Esempio di applicazione puo' essere un problema di gestione del magazzino
|
|
- Marina Brunelli
- 6 anni fa
- Visualizzazioni
Transcript
1 Flusso massimo a minimo costo L'algoritmo del flusso massimo determina dei cammini (cammini piu' corti) tra x0 e z. Se ad ogni arco e' associato un peso/costo oltre che la capacita' massima e' possibile calcolare prima, tra i cammini ammissibili per l'aumento del flusso, il percorso di minimo costo tra x0 e z e successivamente inviare la massima quantita' di flusso. E' possibile risolvere in questo ( e in altri modi piu' efficienti ) il problema del flusso massimo al minimo costo. Poiche' e' sempre possibile diminuire un flusso positivo se su un arco corre flusso si genera un arco (di ritorno/diminuzione) orientato in senso opposto ma con peso (distanza) cambiata di segno. Esempio di applicazione puo' essere un problema di gestione del magazzino Si suppone che una ditta debba organizzare la produzione nell'arco di tre periodi (mesi) La capacita' produttiva e' di rispettivamente di ( ) La richiesta nei periodi e' ( ) e nei periodi 1 e 2 parte della produzione ( fino ad un massimo di 20 ) puo' essere conservata in un magazzino per essere venduta nel periodo successivo. A parte i costi fissi da non considerare la produzione di un unita' ha costo (aggiuntivo) 2 nei primi 2 periodo e 3 nel terzo periodo. Conservare in magazzino ha costo (aggiuntivo) 1 per ogni unita'. La situazione e ' riassunta dalla tabella Periodi (mesi) Capacita' produttiva Costo per unita' Richiesta a Magazzino Costo mag. (per unita') = = Il problema di produzione-magazzino equivale a calcolare il massimo flusso ( flusso che saturi gli archi incidenti a z ) nella rete. Sugli archi senza limite indicato si suppone capacita' infinita
2 I cammini x0-z individuano un costo nel grafo e ogni unita' prodotta e venduta corrisponde ad un flusso unitario da x0 a z con un costo pari al cammino. Il cammino di costo minore e' x0--p1--v1--z (costo 2) Dopo l'aumento di flusso (15) con costo complessivo 30 La rete dei costi/ distanze viene modificata aggiungendo gli archi di ritorno/ diminuzione
3 .. [Fine esempio] Problema lineare equivalente Di fatto con questo approccio si risolve un problema lineare Nell' esempio precedente si avrebbe ( p i = produzione nel periodo i, v i vendite nel periodo i m i quantita' di produzione immagazzinata nel periodo i e venduta nel periodo successivo) min 2 p p p 3 + m m 2 con vincoli di non negativita' per tutte le variabili e ulteriori vincoli 1) produzione p 1 45 p 2 40 p ) magsazzino m 1 20 m ) equazioni di flusso/bilancio p 1 = v 1 + m 1 p 2 = v 2 + m 2
4 4) richieste ( Produrre comporta dei costi quindi all'ottimo per gli ultimi tre vincoli varra' = ) v1 15 m 1 + v 2 20 m 2 + p 3 50 Se si immagina che quanto prodotto nel periodo 1 possa rimanere nel magazzino oltre il periodo 1 basta sostituire ad ogni magazzino una coppia di nodi inserendo sull' arco corrispondente la limitazione di capacita' data dalla capienza del magazzino, In questo caso risulterebbe una rete leggermente diversa. E' possibile anche considerare altri costi (tipo trasporto produzione -magazzino e/o magazzino --vendita) Vi sono dei casi in cui si puo' fare uso di reti di flusso e/o del calcolo del massimo flusso anche se il problema e' diverso. Gain/ Activity Si suppone che vi siano alcune attivita' 1,...,k che possano rendere a 1,... a k ma che possono essere intraprese solo accettando dei costi (operazioni preliminari) c 1,... c m ( Es sbancamento, costruzione strada e allacciamento idrico precedono costruzione di una gruppo di palazzine ecc...) Si puo' pensare che ogni singola attivita' j debba essere preceduta da alcuni costi tra i c 1,... c m m. In generale il preliminare c i puo' precedere varie attivita' Come determinare un sottoinsieme di attivita' da intraprendere in modo che il guadagno ( ricavi - costi) sia massimo? ESEMPIO Si possino intrarprendere tre attivita' Attivita' Guadagno Preceduta da A1 7 C1 C2 A2 5 C2 A3 3 C2 C3 e
