Universita degli Studi di Siena
|
|
- Paolo Pasini
- 6 anni fa
- Visualizzazioni
Transcript
1 Universita degli Studi di Siena Facolta di Ingegneria Dispense del corso di Sistemi di Supporto alle Decisioni I La Programmazione Dinamica Chiara Mocenni Corso di Laurea triennale in Ingegneria Gestionale Corso di Laurea Magistrale in Ingegneria Informatica A. A. 2008/2009
2 1 Introduzione In economics, the concept of states is analogue to the an agent s decision-set. At every time period, the agent being modelled chooses one decision from its decision-set. This decision affects the possibilities available to him in the next period. Following this process recursively, we have that the choices available to an agent at any point in time depend on the original state, and the choices made at every preceding time period... Juan Carlos Suarez Serrato (2006). In queste dispense si analizzano situazioni in cui un certo numero finito di decisioni viene preso in sequenza. Il risultato di ogni decisione non e completamente prevedibile, ma puo essere osservato prima che venga presa la decisione successiva. L obiettivo del problema decisionale consiste nel minimizzare un certo costo (una espressione matematica funzione di cio che e considerato desiderabile). Un aspetto cruciale e che le decisioni non possono essere viste in modo isolato poiche ognuna di esse deve bilanciare il desiderio di un basso costo attuale con la possibilita che nel futuro vi siano da sostenere inevitabilmente alti costi. Questa idea e bene modellata dal concetto di programmazione dinamica, in cui il decisore sceglie una opzione che minimizza la somma del costo nel periodo corrente e il miglior costo che ci si puo aspettare nei periodi futuri. 1
3 2 Definizioni e struttura del problema Il problema viene strutturato essenzialmente grazie alla presenza di un sistema dinamico, ed un funzionale di costo additivo rispetto al tempo. Il sistema dinamico e della forma: x k+1 = f k (x k, u k, w k ), k = 0, 1,...,N 1, (1) dove k e l indice temporale (discreto); x k e lo stato del sistema e riassume l informazione passata rilevante per l ottimizzazione futura; u k e il controllo o la decisione che deve essere selezionata al tempo k conoscendo lo stato x k ; w k e una variabile casuale, detta disturbo o rumore; N e l orizzonte temporale in cui viene applicato il controllo. Il funzionale di costo e additivo nel senso che un costo g k (x k, u k, w k ) viene sostenuto ad ogni periodo k ed il costo totale corrispondente ad ogni traiettoria possibile del sistema e g N (x N ) + N 1 k=0 g k (x k, u k, w k ), (2) dove g N (x N ) e il costo sostenuto nell ultimo periodo del processo. 2
4 Data la presenza di w k, il costo e in generale una variabile casuale e non puo essere ottimizzata completamente. Quindi il problema puo essere riformulato in termini di costo atteso E { g N (x N ) + N 1 k=0 g k (x k, u k, w k ) }, (3) dove il valore atteso e calcolato rispetto alla distribuzione congiunta delle variabili casuali coinvolte nel processo. 3 L esempio del controllo delle scorte Supponiamo di dover ordinare una certa quantita di prodotto all inizio di ognuno degli N periodi di interesse per soddisfare una domanda descritta da un processo stocastico. Denotiamo x k lo stock disponibile all inizio del k-esimo periodo; u k lo stock ordinato (ed immediatamente venduto) all inizio del k-esimo periodo; w k la domanda durante il k-esimo periodo con una certa distribuzione di probabilita. Assumiamo che w 0, w 1,...,w N 1 siano delle variabili casuali e che la domanda in eccesso sia considerata lavoro arretrato che viene evaso non appena siano disponibili nuove scorte. Dunque lo stock evolve secondo la seguente legge dinamica a tempo discreto: 3
