Algoritmo del Simplesso
|
|
|
- Alfredo Forte
- 8 anni fa
- Просмотров:
Транскрипт
1 Algoritmo del Simplesso Renato Bruni Univertà di Roma Sapienza Corso di Ricerca Operativa, Corso di Laurea Ingegneria dell Informazione
2 Vertici e Punti Estremi di un Poliedro Un poliedro è intersezione di un numero finito di semispazi chiu e iperpiani (quindi i vincoli di un problema di Programmazione Lineare definiscono un poliedro) Algebricamente P Ax b x R n Geometricamente x P è punto estremo di P sse non estono x P e x P con x x, x x, x x, tali che x appartiene al segmento di estremi x e x x P è vertice di P sse este c R n tale che c T x c T y per tutti i punti y P diver da x (cioè tutto P trova da un lato di un iperpiano che passa per x) In un poliedro, vertici e punti estremi sono concetti equivalenti Ma queste definizioni sono geometriche, ce ne serve una algebrica.
3 Soluzioni di Base Ammisbili Intuitivamente, un vertice è intersezione di più vincoli soddisfatti all uguaglianza (cioè attivi). Tali vincoli devono individuare un unica soluzione, e un stema in n incognite ha soluzione unica sse ha n equazioni indipendenti x è soluzione di base di P sse rende attivi n vincoli indipendenti (cioè il rango della matrice dei vincoli attivi è n, e quindi i coefficienti di tali vincoli formano una base per R n ) se inoltre x è ammisbile (cioè soddisfa tutti i vincoli) è soluzione di base ammisbile (S.B.A.) Geometricamente soluzioni di base non ammisbili soluzioni di base ammisbili (vertici, punti estremi) In un vertice il rango della matrice dei vincoli attivi è n
4 Forma Standard min c T x generico problema di PL deve essere Ax b messo in forma standard x Per applicare l algoritmo del mplesso il Quala PL può mettere in tale forma. Esempio: min x - y x +3y 7 5x + y 3 x min x - y x +3y - u 7 5x + y + w 3 x, u, w min x - (y + - y - ) x +3(y + - y - ) - u 7 5x + (y + - y - ) + w 3 x, u, w y +, y - per i vincoli non di uguale introduco u variabile surplus, w variabile di slack, per la variabile libera y introduco y + e y - vincolate in segno,
5 Vertici della Forma Standard Nel poliedro in forma standard P{x R n, Axb, x } supponiamo P non vuoto, A mxn con n m e rango(a) m, dove x è vertice di P sse le colonne di A relative a componenti potive sono linearmente indipendenti (quindi formano una base B per lo spazio delle colonne di A) Infatti in un vertice il rango della matrice dei vincoli attivi deve essere n. Poichè le componenti nulle di x (ano h) corrispondono a vincoli attivi, e devono esserci altri n-h vincoli attivi indipendenti (quindi di uguale). Inoltre, dato che le colonne indipendenti di A sono al più m, ci sono almeno altri n-m vincoli di attivi, cioè almeno n-m componenti nulle.
6 Esempio Conderiamo questo poliedro in forma standard con n4 e m x + x x 3 +3x 4 3 x + x + x 3 +x 4 Un vertice avrà almeno n-m zeri x 4 La soluzione x potive sono la I e la II, cioè La soluzione x potive sono solo la IV, cioè è ammisbile e le colonne di A relative a componenti che sono indipend. quindi è vertice è ammisbile e le colonne di A relative a componenti 3 che è indipendente quindi è vertice
7 Partizione in Base e fuori Base Data una base B, posamo riscrivere in problema distinguendo min c BT x B + c NT x N Bx B + Nx N b x B + B - Nx N B - b x B m x N n-m e posamo individuare una soluzione di base x B B - b (se m è ammisbile, e quindi è S.B.A. vertice) x N n-m n Le S.B.A. sono al più, che sono tutti i gruppi di m colonne di A m Da es dobbiamo escludere: quelli che non sono una base e quelli che corrispondono a una soluzione di base non ammisbile. Inoltre, più ba possono dare una stessa S.B.A. se B - b contiene zeri (sol. degenere)
8 Esempio Conderiamo questo poliedro in forma standard x + x + x 3 x 4 x + x 3 x 4 4 Conderiamo tutte le 6 posbili coppie di colonne (rango(a)m quindi le ba di A sono di colonne) e vediamo se sono una base, quale soluzione di base forniscono, se tale soluzione è ammisbile, se è degenere indici colonne base soluzione di base ammisbile degenere {,} {,3} {,4} {,3} {,4} {3,4} no (- ) ( ) - ( ) ( ) ( ) no no x B B - b x N n-m
