Appunti delle Esercitazione di Ricerca Operativa AMPL Plus v1.6
|
|
- Tommaso Nanni
- 6 anni fa
- Visualizzazioni
Transcript
1 Appunti delle Esercitazione di Ricerca Operativa AMPL Plus v1.6 acuradig.liuzzi a.a Uso di variabili e parametri a 3 o più dimensioni: un modello di pianificazione Negli esempi precedenti abbiamo esaminato l uso di variabili e parametri monodimensionali o a due dimensioni. In AMPL è possibile utilizzare variabili e parametri a piùdidue dimensioni e questo può risultare molto utile in alcuni casi. Consideriamo il seguente problema di pianificazionedellaproduzioneetrasporto. Un impresa gestisce la produzione ed il trasporto di 2 tipi di profilati in alluminio (tipo A e tipo B) da 3 fabbriche (F 1,F 2,F 3 ) verso 2 magazzini (M 1, M 2 ). I costi di trasporto (in Euro) ct A ij di un profilato A, dalla fabbrica F i al magazzino M j,eicostiditrasporto(ineuro)ct B ij di un profilato B, dalla fabbrica F i al magazzino M j sono riportati nelle tabelle seguenti: profilato A M 1 M 2 F F F profilato B M 1 M 2 F F F Inoltre in ciascuna fabbrica F i, i =1, 2, 3, per la produzione di ciascun profilato A viene sostenuto un costo (in Euro) cp A i e viene impiegato un tempo in minuti t A i ; analogamente per la produzione di ciascun profilato B viene sostenuto un costo (in Euro) cp B i e viene impiegato un tempo in minuti t B i. La seguente tabella riassume questi dati: F 1 F 2 F 3 costo tempo costo tempo costo tempo profilato A profilato B Il tempo massimo a disposizione T max i in ciascuna delle fabbriche F i, i =1, 2, 3,, perlaproduzionedientrambiiprofilati, è limitato rispettivamente a 12000, e minuti. Infine la richiesta di profilati di ciascun tipo (A e B) per ciascun magazzino M j, j =1, 2, ric A j, ric B j è riassunta nella seguente tabella: M 1 M 2 profilato A profilato B Si formuli un modello di Programmazione Lineare che verifichi le specifiche del problema descritto, al fine di minimizzare il costo totale della produzione e del trasporto dei 2 profilati dalle 3 fabbriche di produzione ai 2 magazzini. Si assuma che tutti i profilati prodotti vengano inviati ai magazzini in quanto nelle fabbriche non c è la possibilità di immagazziare profilati. liuzzi@dis.uniroma1.it, liuzzi 1
2 Per risolvere il precedente problema in AMPL possiamo procedere in due modi leggermente diversi. Come accade molto spesso, anche in questo caso è possibile fare diverse scelte riguardanti le variabili di decisione. In particolare, noi considereremo due possibili modi di formulare il problema. Prima formulazione Scegliamo le variabili di decisione nel seguente modo: x k i = numero di profilati di tipo k (k = A, B) prodotti nella fabbrica F i, i =1, 2, 3 y k ij = numero di profilati del tipo k (k = A, B) prodotti nella fabbrica F i e consegnati al magazzino M j, i =1, 2, 3 j =1, 2 Con questa scelta, otteniamo il seguente modello lineare: min x A x B x A x B x A x B y11 A +2.0y12 A +1.8y21 A +1.9y22 A +2.0y31 A +2.0y32 A + 2.1y11 B +2.2y12 B +1.8y21 B +1.9y22 B +2.0y31 B +2.0y32 B x A 1 = y11 A + y12 A x A 2 = y21 A + y22 A x A 3 = y31 A + y32 A x B 1 = y11 B + y12 B x B 2 = y21 B + y22 B x B 3 = y31 B + y32 B y11 A + y21 A + y31 A 2000 y12 A + y22 A + y32 A 3000 y11 B + y21 B + y31 B 2500 y12 B + y22 B + y32 B 1500 x A x B x A x B x A x B x k i 0,y k ij 0, intere, k = A, B, i =1, 2, 3, j =1, 2. Si vuole ora scrivere questo modello in AMPL sempre tenendo separati i dati dalla struttura del modello e quindi scrivendo separatamente i due file.mod e.dat. A tale scopo èmolto utile riscrivere il modello considerato in una forma parametrica che generalizza il problema esaminato ovvero nella forma: 2
