Ricerca Operativa A.A. 2007/ Analisi di sensitività
|
|
|
- Bernadetta Guidi
- 8 anni fa
- Просмотров:
Транскрипт
1 Ricerca Operativa A.A. 7/8. Analisi di sensitività Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Analisi di Sensitività: motivazioni I parametri (A, b e c) di un problema di programmazione lineare sono soggetti a variazioni: cambiamento dei dati, approssimazioni, errori, stime etc. Data una soluzione ottima di base, l analisi di sensitività analizza le conseguenze delle variazioni dei parametri sull ottimalità (e l ammissibilità) della base stessa. min c T x s.t. Ax = b x condizioni di ottimalità per x A = [B F] x = [ xb () x B = B b ammissibilità primale x F ] c = [ cb () c T = c T c T B B A T ammissibilità duale costi ridotti non negativi [ () ortogonalità implicata dalla scelta u T = c T B B ] Sotto quali condizioni sulla variazione di A, b e c la base B rimane ammissibile e ottima? Nota: non considereremo variazioni di A. c F ] Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.
2 Variazioni dei termini noti b b + b, ( b R m ) Verifica delle condizioni di ottimalità: () B (b + b) da verificare () c T = c T c T B B A T invariata Verificare il sistema di disequazioni nelle incognite b (S b ) B b B b (poliedro dei vettori b che non cambiano la base ottima) Con variazioni contenute nei limiti, la base ottima non cambia. Cambiano: - il punto ottimo: x new = B (b + b) - il valore ottimo: z new = c T B B b + c T B B b = z old + z All ottimo (prima della variazione), le variabili duali sono u T = c T B B : m z = c T B B b = u T b = u i b i u i = z b i i= le variabili duali misurano la sensibilità della funzione obiettivo a (piccole) variazioni dei termini noti e sono dette anche prezzi marginali. Esempio: con f.o. di minimo e nei limiti dettati da (S b ), converrebbe: aumentare i termini noti cui corrispondono variabili duali negative e diminuire i termini noti con variabili duali positive. Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Variazioni dei costi c c + c, ( c R n, c T = [ c T B, ct F ]) Verifica delle condizioni di ottimalità: () B b invariata () c T = (c T + c T ) (c T B + ct B )B A T da verificare Verificare il sistema: c T = [ c T B, ct F ] = [, (ct F + ct F ) (ct B + ct B )B F T ] (c T F + ct F ) (ct B + ct B )B F (S c ) Variazione dei costi delle variabili fuori base: c F c F + c F c T F ct B B F = c T F + ct F ct B B F c F c F (S B ) c j c j, x j fuori base: il costo ridotto c j è il massimo decremento di c j che lascia invariata la base ottima. Variazione dei costi delle variabili in base: c B c B + c B c T F ct B B F = c T F (ct B + ct B )B F c T B B F c T F (S F ) Il sistema nelle incognite c B rappresenta il poliedro dei vettori c B per cui la base ottima rimane invariata. Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.4
3 Intervalli di stabilità Ammettendo la variazione di un sono elemento per volta (termine noto o costo), i sistemi (S b ), (S B ) e (S F ) si riducono a sistemi di disequazioni in una sola variabile ( b i o c j ). La soluzione del sistema definisce un intervallo [ MIN, MAX ]: se la variazione è contenuta nell intervallo, la base rimane ottima. L intervallo [b i + MIN, b i + MAX ] si dice intervallo di stabilità del termine noto b i. L intervallo [c j + MIN, c j + MAX ] si dice intervallo di stabilità del costo c j. Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Esempio Sia dato il problema min x x x s.t. x + x + x x + x + x x + x + x 6 x i la cui base ottima corrisponde alle variabili x, x e x 6.. Verificare se la base ottima varia nelle due ipotesi: a) si aumentano in termini noti del primo e del terzo vincolo rispettivamente di e unità; b) si diminuisce il primo termine noto di unità e si aumenta il secondo termine noto di unità.. Calcolare l intervallo di stabilità del primo termine noto.. Verificare l ottimalità/ammissibilità della base al variare dei coefficienti di costo secondo il seguente vettore: c T = [ ]. 4. Calcolare l intervallo di stabilità di c (costo di variabile in base) e di c 4 (costo di variabile fuori base). Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.6
4 Esempio: considerazioni preliminari Tableau iniziale (bisogna riportare il problema alla forma standard!): x x x x 4 x x 6 z x 4 x x 6 6 Tableau ottimo: x x x x 4 x x z x 8 x x 6 4 Nota: considerando le colonne x 4, x e x 6 come un CARRY, otteniamo: B =, B =, u T = [ 6 ] Inoltre, dal tableau: B b = [ / 8/ 4 ] T, c T = [ 7/ 6/ / ] Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.7 Esempio: punto Bisogna verificare solo l ammissibilità (l ottimalità rimane verificata). B b B b b b b b b b + b 8 b + b 4 / 8/ 4 caso a): b =. Sostituendo nel sistema, le tre disequazioni risultano verificate e quindi la base rimane ammissibile e ottima. caso b): b =. Sostituendo nel sistema, le tre disequazioni NON risultano verificate e quindi la base NON rimane ammissibile e ottima (è super-ottima). Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.8