5 x k+1 = x k + u k w k, (4) dove gli stock negativi corrispondono al lavoro arretrato. Il sistema e rappresentato nella figura 1 w k Domanda al periodo k x k Stock al periodo k Sistema di controllo delle scorte Stock al periodo k+1 x k+1 = x k +u k -w k u k Stock ordinato al periodo k Costo al periodo k c u k + H(x k+1 ) Figura 1: Diagramma del sistema del controllo delle scorte. Il costo sostenuto ad ogni periodo k e composto da due contributi, uno e il costo d acquisto cu k, dove c e il costo di una unita di prodotto, e un costo H(x k+1 ) che rappresenta la penalita sia per gli stock positivi x k+1 > 0 alla fine del periodo (costi per eccesso di scorte), che per gli stock negativi 4
6 x k+1 < 0 (costi per domanda non soddisfatta). Usando l equazione (3), possiamo scrivere il costo al periodo k come segue cu k + H(x k + u k w k ), (5) e il costo totale atteso su N periodi come E { N 1 k=0 cu k + H(x k + u k w k ) }. (6) L obiettivo qui e minimizzare questo costo scegliendo ordini appropriati u 0, u 1,...,u N 1 soggetti a vincoli naturali, quali u k 0, k = 0, 1,..., N 1. Una possibilita sarebbe quella di scegliere al tempo iniziale tutti gli ordini senza aspettare di conoscere i livelli successivi della domanda. Una scelta migliore e invece quella di aspettare di decidere sugli ordini fino al tempo k, quando e noto anche il livello dello stock. Questo modo di operare, adatto a decisioni sequenziali, dipende dall informazione disponibile al momento di prendere la k-esima decisione e prende il nome di programmazione dinamica. Cio implica che non siamo realmente interessati a selezionare valori numerici ottimi per gli ordini delle scorte, ma piuttosto a trovare una regola ottima per scegliere, ad ogni periodo k, un ordine u k per ogni possibile valore dello stock x k. Matematicamente il problema e quello di individuare una sequenza di funzioni µ k, k = 0, 1,..., N 1, che mappano gli stock x k negli ordini u k in modo da minimizzare il costo totale atteso. Il significato di µ k e che, per 5
7 ogni k e per ogni possibile valore di x k : e x k. µ k (x k ) = quantita che deve essere ordinata al tempo k se lo stock La sequenza π = {µ 0, µ 1,...,µ N 1 } viene anche chiamata legge di controllo o politica. Per ogni π, il costo corrispondente per uno stock iniziale fissato x 0 e : J π (x 0 ) = E { N 1 k=0 cµ k (x k ) + H[x k + µ k (x k ) w k ] }, (7) e l obiettivo e minimizzare J π (x 0 ) per un dato x 0 su tutti i π ammissibili. Nel sistema dinamico discreto (3) lo stato x k e un elemento di uno spazio S k, il controllo u k e un elemento di uno spazio C k e il disturbo w k e un elemento di uno spazio di variabili casuali D k. Il controllo u k e vincolato ad assumere valori in un sottoinsieme U k (x k ) di C k, che dipende dallo stato corrente x k [u k U k (x k ) per ogni x k S k e k]. La variabile casuale di disturbo w k e caratterizzata da una misura di probabilita P k ( x k, u k ) che puo dipendere esplicitamente da x k e u k ma non dai valori dei disturbi precedenti w k 1,...,w 0. Consideriamo la classe delle leggi di controllo o politiche che consiste in una sequenza di funzioni π = {µ 0, µ 1,...,µ N 1 } dove µ k mappa gli stati x k nei controlli u k = µ(x k ) e tali che µ k (x k ) U k (x k ) per ogni x k S k. Tali leggi di controllo sono dette ammissibili. Dato uno stato iniziale x 0, il problema e quello di trovare una legge di controllo ammissibile π = {µ 0, µ 1,...,µ N 1 } che minimizza il funzionale di costo 6
8 { E J π (x 0 ) = g N (x N ) + w k, k = 0,..., N 1 soggetto ai vincoli N 1 k=0 cµ k (x k ) + H[x k + µ k (x k ) w k ] (8) } x k+1 = f k [x k, µ k (x k ), w k ], k = 0, 1,..., N 1. (9) Le funzioni di costo g k, k = 0, 1,..., N 1 sono date. Dato uno stato iniziale x 0, una legge di controllo ottimo π e tale da minimizzare il costo corrispondente J π (x 0 ) = min π Π J π(x 0 ), (10) dove Π e l insieme di tutte le leggi di controllo ammissibili. Il costo ottimo corrispondente a x 0 sara denotato da J (x 0 ) e sara tale che J (x 0 ) = min π Π J π(x 0 ). (11) Vediamo J come una funzione che associa ad ogni stato iniziale x 0 il costo ottimo J (x 0 ) e la chiamiamo la funzione di costo ottimo o optimal value function. 3.1 L algoritmo di Programmazione Dinamica La programmazione dinamica si basa sul principio di ottimalita. Il nome e dovuto a Bellman, che ha introdotto questa idea. Il principio di ot- 7