5 Costi importo C1 2 C2 6 C3 4 { conto banale per chi non si fida... C2 precede ogni attivita' C2 solo permette A2 ( risultato 5-6= -1) C2 + C1 permettono A1 +A2 ( risultato = 4) C2+C3 permettono A2 +A3( risultato = -2) C!+C2+ C3 permettono A1+A2+A3 ( risultato = 3) La migliore strategia e' accettare i costi C1+C2 intraprendendo A1+ A2 con attivo di 4 } Esiste un approccio attreverso le reti di flusso con conti molto semplici Si costruiscee una rete di flusso del tipo x0--- A--- C---- z con archi (x0,i) di capacita' massima a i per ogni attivita' (i,s) di capacita' infinita per ogni attivita' i e per ogni costo s che deve precedere i (s,z) di capacita' c s per ogni costo s Nella rete x0---a---c---z i possibili tagli sono oltre a {z} insiemi del tipo {z} C0 A0 con C0 C, A0 A Dato C0 C sia H(C0) l'insieme delle attivita' che possono essere intraprese effettuate le operazioni in C0 Se H(C0) A0 il taglio ha capacita' infinita Si suppone A0= H(C0) AY La capacita' del taglio e'
6 i C\C0 c i + h H(C0) a h + j AY a j Le tre quantita' rappresentano i) archi entranti in z da C ( quindi non in C0) ii) archi entranti in H(C0) iii) archi entranti nella parte AY= A0\H(C0) Per il taglio minimo si puo' tralasciare AY e considerare solo i tagli del tipo {z} C0 H(C0) il cui valore e' i C\C0 c i + h H(C0) a h Dalla definizione di C0 e HC0 segue che nessuna della attivita' in A\H(C0) richiede come preliminare un lavoro in C0 (ma attivita' in H(C0) possono richiedere lavori in C\C0 ) Ogni taglio del tipo T= z C0 H(C0) identifica un insieme di attivita' (= A\H(C0) ) che si puo intraprendere con guadagno dopo avere intrapreso i preliminari in C\C0 La quantita' h A a h - ( i C\C0 c i + h H(C0) a h ) = = h A\H(C0) a h - i C\C0 c i rappresenta semplicemente il guadagno (attivo) derivante dalle attivita' in A\H(C0) meno il costo dei lavori necessari
7 Quindi attivo = h A a h - taglio max (attivo) = h A a h -min (taglio) = h A a h - max (flusso) I vertici non nel taglio permettono di ricostruire attivita' e costi. Se si calcola il massimo flusso con il solito algoritmo i vertici nel minimo taglio sono i vertici non etichettati, quindi i vertici etichettati in corrispondenza del massimo flusso corrispondono alle attivita' da intraprendere e ai costi da sostenere. Esempio Relativamente al problema di prima si considera la rete di flusso Attraverso gli aumenti x0--a1--c1--z [2] x0--a1--c2--z [5] x0 --A2--C2--z [1] x0 -A3--C3--z [3] Flusso max (e capacita' taglio minimo)= 11 Guadagno = Somma A - (capacita' taglio) = 15-11= 4
8 Nella rete si ha la situazione di flusso ( + e' sostituito da M arbtrariamente grande; sono indicati gli archi saturi) Si puo etichettare A2[x0], C2[A2], A1 [-C2], C1[A1] Restano etichettati x0, A1, A2, C1,C2 [ Non etichettati (nel taglio ) A3, C3, z ] Sono da intraprendere A1 e A2 ( fuori taglio ovvero etichettati) con costi preliminari C1 e C2 (fuori taglio ovvero etichettati ) Il calcolo esplixito del guadagno come Somma attivita' - costi da' (7+5)- (2+6) = 12-8 =4 Matching Si suppone di avere due insiemi X e Y e di dover selezionare delle coppie di elementi (x,y ), x X, y Y Ogni elemento puo' appartenere ad una solo coppia Non tutte le coppie possono essere selezionate: per ogni elemento x ( o y) solo alcuni elementi y Y(x) Y ( o x X(y) X ) possono essere selezionate. Un gruppo di coppie senza elementi ripetuti e' detto matching e lega in modo univoco alcuni elementi x X ad alcuni elementi y Y Puo' innteressare trovare il matching massimo cioe' il massimo numero di elementi (coppie). Esempi tipici sono situazioni tipo persone-lavori, uomini-donne, macchinarilavori, medici-ospedali ecc... In alcuni casi i due insiemi X ey sono di pari numerosita'; in altre X e' di maggiore cardinalita' ma non e' detto che sia possibile coprire tutto Y Un problema di questo tipo e' facilmente rappresentato da una tabella
9 (matrice ) di dimensioni card(x) card(y) e con elementi 1 o 0 a seconda che (x,y) sia o meno ammissibile. Tale tabelle equivale ad un grafo (bipartito) con per vertici gli elementi di X e Y e cui archi (x,y ), x X, y Y corrispondono alle coppie ammissibili Problema Ad un problema di matching si puo' associare anche una rete di flusso Si aggiungono una sorgente x0 ed un pozzo z e si costruisce una rete di flusso x0--x--y--z Vi sono tre tipo di archi gli archi (x0,x ) con limite si capacita' 1 gli archi (y,z) con limite di capacita' 1 gli archi del tipo (x,y) con limite di capacita' + Ogni flusso ammissibile genera un matching e viceversa. Il valore del flusso corrisponde al numero di vertici X (o Y) coinvolti; e gli archi (x,y) su cui corre flusso sono gli archi del matching,
