliaia di vincoli Tale modello fu utilizzato per la prima volta nel 2001 ed applicato in quell anno 4 volte per far fronte a grandi variazioni dello scheduling previsto (due tempeste di neve, un alluvione e l attacco dell 11 settembre). Ha consentito un risparmio di 40 milioni di $.
11 Introduzione alla Ricerca Operativa p. 11/31 Ottimizzazione Dato un insieme di possibili decisioni alternative, il problema (reale) consiste nel selezionarne una in particolare, di solito la migliore secondo uno specificato criterio. Avendo tradotto il problema reale in un modello matematico significativo, viene determinata la soluzione ottima fra quelle ammissibili OTTIMIZZAZIONE
12 Introduzione alla Ricerca Operativa p. 12/31 Un problema di ottimizzazione viene definito specificando: un insieme E R n (insieme ambiente) i cui elementi vengono detti soluzioni, decisioni oppure alternative; un sottoinsieme F E (insieme ammissibile) i cui elementi costituiscono le soluzioni ammissibili (o decisioni ammissibili o alternative ammissibili). Gli elementi che appartengono a E \ F sono di contro detti non ammissibili. La relazione x F viene detta vincolo; una funzione f : E R (funzione obiettivo) e un indicatore di min (minimo) o max (massimo) a seconda se si vuole trovare un elemento ammissibile che minimizzi o massimizzi la funzione.
13 Introduzione alla Ricerca Operativa p. 13/31 Ottimo e valore ottimo DEFINIZIONE. Ogni elemento x F tale che f(x) f(y), y F, se il problema è di tipo min, oppure f(x) f(y), y F, se il problema è di tipo max, prende il nome di ottimo. Il valore Z = f(x) della funzione nell ottimo prende il nome di valore ottimo.
14 Introduzione alla Ricerca Operativa p. 14/31 Osservazione. Un problema di minimo può essere ricondotto ad un problema di massimo (e viceversa) sostituendo f con f. La convenzione è quella di formulare ogni problema come problema di minimo.
15 Introduzione alla Ricerca Operativa p. 15/31 Se l ottimo non esiste, il valore ottimo viene comunque definito come: Z = inf{f(x) : x F } Se la funzione obiettivo non è limitata inferiormente in F il problema è detto illimitato; scriveremo in questo caso Z =. Se F =, allora il problema è detto non ammissibile o impossibile, e si pone per convenzione Z = +.
16 Introduzione alla Ricerca Operativa p. 16/31 Programmazione matematica Notazione per un problema di ottimizzazione: Z = minf(x) x F Osservazione: si dà per scontato che il min esiste e che si tratta di un operazione di inf in caso contrario. Il problema precedente prende anche il nome di problema di programmazione matematica.
17 Introduzione alla Ricerca Operativa p. 17/31 Scopo di un problema di ottimizzazione: determinare almeno un ottimo, se ne esistono, oppure stabilire che non esistono ottimi determinare il valore ottimo Nella maggior parte dei casi, tale scopo viene raggiunto per via algoritmica. L Ottimizzazione, come disciplina, consiste essenzialmente nel progetto di algoritmi efficienti basati sulla caratterizzazione matematica di F e f.
18 Introduzione alla Ricerca Operativa p. 18/31 Determinazione per via grafica In pochissimi casi, si può determinare l ottimo per via grafica. In tal caso, risulta utile raffigurare le cosiddette linee di livello. Sono i luoghi del piano che soddisfano le equazioni f(x) = K per vari valori della costante K.
19 Introduzione alla Ricerca Operativa p. 19/31 In generale, quando esistono ottimi, il valore ottimo Z ha le proprietà: {x : f(x) = Z} F (cioè è ammissibile) per ogni K < Z si ha {x : f(x) = K} F =
20 Introduzione alla Ricerca Operativa p. 20/31 Esempio 1 F = [0, 1] 2 R 2, f(x) = x 1 + x 2 Il problema da risolvere è: Z = min x 1 + x 2 0 x x 2 1 Le linee di livello sono le rette parallele x 1 + x 2 = K.
