2. SIMPLESSO. Ricerca Operativa. 2 Esercizi sul simplesso. Politecnico di Torino CeTeM

Documenti analoghi
Algoritmo del simplesso

2. ALGORITMO DEL SIMPLESSO

ALGORITMO DEL SIMPLESSO. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Simplesso / 1.

4.5 Metodo del simplesso

Corso di Matematica Applicata A.A

4. METODI DUALI DEL SIMPLESSO

4.5 Metodo del simplesso

x 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 =

min 2x 1 +4x 2 2x 3 +2x 4 x 1 +4x 2 +2x 3 + x 4 =6 2x 1 + x 2 +2x 3 + x 5 =3 x 0.

Esempi di Problemi di Programmazione Lineare

1 Il metodo dei tagli di Gomory

LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO. 1di 18

Il metodo del simplesso

SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11

Università Ca Foscari Venezia

5.4.5 Struttura dell algoritmo ed esempi

Introduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

L ALGORITMO DEL SIMPLESSO REVISIONATO

Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III)

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II)

Ricerca Operativa. G. Liuzzi. Giovedí 19 Marzo Tableau del Simplesso Esempio Fase I del Simplesso Esempio

Esercizio 1. Variabili decisionali:

Metodo delle due fasi

Convergenza del Simplesso e regole anti-ciclaggio

Teorema Data una base ammissibile B della matrice A del problema (7.3.1). Se per qualche indice i {1,...,n m} abbiamo che:

RICERCA OPERATIVA. Stock bamboline automobiline libri peluches costo (euro)

Si consideri il seguente tableau ottimo di un problema di programmazione lineare

Esercizi sulla Programmazione Lineare Intera

Soluzione dei Problemi di Programmazione Lineare

A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 13 giugno 2011

5.1 Metodo Branch and Bound

Esercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania

Si considera, come al solito, un problema di programmazione lineare in forma standard:

Programmazione Matematica: V- La forma Tableau

RICERCA OPERATIVA. Tema d esame del 04/03/2008 (Simulazione)

Programmazione Matematica / A.A Soluzioni di alcuni esercizi

Prova Scritta di Ricerca Operativa

Convergenza del Simplesso e regole anti-ciclaggio

Programmazione Matematica / A.A Soluzioni di alcuni esercizi

COMPITO DI RICERCA OPERATIVA. max 3x 1 + 2x 2 x x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3

Prova Scritta di Ricerca Operativa

Prerequisiti didattici

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)

COMPITO 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.

Algoritmo del Simplesso

Costi ridotti e ottimalità

Esame di Ricerca Operativa del 19/02/2019. Esercizio 1. Risolvere il seguente problema di programmazione lineare applicando l algoritmo del simplesso:

RICERCA OPERATIVA. Tema d esame del 04/12/2008 (Simulazione 2)

Programmazione Lineare: problema del trasporto Ing. Valerio Lacagnina

Esercizio 1. min. Esercizio 2. Esercizio 3

Simplesso Revised. Domenico Salvagnin

Programmazione Matematica: VII La scomposizione di Dantzig Wolfe

Esercizi sulla Programmazione Lineare. min. cx Ax b x 0

RICERCA OPERATIVA. Tema d esame del 13/12/2005

5. ANALISI DI SENSIBILITÀ

PROGRAMMAZIONE LINEARE E DUALITA'

Domini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):

Ricerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto

4.4 Programmazione quadratica

Ricerca Operativa A.A. 2007/ Analisi di sensitività

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare

Algoritmi generali per PLI

RICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola:

RICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:

min 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso

Programmazione Matematica: I - Introduzione

Il metodo del simplesso. Il metodo del simplesso p. 1/8

A T x b x 0. che chiameremo problema primale, possiamo associare ad esso un altro problema di PL, detto problema duale, definito come segue.