10 Ad sempio il matching o figura equivale al flusso
11 Quindi trovare un matching di massima cardinalita' equivale a trovare il flusso massimo in una rete di trasporto. E' facile calcolare un matching completo cioe' uno a cui non e' possibile aggiungere banalmente un arco Partendo da un matching completo si applica l'algoritmo di massimo flusso. Nel caso del matching completo sopra si etuchetta X4[x0], Y1[x4], X1[-y1],Y2[-x1], X2[-y2], Y3[x2], x3[-y3], Y4[x3], z [y4] Il percoso di aumento risulta x0-x4-y1-x1-y2-x2-y3-x3-y3-z E' un percorso in cui gli archi del matching ( si cui corre flusso) si alternano con archi non nel matching Si ha X4--Y1==X1--Y2==X2--Y3==X3-Y3 Si forma una catena alternata di archi non matching --matching costruita tra due vertici (X4 e Y3) non nel matching Il nuovo matching si ottiene aumentado il flusso e quindi "scambiando" nella catena gli archi del matching con quelli non nel matching E' ovvio, dato che su ogni arco il flusso massimo e 1, che tutti i percorsi di aumento saranno costruiti nello stesso modo. Il matching massimo puo' essere anche caratterizato dalla non esistenza di catene alternate (di archi) tra due vertici ( in X e in Y ) non nel matching.
12 Condizione sufficiente il matching di X Puo' capitare che gli insemi X e Y abbiano diversa numerosita' [card(y) card(x)] ma non necessariamente e' possibile costruire un matching che comprenda tutto X Per ogni sottoinsieme A X sia M(A) l'insieme dei vertici in Y secondo estremo di un vertice di A [ raggiungibili da A, copribili da A ] Condizione necessaria e sufficiente per esistenza di un matching che comprenda tutto X e' card( M(A)) card(a) Dim Determinare matching massimo corrisponde ad un flusso massimo (x0--x---y ---z) che puo' anche essere pensato (e calcolato) anche in senso opposto x0--y---x---z Il valore del flusso massimo corrisponde sempre ad un taglio di capacita' minima. Per il flusso x0--y---x---z il taglio con solo {z} ha capacita' card(x) Condizione necessaria e sufficiente perche' esista un matching che comprenda tutto X e' che il flusso abbia valore card(x) e quindi per ogni ulteriore taglio T c(t) card(x)
13 Gli altri possibili tagli sono insiemi del tipo z A B con A X, B Y In z entrano gli archi provenienti da X\A e gli archi da Y in X hanno capacita' infinita Il taglio ha capacita' infinita a meno che M(A) B I tagli di capacita' finita da considerare sono quelli del tipo {z } A M(A) V con A X, V Y\M(A),(V puo' essere vuoto) Per la capacita' c(t) = card(x\a) + card(m(a)) +card(v) card(x\a) + card(m(a)) Per un taglio del tipo {z } A M(A) si ha la condizione card(x\a) + card(m(a)) card(x) = card(a)+card(x\a) che e' solo card(m(a)) card(a) QED Tenere presente che problemi formalmete piu' complicati (orari) richiedo la soluzione come sottopreblema di problemi di matching [ Un orario scolastico puo essere visto come la costruzione di k (numero ore) distinti matching tra X (classi) e Y (professori). Nella costruzione e' importante che in ogni matching l'insieme X (classi) sia coperto ] Μatching : problema lineare Il problema di matching corrisponde ad problema lineare Si forma la matrica H (vertici,archi) in cui ogni colonna ha elementi nulli tranne quelli corrispondenti ai due vertici (x i y j ) estremi dell'arco che hanno valore 1 La matrice H ha una struttura particolare. Puo' essere divisa in due gruppi di righe (vertici X e vettici Y ) e ogni colonna ha due elementi non nulli 1 nel primo blocco e 1 nel secondo blocco. Ad ogni colonna corrisponde una variabile z ij Se z ij =1 l'arco (x i y j )e' nel matching, se z ij = 0 l'arco (x i y j )non e' nel matching Sia s il vettore di tutti elementi 1 Il matching massimo corrisponde al problema lineare