21 Introduzione alla Ricerca Operativa p. 21/31 Allora l ottimo si può determinare graficamente trovando l ultima linea di livello con intersezione non vuota con l insieme ammissibile F. L ottimo è dato dal punto (0, 0). Il valore ottimo è Z = 0. Si osservi che l ottimo coincide con uno dei vertici del quadrato. Tale risultato è legato alla linearità della funzione obiettivo. Un problema di questo tipo prende il nome di problema di programmazione lineare (i vincoli sono relazioni lineari e la funzione obiettivo è lineare).
22 Introduzione alla Ricerca Operativa p. 22/31 Esempio 2 F = {0, 1} 2 R 2, f(x) = x 1 + x 2 In questo caso l insieme ammissibile è finito (comprende solo i quattro vertici del quadrato). La soluzione può essere determinata valutando la funzione f sui vertici. Risulta ancora che l ottimo è il vertice (0,0). Osservazione. In generale è impensabile utilizzare questo tipo di approccio per tutti gli insiemi ammissibili finiti (per esempio, se l insieme fosse {0, 1} 100 si dovrebbero eseguire valutazioni!). Un problema di questo tipo prende il nome di problema di programmazione lineare intera (l ottimo è da ricercarsi fra valori interi).
23 Introduzione alla Ricerca Operativa p. 23/31 Esempio 3 F = [0, 1] 2 R 2, f(x) = ( x 1 1 2) 2 + ( x 2 1 ) 2 2 In questo caso le linee di livello sono le circonferenze concentriche di centro ( 1 2, 1 2 ) La funzione obiettivo è non negativa e vale zero nel centro. Il centro è ammissibile, quindi è ottimo. Si osservi che l ottimo è stato trovato internamente al F. La perdita di linearità della funzione obiettivo ha causato la perdita di ottenere l ottimo su un vertice (esempio di problema di programmazione non lineare).
24 Introduzione alla Ricerca Operativa p. 24/31 Esempio 4 F = [0, 1] 2 {x : 2x 1 + 2x 2 1}, f(x) = x 1 + x 2 Z = min x 1 + x 2 2x 1 + 2x x x 2 1
25 Introduzione alla Ricerca Operativa p. 25/31 L insieme ammissibile è stato ristretto tagliando il vertice (0,0) che era ottimo nell esempio 1. In questo caso l "ultima" linea di livello interseca F su tutto un segmento e quindi gli ottimi sono tutti i punti di tale segmento, rappresentato dall insieme F = [0, 1] 2 {x : 2x 1 + 2x 2 = 1}.
26 Introduzione alla Ricerca Operativa p. 26/31 Esempio 5 F = {x : 2x 1 + x 2 = 1}, f(x) = x 1 + x 2 L insieme ammissibile è illimitato e la funzione obiettivo vi può assumere valori negativi arbitrariamente grandi. Il problema è quindi illimitato (Z = ).
27 Introduzione alla Ricerca Operativa p. 27/31 Esempio 6 F = (0, 1) 2 R 2, f(x) = x 1 + x 2 L insieme ammissibile è non chiuso. Non esistono ottimi e si ha che il valore ottimo è dato da: Z = 0
28 Introduzione alla Ricerca Operativa p. 28/31 Esempio 7 F = {x : x 1 0, 0 x 2 1, x 1 + x 2 4, x 1 + 3x 2 7} f(x) = x 1 + x 2 Non esistono ottimi neanche in questo caso poiché F = e il problema è dunque non ammissibile (Z = + ).
29 Introduzione alla Ricerca Operativa p. 29/31 Risulta utile, a volte, poter disporre di definizioni più deboli di ottimalità, quale ad esempio: DEFINIZIONE. Sia x F. Se esiste ε > 0 tale che f(x) f(y), per ogni y F con x y ε, allora x prende il nome di ottimo locale. A volte, per non creare confusione, l ottimo definito più in generale è detto ottimo globale. Naturalmente un ottimo globale è anche un ottimo locale, ma in generale non è vero il viceversa. L equivalenza si ha solo F e f hanno proprietà di convessità.
