AMPL Sintassi ed Esempi
|
|
|
- Veronica Cavallaro
- 7 anni fa
- Просмотров:
Транскрипт
1 Dipartimento di Matematica Università di Padova Corso di Laurea Informatica
2 Outline Sintassi
3 Elementi di un problema Insiemi Parametri Variabili Funzione Obiettivo Vincoli Dati
4 Insiemi Gli insiemi definiscono gli indici di variabili, parametri e vincoli del modello; Dichiarazione (file.mod): set NomeInsieme; Definizione (file.dat): set NomeInsieme:= e1 e2... em; Diversi tipi di insieme: insiemi non ordinati: set NomeInsieme; insiemi numerici: set NomeInsieme:= inizio.. fine by distanza; insiemi ordinati: set NomeInsieme ordered; insiemi circolari: set NomeInsieme circular;
5 Insiemi Gli insiemi definiscono gli indici di variabili, parametri e vincoli del modello; Dichiarazione (file.mod): set NomeInsieme; Definizione (file.dat): set NomeInsieme:= e1 e2... em; Diversi tipi di insieme: insiemi non ordinati: set NomeInsieme; insiemi numerici: set NomeInsieme:= inizio.. fine by distanza; insiemi ordinati: set NomeInsieme ordered; insiemi circolari: set NomeInsieme circular;
6 Insiemi Numerici Gli insiemi numerici non devono necessariamente essere interi AMPL cerca di memorizzare ogni elemento dell insieme utilizzando il fpn piú vicino Provare le seguenti istruzioni: set a:= -5/3.. 5/3 by 1/3; display a; 0 e 1 non sono elementi dell insieme! meglio usare interi
7 Insiemi Numerici Gli insiemi numerici non devono necessariamente essere interi AMPL cerca di memorizzare ogni elemento dell insieme utilizzando il fpn piú vicino Provare le seguenti istruzioni: set a:= -5/3.. 5/3 by 1/3; display a; 0 e 1 non sono elementi dell insieme! meglio usare interi
8 Insiemi Numerici Gli insiemi numerici non devono necessariamente essere interi AMPL cerca di memorizzare ogni elemento dell insieme utilizzando il fpn piú vicino Provare le seguenti istruzioni: set a:= -5/3.. 5/3 by 1/3; display a; 0 e 1 non sono elementi dell insieme! meglio usare interi
9 Operazioni tra Insiemi Dati due insiemi A e B possibile in AMPL effettuare operazioni elementari: Operazione A union B A inter B A diff B A symdiff B card(a) Significato insieme di elementi che stanno in A o B insieme di elementi che stanno sia in A che in B insieme di elementi che stanno in A ma non in B insieme di elementi che stanno in A o in B ma non in entrambi numero di elementi che stanno in A within: serve a dichiarare un insieme come sottoinsieme di un altro: set A; set B within A; IMPORTANTE: Nella definizione A e B devono essere coerenti!
10 Operazioni tra Insiemi Dati due insiemi A e B possibile in AMPL effettuare operazioni elementari: Operazione A union B A inter B A diff B A symdiff B card(a) Significato insieme di elementi che stanno in A o B insieme di elementi che stanno sia in A che in B insieme di elementi che stanno in A ma non in B insieme di elementi che stanno in A o in B ma non in entrambi numero di elementi che stanno in A within: serve a dichiarare un insieme come sottoinsieme di un altro: set A; set B within A; IMPORTANTE: Nella definizione A e B devono essere coerenti!