14 max z ij con vincoli Hz s 0 z ij 1 ( in realta' il vincolo e' quello (intero) z ij {0,1} ) Il vincolo Hz s permette in ogni vertice un solo valore z ij = 1 Matching pesato Se ad ogni arco (x i y j ) e' associato un peso p ij ( = -M arbitrariamente grande ovvero = - se l'arco (x i y j ) e' escluso dal matching) si puo' considerare il problema corrispondente pesato max p ij z ij con vincoli Hz s 0 z ij 1 ( in realta' il vincolo e' quello (intero) z ij {0,1} ) Per questo problema occorre una tecnica diversa di soluzione (bisogna considerare i pesi e non solo il flusso). Si potrebbe applicare il flusso massimo al minimo costo ma esistono tecniche piu' efficienti. Stable marriage Il matching e il matching pesato considerano funzioni che pesano in modo prefissato ogni possibile assegnazione. Esistono anche approcci diversi al problema del matching e del matching pesato. Se X e Y rappresentano insiemi diversi che hanno la stessa cardinalita, ed e' necessario trovare un matching si suppone che ogni appartemente ad X abbia una preferenza rispetto ai vari elementi di Y e viceversa. es ( X studenti, Y corsi di laurea ( tesi) - X malati (medici) Y ospedali -...) Si puo' usare il seguente algoritmo (Gale Shapley stable marriage ). L' esistenza di preferenze significa che vertice x i e' assegnata una funzione (tabella) V i che pesa i vertici y j Analogamente vertice y k e' assegnata una funzione (tabella) W k che pesa i vertici x j
15 Algorimo 1) Ogni vertice x i considera il vertice y j t.c V i (y j )= max { V i (y k ),k =1..n } 2) Il vertice j rifiuta/ accetta il vertice i In particolare si accetta x i se y j non e' nel matching Se (x k, y j ) M x i e' accettato se W j (x i ) >W j (x k ) 3) Se il vertice non e' accettato si considera l 'ordinamento generato da V i si passa al vertice y successsivo e si ripete 2) Dopo il blocco (ripetuto?) 2)-3) il vertice x i e' nel matching e si puo' considerare un altro vertice. Se x i ha sostituito x k non e' possibile che in un passo successivo x k sostituisca x i. Si puo ripetere 1)-3) partendo da un vertice arbitrario fino a che ogni vertice non e' nel matching, In questo modo si arriva ad un Matching con buone proprieta' { Se (x i, y j ) M (x p, y q ) M se V i (y q )> V i (y j ) necessariamente W q (x p )>W q (x i ) } Non e' detto che scambiando X e Y si arrivi allo stesso matching (x sceglie, y accetta/rifiuta ma non sceglie mai ) Il nome stable marriage deriva da una possibile interpretazione (X uomini e Y donne ) di un comportamento "classico". Cenno a matching "semplice" Il matching che si e' considerato e' detto bipartito(dai due insiemi X e Y ) e corrispondente grafo. Si puo' considerare lo stesso problema su un grafo generico G =(V,A) di vertici V e di archi A. Si tratta di trovare un sottografo GM= (VM, AM ) in modo che - ogni vertice x VM V abbia in GM grado =1 - cardinalita' di AM A sia massima [ massimo un arco per vertice, massimo numero possibile di archi ] Esempi possibili di questo di modellizzazione sono la scelta di due persone "compatibili' " (es : piloti aereo, autisti macchine, ecc) ovvero scelte di semplificazione (sedi di una societa', scuole, esami di un corso di laurea ) considerati unificabili ecc...
16 Anche la costruzione del calendario di un torneo potrebbe richiedere per ogni giornata la soluzione di problemi analoghi Non e' possibile trasformare il problema in un problema di flusso massimo ma vale la possibilita' di aumentare il matching di un arco in presenza di catene alternate tra due vertici non nel matching. Esiste un algoritmo efficiente per la soluzione (Algoritmo Blossom) L'algorimo parte da matching completo e arriva la matching massimo attreverso catene alternate. Nel caso del matching bipartito ogni ciclo coprende necessriamente un numero pari di archi (andata e ritorno da X a Y ). In un grafo qualunque possono esistere cicli con un numero pari o dispari di archi. La possibile presenza di cicli con un numero dispari di archi (con k archi nel matching, k+1 non nel matching) complica la ricerca delle catene alternate e l'algoritmo. Per la descrizione matematica si origina un problema lineare max z ij con vincoli Hz s 0 z ij 1 ( in realta' il vincolo e' quello (intero) z ij {0,1} ) Il vincolo Hz s permette in ogni vertice un solo valore z ij = 1 La differenza rispetto al caso bipartito e' che matrice H non possiede nessuna struttura particolare. Anche in questo caso si puo' considerare un poblema "pesato" max p ij z ij con vincoli Hz s 0 z ij 1 ( in realta' il vincolo e' quello (intero) z ij {0,1} ) Esiste un algorimo efficiente ( ma di complessa descrizione ) per risolvere il problema pesato.
