Ottimizzazione dei Sistemi Complessi
|
|
- Gildo Marchesi
- 6 anni fa
- Visualizzazioni
Transcript
1 1 Venerdì 28 Aprile Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
2 Introduzione min f 1 (x),..., f k (x) s.t. x F. x R n, k > 1, f i : R n R, F R n. R n è lo spazio delle decisioni R k è lo spazio degli obiettivi x R n è un vettore di decisioni z R k è un vettore di obiettivi
3 Introduzione min f 1 (x),..., f k (x) s.t. x F. x R n, k > 1, f i : R n R, F R n. R n è lo spazio delle decisioni R k è lo spazio degli obiettivi x R n è un vettore di decisioni z R k è un vettore di obiettivi
4 Introduzione min f 1 (x),..., f k (x) s.t. x F. x R n, k > 1, f i : R n R, F R n. R n è lo spazio delle decisioni R k è lo spazio degli obiettivi x R n è un vettore di decisioni z R k è un vettore di obiettivi
5 Introduzione Definiamo f (x) = (f 1 (x),..., f k (x)) : R n R k vettore delle f.obiettivo Z = f (F) regione ammissibile degli obiettivi: Z = {z R k : z = f (x), x F}. z id vettore ideale degli obiettivi: z id i = min f i (x) x F per ogni i = 1,..., k. N.B. assumiamo che z id Z, cioè che le funzioni obiettivo siano in contrasto fra di loro.
6 Ordinamento nello spazio k dimensionale Possiamo definire nello spazio k dimensionale un ordinamento parziale non riflessivo. Dovuto all economista e sociologo italiano Vilfredo Pareto ( )
7 Ordinamento nello spazio k dimensionale Dati due vettori z 1 e z 2 in R k diciamo che: z 1 domina (secondo Pareto) z 2 (z 1 P z 2 ) se z 1 i z 2 i per ogni i = 1,..., k, e z 1 j < z 2 j per qualche j {1,..., k}. N.B. l ordinamento è solo parziale, quindi esistono coppie di vettori z 1, z 2 tali che non risulta ne z 1 P z 2 ne z 2 P z 1!! In questo caso si dice che z 1 e z 2 sono vettori non dominati tra loro
8 Ordinamento nello spazio k dimensionale Dati due vettori z 1 e z 2 in R k diciamo che: z 1 domina (secondo Pareto) z 2 (z 1 P z 2 ) se z 1 i z 2 i per ogni i = 1,..., k, e z 1 j < z 2 j per qualche j {1,..., k}. N.B. l ordinamento è solo parziale, quindi esistono coppie di vettori z 1, z 2 tali che non risulta ne z 1 P z 2 ne z 2 P z 1!! In questo caso si dice che z 1 e z 2 sono vettori non dominati tra loro
9 Ordinamento debole Dati due vettori z 1 e z 2 in R k diciamo che: z 1 domina debolmente (secondo Pareto) z 2 (z 1 < z 2 ) se z 1 i < z 2 i per ogni i = 1,..., k. N.B. se z 1 < z 2 allora z 1 P z 2 ma, in generale, non vale il viceversa.
10 Definizione di ottimalità secondo Pareto Dato il problema multiobiettivo min f 1 (x),..., f k (x) s.t. x F. Un punto x F è ottimo (secondo Pareto) se: non esiste alcun altro x F tale che f (x) P f (x ) Nello spazio degli obiettivi, l insieme degli ottimi secondo Pareto Ω P è noto con il nome di: frontiera efficiente frontiera di Pareto
11 Definizione di ottimalità secondo Pareto Dato il problema multiobiettivo min f 1 (x),..., f k (x) s.t. x F. Un punto x F è ottimo (secondo Pareto) se: non esiste alcun altro x F tale che f (x) P f (x ) Nello spazio degli obiettivi, l insieme degli ottimi secondo Pareto Ω P è noto con il nome di: frontiera efficiente frontiera di Pareto
12 Definizione di ottimalità debole Un punto x F è ottimo debole (secondo Pareto) se: non esiste alcun altro x F tale che f (x) < f (x ) N.B. l insieme degli ottimi di Pareto (Ω P ) è contenuto nell insieme degli ottimi deboli di Pareto (Ω D ) Ω P Ω D.