11 Esercizio Generate due insiemi numerici A [40, 80] con intervallo 4 B [50, 100] con intervallo 5 Calcolare A union B, A inter B, B diff A, A symdiff A, card(a union B). Ricorda: le operazioni tra insiemi all interno di una espressione complessa vengono effettuate da sinistra verso destra gerarchia: inter seguito da union, diff, symdiff (stessa prioritá) A union B inter C diff D equivale a (A union (B inter C))diff D
12 Esercizio Generate due insiemi numerici A [40, 80] con intervallo 4 B [50, 100] con intervallo 5 Calcolare A union B, A inter B, B diff A, A symdiff A, card(a union B). Ricorda: le operazioni tra insiemi all interno di una espressione complessa vengono effettuate da sinistra verso destra gerarchia: inter seguito da union, diff, symdiff (stessa prioritá) A union B inter C diff D equivale a (A union (B inter C))diff D
13 Operazioni tra Insiemi II Dato un insieme ordinato, possibile in AMPL effettuare operazioni elementari: Operazione first(a) last(a) next(a,a) prev(a,a) next(a,a,k) prev(a,a,k) ord(a,a) ord0(a,a) member(k,a) Significato primo elemento di A ultimo elemento di A elemento di A dopo di a elemento di A prima di a k-esimo elemento di A dopo di a k-esimo elemento di A prima di a posizione di a in A come ord(a,a), ma restituisce 0 se a non è in A elemento di A in k-esima posizione
14 Insiemi Ordinati Provare le seguenti istruzioni: set a ordered; data; set a:= a1 a2 a3 a4 a5 a6 a7; display first(a), last(a); display next( a3,a), next( a3,a,2); display ord( a3,a);
15 Insiemi a più dimensioni dimen: Permette di specificare la dimensione di un insieme contestualmente alla sua dichiarazione: dichiarazione(file.mod): set TUPLE dimen 3 ; definizione (file.dat): set TUPLE:= (1,7,1) (7,1,1) (10,5,3) (pippo, pluto, paperino) ; cross: modo alternativo per costruire inisemi di dimensione >1 set INS1; set INS2; set INS3; set INS:= INS1 cross INS2 cross INS3; setof effettua procedimento inverso rispetto a cross(file.mod): set INS dimen 3; set INS1:=setof{(i,j,h) in INS} i ; set INS2:=setof{(i,j,h) in INS} j ; set INS3:=setof{(i,j,h) in INS} h ;
16 Parametri param: per creare i parametri del modello dichiarazione(file.mod): param T; definizione (file.dat): param T:= 10; possibile anche specificare delle restrizioni: param T>1;
17 Parametri a più dimensioni II Dichiarazione(file.mod): set INS1; set INS2; set INS3; param p1{ins1}; param q1{ins1}; param p2{ins1,ins2}; param p3{ins1, INS2, INS3}; Definizione(file.dat): set INS1:=A1 A2; set INS2:=B1 B2 B3; set INS3:=C1 C2 C3; param : p1 q1:= A1 1 5 A2 2 3; param p2: B1 B2 B3:= A A ; param p3:= [A1,, ]: C1 C2 C3:= B B B [A2,, ]: C1 C2 C3:= B B B ;
18 Variabili Variabili sono le incognite del modello: set INS; param u{ins}; var prova; var x{ins} integer; var y{ins} binary; var z{ins}>=0, <=M; var w{p in INS}>=0, <=u[p];
19 Funzione Obiettivo e Vincoli La f.o. rappresenta ciò che vogliamo massimizzare o minimizzare(file.mod): minimize(o maximize) nomeobiettivo: espressionearitmetica; I vincoli rappresentano le specifiche che la soluzione deve soddisfare(file.mod): subject to nomevincolo: espressionelogica; s.t. nomevincolo: espressionelogica;
20 Funzioni Aritmetiche e Operatori Indicizzati Funzioni Aritmetiche: Funzione abs(x) floor(x) ceil(x) sqrt(x) log(x) exp(x) sqrt(x) Significato valore assoluto di x approssimazione intera per difetto di x approssimazione intera per eccesso di x radice quadrata x logaritmo naturale di x esponeziale di x radice quadrata di x Operatori Indicizzati: Funzione Significato Sommatoria sum{ a in A } Produttoria prod{ a in A } Massimo max{ a in A } Minimo min{ a in A } Possibile utilizzare sommatorie multiple e condizionate sum{r in MPRIM, f in PROD: r<>3}
21 Esempio 1 Pianificazione Produzione Un azienda produce fibra di vetro al metro cubo e desidera pianificare la produzione per le prossime sei settimane. La capacitá produttiva é limitata e tale limite varia al variare del periodo considerato. La domanda settimanale é nota per l intero periodo. I costi di produzione ed immagazzinamento variano al variare del periodo. I dati sono riportati in Tabella 1: Tabella 1 Settimana Cap. Domanda Costo Prod. Costo Imm Pianificare la produzione in modo da minimizzare il costo totale di produzione e stocaggio.
22 Ripartizione di Risorse sett: Insieme settimane (6 elementi); prod j : costo di produzione j sett; imm j :costo di immagazzinamento j sett; d j : Domanda prodotto j sett; c j : Capacitá produttiva j sett ; x j : Fibra prodotta j sett; s j : Fibra immagazzinata j sett;
23 Pianificazione della Produzione: Modello PL Otteniamo il seguente problema di PL: min 6 6 prod j x j + imm j s j j=1 j=1 x 1 = s 1 + d 1 x j + s j 1 = s j + d j j = 2,...,n 0 x j c j j = 1,...,n 0 s j j = 1,...,n 1, s n = 0 (1)
24 Esempio 2 Produzione di Parquet alla LegnoPadova SpA LegnoPadova SpA è un azienda specializzata nella produzione di parquet. I suoi stabilimenti producono vari tipi di parquet che vengono poi venduti sul mercato generando un determinato profitto. Ciascun settore della produzione può lavorare un numero limitato di ore secondo la Tabella 1. Nella Tabella 2 si riporta il profitto unitario e la domanda massima per tipologia di parquet: Tabella 1 Settore Ore Falegnameria 2000 Verniciatura 1500 Assemblaggio 1700 Verifica 300 Imballaggio 500 Tabella 2 Tipo Profitto Domanda Supereconomy Economy Biocity Vintage Gaia Family Extralux Riportiamo infine le ore di lavorazione necessarie per ciascuna tipologia di parquet in Tabella 3. Determinare il piano produttivo che massimizza il profitto totale. Tabella 3 Supereconomy Economy Biocity Vintage Gaia Family Extralux Falegnameria Verniciatura Assemblaggio Verifica Imballaggio
25 Ripartizione di Risorse Insieme di prodotti possibili; Insieme di risorse disponibili; Per ogni risorsa nota la quantità disponibile; Per ogni prodotto noto profitto di vendita unitario e domanda massima; Per ogni prodotto nota quantità di risorsa necessaria per realizzare una unità di prodotto; Obiettivo: Massimizzare il profitto.