Ad ogni arco (i,j) del grafo e' associato un valore intero c(i,j) detto capacita' dell'arco
6) FLUSSI Definizione di flusso Si definisce rete di flusso un grafo orientato e connesso con i) un solo vertice con esclusivamente archi uscenti ii) un solo vertice con esclusivamente archi entranti Tradizionalmente
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),
Dettaglimin det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione.
Se è unimodulare e è intero allora il poliedro 0 ha vertici interi. Sia un vertice di Per definizione esiste allora una base di tale che, 0 Poiché è non singolare ( invertibile det 0) si ha che det 1 è
Dettagli1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44;
1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44; c 24 = 15; c 25 = 12; c 34 = 32; c 35 = 55; c 45 = 24 Si calcoli l ottimo duale (formulazione
Dettagli3.3 Problemi di PLI facili
3.3 Problemi di PLI facili Consideriamo un generico problema di PLI espresso in forma standard min{c t x : Ax = b, x Z n +} (1) dove A Z m n con n m, e b Z m. Supponiamo che A sia di rango pieno. Sia P
DettagliCASO 1) Pesi positivi ( diretto o indiretto) Algoritmo di Dijkstra
4) DISTANZE Problematiche Si suppone un grafo in cui ad ogni arco e' associato un peso (distanza). Il grafo puo' essere sia diretto che non diretto. Se non e' diretto ogni arco puo' essere pensato come
DettagliMassimo flusso e matching
Capitolo Massimo flusso e matching. Problema del massimo matching. Nel problema del massimo matching è dato un grafo non orientato G(V, A); un matching in G è un insieme di archi M A tale che nessuna coppia
DettagliAlgoritmo basato su cancellazione di cicli
Algoritmo basato su cancellazione di cicli Dato un flusso ammissibile iniziale, si costruisce una sequenza di flussi ammissibili di costo decrescente. Ciascun flusso è ottenuto dal precedente flusso ammissibile
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 7 giugno 0 Nome: Cognome: Matricola: Orale /06/0 ore aula N Orale 0/07/0 ore aula N
DettagliGestione della produzione e della supply chain Logistica distributiva
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Convergenza dell algoritmo Se non
DettagliPossibile 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
DettagliGestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Un algoritmo per il flusso a costo minimo: il simplesso
DettagliMatrici unimodulari e totalmente unimodulari
Matrici unimodulari e totalmente unimodulari Sia una matrice intera di dimensione con, si dice unimodulare se presa una qualsiasi sottomatrice di ordine massimo (di dimensione ) vale det = 1, +1, 0. Una
Dettagli12.1 IL PROBLEMA DEL CAMMINO MINIMO: L ALGORITMO DI DIJKSTRA
Problemi strutturati. IL PROBLEMA DEL CAMMINO MINIMO: L ALGORITMO DI DIJKSTRA Esercizio.. Dato il grafo di Figura.., trovare il peso dei cammini minimi dal nodo a tutti gli altri nodi del grafo (il peso
DettagliRichiami di Teoria dei Grafi. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Richiami di Teoria dei Grafi Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Teoria dei grafi La Teoria dei Grafi costituisce, al pari della Programmazione Matematica, un corpo
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
DettagliPreappello di metodi matematici per le decisioni economiche e aziendali A
UNIVERSITÀ DEGLI STUDI ROMA TRE Preappello di metodi matematici per le decisioni economiche e aziendali 11-12-2018 A Candidato (cognome e nome)......... Matricola o CF...... Esercizio 1 1) Data la matrice
DettagliSe il grafo è bipartito, un accoppiamento viene anche detto assegnamento.
1. Accoppiamento Definizione. Dato un grafo (non orientato) G =(N,E), un sottoinsieme M di archi, tale che ogni nodo del grafo è incidente in al più unarcodim, viene detto accoppiamento, (matching). I
DettagliFigura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.
ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) protocolli reti IP memorizzazione compatta di
Dettaglii completi l'esecuzione dell'algoritmo di programmazione dinamica per questo problema restituendo il valore ottimo e una soluzione ottima del problema
Compito di Ricerca Operativa II Esercizio ( punti). ia dato il problema di flusso massimo sulla rete in figura (le capacit a degli archi sono riportate sopra di essi). 0 8 i consideri il seguente flusso
DettagliIntroduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G è costituito da una coppia di insiemi (V,A) dove V è detto insieme dei nodi e A è detto insieme di archi ed è un sottinsieme di tutte
DettagliSommario della lezione
Università degli Studi di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Acc. 2009/10 p. 1/21 Sommario della lezione Ulteriori applicazioni del Massimo Flusso 1. Connettività di grafi 2. Selezione di
DettagliDISPIEGAMENTO CENTRALIZZATO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO IL PROBLEMA DEL SENSORI MOBILI IL PROBLEMA (1)
1 IL PROBLEMA DEL DISPIEGAMENTO CENTRALIZZATO DI SENSORI MOBILI OVVERO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO Prof. Tiziana Calamoneri Corso di Algoritmi per le reti A.A. 2010/11 2 IL PROBLEMA SENSORI
DettagliIl valore di flusso che si ottiene è
1) Si consideri un insieme di piste da sci e di impianti di risalita. Lo si modelli con un grafo orientato che abbia archi di due tipi: tipo D (discesa e orientato nel senso della discesa) e tipo R (risalita
DettagliParte 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
DettagliOttimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33
Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi:massimo flusso (parte 1) p. 2/33 Reti di flusso Una rete di flusso è una
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)
DettagliClaudio Arbib Università di L Aquila. Ricerca Operativa. Reti di flusso
Claudio Arbib Università di L Aquila Ricerca Operativa Reti di flusso Sommario Definizioni di base Flusso di un campo vettoriale Divergenza Integrale di Gauss-Greene Flusso in una rete Sorgenti, pozzi
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione
DettagliGrafi e reti di flusso
Grafi e reti di flusso Molti problemi di ottimizzazione sono caratterizzati da una struttura di grafo: in molti casi questa struttura emerge in modo naturale, in altri nasce dal particolare modo in cui
DettagliProgrammazione Lineare Intera: Piani di Taglio
Programmazione Lineare Intera: Piani di Taglio Andrea Scozzari a.a. 2014-2015 April 22, 2015 Andrea Scozzari (a.a. 2014-2015) Programmazione Lineare Intera: Piani di Taglio April 22, 2015 1 / 23 Programmazione
DettagliQuinto appello 27/6/ = 4. B b B = 2 b N = 4
Quinto appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il problema di PL dato applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B {, }. Per
DettagliMATCHING SU GRAFI E ALCUNE VARIANTI DEL PROBLEMA DEL MARIMONIO STABILE
UNIVERSITÀ À DEGLI STUDI ROMA TRE M.F.N. FACOLTÀ DI SCIENZE M.F.N. Tesi di Laurea in Matematica di Letizia Monaldi MATCHING SU GRAFI E ALCUNE VARIANTI DEL PROBLEMA DEL MARIMONIO STABILE Relatore Prof.
DettagliIntroduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte
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
DettagliI Appello Ricerca Operativa 2 bis Compito A
I Appello Ricerca Operativa 2 bis Compito A Cognome e nome:. Esercizio 1. Si consideri il problema del matching di cardinalità massima in un grafo G ed il suo problema di decisione associato: esiste un
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) diffusione di messaggi segreti memorizzazione
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 + x 2 1 x 1 + x 2 2. Lo si trasformi in forma standard e se ne determini una soluzione ottima.
COMPITO DI RICERCA OPERATIVA APPELLO DEL 06/07/05 ESERCIZIO 1. (5 punti) Sia dato il seguente problema di PL: max x 1 + x 2 x 1 + x 2 1 x 1 + x 2 2 x 1 0 x 2 0 Lo si trasformi in forma standard e se ne
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A Ricerca Operativa 1 Seconda prova intermedia Si è rotto un aereo che doveva trasportare un elevato numero di persone dalla città 3 alla città 8. Si rende quindi necessario utilizzare i posti disponibili
DettagliPrima prova Intermedia di Ricerca Operativa 2 COMPITO A Esercizio 1 (7 punti): LIFO
Prima prova Intermedia di Ricerca Operativa 2 COMPITO A 13 novembre 2015 Nome e Cognome Matricola: Esercizio 1 (7 punti): Si consideri il seguente problema di programmazione lineare intera. max 32x 1 +
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. p. 1/1 Problema del trasporto Supponiamo di avere m depositi in
DettagliEsame di Ricerca Operativa del 20/02/18
Esame di Ricerca Operativa del //8 (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere mediante l algoritmo del simplesso duale il seguente problema di programmazione lineare: min x x +x x
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
DettagliLuigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul
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
DettagliA-2 a PI. Esercizio 2. Domanda 3
A-2 a PI Ricerca Operativa 1 Seconda prova intermedia È dato il problema di PL in figura. 1. Facendo uso delle condizioni di ortogonalità, dimostrare o confutare l ottimalità della soluzione x = 1; x =
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Minimo albero ricoprente Fabio Patrizi 1 Albero ricoprente Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è un albero;
DettagliAlgoritmi e strutture dati
Algoritmi e Strutture Dati Minimo albero ricoprente Sia G = (V, E) un grafo connesso non orientato. Definizioni Un albero ricoprente di G è un sottografo T G tale che: T è un albero; T contiene tutti i
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Minimo albero ricoprente Domenico Fabio Savo 1 Albero ricoprente Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è un
DettagliRICERCA OPERATIVA (a.a. 2011/12) Nome: Cognome: Matricola:
5 o Appello 8/0/0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si individui un albero dei cammini minimi di radice sul grafo in figura, utilizzando l algoritmo più appropriato dal punto di vista
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliAPPUNTI PER IL CORSO DI MATEMATICA APPLICATA. 1. Lezione 1 Richiamo brevemente alcune notazioni della teoria degli insiemi.