Ottimizzazione dei Sistemi Complessi
1 Martedì 12 Aprile 2016 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Introduction Nel 1990 il premio in memoria di A. Nobel viene conferito congiuntamente a: Introduction Nel 1990 il premio
DettagliOttimizzazione dei Sistemi Complessi
1 Giovedì 18 Maggio 2017 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Il decisore... questo sconosciuto! singolo obiettivo: se x e x sono ottimi globali, allora f (x ) = f ( x) e non c è
DettagliOTTIMIZZAZIONE 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
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)
DettagliTeoria della Dualità: I Introduzione
Teoria della Dualità: I Introduzione Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.2 Maggio 2004 Dualità Per ogni problema PL, detto primale, ne esiste un altro, detto duale, costruito
DettagliIntroduzione alla programmazione lineare
Introduzione alla programmazione lineare struttura del problema di PL forme equivalenti rappresentazione e soluzione grafica rif. Fi 1.2; BT 1.1, 1.4 Problema di programmazione lineare Dati: un vettore
DettagliRicerca Operativa A.A. 2007/ Analisi di sensitività
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
DettagliEquilibrio ed efficienza
Equilibrio ed efficienza Corso di Microeconomia progredito Parte I Corso di Microeconomia progredito () Equilibrio ed efficienza Parte I 1 / 20 Corso di Microeconomia progredito () Equilibrio ed efficienza
DettagliCosti ridotti e ottimalità
Costi ridotti e ottimalità condizione sufficiente di ottimalità spostamento su una base adiacente rif. Fi 3.2; Ricapitolando Sin qui abbiamo un algoritmo enumerativo applicabile quando P è un ( politopo,
DettagliRicerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto
1 Lunedí 23 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Simplesso in 2 fasi Fase I (rg(a) m) Se P non è ammissibile, STOP Altrimenti 1 elimina da (A... b) eventuali
DettagliOttimizzazione dei Sistemi Complessi
1 Giovedì 4 Maggio 2017 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Ordinamento di Pareto Dati due vettori z 1 e z 2 in R k diciamo che: z 1 domina (secondo Pareto) z 2 (z 1 P z 2 ) se
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
Dettagli2 Stabilità dell equilibrio Il processo di Tâtonnement Classificazione degli equilibri Parte III. 3 Unicità dell equilibrio
Equilibrio ed efficienza 1 Proprietà dell equilibrio Corso di Microeconomia progredito 2 Stabilità dell equilibrio Il processo di Tâtonnement Parte III 3 Unicità dell equilibrio Corso di Microeconomia
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
DettagliLezione 15 Equilibrio economico generale
Corso di Economia Politica prof. S. Papa Lezione 15 Equilibrio economico generale e pareto ottimalità Facoltà di Economia Università di Roma La Sapienza (valutare le allocazioni) Economia del benessere
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo La Programmazione Matematica classica, lineare (PL) o intera (PLI), tratta problemi caratterizzati da una unica e ben definita funzione obiettivo.
DettagliLEZIONE 30. Se x = 1 si dice che x è un versore. Se poi y = (y 1,..., y n ) R n poniamo. Ricordiamo che vale la cosiddetta disuguaglianza triangolare
LEZIONE 30 30.1. Insiemi aperti e chiusi in R n. Nel corso di Analisi sono state introdotte alcune nozioni di topologia di R, come la nozione di aperto, di chiuso, di punto d accumulazione. Lo scopo di
DettagliMassimi e minimi : TEOREMI. Condizione necessaria del I ordine. Conseguenza del Teorema di Lagrange.