9 timalita stabilisce che, data una legge di controllo ottimo del tipo π = {µ 0, µ 1,...,µ N 1 }, se si considera il sotto-problema in cui ci troviamo nello stato x i al tempo i e vogliamo minimizzare il costo in avanti fino al tempo N E { g N (x N ) + N 1 k=i cµ k (x k ) + H[x k + µ k (x k ) w k ] }, (12) allora la legge di controllo troncata {µ i, µ i+1,...,µ N 1 } e anch essa ottima per il sotto-problema. Infatti, se la legge di controllo del sotto-problema non fosse ottima dovremmo essere capaci di ridurre il costo ulteriormente considerando una politica ottima da applicare al sotto-problema una volta raggiunto i (vedi la Figura 2 per un esempio sul principio di ottimalita ). Milano Firenze Se la strada piu breve da Milano a Roma passa da Firenze, allora il tratto da Firenze a Roma e a sua volta la strada piu breve da Firenze a Roma. Roma Figura 2: Il principio di ottimalita. 8
10 Riferimenti bibliografici [1] Dimitri P. Bertsekas Dynamic Programming Prentice-Hall,
Universita degli Studi di Siena
Universita degli Studi di Siena Facolta di Ingegneria Dispense del corso di Sistemi di Supporto alle Decisioni I L algoritmo per la risoluzione di problemi di programmazione dinamica Chiara Mocenni Corso
DettagliCenni di ottimizzazione dinamica
Cenni di ottimizzazione dinamica Testi di riferimento: K. Dixit Optimization in Economic Theory. Second Edition, 1990, Oxford: Oxford University Press. A. C. Chiang Elements of Dynamic Optimization, 1992,
DettagliIntroduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO
Introduzione alla Ricerca Operativa Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO Cos è la Ricerca Operativa? La Ricerca Operativa è la
DettagliIl problema dello zaino
Il problema dello zaino Programmazione Dinamica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino 25 gennaio 2010 Il problema dello zaino 0-1
DettagliIntroduzione alla RO - Parte II
Introduzione alla RO - Parte II Andrea Scozzari a.a. 2013-2014 March 7, 2014 Andrea Scozzari (a.a. 2013-2014) Introduzione alla RO - Parte II March 7, 2014 1 / 18 Problema della pianificazione del personale:
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
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 & Modelli per le Scelte Economiche
Metodi & Modelli per le Scelte Economiche [domande di teoria utilizzate in passato per la prova scritta le soluzioni NON vengono fornite, occorrerà quindi verificare la esattezza delle diverse possibili
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliComplementi ed Esercizi di Informatica Teorica II
Complementi ed Esercizi di Informatica Teorica II Vincenzo Bonifaci 21 maggio 2008 4 Problemi di ottimizzazione: il Bin Packing Il problema bin packing è il seguente: dato un insieme di n oggetti di dimensioni
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
DettagliModelli per la gestione delle scorte
Modelli per la gestione delle scorte Claudio Arbib Universitàdi L Aquila Seconda Parte Sommario Sui problemi di gestione aperiodica equazioni di stato Funzioni di costo Un modello convesso formulazione
DettagliAlgoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte I)
Algoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte I) Algoritmi greedy Gli algoritmi per problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
DettagliEconomia, 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
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Risoluzione di Equazioni Algebriche Le equazioni
DettagliTeoria dell informazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria dell informazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di
DettagliAlgoritmi e Strutture Dati