3 3 min cp k i x k i i=1 k=a,b k=a,b i=1 j=1 2 x k i = yij k i =1, 2, 3, k = A, B j=1 ct k ijy k ij 3 yij k ric k j j =1, 2, k = A, B i=1 t k i x k i T max i i =1, 2, 3, k=a,b x k i 0,yk ij 0, intere, k = A, B, i =1, 2, 3, j =1, 2. Possiamo ora scrivere i file.mod e.dat. # definizione degli insiemi set FABBRICHE; set MAGAZZINI; set PROFILATI; profilati.mod # definizione dei parametri param costo_trasp{profilati,fabbriche,magazzini}>=0; param costo_prod{profilati,fabbriche}>=0; param tempi_produz{profilati,fabbriche}>=0; param richiesta{profilati,magazzini} >=0; param max_tempi{fabbriche} >=0; # introduzione delle variabili e dichiarazione di non negativita e interezza var x{k in PROFILATI, i in FABBRICHE} >=0, integer; var y{k in PROFILATI, i in FABBRICHE, j in MAGAZZINI} >=0, integer; # funzione obiettivo minimize costi_totali: sum{k in PROFILATI, i in FABBRICHE} costo_prod[k,i]*x[k,i] + sum{k in PROFILATI, i in FABBRICHE, j in MAGAZZINI} costo_trasp[k,i,j]*y[k,i,j]; # vincoli del problema s.t. congruenza{k in PROFILATI, i in FABBRICHE}: x[k,i] = sum{j in MAGAZZINI} y[k,i,j]; 3
4 s.t. sodd_richiesta{k in PROFILATI, j in MAGAZZINI}: sum{i in FABBRICHE} y[k,i,j] >= richiesta[k,j]; s.t. risp_tempi{i in FABBRICHE}: sum{k in PROFILATI} tempi_produz[k,i]*x[k,i] <= max_tempi[i]; profilati.dat set FABBRICHE:= F1 F2 F3; set MAGAZZINI:= M1 M2; set PROFILATI:= tipoa tipob; param costo_trasp:= [tipoa,*,*]: M1 M2 := F F F [tipob,*,*]: M1 M2 := F F F ; param costo_prod : F1 F2 F3 := tipoa tipob ; param tempi_produz : F1 F2 F3 := tipoa tipob ; param richiesta : M1 M2 := tipoa tipob ; param : max_tempi := F F F ; Osserviamo l istruzione di assegnazione del parametro a tre dimensioni: param costo_trasp:= [tipoa,*,*]: M1 M2 := F F F
5 [tipob,*,*]: M1 M2 := F F F ; È una notazione più concisa di quella standard che dovrebbe essere: param costo_trasp:= tipoa F1 M1 1.7 tipoa F1 M2 2.0 tipoa F2 M1 1.8 tipoa F2 M2 1.9 tipoa F3 M1 2.0 tipoa F3 M2 2.0 tipob F1 M1 2.1 tipob F1 M cherisultamoltomenocomoda. Riportiamo,diseguito,ancheilfile dei risultati ottenuti. Tale file ècompostodidueparti: nella prima parte è riportato il valore ottimo della funzione obiettivo e il valore delle variabili all ottimo. Nella seconda parte è riportato il valore all ottimo delle variabili duali. risultati profilati.txt OBJECTIVES: costi_totali = VARIABLES: x := tipoa F tipoa F2 0 tipoa F tipob F1 0 tipob F tipob F3 0 ; y := tipoa F1 M tipoa F1 M2 0 tipoa F2 M1 0 tipoa F2 M2 0 tipoa F3 M1 0 tipoa F3 M tipob F1 M1 0 tipob F1 M2 0 tipob F2 M tipob F2 M tipob F3 M1 0 tipob F3 M2 0 ; 5
6 CONSTRAINTS (Dual Values): congruenza := tipoa F1 1 tipoa F2 0.9 tipoa F3 0.7 tipob F tipob F tipob F ; risp_tempi [*] := F1 0 F2 0 F3 0 ; sodd_richiesta := tipoa M1 2.7 tipoa M2 2.7 tipob M tipob M ; 6