Programmazione lineare

Prova Scritta di Ricerca Operativa

1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44;

Algoritmi generali per PLI

COMPITO DI RICERCA OPERATIVA. max 8 5x 1 3x 2 x 3 = 1 + 4x 1 + x 2 x 4 = 1 x 1 + x 2 x 5 = 5 x 1 x 2

RICERCA OPERATIVA (a.a. 2014/15) Nome: Cognome: Matricola:

Il valore di flusso che si ottiene è

DUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1

12.1 IL PROBLEMA DEL CAMMINO MINIMO: L ALGORITMO DI DIJKSTRA

Geometria BAER I canale Foglio esercizi 3

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI

LA FASE II DEL METODO DEL SIMPLESSO Convergenza del metodo del simplesso

Sviluppando ancora per colonna sulla prima colonna della prima matrice e sulla seconda della seconda matrice si ottiene:

A.A Fondamenti di Ricerca Operativa. 2. Determinare β affinchè il poliedro descritto dal sistema di disequazioni

Possibile applicazione

Figura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.

RICERCA OPERATIVA (a.a. 2018/19)

Esame di Ricerca Operativa del 28/05/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

RICERCA OPERATIVA (a.a. 2014/15) Nome: Cognome: Matricola:

Esame di Ricerca Operativa del 09/01/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

RICERCA OPERATIVA (a.a. 2017/18) Nome: Cognome: Matricola:

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Soluzione. Il dominio E consiste nella parte di spazio contenuta nella sfera ma esterna al cono rappresentata in Figura 1. Infatti

L ANALISI POST-OTTIMALE

RICERCA OPERATIVA prova scritta del 23 giugno 2011

COMPITO DI RICERCA OPERATIVA. max 5 2x 1 + 3x 2 x 3 = 2 + x 1 5x 2 x 4 = 5 + x 2. x 5 = 1 + x 1 x 2

RICERCA OPERATIVA GRUPPO A prova scritta del 21 luglio 2010

Problemi di flusso a costo minimo

Transcript:

. SIMPLESSO Pagina di

Pagina di Esempio (Simplesso standard) Sia dato il seguente PL: Il tableau del simplesso è il seguente:.. min s t z

Esiste una soluzione di base ammissibile:,,, z La soluzione non è ottima perchè esistono r j < (r -, r -, r -, r -, r -). Viene fatta entrare in base una variabile con costo ridotto negativo, in questo caso. Per decidere la variabile candidata ad uscire, si valutano i rapporti a a La variabile che esce viene indicata dal più piccolo dei rapporti avente denominatore non negativo, in questo caso. Pagina di

Applicando le operazioni di pivot attorno all'elemento a si ottiene una nuova base (, ) con il corrispondente tableau: La soluzione non è ottima perchè esistono r j < (r -, r -, r -). Viene fatta entrare in base una variabile con costo ridotto negativo, in questo caso. Per decidere la variabile candidata ad uscire, si valutano i rapporti a a La variabile che esce viene indicata dal più piccolo dei rapporti avente denominatore non negativo, in questo caso. Pagina di

Applicando le operazioni di pivot attorno all'elemento a si ottiene una nuova base (, ) con il corrispondente tableau: La soluzione non è ottima perchè esistono r j < (r -/). Viene fatta entrare in base una variabile con costo ridotto negativo, in questo caso. Per decidere la variabile candidata ad uscire, si valutano i rapporti La variabile che esce viene indicata dal più piccolo dei rapporti avente denominatore non negativo, in questo caso. Pagina di a 9 a

Applicando le operazioni di pivot attorno all'elemento a si ottiene una nuova base (, ) con il corrispondente tableau: In questo caso il test di ottimalità è superato ("j N r j ). La soluzione ottima è:,,,, z - Pagina di

Pagina di Esempio (Simplesso standard) Sia dato il seguente PL:.. min s t z

Come si vede non c'è una soluzione di base disponibile per cui si aggiunge ad ogni riga una variabile artificiale e si crea il problema artificiale (FASE I): minw s. t. Si ricavano e dalle espressioni precedenti e si sostituiscono nella nuova funzione obiettivo ricavando: minw Pagina di

Il tableau della fase I del Simplesso sarà allora il seguente: b La soluzione relativa alla fase di ammissibilità non è ottima perchè esistono r j < (r -, r -, r -). Viene fatta entrare in base una variabile con costo ridotto negativo, in questo caso. Per decidere la variabile candidata ad uscire, si valutano i rapporti a La variabile che esce viene indicata dal più piccolo dei rapporti avente denominatore non negativo, in questo caso. a Pagina 9 di