5 Esempio: punto Bisogna considerare b = b b 8 b 4 Quindi: b. Il sistema di disequazioni precedente diventa: b b 8 b 4 b [ /, 4], cioé b [ /, + 4] = [/, 6]. Analogamente, gli intervalli di stabilità di b e di b sono: 4 b b [, 6] 4 b b [, + ) Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.9 Esempio: punto Per il mantenimento dell ottimalità della base (l ammissibilità è comunque verificata) consideriamo separatamente le condizioni per le variabili in base e fuori base c T B = [ ], ct F = [ ] - per le variabili fuori base: c F c F, cioé ( c T F = [ c c 4 c ]): c 7/, c 4 6/, c 4 / () - per le variabili in base: c T B B F c T F, cioé ( ct B = c c c 6 ): [ c c c 6 ] = [ c c c 6 ] c + c + c 6 7 c c c 6 6 c + c () [ 7 Per il vettore di perturbazione c dato, le 6 disequazioni dei sistemi () e () risultano verificate e quindi la variazione lascia la base ottima (oltre che ammissibile). 6 ] Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.
6 Esempio: punto 4 Per valutare l intervallo di stabilità di c, bisogna considerare i sistemi () e () con c T = [ c ]. In particolare, essendo x in base, il sistema () diventa: c 7 c 6 c c 7 c c Quindi c [, ] intervallo di stabilità c [ 6 ]. Analogamente, gli intervalli di stabilità per i costi delle altre variabili in base sono: 6 c / c [ 9, /]; 6/ c 6 7/ c 6 [ 6/, 7/]. Per le variabili fuori base, gli intervalli di stabilità si ottengono direttamente dal sistema (): c 7/ c [ /, + ); c 4 6/ c 4 [ 6/, + ); c / c [ /, + ). Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.
5. ANALISI DI SENSIBILITÀ
5. ANALISI DI SENSIBILITÀ R. Tadei 1 Una piccola introduzione R. Tadei 2 ANALISI DI SENSIBILITÀ Nei precedenti capitoli abbiamo visto come, partendo da un problema reale, si possa giungere alla costruzione
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
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
Ricerca Operativa A.A. 2007/ Esercitazione di laboratorio: analisi di sensitività
Ricerca Operativa A.A. 2007/2008 14. Esercitazione di laboratorio: analisi di sensitività Luigi De Giovanni - Ricerca Operativa - 14. Laboratorio: analisi di sensitività 14.1 Problema di mix della produzione
La dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
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
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
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
Il 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
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,
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
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
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
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
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 21 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 21 MODELLO DI MISCELAZIONE E
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
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,
L ANALISI POST-OTTIMALE
L ANALISI POST-OTTIMALE La soluzione ottima di un problema di programmazione lineare (variabili che costituiscono la base ottima e rispettivi valori) deriva dalla struttura del modello (variabili, vincoli,
Metodi e modelli per le decisioni
Metodi e modelli per le decisioni Roberto Cordone A. A. 2015-16 5.5 Esercizi Nota : Devo molti di questi esercizi a temi d esame del prof. Alberto Colorni. Nota : Gli esercizi e le soluzioni non sono stati
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 )
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
OTTIMIZZAZIONE LINEARE MULTICRITERIO
OTTIMIZZAZIONE LINEARE MULTICRITERIO NOTAZIONE Siano x ed y vettori di R n indicati estesamente con x x x x 1 Μ i Μ n, y y1 Μ yi Μ y n e si ponga N = {1,2,, n}. Scriveremo allora: x y ( x è diverso da
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
Università Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi FAQ sul Metodo del SIMPLESSO Università Ca Foscari Venezia, Dipartimento di Management,
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)
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
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
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),
Esercizi 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
inoltre, deve essere: Funzioni obiettivo lineare a tratti
Funzioni obiettivo lineare a tratti Si supponga che la funzione obiettivo J(z) sia non lineare rispetto ad una (o più) delle variabili di decisione. Ipotizziamo tuttavia che la non linearità sia di tipo
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
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
Funzioni reali di variabile reale
Funzioni reali di variabile reale Equazioni e disequazioni. In questa parte ricordiamo per completezza le prime nozioni e i primi principi sulle equazioni e disequazioni: sono le stesse nozioni e principi
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte II)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte II) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
ECONOMIA DEI SISTEMI PRODUTTIVI
FACOLTA DI INGEGNERIA ECONOMIA DEI SISTEMI PRODUTTIVI ESERCIZI SVOLTI IN AULA A.A. 2010-2011 DOCENTE: Francesca Iacobone ASSISTENTE ALLA DIDATTICA: Andrea Maresca RICHIAMI DI TEORIA I richiami di teoria
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
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
SISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA QUINTA E SESTA SETTIMANA
Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A. 2013-2014. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA QUINTA E SESTA SETTIMANA In sintesi, una tecnologia costituisce un insieme di piani
Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto.