Algoritmi Golosi (Greedy) Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino un algoritmo goloso correttezza Problema della selezione di attività
DettagliUniversità 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,
DettagliManagement Sanitario. Modulo di Ricerca Operativa
Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa Prof. Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di
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
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2013/2014 M. Tumminello, V. Lacagnina e
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica.3 - La distribuzione normale Tempi di reazione Registrati i tempi di reazione (in millisecondi) a uno stimolo (n = 30). Classe Freq Freq relative Densità
DettagliProgrammazione a numeri interi: il metodo del Branch and Bound
Programmazione a numeri interi: il metodo del Branch and Bound L. De Giovanni G. Zambelli Un problema di programmazione lineare intera è una problema della forma z I = maxc T x Ax b x 0 x i Z, i I. (1)
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
Dettagli15 Informazione e Predizione
(FX) Teoria dell Informazione e della Trasmissione 5 Informazione e Predizione Docente: Nicolò Cesa-Bianchi versione 4 maggio 03 Consideriamo una sorgente X, p. Dallo studio della codifica sorgente, sappiamo
DettagliTecniche Computazionali Avanzate
Tecniche Computazionali Avanzate Modelli Probabilistici per le Decisioni A.A. 2007/08 Enza Messina Markov Decision Problem Come utilizare la conoscenza dell ambiente per prendere decisioni nel caso in
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
DettagliVersione di Controllo
Università degli Studi di Trento test di ammissione ai corsi di laurea in Fisica - Matematica - Informatica Ingegneria dell Informazione e Organizzazione d Impresa Ingegneria dell Informazione e delle
DettagliLocalizzazione di una esplosione
XXIII Ciclo di Dottorato in Geofisica Università di Bologna Corso di: Il problema inverso in sismologia Prof. Morelli Localizzazione di una esplosione Paola Baccheschi & Pamela Roselli 1 INTRODUZIONE Problema
DettagliM. Marra Appunti delle Lezioni di Ricerca Operativa Problemi e metodi di ottimizzazione PROBLEMI E METODI DI OTTIMIZZAZIONE
CAPITOLO I PROBLEMI E METODI DI OTTIMIZZAZIONE 1. Componenti di base Tutti i problemi di ottimizzazione dipendono da tre componenti di base: le variabili del problema, la funzione obiettivo ed i vincoli.
DettagliTEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica http://www.dii.unimore.it/~lbiagiotti/teoriasistemicontrollo.html Stima dello stato in presenza di disturbi: il
DettagliMINIMIZZAZIONE DEI COSTI
Ist. di economia, Corso di Laurea in Ing. Gestionale, I canale (A-L), A.A. 2014-2015. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA SESTA SETTIMANA MINIMIZZAZIONE DEI COSTI Si consideri ora che, se l impresa
DettagliAlgoritmo di Branch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo di Branch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
DettagliCOME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI
COME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI In questa Appendice, mostreremo come un impresa possa individuare la sua combinazione di minimo costo dei fattori produttivi attraverso il calcolo
DettagliLe rappresentazioni e le proprietà dei numeri reali
Le rappresentazioni e le proprietà dei numeri reali In generale un numero qualsiasi, con sviluppo decimale finito o infinito, positivo, negativo o nullo, è un numero relativo e appartiene all insieme dei
DettagliLaboratorio 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
DettagliFUNZIONI. }, oppure la
FUNZIONI 1. Definizioni e prime proprietà Il concetto di funzione è di uso comune per esprimere la seguente situazione: due grandezze variano l una al variare dell altra secondo una certa legge. Ad esempio,
DettagliRicerca Operativa. Ricerca Operativa p. 1/2
Ricerca Operativa Ricerca Operativa p. 1/2 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