30 Introduzione alla Ricerca Operativa p. 30/31 Programmazione convessa DEFINIZIONE. Un insieme X R n si dice convesso se x 1,x 2 X e λ [0, 1] si ha λx 1 + (1 λ)x 2 X. Risulta che un insieme è convesso se il segmento che unisce una coppia arbitraria di punti nell insieme è tutto contenuto nell insieme. PROPOSIZIONE. L intersezione di due insiemi convessi è ancora un insieme convesso. DEFINIZIONE. Sia X convesso. Una funzione f : X R si dice convessa se x 1,x 2 X e λ [0, 1] si ha. f(λx 1 + (1 λ)x 2 ) λf(x 1 ) + (1 λ)f(x 2 ).
31 Introduzione alla Ricerca Operativa p. 31/31 Un problema di programmazione convessa è un problema di programmazione matematica in cui l insieme ammissibile F è un insieme convesso e la funzione obiettivo f è una funzione convessa. TEOREMA. In un problema di programmazione convessa ogni ottimo locale è anche ottimo globale.
Ricerca Operativa. Docenti. 1. Introduzione
Ricerca Operativa 1. Introduzione Docenti Luigi De Giovanni - Giacomo Zambelli Dipartimento di Matematica Pura e Applicata (Torre Archimede) Tel. 049 827 1349 / 1348 email: luigi - giacomo @math.unipd.it
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
DettagliLA PROGRAMMAZIONE MATEMATICA (p.m.)
LA PROGRAMMAZIONE MATEMATICA (p.m.) Un problema di programmazione matematica è un problema di ottimizzazione riconducibile alla seguente espressione generale: ricercare i valori delle variabili x 1, x
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it Anno accademico 2000/2001 La Ricerca Operativa (Operation
DettagliRicerca Operativa. Docente. 1. Introduzione
Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
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
DettagliPrerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
DettagliIntroduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO
Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa è la
DettagliEsercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
DettagliEsercizi 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
DettagliUNITÀ DIDATTICA 2 LE FUNZIONI
UNITÀ DIDATTICA LE FUNZIONI. Le funzioni Definizione. Siano A e B due sottoinsiemi non vuoti di R. Si chiama funzione di A in B una qualsiasi legge che fa corrispondere a ogni elemento A uno ed un solo
DettagliAppendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19
14 18-12-07 19:04 Pagina 411 Le decisioni di breve termine fra alternative diverse 411 i minori costi differenziali, almeno nella misura in cui la dimensione di costo è la più importante. Sebbene i costi
DettagliSoluzione grafica di problemi PM in 2 variabili
Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema
DettagliDefinizione: Dato un sottoinsieme non vuoti di. Si chiama funzione identica o identità di in sé la funzione tale che.
Esercitazioni di Analisi Matematica Prof.ssa Chiara Broggi Materiale disponibile su www.istitutodefilippi.it/claro Lezione 2: Funzioni reali e loro proprietà Definizione: Siano e due sottoinsiemi non vuoti
DettagliRicerca 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: luigi@math.unipd.it www.math.unipd.it/~luigi
DettagliLA RICERCA OPERATIVA. Richiami storici
LA RICERCA OPERATIVA La ricerca operativa si occupa delle tecniche e dei metodi che sono di supporto alle decisioni in campo economico ed organizzativo. La ricerca operativa ha lo scopo di individuare
DettagliPIANO CARTESIANO e RETTE classi 2 A/D 2009/2010
PIANO CARTESIANO e RETTE classi 2 A/D 2009/2010 1) PIANO CARTESIANO serve per indicare, identificare, chiamare... ogni PUNTO del piano (ente geometrico) con una coppia di valori numerici (detti COORDINATE).