Massimi e minimi : TEOREMI Condizione necessaria del I ordine Teorema di Weierstrass Teorema di Rolle Teorema di Lagrange Conseguenza del Teorema di Lagrange. Data f: A R, f derivabile in x 0 A. Def.:
DettagliNote sulle funzioni convesse/concave
Note sulle funzioni convesse/concave 4th December 2008 1 Definizioni e proprietà delle funzioni convesse/concave. Definizione 1.1 Un insieme A IR n è detto convesso se per ogni x 1 e x 2 punti di A, il
DettagliCOMPLESSITÀ COMPUTAZIONALE DEGLI ALGORITMI
COMPLESSITÀ COMPUTAZIONALE DEGLI ALGORITMI Fondamenti di Informatica a.a.200.2005/06 Prof. V.L. Plantamura Dott.ssa A. Angelini Ω (grande omega) Diciamo che T(n) = Ω (f(n)), - leggiamo T(n) ha complessità
DettagliRICERCA 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
DettagliAppunti delle Lezioni di Ottimizzazione Programmazione Multiobiettivo
Appunti delle Lezioni di Ottimizzazione Programmazione Multiobiettivo a cura di G. Liuzzi a.a. 1999-2000 1 Introduzione Un problema matematico di ottimizzazione può essere definito come la imizzazione
DettagliL aritmetica degli insiemi infiniti Parte I
L aritmetica degli insiemi infiniti Parte I Stefano Baratella Versione L A TEX realizzata in collaborazione con Tullio Garbari 1 Prerequisiti La relazione di equipotenza tra insiemi. Definizione 1. Si
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
DettagliMetodi Decisionali Multicriterio
Metodi Decisionali Multicriterio Decisore Si hanno individuano due proprietà di un decisore: -intelligenza possiede capacità logiche per individuare senza errori la scelta che gli assicura il miglior risultato
DettagliCapitolo 1. Gli strumenti. 1.1 Relazioni
Capitolo 1 Gli strumenti Consideriamo un insieme X. In geometria siamo abituati a considerare insiemi i cui elementi sono punti ad esempio, la retta reale, il piano cartesiano. Più in generale i matematici
DettagliDomande 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
DettagliForme bilineari simmetriche
Forme bilineari simmetriche Qui il campo dei coefficienti è sempre R Definizione 1 Sia V uno spazio vettoriale Una forma bilineare su V è una funzione b: V V R tale che v 1, v 2, v 3 V b(v 1 + v 2, v 3
Dettagli5. 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
DettagliLezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4
Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università
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
DettagliAppunti del corso Fondamenti di Analisi e Didattica
Appunti del corso Fondamenti di Analisi e Didattica (PAS 2013-2014, Classe A049, docente prof. L. Chierchia) redatti da: A. Damiani, V. Pantanetti, R. Caruso, M. L. Conciatore, C. De Maggi, E. Becce e
DettagliINSIEMI. Se X è un insieme, indichiamo con P(X) l insieme dei sottoinsiemi di X (sono elementi di P(X) anche e X).
INSIEMI Se X è un insieme, indichiamo con P(X) l insieme dei sottoinsiemi di X (sono elementi di P(X) anche e X). Sia A = {A λ : λ Λ} una famiglia di insiemi. Definiamo: unione A = A λ è l insieme U tale
Dettagli1 Funzioni reali di una variabile reale
1 Funzioni reali di una variabile reale Qualche definizione e qualche esempio che risulteranno utili più avanti Durante tutto questo corso studieremo funzioni reali di una variabile reale, cioè Si ha f
DettagliALGEBRE DI BOOLE. (d) x, y X x y oppure y x.