26 Ripartizione di Risorse prodotti: Insieme prodotti (n elementi); risorse: Insieme di risorse disponibili (m elementi); b i : Quantità disponibile di risorsa i risorse; c j : Profitto di vendita unitario prodotto j prodotti; d j : Domanda massima prodotto j prodotti; a ij : Quantità di risorsa i risorse necessaria per realizzare una unità di prodotto j prodotti ; x j : Quantità di prodotto j prodotti che si vuole realizzare.
27 Ripartizione di Risorse: Modello PL Otteniamo il seguente problema di PL: max n c j x j j=1 n a ij x j b i i = 1,...,m j=1 0 x j d j j = 1,...,n (2)
AMPL 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
AMPL: 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
Pianificazione Multiperiodo
Pianificazione Multiperiodo Si vuole pianificare la produzione di tre prodotti A 1, A 2, A 3, su un orizzonte temporale di quattro mesi, da Gennaio ad Aprile. La domanda cambia non solo da un prodotto
AMPL: Risoluzione di Problemi Nonlineari Parte 2
AMPL: Risoluzione di Problemi Nonlineari Parte 2 Dipartimento di Matematica Università di Padova Corso di Laurea Matematica Outline Esempio 1: Gestione Ottima di un Portafoglio Titoli Esempio 1 Abbiamo:
Miscelazione 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
Ottimizzazione Combinatoria
Ottimizzazione Combinatoria Esercitazione AMPL A.A. 2-22 Esercitazione a cura di Silvia Canale contatto e-mail: [email protected] Università i di Roma La Sapienza Dipartimento di Informatica e Sistemistica
Appunti delle Esercitazione di Ricerca Operativa AMPL Plus v1.6
Appunti delle Esercitazione di Ricerca Operativa AMPL Plus v1.6 acuradig.liuzzi a.a. 2001-2002 1 Uso di variabili e parametri a 3 o più dimensioni: un modello di pianificazione Negli esempi precedenti
Prova di Ricerca Operativa - canale (A-L)
Prova di Ricerca Operativa - canale (A-L) Ingegneria Gestionale Un industria produce 4 differenti prodotti P1, P2, P3, P4 ciascuno dei quali deve essere lavorato in tutti i suoi 3 reparti. La tabella che
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 23. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 0-3 Homework n 3 Docente: Laura Palagi HOMEWORK DI RICERCA OPERATIVA Realizzato da : Bartolini Giancarlo Cornacchione
Introduzione. 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
Data Science A.A. 2018/2019
Corso di Laurea Magistrale in Economia Data Science A.A. 2018/2019 Esercitazione GAMS 1 Data Science 2018/2019 1 Esercizio 1 - AVL La AVL produce tre composti chimici, A, B e C, che possono essere venduti
MICROSOFT EXCEL FORMULE E FUNZIONI
MICROSOFT EXCEL FORMULE E FUNZIONI Lezione 1.2 a.a. 2016-2017 Ing. Giulia Fiscon Sommario Introduzione Microsoft Excel Lavorare con i fogli di calcolo Riferimenti di cella Formule e Funzioni Funzioni logiche
AMPL 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
Laboratorio 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
Ottimizzazione Combinatoria
Ottimizzazione Combinatoria Esercitazione AMPL A.A. 2010-20112011 Esercitazione a cura di Silvia Canale contatto e-mail: [email protected] Università i di Roma La Sapienza Dipartimento di Informatica
Programmazione Matematica: III.1 - Programmazione Lineare
Programmazione Matematica: III.1 - Programmazione Lineare Daniele Vigo D.E.I.S. Università di Bologna [email protected] rev. 1.0 ottobre 2003 Programmazione Lineare Def.: (F, ϕ ) è un problema di Programmazione
Modelli 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
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.