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
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
DettagliLezione 6 Richiami di Geometria Analitica
1 Piano cartesiano Lezione 6 Richiami di Geometria Analitica Consideriamo nel piano due rette perpendicolari che si intersecano in un punto O Consideriamo ciascuna di queste rette come retta orientata
DettagliInsiemi di numeri reali
Capitolo 1 1.1 Elementi di teoria degli insiemi Se S è una totalità di oggetti x, si dice che S è uno spazio avente gli elementi x. Se si considerano alcuni elementi di S si dice che essi costituiscono
DettagliGeometria analitica di base. Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa
Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa Equazioni di primo grado nel piano cartesiano Risoluzione grafica di un equazione
Dettagli2. I numeri reali e le funzioni di variabile reale
. I numeri reali e le funzioni di variabile reale Introduzione Il metodo comunemente usato in Matematica consiste nel precisare senza ambiguità i presupposti, da non cambiare durante l elaborazione dei
DettagliPrincipali strumenti per lo sviluppo di algoritmi in pascal-like. concetti universali presenti in tutti i linguaggi di programmazione
LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 12 LA COMPLESSITA COMPUTAZIONALE Marco Lapegna Dipartimento di Matematica e Applicazioni Universita degli Studi di Napoli Federico II wpage.unina.it/lapegna
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 2x 2 + x 3 = 4 x 1 x 2 x 3 = 3 x 2 + 2x 3 = 1 x 1, x 2, x 3 0
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Sia dato il seguente problema di PL: max x + x 2 x 2x 2 + x 3 = 4 x x 2 x 3 = 3 x 2 + 2x 3 = x, x 2, x 3 0 Utilizzando il metodo due fasi, si stablisca
DettagliSi 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
DettagliFlusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
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
DettagliLe coniche: circonferenza, parabola, ellisse e iperbole.
Le coniche: circonferenza, parabola, ellisse e iperbole. Teoria in sintesi Queste curve si chiamano coniche perché sono ottenute tramite l intersezione di una superficie conica con un piano. Si possono
DettagliTeoria della Programmazione Lineare Intera
0 Teoria della Programmazione Lineare Intera 0. INTRODUZIONE Come visto precedentemente, molti problemi particolarmente importanti dal punto di vista applicativo sono riconducibili alla soluzione di un
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2014-2015 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Daniele Vigo rev. 1.1.a ottobre 2014 Fondamenti di Ricerca Operativa
DettagliMatematica per l Economia Sottoinsieme L-Z Dipartimento di Economia Universitá degli Studi di Bari 3) FUNZIONI. Giovanni Villani
Matematica per l Economia Sottoinsieme L-Z Dipartimento di Economia Universitá degli Studi di Bari 3) FUNZIONI Giovanni Villani FUNZIONI Definizione 1 Assegnati due insiemi A e B, si definisce funzione
DettagliIntroduzione alla ricerca operativa Problemi e modelli
Problemi e modelli TFA Anno Accademico 2012-13 La metodologia della matematica applicata Problema reale Denizione del modello matematico Algoritmo risolutivo Analisi dei risultati Il problema reale Reperimento
DettagliSCHEDA DI LAVORO N.1 LABORATORIO PREMESSA
SCHEDA DI LAVORO N.1 LABORATORIO Problemi di modellizzazione PREMESSA La soluzione di semplici problemi di programmazione lineare permette di affrontare e approfondire il concetto di ottimizzazione nell
DettagliEstremi vincolati, Teorema del Dini.
Estremi vincolati, Teorema del Dini. 1. Da un cartone di 1m si deve ricavare una scatola rettangolare senza coperchio. Trovare il massimo volume possibile della scatola.. Trovare gli estremi assoluti di
DettagliIL METODO DEL SIMPLESSO
IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno
DettagliGli insiemi N, Z e Q. I numeri naturali
Università Roma Tre L. Chierchia 1 Gli insiemi N, Z e Q Il sistema dei numeri reali (R, +,, ) può essere definito tramite sedici assiomi: quindici assiomi algebrici (si veda ad esempio 2.3 in [Giusti,
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
DettagliIn un triangolo un lato è maggiore della differenza degli altri due, pertanto dal triangolo si ha > dividendo per =1.
L iperbole L iperbole è il luogo geometrico dei punti del piano per i quali è costante la differenza delle distanze da due punti fissi detti fuochi. Come si evince del grafico, la differenza delle distanze
DettagliRicerca Operativa. Ricerca Operativa p. 1/6
Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
DettagliRicerca Operativa. Docente. 1. Introduzione
1 Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi Ricevimento: giovedì,
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:
DettagliTopologia, continuità, limiti in R n
Topologia, continuità, limiti in R n Ultimo aggiornamento: 18 febbraio 2017 1. Preliminari Prima di iniziare lo studio delle funzioni di più variabili, in generale funzioni di k variabili e a valori in
DettagliBilanciamento di tempi e costi Progetti a risorse limitate Note bibliografiche
Indice Prefazione 1 1 Modelli di ottimizzazione 3 1.1 Modelli matematici per le decisioni.................... 4 1.1.1 Fasi di sviluppo di un modello................... 7 1.2 Esempi di problemi di ottimizzazione...................