Esempio di risoluzione di un problema di PL con Excel Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto. Un azienda vinicola desidera produrre due tipi di vino: uno
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
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:
Geometria 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
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 28 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 28 Prof.ssa Ing. Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 26. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 26 Docente: Laura Palagi Modello di distribuzione Cardillo Raffaele Di Paola Catherine Trano Marco
RICERCA OPERATIVA GRUPPO A prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO A prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
Equazioni esponenziali e logaritmi
Copyright c 2008 Pasquale Terrecuso Tutti i diritti sono riservati. Equazioni esponenziali e logaritmi 2 equazioni esponenziali..................................................... 3 casi particolari............................................................
LA FUNZIONE DI PRODUZIONE
LE FUNZIONI E I COSTI DI PRODUZIONE PROF. ENNIO FORTE Indice 1 LA FUNZIONE DI PRODUZIONE ---------------------------------------------------------------------------------------- 3 2 LE VARIABILI CHE INFLUENZANO
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
UNIVERSITÀ 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
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
Lezioni di Microeconomia
Lezioni di Microeconomia Lezione 8 I Costi Lezione 8: I costi Slide 1 Introduzione La tecnologia di produzione dell impresa definisce e misura la relazione tra input e output Data la tecnologia di produzione
Operazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
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
Sistemi 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/ [email protected] Lorenzo Pareschi (Univ. Ferrara)
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 di Ricerca Operativa I
Esercizi di Ricerca Operativa I Raffaele Pesenti, Dario Bauso March 29, 2006 Domande Introduzione 1. Cos e la Ricerca Operativa? 2. Quali problemi affronta un ricercatore operativo? Fare un esempio indicando
Geometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
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
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
origine asse delle ascisse unità di misura e orientamento sull asse delle ascisse
PIANO CARTESIANO Sia f: A R R, il grafico di f è un sottoinsieme del prodotto cartesiano RxR = R 2 Costruiamo una corrispondenza biunivoca tra i punti del piano euclideo e le coppie di numeri reali: 1-
CORSO ZERO DI MATEMATICA
UNIVERSITÀ DEGLI STUDI DI PALERMO FACOLTÀ DI ARCHITETTURA CORSO ZERO DI MATEMATICA GONIOMETRIA E TRIGONOMETRIA Dr. Erasmo Modica [email protected] RADIANTI E CIRCONFERENZA GONIOMETRICA Definizione: Si dice
Esercitazioni di Matematica
Università degli Studi di Udine Anno Accademico 009/00 Facoltà di Agraria Corsi di Laurea in VIT e STAL Esercitazioni di Matematica novembre 009 Trovare le soluzioni della seguente disequazione: x + +
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
REGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
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
Introduzione 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 Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
Monopolio P, R R R RMe (domanda) Viki Nellas Esercizio 1
onopolio Viki Nellas Esercizio La curva di domanda di un monopolista è 000. La funzione dei suoi costi totali è 7.5 + 00 + 00 a) Determinate le curve del ricavo medio e marginale di questa impresa e rappresentatele
Esercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
Ottimizzazione marginale
Ottimizzazione marginale R. Pesenti Problema di faceness Formulazione del problema Il vostro supermercato deve disporre i prodotti A, B, C e D sugli scaffali 1, 2, e 3 ognuno di lunghezza 100 cm. Dato
ECONOMIA APPLICATA ALL INGEGNERIA (Docente: Prof. Ing. Donato Morea)
ESERCIZIO n. 1 - Scelte di consumo (scelta ottimale, variazione di prezzo, variazione di reddito) Un consumatore ha preferenze rappresentate dalla seguente funzione di utilità: a) Determinare la scelta
Il teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
1 Fattorizzazione di polinomi
1 Fattorizzazione di polinomi Polinomio: un polinomio di grado n nella variabile x, è dato da p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0 con a n 0, a 0 è detto termine noto, a k è detto coefficiente
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:
UNIVERSITÀ 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
Luigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi [email protected] Analisi strutturale Un alternativa all analisi esaustiva basata sul
Matematica I, Funzione inversa. Funzioni elementari (II).
Matematica I, 02.10.2012 Funzione inversa. Funzioni elementari (II). 1. Sia f : A B una funzione reale di variabile reale (A, B R); se f e biiettiva, allora la posizione f 1 (b) = unico elemento a A tale