ALGEBRE DI BOOLE Un insieme parzialmente ordinato è una coppia ordinata (X, ) dove X è un insieme non vuoto e " " è una relazione binaria definita su X tale che (a) x X x x (riflessività) (b) x, y, X se
DettagliSe x y è pari vinci 1 euro (n.b. assumiamo 0 sia un numero pari);
Teoria dei Giochi Prova del Febbraio 011 Cognome, Nome, email: Esercizio 1 Considera il seguente gioco non cooperativo. I giocatori sono tre: A, B,C. Ciascun giocatore deve scegliere un numero secondo
DettagliAlcune nozioni preliminari di teoria elementare di insiemi e funzioni
Alcune nozioni preliminari di teoria elementare di insiemi e funzioni Alberto Pinto L.U.de.S., Giugno 2012 1 Insiemi 1.1 Generalità Diamo la definizione di insieme secondo Georg Cantor, matematico tedesco
Dettagli1 Giochi non-cooperativi
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
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
Dettagli2. I numeri reali e le funzioni di variabile reale
. I numeri reali e le funzioni di variabile reale Introduzione Il metodo comunemente usato in Matematica consiste nel precisare senza ambiguità i presupposti, da non cambiare durante l elaborazione dei
Dettaglisono i prototipi degli insiemi con 0, 1, 2, 3,... elementi.
Matematica I, 25.09.2012 Insiemi 1. Il linguaggio degli insiemi e stato sviluppato durante la seconda meta dell 800, nell ambito dell indagine sui fondamenti della matematica. Da allora e stato usato sempre
DettagliMatematica 1 per Ottici e Orafi. I Numeri Reali
Matematica 1 per Ottici e Orafi I Numeri Reali Indichiamo con N l insieme dei numeri naturali 1, 2, 3,.... Su N sono definite due operazioni : e + che soddisfano le seguenti proprietá formali : a, b, c
Dettagli3.4 Quasiconcavità e quasiconvessità
Pagina 1 di 7 3.4 Quasiconcavità e quasiconvessità Definizioni e proprietà di base Pensate ad una montagna delle Alpi Svizzere: pascoli di mucche sui pendii verdeggianti più bassi, la neve che copre le
DettagliAnalisi Matematica II
Analisi Matematica II Limiti e continuità in R N Claudio Saccon 1 1 Dipartimento di Matematica, Via F. Buonarroti 1/C,56127 PISA email: claudio.sacconchiocciolaunipi.it sito web: http://pagine.dm.unipi.it/csblog1
DettagliGeometria 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
DettagliSu una classe di equazioni ellittiche perturbate singolarmente in forma di divergenza
Su una classe di equazioni ellittiche perturbate singolarmente in forma di divergenza Alessio Pomponio SISSA Trieste pomponio@sissa.it in collaborazione con Simone Secchi Università di Pisa secchi@dm.unipi.it
Dettagli3. Massimo, minimo, maggioranti e minoranti. Insiemi limitati. Estremi superiori ed inferiori.
3. assimo, minimo, maggioranti e minoranti. Insiemi limitati. Estremi superiori ed inferiori. Definizione: assimo Sia un insieme di numeri reali. Def. Si dice massimo di, se esiste, quel numero che appartiene
DettagliLa forma normale di Schur
La forma normale di Schur Dario A Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi alla forma normale di Schur, alle sue proprietà e alle sue applicazioni
DettagliMicroeconomia Finanziaria
Sara Savastano Università di Roma Tor Vergata DEF a.a. 2014-2015 1 Teoria Microeconomica: Analisi del comportamento degli individui, degli agenti, e l aggregazione delle loro azioni in un contesto istituzionale
DettagliMetodi 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
DettagliAlgoritmi e Strutture Dati
Analisi Asintotica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino Un graduale processo di astrazione Passo 1: abbiamo ignorato il costo effettivo
DettagliOSTRUZIONI SUI GRAFI. Alcune ostruzioni per l esistenza di grafi con dato score 1) Vale il seguente lemma
OSTRUZIONI SUI GRAFI Alcune ostruzioni per l esistenza di grafi con dato score 1) Vale il seguente lemma Lemma 1. Se G = (V, E) è un grafo finito con n vertici allora deg(v) n 1, v V. Dal lemma segue che
DettagliRELAZIONI, FUNZIONI, INSIEMI NUMERICI. 1. Relazioni. Siano X e Y due insiemi non vuoti. Si definisce il prodotto cartesiano
RELAZIONI, FUNZIONI, INSIEMI NUMERICI C. FRANCHI 1. Relazioni Siano X e Y due insiemi non vuoti. Si definisce il prodotto cartesiano X Y := {(x, y) x X, y Y } dove con (x, y) si intende la coppia ordinata
DettagliIntroduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
DettagliRichiami di Matematica. 1. Insiemi, relazioni, funzioni. 2. Cardinalitá degli insiemi infiniti e numerabilitá. 3. Notazione asintotica.