APPUNTI PER IL CORSO DI MATEMATICA APPLICATA ERNESTO DE VITO - UNIVERSITÀ DI GENOVA, ITALY 1. Lezione 1 Richiamo brevemente alcune notazioni della teoria degli insiemi. insieme vuoto N insieme dei numeri
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
DettagliRICERCA OPERATIVA (a.a. 2014/15) Nome: Cognome: Matricola:
3 o Appello /2/2 RICERCA OPERATIVA (a.a. 2/) Nome: Cognome: Matricola: ) Si risolva algebricamente il seguente problema di PL max x 2x 2 x x 2 2 x x + x 2 3 x 2 7 mediante l algoritmo del Simplesso Primale
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
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliPROBLEMA DEI CAMMINI MINIMI [CORMEN ET AL. CAP. 24] Il costo di cammino minimo da un vertice u ad un vertice v è definito nel seguente modo:
PROBLEMA DEI CAMMINI MINIMI [CORMEN ET AL. CAP. 24] Sia G = (V,E) un grafo orientato ai cui archi è associato un costo W(u,v). Il costo di un cammino p = (v 1,v 2,...,v k ) è la somma dei costi degli archi
DettagliEsame di Ricerca Operativa del 11/1/19
Esame di Ricerca Operativa del // (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere il seguente problema di programmazione lineare, determinandone il problema duale ed applicando l algoritmo
DettagliESERCIZIO 1: Punto 1
ESERCIZIO : Punto La seguente matrice è una matrice delle distanze di un istanza del problema del Commesso Viaggiatore. - - - - - - - Calcolare.Il valore del rilassamento che si ottiene determinando l
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
Dettagli11.4 Chiusura transitiva
6 11.4 Chiusura transitiva Il problema che consideriamo in questa sezione riguarda il calcolo della chiusura transitiva di un grafo. Dato un grafo orientato G = hv,ei, si vuole determinare il grafo orientato)
DettagliAppunti del corso di Informatica 1 (IN110 Fondamenti) 7 Grafi e alberi: introduzione
Università di Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica (IN0 Fondamenti) Grafi e alberi: introduzione Marco Liverani (liverani@mat.uniroma.it)
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
DettagliProgrammazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari Siano X 1,, X n indeterminate Un equazione lineare (o di primo grado) nelle incognite X 1,, X n a coefficienti nel campo K è della forma a 1 X 1 + + a n X n = b, a i, b K,
DettagliProblema lineare [max cx Ax(=,, ) b. x 0] Numerosi problemi legati ai grafi possono essere espressi come problemi lineari
Problema lineare [max cx Ax(=,, ) b. x 0] Numerosi problemi legati ai grafi possono essere espressi come problemi lineari Si tratta di massimizzare ( o minimizzare) una funzione lineare del tipo c t x
DettagliUniversità Roma Tre - PAS Classe A048 "Matematica Applicata" - Corso di Informatica a.a. 2013/2014
Università Roma Tre Dipartimento di Matematica e Fisica Percorso Abilitante Speciale Classe A08 Matematica Applicata Corso di Informatica Algoritmi su Grafi Marco Liverani (liverani@mat.uniroma.it) Sommario
DettagliProblema di flusso massimo
p. 1/5 Problema di flusso massimo Si consideri una rete, ovvero un grafo orientato G = (V,A). Attraverso tale rete si fa viaggiare quello che chiameremo genericamente un flusso di "prodotto". A seconda
DettagliProblemi. sbj. x 0, x intero
Problemi Spiegare e dimostrare in quali intervalli di R la funzione arctan x è concava, convessa o nessuno dei due casi. Si ricordi che la derivata prima di arctan x è +x 2. Si codifichi in una formula
DettagliTeoria dei Giochi Prova del 28 Settembre 2012
Cognome, Nome, Numero di Matricola, email: Teoria dei Giochi Prova del 28 Settembre 2012 Esercizio 1. Considera il seguente gioco non cooperativo. È data una rete con insieme dei nodi V = {s,x 1,x 2,y,t}
DettagliEsercizi Union-Find e su Grafi. Ugo Vaccaro
Progettazione di Algoritmi Anno Accademico 0 07 Esercizi Union-Find e su Grafi. Ugo Vaccaro. Esercizio: Scrivere pseudocodice per Make-Set, Union, e Find-Set usando la rappresentazione attraverso liste
DettagliLinea monoprodotto con assiemature (modello:pettine): lotto, flusso. Minimo tempo di completamento: pezzo singolo, lotto finito, linea satura
Linea monoprodotto con assiemature (modello:pettine): lotto, flusso Minimo tempo di completamento: pezzo singolo, lotto finito, linea satura Sistemi di movimentazione PIPELINE In questo tipo di sistemi
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliGrafi e Funzioni di Costo ESERCIZI
Grafi e Funzioni di Costo ESERCIZI Esercizio1 Si determini la matrice di incidenza archi-percorsi ed i costi di percorso per la rete di trasporto rappresentata in figura. 1 4 2 3 5 Ramo Costo Ramo Costo
DettagliProblemi di flusso a costo minimo
p. 1/7 Problemi di flusso a costo minimo È data una rete (grafo orientato e connesso) G = (V,A). (i,j) A c ij, costo di trasporto unitario lungo l arco (i, j). i V b i interi e tali che i V b i = 0. p.