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliFONDAMENTI DI RICERCA OPERATIVA
Ingegneria Informatica FONDAMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Pagina web del corso: http://home.dei.polimi.it/amaldi/fro-11-12.html INTRODUZIONE
DettagliPROGRAMMAZIONE DISCIPLINARE
Modello A2 Istituto d Istruzione Superiore POLO-LICEO ARTISTICO - VEIS02400C VENEZIA Liceo Artistico, Liceo Classico e Musicale Dorsoduro, 1073 30123 Venezia tel. 0415225252, fax 041 2414154 PROGRAMMAZIONE
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 20 giugno 2014
A Ricerca Operativa 1 Seconda prova intermedia Un tifoso di calcio in partenza da Roma vuole raggiungere Rio De Janeiro per la finale del mondiale spendendo il meno possibile. Sono date le seguenti disponibilità
DettagliPROGRAMMAZIONE DISCIPLINARE ISTITUTO PROFESSIONALE COMMERCIALE MATEMATICA
PROGRAMMAZIONE DISCIPLINARE PROGRAMMAZIONE DISCIPLINARE ISTITUTO PROFESSIONALE COMMERCIALE MATEMATICA CLASSE PRIMA IPC LEGENDA COMPETENZE 1) Utilizzare le tecniche e le procedure del calcolo aritmetico
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliNumeri naturali ed operazioni con essi
Liceo B. Russell VIA IV NOVEMBRE 35, 38023 CLES Indirizzo: Liceo Linguistico CLASSI Programmazione Didattica 1 e Disciplina: MATEMATICA Ore annue: 110 MODULO 1 TEORIA DEGLI INSIEMI E INSIEMI NUMERICI settembre
DettagliLez. 5 La Programmazione. Prof. Salvatore CUOMO
Lez. 5 La Programmazione Prof. Salvatore CUOMO 1 2 Programma di utilità: Bootstrap All accensione dell elaboratore (Bootsrap), parte l esecuzione del BIOS (Basic Input Output System), un programma residente
Dettagli2.6 Calcolo degli equilibri di Nash
92 2 Giochi non Cooperativi Per queste estensioni di giochi non finiti si possono provare risultati analoghi a quelli visti per i giochi finiti. Rimandiamo alla bibliografia per uno studio più approfondito
DettagliRicerca 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)
DettagliFUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
DettagliGeometria analitica di base (seconda parte)
SAPERE Al termine di questo capitolo, avrai appreso: il concetto di luogo geometrico la definizione di funzione quadratica l interpretazione geometrica di un particolare sistema di equazioni di secondo
DettagliISTITUTO DI ISTRUZIONE SECONDARIA SUPERIORE ELENA DI SAVOIA PIERO CALAMANDREI BARI. ISTITUTO TECNOLOGICO CHIMICO Ambientale e Sanitario
ISTITUTO DI ISTRUZIONE SECONDARIA SUPERIORE ELENA DI SAVOIA PIERO CALAMANDREI BARI ISTITUTO TECNOLOGICO CHIMICO Ambientale e Sanitario DIPARTIMENTO MATEMATICO-INFORMATICO anno scolastico 2013/2014 Testo
Dettagli05 - Funzioni di una Variabile
Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 05 - Funzioni di una Variabile Anno Accademico 2015/2016
DettagliGEOMETRIA ANALITICA 1 IL PIANO CARTESIANO
GEOMETRI NLITIC 1 IL PINO CRTESINO Il piano cartesiano è costituito da due rette orientate e tra loro perpendicolari chiamate assi cartesiani, generalmente una orizzontale e l altra verticale, sulle quali
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come
DettagliEquazioni lineari con due o più incognite
Equazioni lineari con due o più incognite Siano date le uguaglianze: k 0; x + y = 6; 3a + b c = 8. La prima ha un termine incognito rappresentato dal simbolo letterale k; la seconda ha due termini incogniti
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
Dettagli1. (Da Medicina e Odontoiatria 2012) Determinare l'area del triangolo che ha come vertici i punti (0,0), (0,1), (13,12) del piano cartesiano:
QUESITI 1 PIANO CARTESIANO 1. (Da Medicina e Odontoiatria 2012) Determinare l'area del triangolo che ha come vertici i punti (0,0), (0,1), (13,12) del piano cartesiano: a) 6 b) 13/2 c) 12 d) 13 e) 78 2.