7 Seconda Formulazione modo: In questo caso, scegliamo le variabili di decisione nel seguente x k ij = numero di profilati del tipo k (k = A, B) prodotti nella fabbrica F i e consegnati al magazzino M j, i =1, 2, 3 j =1, 2 Con questa scelta, otteniamo il seguente modello lineare: min (x A 11 + x A 12)+1.1(x B 11 + x B 12)+0.9(x A 21 + x A 22)+ 0.85(x B 21 + x B 22)+0.7(x A 31 + x A 32)+0.75(x B 31 + x B 32)+ 1.7x A x A x A x A x A x A x B x B x B x B x B x B 32 x A 11 + x A 21 + x A x A 12 + x A 22 + x A x B 11 + x B 21 + x B x B 12 + x B 22 + x B (x A 11 + x A 12)+0.9(x B 11 + x B 12) (x A 21 + x A 22)+0.8(x B 21 + x B 22) (x A 31 + x A 32)+0.8(x B 31 + x B 32) x k ij 0, intere, k = A, B, i =1, 2, 3, j =1, 2. Si vuole ora scrivere questo modello in AMPL sempre tenendo separati i dati dalla struttura del modello e quindi scrivendo separatamente i due file.mod e.dat. A tale scopo èmolto utile riscrivere il modello considerato in una forma parametrica che generalizza il problema esaminato ovvero nella forma: min 3 i=1 k=a,b cp k i 2 x k ij j=1 k=a,b i=1 j=1 ct k ijx k ij 3 x k ij ric k j j =1, 2, k = A, B i=1 k=a,b t k i 2 x k ij T max i i =1, 2, 3, j=1 x k ij Possiamo ora scrivere i file.mod e.dat. 0, intere, k = A, B, i =1, 2, 3, j =1, 2. # definizione degli insiemi set FABBRICHE; profilati.mod 7
8 set MAGAZZINI; set PROFILATI; # definizione dei parametri param costo_trasp{profilati,fabbriche,magazzini}>=0; param costo_prod{profilati,fabbriche}>=0; param tempi_produz{profilati,fabbriche}>=0; param richiesta{profilati,magazzini} >=0; param max_tempi{fabbriche} >=0; # introduzione delle variabili e dichiarazione di non negativita e interezza var x{k in PROFILATI, i in FABBRICHE, j in MAGAZZINI} >=0, integer; # funzione obiettivo minimize costi_totali: sum{k in PROFILATI, i in FABBRICHE, j in MAGAZZINI} (costo_prod[k,i] + costo_trasp[k,i,j])*x[k,i,j]; # vincoli del problema s.t. sodd_richiesta{k in PROFILATI, j in MAGAZZINI}: sum{i in FABBRICHE} x[k,i,j] >= richiesta[k,j]; s.t. risp_tempi{i in FABBRICHE}: sum{k in PROFILATI, j in MAGAZZINI} tempi_produz[k,i]*x[k,i,j] <= max_tempi[i]; Domanda Il file dei dati relativo al nuovo modello è uguale o diverso da quello relativo al primo modello? 2 Esercizio Una industria metalmeccanica produce tre tipi di acciaio (normale, inox, temperato) utilizzando quattro macchine (M1, M2, M3, M4). Per evitare i lunghi tempi di avvio delle macchine, l industria le fa lavorare 24 ore su 24 dividendo la giornata (di 24 ore) in tre turni lavorativi: 8-16, 16-24, La tabella seguente riporta, per ogni turno di lavoro e per ogni macchina il tempo necessario (in ore) per lavorare una tonnellata di acciaio M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 normale inox temperato Tuttavia, per questioni sindacali, ciascuna macchina può lavorare per un tempo limitato e dipendente dal turno di lavoro, come riportato nella tabella che segue M M M M Supponiamo, inoltre, che per ragioni di mercato, siano assegnate delle quantità minime e massime per ciascun prodotto secondo la seguente tabella. 8