9 Problema Ridotto Abbiamo un problema non vuoto, con rango(a) m e abbiamo B. Poichè x B B - b - B - Nx N, lo scriviamo in forma canonica rispetto a B: min c BT (B - b - B - Nx N ) + c T N x N c BT B - b + (c NT - c BT B - N)x N x B B - b - B - Nx N x B m x N n-m Definendo i costi ridotti γ T c NT - c BT B - N ed eliminando x B ho il problema ridotto, che ha n-m variabili min c BT B - b + (c NT - c BT B - N)x N B - b - B - Nx N m x N n-m
10 Test Ottimalità e Illimitatezza Se i costi ridotti γ c N - (B - N) T c B sono tutti non negativi, la S.B.A. corrispondente a B è ottima, e se sono tutti potivi è ottimo unico Se invece este un γ i < e la colonna i-ema di B - N è tutta non potiva, allora il problema è illimitato inferiormente Questi test sono solo sufficienti, non necessari! Se i due test falliscono, cerchiamo una nuova S.B.A. migliore (o almeno non peggiore) della precedente facendo entrare in base una componente che non vi era ed uscire dalla base una che vi era, finché non è soddisfatto uno dei due test (ciò chiama in realtà Fase ) Indichiamo con π la matrice B - N, e le sue colonne con (π π n-m )
11 Cambio di Base Troviamo l indice h {,, n-m} che entra in base in corrispondenza al costo ridotto più negativo γ h < Troviamo l indice k {,, m} che esce dalla base in corrispondenza al minimo del rapporto min i m (π h ) i > (B - b) i (π h ) i vari elementi della h-ema colonna di B - N Osservazione: se ho S.B.A. degenere, cambiando base potrei riottenere la stessa soluzione (iterazione degenere) Se non ripeto mai la stessa base, convergo curamente. Altrimenti potrei ciclare e serve una regola anticiclaggio. Es.: scelgo sempre, tra quelli adatti, gli indici minori
12 Operazione di Pivot Per calcolare i nuovi B - N e B - b cerchiamo di ottenerli dai precedenti attraverso una matrice T data dall identità tranne la k-ema colonna che è ottenuta dagli elementi della h-ema colonna di B - b Per calcolare i nuovi B - N e B - b nella pratica costruiamo (i π i sono le colonne di B - N) M (π h π π n-m B - b ) ma come h-emo metto e k (colonna k-ema dell identità) Poi divido la k-ema riga per (π h ) k (l elemento che trova all inizio di quella riga) e il risultato lo sommo, moltiplicato per -(π h ) i (l elemento che trova all inizio di ogni altra riga i) ad ogni altra riga i (è come se aves premoltiplicato per T), ottenendo (e k B - N B - b ) quelli nuovi!
13 Esempio 3 parte I Conderiamo questo poliedro in forma standard con n6 e m3 min x + x + x 3 +x 4 +x 5 +x 6 x +x +3x 3 +x 4 3 x x 5x 3 +x 5 x +x x 3 +x 6 x 6 Fortunatamente le ultime tre colonne di A formano già una base, e allora: B N x B x 4 x 5 x 6 x N x x x 3 B - B - b 3 B - N Calcolo i costi ridotti T Test ottimo? Non verificato perché non tutti Test illimitato? Non verificato perché le colonne di π relative ai negativi non sono non potive
14 Esempio 3 parte II Serve allora cambio di base. La colonna col costo ridotto minore entra in base, quindi h (B Quella che esce dalla base è invece quella che da il min - b) i 3 quindi k i 3 (π ) i Allora scambio la II in base con la I fuori base (π ) i > B N x B x 4 x x 6 x N x 5 x x 3 π e π π 3 B - b Per calcolare B - N e B - b formo la matrice M Divido la seconda riga per (cioè (π ) ) e poi sommo il risultato moltiplicato - (cioè -(π ) ) alla prima riga e moltiplicato - (cioè -(π ) 3 ) alla terza riga -/ / -/ 5/ / -/ -5/ 5/ 3/ B - N B - b
15 Esempio 3 parte III -/ 5/ / Calcolo i costi ridotti / -/ -5/ T - 3/ -5/ -7/ -/ 5/ 3/ Test ottimo? Non verificato perché non tutti Test illimitato? Non verificato perché le colonne di π relative ai negativi non sono non potive Serve allora cambio di base. La colonna col costo ridotto minore entra in base, quindi h3 (B Quella che esce dalla base è quella per cui ho il min - b) i quindi k3 i 3 (π 3 ) i / 3/ (π 3 ) i > Allora scambio la III in base con la III fuori base B N - x B x 4 x x 3 x N x 5 x x 6
16 Esempio 3 parte IV π 3 π π e 3 B - b Per calcolare B - N e B - b formo la matrice M / -5/ 3/ -/ / -/ 5/ -/ 5/ Divido la terza riga per 3/ (cioè (π 3 ) 3 ) e poi sommo il risultato moltiplicato -/ (cioè -(π 3 ) ) alla prima riga e moltiplicato -5/ (cioè -(π 3 ) ) alla terza riga 4/3 -/3 -/3 -/3 -/3 /3 5/3 5/3 /3 B - N B - b 4/3 -/3 -/3 Calcolo i costi ridotti -/3 /3 5/3 T - /3 /3 7/ -/3 5/3 /3 Test ottimo? Finalmente verificato perché tutti Allora calcolo la soluzione di base: B - b da i valori ottimi per le variabili in base (x 4, x, x 3 ), mentre quelle fuori (x 5, x, x 6 ) sono tutte x*