DettagliComplementi di Analisi Matematica Ia. Carlo Bardaro
Complementi di Analisi Matematica Ia Carlo Bardaro Capitolo 1 Elementi di topologia della retta reale 1.1 Intorni, punti di accumulazione e insiemi chiusi Sia x 0 IR un fissato punto di IR. Chiameremo
DettagliSoluzione 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
DettagliOttimizzazione e Controllo 2015/2016 ESERCITAZIONE
Ottimizzazione e Controllo 2015/2016 ESERCITAZIONE Esercizio 1. Sono dati 6 job da processare su un centro di lavorazione automatizzato che può eseguire una sola lavorazione alla volta. Di ciascun job
Dettagli1 IL LINGUAGGIO MATEMATICO
1 IL LINGUAGGIO MATEMATICO Il linguaggio matematico moderno è basato su due concetti fondamentali: la teoria degli insiemi e la logica delle proposizioni. La teoria degli insiemi ci assicura che gli oggetti
DettagliIntroduzione al Calcolo Scientifico
Introduzione al Calcolo Scientifico Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico 1 / 14 Calcolo Scientifico Insieme degli
DettagliISTITUTO COMPRENSIVO STATALE F. E P. CORDENONS
Numeri Utilizzare le tecniche e le procedure del calcolo aritmetico ed algebrico, rappresentandole anche sotto forma grafica -Comprendere il significato logico-operativo di numeri appartenenti ai diversi
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
DettagliAnno Scolastico 2015/16 PROGRAMMAZIONE ANNUALE CLASSE PRIMA LICEO LINGUISTICO LICEO DELLE SCIENZE UMANE LICEO ECONOMICO-SOCIALE LICEO MUSICALE
LICEO LAURA BASSI - BOLOGNA Anno Scolastico 2015/16 PROGRAMMAZIONE ANNUALE CLASSE PRIMA LICEO LINGUISTICO LICEO DELLE SCIENZE UMANE LICEO ECONOMICO-SOCIALE LICEO MUSICALE MATEMATICA ARGOMENTI: GLI INSIEMI
DettagliM. Marra Appunti delle Lezioni di Ricerca Operativa Problemi e metodi di ottimizzazione PROBLEMI E METODI DI OTTIMIZZAZIONE
CAPITOLO I PROBLEMI E METODI DI OTTIMIZZAZIONE 1. Componenti di base Tutti i problemi di ottimizzazione dipendono da tre componenti di base: le variabili del problema, la funzione obiettivo ed i vincoli.
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
DettagliUnità Didattica N 9 : La parabola
0 Matematica Liceo \ Unità Didattica N 9 La parabola Unità Didattica N 9 : La parabola ) La parabola ad asse verticale ) La parabola ad asse orizzontale 5) Intersezione di una parabola con una retta 6)
DettagliY = ax 2 + bx + c LA PARABOLA
LA PARABOLA La parabola è una figura curva che, come la retta, è associata ad un polinomio che ne definisce l'equazione. A differenza della retta, però, il polinomio non è di primo grado, ma è di secondo
DettagliMICROECONOMIA MATEMATICA
A13 363 Gianluca Dari MICROECONOMIA MATEMATICA TRECENTO ESERCIZI SVOLTI Copyright MMX ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133/A B 00173 Roma (06)
DettagliProgrammazione Lineare Intera
Programmazione Lineare Intera Andrea Scozzari a.a. 2012-2013 May 10, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare Intera May 10, 2013 1 / 16 Programmazione Lineare Intera: Metodo dei Piani
DettagliEquazioni, funzioni e algoritmi: il metodo delle secanti
Equazioni, funzioni e algoritmi: il metodo delle secanti Christian Ferrari 1 Introduzione La risoluzione di equazioni in R ci ha mostrato che solo per le equazioni polinomiali di primo e secondo grado,
DettagliLE EQUAZIONI DIFFERENZIALI. che, insieme alle loro derivate, soddisfano un equazione differenziale.