9 min max normale inox 10 temperato infine, supponiamo che tutto l acciaio prodotto viene assorbito dal mercato fruttando all azienda i seguenti profitti (in migliaia di euro per tonnellata) normale inox temperato profitto (mln $/ton.) Si scriva in AMPL un problema di PL che massimizzi i profitti giornalieri dell industria. (Aiuto: la costante numerica si indica, in AMPL, con la parola chiave Infinity ) Riportiamo direttamente i due file (di modello e dei dati) che, in AMPL, risolvono il problema proposto. acciaio1.mod set TURNI; set PROD; set MACCHINE; param tprod{macchine,turni,prod}; param tlim{macchine,turni}; param prezzo{prod}; param ulim{prod}; param llim{prod}; var x{macchine,turni,prod} >= 0; maximize profit: sum{p in PROD}prezzo[p]* sum{m in MACCHINE,t in TURNI}x[m,t,p]; s.t. tempo{m in MACCHINE,t in TURNI}: sum{p in PROD}tprod[m,t,p]*x[m,t,p] <= tlim[m,t]; s.t. u_lim{p in PROD}: sum{t in TURNI, m in MACCHINE}x[m,t,p] <= ulim[p]; s.t. l_lim{p in PROD}: sum{t in TURNI, m in MACCHINE}x[m,t,p] >= llim[p]; acciaio1.dat set TURNI := ; set PROD := normale inox temperato; set MACCHINE := M1 M2 M3 M4; param prezzo := normale 6 inox 25 temperato 20 ; param tlim: := M M M M ; 9
10 param tprod := [*, 8-16,*]: normale inox temperato := M M M M [*, 16-24,*]: normale inox temperato := M M M M [*, 24-8,*]: normale inox temperato := M M M M ; param: llim := normale 200 inox -Infinity temperato -Infinity ; param: ulim := normale 300 inox 10 temperato +Infinity ; Riferimenti bibliografici [1] R. Fourer, D.M. Gay, and B.W. Kernighan, AMPL a modeling language for mathematical programming, boyd & fraser publishing company, Massachusetts,
126 APPROFONDIMENTI SUI PARAMETRI. SCRIPT IN AMPL
126 APPROFONDIMENTI SUI PARAMETRI. SCRIPT IN AMPL Esempio 8.3.2 Una fabbrica produce divani in tessuto acquistando da un magazzino all ingrosso i quantitativi di tessuto che gli occorrono settimanalmente.
DettagliAMPL: Esempi. F. Rinaldi. Corso di Laurea Matematica. Dipartimento di Matematica Università di Padova. Esempi di Modellazione in AMPL
Dipartimento di Matematica Università di Padova Corso di Laurea Matematica Outline Esempi di Modellazione in AMPL Esempio 2 Problema della Dieta In questo problema é data una lista di cibi, a ciascuno
DettagliMiscelazione di benzine
Miscelazione di benzine Una raffineria deve miscelare 4 tipi di petrolio grezzo per ottenere 3 tipi di benzina. La tabella seguente mostra la massima quantità disponibile per ogni tipo di petrolio grezzo
DettagliScopo del laboratorio
p. 1/1 Scopo del laboratorio Imparare ad usare programmi che implementino metodi di ottimizzazione: simplesso, branch and bound ecc. utilizzarli per risolvere un problema proposto Modellatori Solver p.
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:
DettagliEsercitazione n o 6 per il corso di Ricerca Operativa
Esercitazione n o 6 per il corso di Ricerca Operativa Il problema è stato tratto dal libro C. Mannino, L.Palagi, M. Roma. Complementi ed esercizi di Ricerca Operativa, Edizioni Ingegneria 2000, 1998, ISBN:
DettagliEsercitazione R.O. 2. Andrea Raiconi A.A. 2008-2009
Esercitazione R.O. 2 Andrea Raiconi A.A. 2008-2009 Esercitazione R.O.2 Formulare per ognuno dei seguenti problemi un modello di programmazione lineare che lo descriva. Implementare i modelli formulati
DettagliEsaminiamo ora un esempio di un importante classe di problemi della Ricerca Operativa: il problema dei trasporti.