Richiami di Matematica 1. Insiemi, relazioni, funzioni. 2. Cardinalitá degli insiemi infiniti e numerabilitá. 3. Notazione asintotica. Insiemi Definizioni di base Dato un insieme A: x A: elemento x appartenente
Dettagli01 - Elementi di Teoria degli Insiemi
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 01 - Elementi di Teoria degli Insiemi Anno Accademico 2013/2014
Dettagli2.3.3 Cammini ottimi nei grafi senza circuiti
.. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo
DettagliGli intervalli di R. (a, b R, a b)
Deinizione (Funzione continua (A.Cauchy, 180)) Siano D R una unzione, D R, x 0 D. Si dice che è continua nel punto x 0 D, se per ogni ε > 0 esiste un δ > 0 per il quale è soddisatta questa condizione:
DettagliRichiami di teoria degli insiemi
Appartenenza Se A è un insieme con la notazione a A indichiamo che l elemento a appartiene ad A, con a A che non appartiene Spesso con la notazione {x x } dove con x si intende una certa proprietà per
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
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
DettagliMetodi 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
DettagliScienza delle Finanze. Modello Neoclassico
Scienza delle Finanze Modello Neoclassico Prof. Giuseppe Migali Universita Magna Graecia a.a 2016-17 Prof. Giuseppe Migali (UMG) Scienza delle Finanze Modello Neoclassico a.a 2016-17 1 / 21 Perche discutere
DettagliPROBLEMI A MOLTI OBIETTIVI
PROBLEMI A MOLTI OBIETTIVI Spesso gli obiettivi di pianificazione e/o gestione sono numerosi e difficilmente paragonabili (incommensurabilità). Esempio 1 Risanamento di una zona fortemente inquinata n
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
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
DettagliTeoremi fondamentali dell economia del benessere
Teoremi fondamentali dell economia del benessere La concorrenza è socialmente efficiente? E possibile affermare che la concorrenza (perfetta) è socialmente efficiente secondo una determinata nozione di
DettagliCorso di Politica Economica
Corso di Politica Economica Lezione 1: Introduzione David Bartolini Università Politecnica delle Marche (Sede di S.Benedetto del Tronto) d.bartolini@univpm.it (email) http://utenti.dea.univpm.it/politica
DettagliA UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 13 giugno 2011
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Stdi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia gigno Nome: Cognome: Matricola: voglio sostenere la prova orale il giorno venerdì //
DettagliVariabili aleatorie: parte 1. 1 Definizione di variabile aleatoria e misurabilitá
Statistica e analisi dei dati Data: 11 Aprile 2016 Variabili aleatorie: parte 1 Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori 1 Definizione di variabile aleatoria e misurabilitá Informalmente,
DettagliOttimizzazione dei Sistemi Complessi
1 Giovedì 2 Marzo 2017 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Pseudo-code del metodo Fermi-Metropolis Input: x 0, 0, min, maxit k 0, x x 0, 0 while k maxit and min do k k + 1, x x
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
Dettagli4. 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
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
Dettagli1 Giochi a somma costante, a somma zero e antagonistici
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
Dettagli14. Curve, campi conservativi e forme fifferenziali
120 14. Curve, campi conservativi e forme fifferenziali In questo capitolo discutiamo le nozioni di forza, lavoro, forma differenziale, campo, campo conservativo e potenziale, e la risolubilità dell equazione
DettagliCorso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a , lez.3)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Matematica Analisi Numerica (1 mod., 6 crediti, 48 ore, a.a. 2014-2015, lez.3) 1 Analisi Numerica 1 mod. a.a. 2014-2015, Lezione n.3
DettagliMatematica I, Derivate e operazioni algebriche.