LE EQUAZIONI DIFFERENZIALI I problemi incontrati fin ora nel corso di studi di matematica erano tutti di tipo numerico, cioè la loro risoluzione ha sempre portato alla determinazione di uno o più numeri
DettagliFONDAMENTI DI RICERCA OPERATIVA D / E
Ingegneria Informatica e Ingegneria Matematica FONDAMENTI DI RICERCA OPERATIVA D / E Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Sito web: http://home.dei.polimi.it/amaldi/fro-de-08-09.html
Dettagli1.4 Geometria analitica
1.4 Geometria analitica IL PIANO CARTESIANO Per definire un riferimento cartesiano nel piano euclideo prendiamo: Un punto detto origine i Due rette orientate passanti per. ii Due punti e per definire le
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
DettagliCONTROLLI AUTOMATICI Ingegneria Gestionale ANALISI ARMONICA
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Ing. Federica Grossi Tel. 059 2056333 e-mail: federica.grossi@unimore.it
DettagliIl teorema di Kuhn-Tucker e applicazioni
Scienze Matematiche Fisiche e Naturali Tesi di Laurea triennale in Matematica Il teorema di Kuhn-Tucker e applicazioni Relatrice Flavia Lanzara Candidata Arianna Gatta ANNO ACCADEMICO 2007/2008 Introduzione
DettagliIntroduzione ai grafi
TFA A048 Anno Accademico 2012-13 Outline Cenni storici sui grafi Nozioni introduttive: cammini, connessione, alberi, cicli Cammini di costo minimo Origini storiche La nascita della teoria dei grafi risale
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Vedremo tra breve un metodo per studiare il problema di trovare il minimo e il massimo di una funzione su di un sottoinsieme dello spazio ambiente che non sia un aperto. Abbiamo
Dettaglivalore di a: verso l alto (ordinate crescenti) se a>0, verso il basso (ordinate decrescenti) se a<0;
La parabola è una particolare conica definita come è una curva aperta, nel senso che non può essere contenuta in alcuna superficie finita del piano; è simmetrica rispetto ad una retta, detta ASSE della
DettagliATTIVITÀ DEL SINGOLO DOCENTE
PIANO DI LAVORO DOCENTE Rho Maria Luisa MATERIA Matematica DESTINATARI Classe 1 Al ANNO SCOLASTICO 2013-2014 COMPETENZE CONCORDATE CON CONSIGLIO DI CLASSE COMPETENZE CONCORDATE CON GRUPPO DI MATERIA Comportamentali
DettagliEsercizi assegnati in data 7 novembre
Esercizi assegnati in data 7 novembre Rappresentare sul piano cartesiano le seguenti rette e determinare le coordinate del punto d'intersezione di ciascuna coppia di rette: a: y=0.25x+1000 b: y=0.50x+800
DettagliAnno Scolastico 2015/16 PROGRAMMAZIONE ANNUALE CLASSE SECONDA LICEO LINGUISTICO LICEO DELLE SCIENZE UMANE LICEO ECONOMICO-SOCIALE LICEO MUSICALE
LICEO LAURA BASSI - BOLOGNA Anno Scolastico 2015/16 PROGRAMMAZIONE ANNUALE CLASSE SECONDA LICEO LINGUISTICO LICEO DELLE SCIENZE UMANE LICEO ECONOMICO-SOCIALE LICEO MUSICALE MATEMATICA ARGOMENTI: EQUAZIONI
DettagliProblema ( ) = 0,!
Domanda. Problema ( = sen! x ( è! Poiché la funzione seno è periodica di periodo π, il periodo di g x! = 4. Studio di f. La funzione è pari, quindi il grafico è simmetrico rispetto all asse y. È sufficiente
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Notazioni Appartiene. Non appartiene. Per ogni. Esiste. Insieme vuoto. N Numeri naturali {0,
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
DettagliALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I
ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si
DettagliUniversità degli Studi di Palermo Facoltà di Economia. Dipartimento di Scienze Economiche, Aziendali e Statistiche. Appunti del corso di Matematica
Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 03 - I Numeri Reali Anno Accademico 2015/2016 M. Tumminello,
Dettagli