D D D D 39 3.6 DUE ESEMPI DI MODELLI DI PROGRAMMAZIONE LINEARE 3.6.1 Un problema di pianificazione dei trasporti Esaminiamo ora un esempio di un importante classe di problemi della Ricerca Operativa: il
DettagliEsercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: analisi di sensitività
Ricerca Operativa A.A. 2007/2008 14. Esercitazione di laboratorio: analisi di sensitività Luigi De Giovanni - Ricerca Operativa - 14. Laboratorio: analisi di sensitività 14.1 Problema di mix della produzione
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
DettagliEsercizi soluzione grafica e Branch and Bound. Daniele Vigo
Esercizi soluzione grafica e Branch and Bound Daniele Vigo daniele.vigo@unibo.it Mix Mangimi Il gestore di un allevamento desidera determinare il mix ottimale di mangimi da aggiungere al riso per la dieta
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare - TESTI Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi
DettagliEsercitazione n o 3 per il corso di Ricerca Operativa
Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua
DettagliOttimizzazione Combinatoria
Ottimizzazione Combinatoria Esercitazione AMPL A.A. 2010-20112011 Esercitazione a cura di Silvia Canale contatto e-mail: canale@dis.uniroma1.it Università i di Roma La Sapienza Dipartimento di Informatica
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
DettagliOttimizzazione Combinatoria
Ottimizzazione Combinatoria Esercitazione AMPL A.A. 2-22 Esercitazione a cura di Silvia Canale contatto e-mail: canale@dis.uniroma.it Università i di Roma La Sapienza Dipartimento di Informatica e Sistemistica
DettagliESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017. Esercizi di Programmazione Lineare in Aula
ESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017 Esercizi di Programmazione Lineare in Aula Esercizio 1. Una industria vuole commercializzare un particolare
DettagliEsercitazione n o 7 per il corso di Ricerca Operativa
Esercitazione n o 7 per il corso di Ricerca Operativa Modello di miscelazione Il problema è stato tratto dal libro W. L. Winston. Operations Research, Application and Algorithms, 4th Edition, Thomson Learning,
Dettagli1 Breve introduzione ad AMPL
1 Breve introduzione ad AMPL Il primo passo per risolvere un problema reale attraverso strumenti matematici consiste nel passare dalla descrizione a parole del problema al modello matematico dello stesso.
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come
DettagliAMPL Sintassi ed Esempi
Dipartimento di Matematica Università di Padova Corso di Laurea Informatica Outline Sintassi Elementi di un problema Insiemi Parametri Variabili Funzione Obiettivo Vincoli Dati Insiemi Gli insiemi definiscono
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,
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
DettagliN.B.: Gli esercizi di OFFICE vanno risolti prima dell esercizio sulla PL
EIPE - I appello a.a. 2014-2015, 4-5-6 maggio 2015 Cognome:... Nome:... Matricola:... Office (I es.) x/10:... Office (II es.) x/10:... Office (III es.) x/10:... Bonus tempo: b b B B N.B.: Gli esercizi
DettagliRicerca Operativa. Esercizi proposti
Ricerca Operativa Esercizi proposti 1. Un fiorista deve addobbare una sala per un ricevimento. Ha a disposizione quattro tipi di fiori: rose, gerbere, lilium e calle. Rose, gerbere e lilium sono disponibili
DettagliOttimizzazione dei Sistemi Complessi
1 Martedì 17 Maggio 2016 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Programmazione con incertezza Una società di autonoleggio dispone (attualmente, oggi) di 50 macchine tutte dislocate
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
DettagliIntroduzione. AMPL Introduzione. F. Rinaldi. Dipartimento di Matematica Università di Padova. Corso di Laurea Matematica. F. Rinaldi AMPL Introduzione
Dipartimento di Matematica Università di Padova Corso di Laurea Matematica Outline Introduzione Utilizzo di un Solver Definizione Un solver (o risolutore) è un software che riceve in input una descrizione
DettagliAppunti delle Esercitazioni di Ottimizzazione V.O. AMPL: A Mathematical Programming Language
Appunti delle Esercitazioni di Ottimizzazione V.O. AMPL: A Mathematical Programming Language a cura di G. Liuzzi and V. Piccialli a.a. 2002-2003 1 Introduzione ad AMPL AMPL(scaricabile all indirizzo: http://www.ampl.com/downloads/index.html)
DettagliProblema della produzione dei monitor
Problema della produzione dei monitor Una azienda produce monitor per PC in tre diversi stabilimenti. Il costo di produzione di ciascun monitor varia a causa della diversa efficienza produttiva degli stabilimenti.