17 Fase del Simplesso Per vedere se il PL è ammisbile e se rango(a) m (o altrimenti eliminare i vincoli ridondanti) e trovare la prima base B e quindi B - b e B - N Ci sono più modi di farlo, uso quello delle variabili artificiali. Il problema è min c T x Ax b x n con b m altrimenti cambio segno Introduco α α m (o meno se ho già delle colonne dell identità) e ho il problema auliario che ha base ammisbile I α b m con S.B.A. x min Σ α i e il problema di partenza è ammisbile sse α* Ax + I m α b α m x n
18 Soluzione del Problema Auliario Lavorando come nella Fase già vista (tranne test illimitatezza) sul problema auliario trovo la sua soluzione ottima α* x* Se Σ α i > allora il problema originario è inammisbile, stop. Altrimenti: Se nessuna variabile artificiale è ancora in base, ho una base fatta da sole colonne del problema originario e posso partire con Fase su esso Se ho ancora variabili artificiali in base, le tolgo tutte: o riesco ad eliminarle tramite scambi degeneri (rimane la stessa soluzione) e cancellarle oppure corrispondono a righe di B - N nulle, cioè vincoli ridondanti del problema originale, che quindi posso cancellare ineme alla corrispondenti variabili artificiali
19 Algoritmo Complesvo A questo punto, algoritmo del Simplesso due fa è fatto da Fase seguita da Fase Se il problema è inammisbile lo scopro in Fase Dopodichè uso Fase fino a verificare un test di ottimalità o di illimitatezza (prima o poi converge: se mi accorgo di ciclare proseguo introducendo una regola anticiclaggio) Teoricamente direbbe esponenziale ma buon comportamento pratico, molto usato per problemi reali Veloce perché effettua tutte operazioni computazionalmente semplici ovviamente dipende da quanti vertici occorre vitare Estono altre varianti dell algoritmo: Simplesso tabellare, etc.
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
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,
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
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
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
Introduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
Metodo delle due fasi
Metodo delle due fasi Il problema artificiale la fase I del Simplesso esempi rif. Fi 3.2.5; Osservazione Nel problema min{c T x : Ax = 0, x 0}, dell esempio precedente si ha che b 0 e A contiene una matrice
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
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
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
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. Il metodo del simplesso p. 1/12
Il metodo del simplesso Il metodo del simplesso p. 1/12 I problemi di PL in forma standard I problemi di PL in forma standard hanno la seguente formulazione: max cx a i x = b i x 0 i = 1,...,m o, equivalentemente,
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
Gestione 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
Indice. Algoritmo del simplesso rivisto 2. Algoritmo del simplesso con variabili artificiali...9. Costruzione problema duale.18
Indice Algoritmo del simplesso rivisto Algoritmo del simplesso con variabili artificiali...9 Costruzione problema duale.8 Esami passati svolti.. Algoritmo del Simplesso rivisto Esempio di applicazione
L ALGORITMO DEL SIMPLESSO REVISIONATO
L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e
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
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:
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
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
Flusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni [email protected] Corso di: Ottimizzazione Combinatoria Dal
Convergenza del Simplesso e regole anti-ciclaggio
Convergenza del Simplesso e regole anti-ciclaggio degenerazione e ciclaggio un esempio di ciclaggio regole anti-ciclaggio rif. Fi 3.2.6, BT 3.4 (Esempio 3.6), BT 3.7; Sulla convergenza del metodo del simplesso
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
1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.
. Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,
Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila
Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila Sommario Poliedri Poliedri compatibili Diseguaglianzeimplicate Proiezione di un poliedro Definizione
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
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
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
Risoluzione di sistemi lineari
Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini
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
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:
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
Sistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
Esercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
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
Algoritmo di Branch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo di Branch & Bound Docente: Renato Bruni [email protected] Corso di: Ottimizzazione Combinatoria
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA FOGLIO DI ESERCIZI 1 GEOMETRIA 2009/10 Esercizio 1.1 (2.2). Determinare l equazione parametrica e Cartesiana della retta dello spazio (a) Passante per i
Programmazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
min 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5
IL METODO DEL SIMPLESSO 65 Esercizio 7.4.4 Risolvere utilizzando il metodo del simplesso il seguente problema di PL: min 4 + + + + = 4 + + = + = 5 Innanzitutto scriviamo il problema in forma standard:
Algoritmi generali per PLI
Programmazione Lineare Intera: II Algoritmo Cutting Planes Daniele Vigo D.E.I.S. Università di Bologna [email protected] rev.. ottobre Algoritmi generali per PLI Metodi esatti tradizionali (anni 6 oggi):
= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ
Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti
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
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,
misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
5.5 Metodi dei piani di taglio
5.5 Metodi dei piani di taglio Problema generale di Programmazione Lineare Intera (PLI) max{c t x : x X} dove X = {x Z n + : Ax b}, con A matrice m n e b vettore n 1 razionali Proposizione: conv(x) = {x
Risoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
a + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
ALGORITMO DEL SIMPLESSO
ALGORITMO DEL SIMPLESSO ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. Risolvere il seguente programma lineare (a) con il metodo del simplesso e (b) con il metodo grafico. (1) min x 1 x () (3) (4) (5)
3. Segni della funzione (positività e negatività)
. Segni della funzione (positività e negatività) Questo punto, qualora sia possibile algebricamente, ci permette di stabilire il segno che assume la variabile dipendente y (che esprime il valore della
Domande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Giovedí 14 Maggio 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Geometria di R n 1 Dare la definizione di Poliedro e Vertice di un Poliedro 2 Dare la definizione di Poliedro e di Politopo
1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
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
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte I)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte I) Luigi De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo
LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
Problemi 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.
2. Algoritmi e Programmi
12 2. Algoritmi e Programmi Dato un problema, per arrivare ad un programma che lo risolva dobbiamo: individuare di cosa dispongo: gli input; definire cosa voglio ottenere: gli output; trovare un metodo
Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
Dipendenza e indipendenza lineare
Dipendenza e indipendenza lineare Luciano Battaia Questi appunti () ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia campus
1 Riduzione per righe e matrici equivalenti per righe.
Geometria Lingotto. LeLing2: Sistemi lineari omogenei. Ārgomenti svolti: Riduzione per righe e matrici equivalenti per righe. Forma echelon e sistemi gia risolti. Il metodo di Gauss-Jordan e la forma echelon.
2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
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
Geometria della Programmazione Lineare
Capitolo 2 Geometria della Programmazione Lineare In questo capitolo verranno introdotte alcune nozioni della teoria dei poliedri che permetteranno di cogliere gli aspetti geometrici della Programmazione
IL METODO DEL SIMPLESSO
IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno
Precorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
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
Un monomio è in forma normale se è il prodotto di un solo fattore numerico e di fattori letterali con basi diverse. Tutto quanto sarà detto di
DEFINIZIONE Espressione algebrica costituita dal prodotto tra una parte numerica (coefficiente) e una o più variabili e/o costanti (parte letterale). Variabili e costanti possono comparire elevate a potenza
Esercizio 1 Trovare, se esistono, le soluzioni del sistema lineare. y + 3z = 3 x y + z = 0. { x + y = 1
Esercizio 1 Trovare, se esistono, le soluzioni del lineare y + 3z = 3 x y + z = 0 x + y = 1 0 1 3 3 1 1 1 0 1 1 1 0 = 0 1 3 3 = 1 1 0 1 1 1 0 1 = 1 1 1 0 0 1 3 3 0 1 1 = Il di partenza è quindi equivalente
Applicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
Algebra lineare Geometria 1 11 luglio 2008
Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =
Prerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
LEZIONE 4. { x + y + z = 1 x y + 2z = 3
LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.