Esaminiamo 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
Linguaggi 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
Problema del Trasporto
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,
Progetto e ottimizzazione di reti 2
Progetto e ottimizzazione di reti 2 Esercitazione AMPL A.A. 2009-2010 Esercitazione a cura di Silvia Canale contatto e-mail: [email protected] Università di Roma La Sapienza Dipartimento di Informatica
Ricerca 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:
Progetto 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: [email protected] Università di Roma La Sapienza Dipartimento di Informatica
Esercitazione 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
Corso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Programmi Un elaboratore riceve dei dati in ingresso, li elabora secondo una sequenza predefinita di operazioni e infine restituisce il risultato sotto forma
Breve guida all uso di AMPL
Breve guida all uso di AMPL Renato Bruni AMPL (A Modeling Language for Mathematical Programming) è un linguaggio di modellazione per la programmazione matematica. Serve ad esprimere un problema di ottimizzazione
Matematica per le Applicazioni Economiche I (M-P)
Matematica per le Applicazioni Economiche I (M-P) Corsi di Laurea in Economia Aziendale, Economia e Commercio, a.a. 06-7 Esercizi su Calcolo Differenziale. Per la seguente funzione, dato 0, si utilizzi
Fogli Elettronici. Idoneità Informatica Prof. Mauro Gaspari
Fogli Elettronici Idoneità Informatica Prof. Mauro Gaspari Cosa è un foglio elettronico. Strumento per raccogliere dati organizzati in tabelle e farci delle operazioni: Le celle contengono numeri o altri
Esercizi di Modellazione Lineare Intera
Esercizi di Modellazione Lineare Intera Domenico Salvagnin 2013-11-25 1. Miscelazione di prodotti Una raffineria produce tre tipi di benzina (A,B,C), ciascuna delle quali si ottiene mescolando 4 prodotti
Gestione 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
COMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria dell Automazione, Informatica, Matematica e Telecomunicazioni COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano [email protected] Sito web: http://home.dei.polimi.it/amaldi/cro-09.shtml
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 28 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 28 Prof.ssa Ing. Laura Palagi
Modello di miscelazione per il corso di Laboratorio di Ricerca Operativa
Modello di miscelazione per il corso di Laboratorio di Ricerca Operativa Modello di miscelazione Il problema è tratto dal libro W. L. Winston. Operations Research, Application and Algorithms, 4th Edition,
IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
1 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.
Ottimizzazione Combinatoria
Ottimizzazione Combinatoria Esercitazione AMPL A.A. 2009-2010 Esercitazione a cura di Silvia Canale contatto e-mail: [email protected] Università di Roma La Sapienza Dipartimento di Informatica e
Potenze, esponenziali e logaritmi 1 / 34
Potenze, esponenziali e logaritmi / 34 Grafico della funzione x 2 e x 2 / 34 y f(x)=x 2 y=x f (x)= x x Le funzioni potenza 3 / 34 Più in generale, si può considerare, per n N, n>0, n pari, la funzione
ESERCIZI DI ANALISI MATEMATICA Università di Firenze - Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica M Z Prof. M.
ESERCIZI DI ANALISI MATEMATICA Università di Firenze - Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica M Z Prof. M.Patrizia Pera Insiemi e numeri reali Parte -a. Risolvere le seguenti disequazioni:
COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04
COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04 Esercizio 1 Si risolva con il metodo branch-and-bound il seguente problema di PLI max x 1 + x 4x 1 + x + x = 0 x 1 + x + x 4 = x 1, x, x, x 4 0 x 1, x,
Problema 6 * * * x = numero di cassonetti di tipo A y = numero di cassonetti di tipo B f(x, y) = 500x + 600y da massimizzare Vincoli:
Problema 6 Un industria specializzata produce due tipi di cassonetti A e B per la raccolta differenziata dei rifiuti. Le macchine utilizzate per la produzione non possono produrre giornalmente più di 40
Lezioni 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
Ricerca 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
CONTABILITÀ GESTIONALE: METODI DI CALCOLO DEI COSTI
Prova di verifica CONTABILITÀ GESTIONALE: METODI DI CALCOLO DEI COSTI di Rossana MANELLI ATTIVITÀ DIDATTICHE 1 MATERIE: ECONOMIA AZIENDALE (Classe 5 a IT Indirizzo AFM; Articolazione SIA; Articolazione
Corso di Analisi Matematica. Polinomi e serie di Taylor
a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli
Corso 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
Introduzione 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
Corso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
Problemi di Ottimizzazione
Problemi di Ottimizzazione Obiettivo: misura della qualità di una soluzione. Vincoli: condizioni che devono essere soddisfatte per ottenere una soluzione ammissibile. Problema di Ottimizzazione: determina