Matematica I, 6.0.202 Derivate e operazioni algebriche.. Prima di iniziare questa lezione, conviene rendere espliciti due fatti che sono impliciti nella definizione informale di derivata, banalmente verificabili
DettagliElementi di teoria degli insiemi e funzioni tra insiemi
Elementi di teoria degli insiemi e funzioni tra insiemi 1 / 50 Il concetto di insieme 2 / 50 Si considera il concetto di insieme come primitivo, cioè non riconducibile a nozioni più elementari. Più precisamente:
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
DettagliFondamenti di informatica
Fondamenti di informatica 30 novembre 2017 This book is the result of a collaborative effort of a community of people like you, who believe that knowledge only grows if shared. We are waiting for you!
DettagliCAPITOLO SECONDO APPLICAZIONI TRA INSIEMI E RELAZIONI DI EQUIVALENZA
CAPITOLO SECONDO APPLICAZIONI TRA INSIEMI E RELAZIONI DI EQUIVALENZA 1 Applicazioni tra insiemi Siano A, insiemi. Una corrispondenza tra A e è un qualsiasi sottoinsieme del prodotto cartesiano A ; Se D
DettagliDAI NUMERI NATURALI AI NUMERI RAZIONALI
DAI NUMERI NATURALI AI NUMERI RAZIONALI 1. L insieme dei numeri naturali Nel sistema assiomatico ZF, l Assioma dell infinito stabilisce che: Esiste un insieme A, i cui elementi sono insiemi e tale che
DettagliEsercizi proposti 4 (capitolo 8)
Esercizi proposti 4 capitolo 8). [8., #5 p. 9] Calcolare i possibili punti di estremo di gx) = x ln x, per x 0, + ). Soluzione. Ricordiamo che un punto di estremo è un punto del dominio della funzione
DettagliConvergenza 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
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
Dettagli01 - Elementi di Teoria degli Insiemi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 01 - Elementi di Teoria degli Insiemi Anno Accademico 2015/2016
DettagliFondamenti di Informatica
Fondamenti di Informatica AlgoBuild: Strutture selettive, iterative ed array Prof. Arcangelo Castiglione A.A. 2016/17 AlgoBuild : Strutture iterative e selettive OUTLINE Struttura selettiva Esempi Struttura
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
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliGeometria analitica: rette e piani
Geometria analitica: rette e piani Equazioni del piano Intersezioni di piani. Rette nello spazio Fasci di piani e rette Intersezioni fra piani e rette Piani e rette ortogonali Piani di forma parametrica
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliProdotti scalari e matrici
Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V
Dettagli8. Completamento di uno spazio di misura.
8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme
DettagliG. Pareschi RELAZIONI D ORDINE
G. Pareschi RELAZIONI D ORDINE 1 Definizione 1.1. Sia X un insieme. Una relazione su X è detta una relazione d ordine o un ordinamento di X se è riflessiva, antisimmetrica e transitiva. Un insieme X, munito
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
DettagliLa Funzione di Benessere Sociale e Meccanismi Politici di Decisione
La Funzione di Benessere Sociale e Meccanismi Politici di Decisione 30018 - Scienza delle Finanze - CLES Lidia Ceriani Università Bocconi a.a. 2011-2012 Le slides riguardano solo alcune parti del programma
DettagliPrincipali insiemi di numeri
Principali insiemi di numeri N = {0,1,2,...} insieme dei numeri naturali o anche interi non negativi Z = N { 1, 2, 3,...} insieme dei numeri interi Q = { n m } : n,m Z, m 0 insieme dei numeri razionali
DettagliLEZIONE 1 C =
LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi
DettagliL area di un trapezio isoscele è m e la sua altezza è m 27. Calcolare le basi sapendo che la maggiore è tripla della minore.
L area di un trapezio isoscele è m 2 324 e la sua altezza è m 27. Calcolare le basi sapendo che la maggiore è tripla della minore. Analizziamo questo enunciato, apparentemente chiaro e corretto. Un suo
Dettagli