DettagliEsercizio 2. Domanda 3
A-2 a PI Ricerca Operativa 1 Seconda prova intermedia È dato il problema di PL in figura. 1. Facendo uso delle condizioni di ortogonalità, dimostrare o confutare l ottimalità della soluzione 2; 0; 2. Facendo
DettagliProgrammazione Dinamica (PD)
Programmazione Dinamica (PD) Altra tecnica per risolvere problemi di ottimizzazione, piu generale degli algoritmi greedy La programmazione dinamica risolve un problema di ottimizzazione componendo le soluzioni
DettagliAMPL Problemi su Reti
Dipartimento di Matematica Università di Padova Corso di Laurea Informatica Outline Problemi su Reti Cammino Minimo Molti problemi di ottimizzazione combinatoria possono essere modellati ricorrendo ai
DettagliRICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: max x + x x x x x x + x x Si applichi l algoritmo del Simplesso Duale, per via algebrica, a
DettagliLuigi Piroddi
Automazione industriale dispense del corso 13. Reti di Petri: analisi strutturale sifoni e trappole Luigi Piroddi piroddi@elet.polimi.it Introduzione Abbiamo visto in precedenza il ruolo dei P-invarianti
DettagliIl modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
DettagliTeoria della Programmazione Lineare Intera
Teoria della Programmazione Lineare Intera Laura Galli Dipartimento di Informatica Largo B. Pontecorvo, 567 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 7 Ottobre 0 Ricerca Operativa Laurea
DettagliDomini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):
UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione
DettagliAlgoritmi greedy. Gli algoritmi che risolvono problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione
Algoritmi greedy Gli algoritmi che risolvono problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione Gli algoritmi greedy sono algoritmi basati sull idea
DettagliEsame di Ricerca Operativa del 25/06/12
Esame di Ricerca Operativa del /0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x x + x x x 8 x x x + x x x Base
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
DettagliIntroduzione ai Problemi di Flusso su Reti
UNIVERSI DI PIS IROCINIO ORMIVO IVO - I CICLO CLSSE DI BILIZIONE MEMIC PPLIC Introduzione ai Problemi di lusso su Reti Relatore: Prof. V. Georgiev.U: Prof. M. Berni Elisabetta lderighi R.O e Riforma della
DettagliChi non risolve esercizi non impara la matematica.
5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi
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
DettagliAlgoritmi e strutture dati
Algoritmi e Strutture Dati Cammini minimi Definizioni Sia G = (V,E) un grafo orientato pesato sugli archi. Il costo di un cammino π = è dato da: Un cammino minimo tra una coppia di
Dettaglietà (anni) manutenzione (keuro) ricavato (keuro)
.6 Cammini minimi. Determinare i cammini minimi dal nodo 0 a tutti gli altri nodi del seguente grafo, mediante l algoritmo di Dijkstra e, se applicabile, anche mediante quello di Programmazione Dinamica.
DettagliMatroidi, algoritmi greedy e teorema di Rado
Matroidi, algoritmi greedy e teorema di Rado per il corso di Laboratorio di Algoritmi e Ricerca Operativa Dott. Alberto Leporati / Prof.ssa Enza Messina Dipartimento di Informatica, Sistemistica e Comunicazione
DettagliLuigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 8. Reti di Petri: rappresentazione algebrica Luigi Piroddi piroddi@elet.polimi.it Rappresentazione matriciale o algebrica E possibile analizzare
DettagliModelli su rete (Grafi)
Modelli su rete (Grafi) Vari tipi di problemi possono essere rappresentati graficamente per mezzo di grafi o reti. Un tipico problema incontrato è il problema del trasporto. Vedremo ora la struttura di
DettagliProblemi, algoritmi, calcolatore
Problemi, algoritmi, calcolatore Informatica e Programmazione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Problemi, algoritmi, calcolatori Introduzione
Dettagli