DettagliProva di Esame di RICERCA OPERATIVA 1 o anno Canale P Z
Compito A 1 luglio 00 Prova di Esame di RICERCA OPERATIVA 1 o anno Canale P Z Cognome : Nome : 1. (Punti 6++) Sia dato il seguente problema di programmazione lineare: max x 1 + x x x 1 0 x 1 1 x 1 + x
DettagliProblemi di Flusso: Il modello del Trasporto
Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su
DettagliAppunti delle Esercitazioni di Ottimizzazione V.O. AMPL: A Mathematical Programming Language
Appunti delle Esercitazioni di Ottimizzazione V.O. AMPL: A Mathematical Programming Language a cura di G. Liuzzi and V. Piccialli a.a. 2004-2005 liuzzi@dis.uniroma1.it, http://www.dis.uniroma1.it/ liuzzi
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
DettagliLezioni di Ricerca Operativa 2 Dott. F. Carrabs
Lezioni di Ricerca Operativa Dott. F. Carrabs.. 009/00 Lezione 6: - mmissibilità di un vincolo - Vincoli alternativi - Vincoli alternativi a gruppi - Rappresentazione di funzioni non lineari: Costi fissi
DettagliSIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 28 novembre 2005 SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : XXXXXXXXXXXXXXXXX Nome : XXXXXXXXXXXXXX VALUTAZIONE
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
DettagliTEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1.
Prof. R. adei EORIA della DUALIÀ Una piccola introduzione R. adei 1 R. adei 2 EORIA DELLA DUALIA' Il concetto di dualità fu introdotto nel 1947 da Von Neumann, anche se il teorema della dualità fu formulato
DettagliDomande 1. La domanda e l offerta del bene 1 sono date rispettivamente da:
Domande 1. La domanda e l offerta del bene 1 sono date rispettivamente da: DD SS 10 0,2 2 2 5 0,5 a) Calcolare la quantità e il prezzo di equilibrio sapendo che il reddito a disposizione del consumatore
DettagliVediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto.
Esempio di risoluzione di un problema di PL con Excel Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto. Un azienda vinicola desidera produrre due tipi di vino: uno
DettagliEsame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da basket e da calcio che vende rispettivamente a 1 e euro. L azienda compra ogni settimana 00
DettagliModelli di Programmazione Matematica e introduzione ad AMPL
1 Modelli di Programmazione Matematica e introduzione ad AMPL Come accennato nell introduzione, all interno della Ricerca Operativa, un ruolo di fondamentale importanza è svolto dalla Programmazione Matematica
DettagliProgrammazione Lineare Intera
Programmazione Lineare Intera Andrea Scozzari a.a. 2012-2013 May 10, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare Intera May 10, 2013 1 / 16 Programmazione Lineare Intera: Metodo dei Piani
DettagliLa 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
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 20/202 Lezione 6-8 Rappresentazione di funzioni non lineari: - Costi fissi - Funzioni lineari a tratti Funzioni obiettivo non lineari:
DettagliModelli di PL: allocazione ottima di risorse. Un esempio Modelli a risorse condivise Modelli a risorse alternative Modelli multi-periodo
Modelli di PL: allocazione ottima di risorse Un esempio Modelli a risorse condivise Modelli a risorse alternative Modelli multi-periodo Allocazione ottima di robot Un azienda automobilistica produce tre
DettagliUniversita 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
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
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
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 28 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 28 Prof.ssa Ing. Laura Palagi
DettagliSi consideri il seguente tableau ottimo di un problema di programmazione lineare
ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6
DettagliProgetto e ottimizzazione di reti 2
Progetto e ottimizzazione di reti 2 Esercitazione AMPL A.A. 29-2 Esercitazione a cura di Silvia Canale contatto e-mail: canale@dis.uniroma.it Università di Roma La Sapienza Dipartimento di Informatica
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 10. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 10 Docente: Laura Palagi Smaltimento dei rifiuti solidi urbani HOMEWORK N 10 Francesco Cambiotti
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 21 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 21 MODELLO DI MISCELAZIONE E
DettagliCORSO DI LAUREA IN MATEMATICA