DettagliLaurea triennale - Comunicazione&DAMS - UNICAL. Dr. Annamaria Bria 1
Corso di INFORMATICA Laurea triennale - Comunicazione&DAMS Dr. Annamaria Bria 1 1 Dipartimento di Matematica Università della Calabria Corso di laurea intercalsse in COMUNICAZIONE&DAMS www.mat.unical.it/bria/informatica2011-12.html
DettagliCammini minimi fra tutte le coppie
Capitolo 12 Cammini minimi fra tutte le coppie Consideriamo il problema dei cammini minimi fra tutte le coppie in un grafo G = (V, E, w) orientato, pesato, dove possono essere presenti archi (ma non cicli)
DettagliIstituzioni di Economia Laurea Triennale in Ingegneria Gestionale Lezione 15 Curve di costo
UNIVERSITÀ DEGLI STUDI DI BERGAMO Laurea Triennale in Ingegneria Gestionale Lezione 15 Curve di costo Prof. Gianmaria Martini Tipi di curve di costo (I) Abbiamo visto come ottenere la funzione di costo
DettagliAlgoritmo dibranch & Bound
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Algoritmo dibranch & Bound Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
DettagliMicroeconomia - Problem set 4 - soluzione
Microeconomia - Problem set 4 - soluzione (Prof Paolo Giordani - TA: Pierluigi Murro) 2 Maggio 2015 Esercizio 1 Calcolare i prodotti marginali di ciascun fattore produttivo (P M 1, P M 2 ) e il saggio
DettagliProgrammazione lineare: basi e soluzioni di base
Programmazione lineare:basi e soluzioni di base p. 1/33 Programmazione lineare: basi e soluzioni di base Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria
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
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
DettagliIntroduzione alla verifica d ipotesi
Introduzione alla verifica d ipotesi Dipartimento di Matematica Università di Roma Tor Vergata 17 dicembre 2017 Consideriamo il caso in cui la nostra variabile risposta sia continua Immaginiamo che obiettivo
DettagliAnalisi delle decisioni
Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Analisi delle decisioni Anno Accademico 2015/2016 II semestre February 26, 2016 Analisi delle decisioni: Informazioni generali CdL: Laurea
DettagliRICERCA 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
DettagliCorso di Perfezionamento
Programmazione Dinamica 1 1 Dipartimento di Matematica e Informatica Università di Camerino 15 febbraio 2009 Tecniche di Programmazione Tecniche di progettazione di algoritmi: 1 Divide et Impera 2 Programmazione
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:
DettagliCOMPITO 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,
DettagliPrerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
DettagliAnalisi interazione domanda/offerta: modelli di assegnazione
Corso di Laurea Ingegneria Civile e Ambientale - AA Corso di: Fondamenti di Trasporti Lezione: Analisi interazione domanda/offerta: modelli di assegnazione Giuseppe Inturri Università di Catania Dipartimento
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
DettagliColorazioni di mappe e basi di Gröbner
Colorazioni di mappe e basi di Gröbner Marcelo Escudeiro Hernandes 12 Luglio 2012 Per il famoso Teorema dei quattro colori, abbiamo bisogno solo di quattro colori per colorare una mappa in modo che nessuna
Dettaglia) Tracciare le curve del ricavo marginale e del costo marginale. b) Quale quantità deciderà di produrre?
Domande 1. Supponete che un impresa possa vendere qualsiasi quantità desideri a 13 euro e che abbia i seguenti costi (CT) per vari livelli di produzione (Q): a) Tracciare le curve del ricavo marginale
DettagliArray e Oggetti. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 12. A. Miola Dicembre 2006
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 12 Array e Oggetti A. Miola Dicembre 2006 http://www.dia.uniroma3.it/~java/fondinf1/ Array e Oggetti 1 Contenuti Array paralleli
DettagliTEORIA DEI SISTEMI SISTEMI LINEARI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI SISTEMI LINEARI Ing. Cristian Secchi Tel.