Applicando le operazioni di pivot attorno all'elemento a si ottiene una nuova base (, ) con il corrispondente tableau: La soluzione relativa alla fase di ammissibilità non è ottima perchè esistono r j < (r -/, r -/). Viene fatta entrare in base una variabile con costo ridotto negativo, in questo caso. Per decidere la variabile candidata ad uscire, si valutano i rapporti La variabile che esce viene indicata dal più piccolo dei rapporti avente denominatore non negativo, in questo caso. Pagina di a a b

Applicando le operazioni di pivot attorno all'elemento a si ottiene una nuova base (, ) con il corrispondente tableau: Il test di ottimalità relativo alla fase di ammissibilità è ora superato, ossia si è ottenuta una soluzione ammissibile di base ed è perciò possibile eliminare le colonne delle variabili artificiali. Per tornare al problema originale bisogna aggiornare anche la funzione obiettivo; uno dei modi consiste nel ricavare e dalle equazioni e sostituirle nella funzione obiettivo originale. A questo punto inizia la FASE II. b Pagina di

Il nuovo tableau del simplesso sarà: La soluzione non è ottima perchè esistono r j < (r -). Viene fatta entrare in base una variabile con costo ridotto negativo, in questo caso. Per decidere la variabile candidata ad uscire, si valutano i rapporti a La variabile che esce viene indicata dal più piccolo dei rapporti avente denominatore non negativo, in questo caso. a b Pagina di

Applicando le operazioni di pivot attorno all'elemento a si ottiene una nuova base (, ) con il corrispondente tableau: La soluzione ottima del PL quindi è: b,,, z Si noti il fatto che se all'ultima iterazione della fase di ammissibilità si fosse fatto entrare in base la variabile, la soluzione ottima sarebbe stata raggiunta con un'iterazione in meno. Pagina di

Siano: SIMPLESSO REVISIONAO r : inverso b : : vettore della soluzione costi base ridotti corrente corrente iterazione I passi del Simplesso revisionato sono i seguenti:. Calcolare: λ r c c λ corrente Se r SOP, è la soluzione ottima.. Scegliere una variabile q con costo ridotto r q negativo. Il vettore a q entra in base. Calcolare q - a q (è il vettore a q espresso nei termini della base corrente). all' Pagina di

. Se iq "i SOP, PROLEMA ILLIMIAO Altrimenti trovare il vettore che lascia la base calcolando i rapporti i / iq e scegliendo il minimo.. Aggiornare - e - b. ornare al passo. Pagina di

Pagina di Esempio (Simplesso Revisionato) Sia dato il seguente PL: Il tableau del simplesso è il seguente:.. min s t z

Esiste una soluzione di base ammissibile disponibile (,,,, z ) e quindi si applica direttamente la fase II dell'algoritmo del Simplesso. Iterazione I c [ ] C [ ] [ ] z c Pagina di

λ r Iterazione c c λ [ ] [ ] La soluzione non è ottima perchè esistono r j < (r -, r -, r -). Viene fatta entrare in base una variabile con costo ridotto negativo, in questo caso. Si calcola a Pagina di

Pagina 9 di Siccome esistono delle componenti non negative del vettore, per decidere la variabile candidata ad uscire si valutano i rapporti La variabile che esce viene indicata dal più piccolo dei rapporti avente denominatore non negativo, in questo caso. Si ottiene: I [ ] [ ] C c c z

Pagina di Iterazione La soluzione non è ottima perchè esistono r j < (r -). Viene fatta entrare in base una variabile con costo ridotto negativo, in questo caso. Si calcola [ ] c λ a [ ] c r λ

Pagina di Siccome esistono delle componenti non negative del vettore, per decidere la variabile candidata ad uscire si valutano i rapporti La variabile che esce viene indicata dal più piccolo dei rapporti avente denominatore non negativo, in questo caso. Si ottiene: [ ] [ ] C c c z I

Pagina di Iterazione In questo caso il test di ottimalità è superato ("j N r j ). La soluzione ottima è: c λ c r λ,,,, z