CORSO DI LAUREA IN MATEMATICA ESERCITAZIONI DI ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia
DettagliIL 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
DettagliEsercizi di PLI. a cura di A. Agnetis. Risolvere il seguente problema di PLI con l algoritmo dei piani di Gomory:
Esercizi di PLI a cura di A. Agnetis Risolvere il seguente problema di PLI con l algoritmo dei piani di Gomory: max z = 40x + 24x 2 + 5x + 8x 4 8x + 6x 2 + 5x + 4x 4 22 x i 0 x i intero Si tratta di un
DettagliProva in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A
Nome... Cognome... 1 Prova in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A Un rinomato biscottificio italiano dispone di tre stabilimenti, ubicati nelle città di Ancona, Belluno e Catanzaro
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
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
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. p. 1/1 Problema del trasporto Supponiamo di avere m depositi in
DettagliFacoltà di Ingegneria dell Informazione, Informatica e Statistica. Corso di Laurea in Ingegneria Informatica e Automatica. Esercizi svolti di
Facoltà di Ingegneria dell Informazione, Informatica e Statistica Corso di Laurea in Ingegneria Informatica e Automatica Esercizi svolti di Ricerca Operativa Massimo Roma Dipartimento di Ingegneria Informatica,
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. 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
DettagliElementi di un modello di Programmazione Matematica
1 Ricerca Operativa Laboratorio: utilizzo di solver per programmazione matematica Elementi di un modello di Programmazione Matematica Insiemi: elementi del sistema; Parametri: dati del problema; Variabili
DettagliCORSO DI LAUREA IN FISICA
CORSO DI LAUREA IN FISICA ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia di R quindi
DettagliTeoria dei Giochi e delle Decisioni Prova del 24 Settembre Giocatore 2 a b Giocatore 1 a 8-12 b minz. ε ε 2 1 = 1.
Teoria dei Giochi e delle Decisioni Prova del 24 Settembre 2009 Cognome, Nome, Numero di Matricola: Esercizio Si consideri il gioco antagonista descritto dalla seguente matrice di payoff: Giocatore 2 a
DettagliL efficienza e la valutazione delle performance Concetti ed introduzione alla D.E.A.
L efficienza e la valutazione delle performance Concetti ed introduzione alla D.E.A. Corso di Economia Industriale Lezione dell 8/01/2010 Valutazione delle peformance Obiettivo: valutare le attività di
DettagliESERCITAZIONE 3: Produzione e costi
MICROECONOMIA CEA A.A. 00-00 ESERCITAZIONE : Produzione e costi Esercizio (non svolto in aula ma utile): Rendimenti di scala Determinare i rendimenti di scala delle seguenti funzioni di produzione: a)
DettagliInterpretazione economica della dualità
Interpretazione economica della dualità Interpretazione economica delle variabili duali Interpretazione economica del problema duale nei problemi di allocazione risorse e miscelazione Applicazioni della
DettagliLavoro Quantità. si determinino prodotto marginale e medio del fattore lavoro.
Microeconomia, Esercitazione 3. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 Produzione/1 Data una certa tecnologia di produzione definita solo nell input lavoro (o, in alternativa,
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
DettagliOttimizzazione e Controllo 2015/2016 ESERCITAZIONE
Ottimizzazione e Controllo 2015/2016 ESERCITAZIONE Esercizio 1. Sono dati 6 job da processare su un centro di lavorazione automatizzato che può eseguire una sola lavorazione alla volta. Di ciascun job
DettagliAMPL: Esempi e Comandi Avanzati
Dipartimento di Matematica Università di Padova Corso di Laurea Matematica Outline Comandi Avanzati Script per Operazioni Complesse Ciclo For for {e in INSIEME}{... } Ciclo Repeat While (termina se espressione
DettagliRilassamento Lagrangiano
RILASSAMENTO LAGRANGIANO 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il seguente problema
DettagliGestione Impresa. Mese 1 2 3 4 5 6 Unità richieste 700 600 500 800 900 800
Gestione Impresa Un impresa di produzione produce un solo tipo di merce. Ci sono 40 operai, ciascuno dei quali produce 20 unità di merce al mese. La domanda fluttua nel corso di un semestre secondo la
DettagliEsame di Ricerca Operativa del 07/09/2016
Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un industria chimica produce due tipi di fertilizzanti (A e B) la cui lavorazione è affidata ai reparti di produzione e