DettagliMarkov Chains and Markov Chain Monte Carlo (MCMC)
Markov Chains and Markov Chain Monte Carlo (MCMC) Alberto Garfagnini Università degli studi di Padova December 11, 2013 Catene di Markov Discrete dato un valore x t del sistema ad un istante di tempo fissato,
DettagliIngegneria della Conoscenza e Sistemi Esperti Lezione 9: Evolutionary Computation
Ingegneria della Conoscenza e Sistemi Esperti Lezione 9: Evolutionary Computation Dipartimento di Elettronica e Informazione Politecnico di Milano Evolutionary Computation Raggruppa modelli di calcolo
DettagliFUNZIONE DI UTILITÀ CURVE DI INDIFFERENZA (Cap. 3)
FUNZIONE DI UTILITÀ CURVE DI INDIFFERENZA (Cap. 3) Consideriamo un agente che deve scegliere un paniere di consumo fra quelli economicamente ammissibili, posto che i beni di consumo disponibili sono solo
Dettagli4.1 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),
DettagliModello di Ottimizzazione per la Schedulazione del Personale Infermieristico di una Residenza Assistita
Modello di Ottimizzazione per la Schedulazione del Personale Infermieristico di una Residenza Assistita Candidata: Serena Cortopassi Relatori: Prof. Frangioni, Prof. Scutellà Università di Pisa Tesi di
DettagliDefinizioni economia applicata all ingegneria
Definizioni economia applicata all ingegneria October 28 2011 In questo documento assolutamente non ufficiale sono contenute le definizioni date durante le lezioni di economia applicata all ingegneria.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
DettagliDensità di probabilità del prodotto di due variabili casuali distribuite uniformemente
Firenze - Dip. di Fisica 2 agosto 2008 Densità di probabilità del prodotto di due variabili casuali distribuite uniformemente In questa dispensa, che presentiamo a semplice titolo di esercizio e applicazione
DettagliTeoria dei giochi. migliorare il proprio obiettivo il sistema ha raggiunto l equilibrio.
iii migliorare il proprio obiettivo il sistema ha raggiunto l equilibrio. Per introdurre la nozione di equilibrio di Nash consideriamo due giocatori. Siano f A (x, y) :AxB = R e f B (x, y) :AxB = R entrambe
DettagliLaboratorio Tecniche di valutazione dei progetti di trasporto. 2 lezione: Cos è un investimento? Prof. Ing. Gianfranco Fancello A.
Laboratorio Tecniche di valutazione dei progetti di trasporto 2 lezione: Cos è un investimento? Prof. Ing. Gianfranco Fancello A.A: 2016-2017 Cos è un investimento? Un investimento è: - un esborso di capitale
DettagliCOMPITO 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
DettagliAnalisi interazione domanda/offerta: modelli di assegnazione
Corso di Laurea Ingegneria Civile - AA 1112 Corso di: Fondamenti di Trasporti Lezione: Analisi interazione domanda/offerta: modelli di assegnazione Giuseppe Inturri Università di Catania Dipartimento di
Dettagli1 Ottima combinazione dei fattori produttivi. 2 Ottima combinazione dei fattori produttivi e curve di costo
Esercizi svolti in classe Produzione e Concorrenza Perfetta 1 Ottima combinazione dei fattori produttivi Si consideri un impresa con la seguente funzione di produzione = L K e i prezzi dei fattori lavoro
DettagliParte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Divide et Impera Sia z * max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
DettagliLA STRUTTURA DEI PROBLEMI DI OTTIMIZZAZIONE. L'ipotesi di razionalità implica che un decisore cerchi di
LA STRUTTURA DEI PROBLEMI DI OTTIMIZZAZIONE L'ipotesi di razionalità implica che un decisore cerchi di individuare la migliore tra tutte le alternative a sua disposizione. Problemi di ottimizzazione =
DettagliMetodi e modelli per le decisioni
Metodi e modelli per le decisioni Roberto Cordone A. A. 2015-16 10.8 Esercizi Nota : Devo molti di questi esercizi a temi d esame del prof. Alberto Colorni. Nota : Gli esercizi e le soluzioni non sono
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
DettagliMetodi di Ottimizzazione mod. Modelli per la pianificazione delle attività
Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Metodi di Ottimizzazione mod.