DettagliIntroduzione alla ricerca operativa Problemi e modelli
Problemi e modelli TFA Anno Accademico 2012-13 La metodologia della matematica applicata Problema reale Denizione del modello matematico Algoritmo risolutivo Analisi dei risultati Il problema reale Reperimento
DettagliProblema del Trasporto. Container vuoti Verona 10 Perugia 12 Roma 20 Pescara 24 Taranto 18 Lamezia 40
Problema del Trasporto Una ditta di trasporto deve trasferire container vuoti dai propri 6 Magazzini, situati a Verona, Perugia, Roma, Pescara, Taranto e Lamezia, ai principali Porti nazionali (Genova,
DettagliMetodi Matematici per l Ottimizzazione
Università di Catania L.M. in Informatica Metodi Matematici per l Ottimizzazione Modulo di Ottimizzazione Matematica Introduzione alla programmazione lineare Laura Scrimali DMI - Studio 338, piano II blocco
DettagliRicerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare
Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista
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)
DettagliLinguaggi di modellizzazione
p. 1/5 Linguaggi di modellizzazione Come visto, il primo passo per risolvere un problema di decisione consiste nel formularne il modello matematico. Una volta definito il modello matematico lo dobbiamo
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
DettagliOttimizzazione Combinatoria
Ottimizzazione Combinatoria Esercitazione AMPL A.A. 2009-2010 Esercitazione a cura di Silvia Canale contatto e-mail: canale@dis.uniroma1.it Università di Roma La Sapienza Dipartimento di Informatica e
DettagliModellazione GAMS. Sintassi di Base, Esempi. Domenico Salvagnin
Modellazione GAMS Sintassi di Base, Esempi Domenico Salvagnin GAMS General Algebraic Modeling System http://www.gams.com descrizione problema di ottimizzazione in notazione quasi algebrica possibilità
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
DettagliModelli di Programmazione Lineare Intera
6 Modelli di Programmazione Lineare Intera Come è noto, quando tutte le variabili di un problema di Programmazione Lineare sono vincolate ad assumere valori interi, si parla di Programmazione Lineare Intera.
DettagliModello dinamico del reparto produzione Norfolk s.p.a.
Modello dinamico del reparto produzione Norfolk s.p.a. La Norfolk s.p.a., un azienda che produce componenti ad alta tecnologia nel campo dell intrattenimento, vi commissiona la realizzazione di un semplice
DettagliModelli di Programmazione Lineare
Capitolo 2 Modelli di Programmazione Lineare 2.1 Modelli di allocazione ottima di risorse Esercizio 2.1.1 Un industria manifatturiera può fabbricare 5 tipi di prodotti che indichiamo genericamente con
DettagliGli insiemi e i parametri in AMPL
2 Gli insiemi e i parametri in AMPL Come abbiamo visto nel capitolo precedente, è molto utilie scrivere il modello in forma parametrica. Questo, nella sostanza, significa scrivere il modello nel file.mod
DettagliIntroduzione alla programmazione lineare. Mauro Pagliacci
Introduzione alla programmazione lineare Mauro Pagliacci c Draft date 25 maggio 2010 Premessa In questo fascicolo sono riportati gli appunti dalle lezioni del corso di Elaborazioni automatica dei dati
DettagliProva Scritta di Ricerca Operativa
Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 12 gennaio 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro
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
DettagliLezione 12 Costi marginali, salario e produttività marginale del lavoro. Curva di domanda e
Corso di Economica Politica prof. S. Papa Lezione 12 Costi marginali, salario e produttività marginale del lavoro. Curva di domanda e offerta di lavoro Facoltà di Economia Università di Roma La Sapienza
DettagliA UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 15 giugno 2012
A UNIVRSITÀ GLI STUI ROMA TR orso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 5 giugno 22 sercizio L azienda rogram&o produce software e deve decidere quanto tempo impiegare
DettagliLa notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:
. SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;
Dettagli1. MODELLI DI PROGRAMMAZIONE LINEARE
Esercizi di programmazione lineare. MODELLI DI PROGRAMMAZIONE LINEARE Politecnico di Torino Pagina di 0 Data ultima revisione //00 Esercizi di programmazione lineare Es. Il problema dello zaino Un gruppo
Dettagli