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
Dettagli1 Equilibri Correlati
Strumenti della Teoria dei Giochi per l Informatica A.A. 29/ Lecture 4: Ottobre 2 Equilibri Correlati, Bayesian Games Docente Prof. Vincenzo Auletta Note redatte da: Michele Nasti Equilibri Correlati Gli
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it Anno accademico 2000/2001 La Ricerca Operativa (Operation
DettagliCapitolo 6. Variabili casuali continue. 6.1 La densità di probabilità
Capitolo 6 Variabili casuali continue Le definizioni di probabilità che abbiamo finora usato sono adatte solo per una variabile casuale che possa assumere solo valori discreti; vediamo innanzi tutto come
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 3 - PROBLEMI DI INTERPOLAZIONE Lucio Demeio Dipartimento di Scienze Matematiche 1 Interpolazione: Polinomio di Lagrange 2 3 Introduzione Problemi di interpolazione
DettagliUNIVERSITÀ DEGLI STUDI DI BERGAMO Facoltà di Ingegneria. Corso di ECONOMIA INDUSTRIALE. Introduzione. Definizione del gioco
UNIVERSITÀ DEGLI STUDI DI BERGAMO Facoltà di Ingegneria Corso di ECONOMIA INDUSTRIALE Proff. Gianmaria Martini, Giuliano Masiero Lezione : Equilibrio di Nash in strategie miste Lu 8 Ott 004 Introduzione
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliFondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione
Fondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione Esercizio 1 In un supermercato si vuole disporre un insieme {1,...,n} di prodotti su m sca ali. Ogni prodotto
DettagliINVENTORY CONTROL. Ing. Lorenzo Tiacci
INVENTORY CONTROL Ing. Lorenzo Tiacci Testo di riferimento: Inventory Management and Production Planning and Control - Third Ed. E.A. Silver, D.F. Pyke, R. Peterson Wiley, 1998 Indice 1. IL LOTTO ECONOMICO
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
DettagliPROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE
PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE (da un idea di M. Impedovo Variabili aleatorie continue e simulazione Progetto Alice n. 15, ) 1. La simulazione Nelle schede precedenti
DettagliTest d ipotesi Introduzione. Alessandra Nardi
Test d ipotesi Introduzione Alessandra Nardi alenardi@mat.uniroma2.it 1 Consideriamo il caso in cui la nostra variabile risposta sia continua Immaginiamo che obiettivo del nostro studio sia valutare il
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II) Luigi De Giovanni Giacomo Zambelli 1 I passi dell algoritmo del simplesso L
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
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 5 - INTEGRAZIONE NUMERICA Lucio Demeio Dipartimento di Scienze Matematiche 1 Integrazione numerica: formule di Newton-Cotes semplici 2 3 Introduzione
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
DettagliSTATISTICA 1 ESERCITAZIONE 6
STATISTICA 1 ESERCITAZIONE 6 Dott. Giuseppe Pandolfo 5 Novembre 013 CONCENTRAZIONE Osservando l ammontare di un carattere quantitativo trasferibile su un collettivo statistico può essere interessante sapere
DettagliVariabili aleatorie binomiali e di Poisson
Variabili aleatorie binomiali e di Poisson Tiziano Vargiolu Dipartimento di Matematica Pura ed Applicata via Trieste, 63-35121 Padova email: vargiolu@math.unipd.it 9 gennaio 2007 Indice 1 Variabili aleatorie
DettagliMetodi di Iterazione Funzionale
Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea
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
Dettagli