4.6 Dualità in Programmazione Lineare

Documenti analoghi
Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1.

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott.

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

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Corsi di Laurea in Farmacia e CTF Prova di Matematica

RICERCA OPERATIVA GRUPPO B prova scritta del 22 gennaio 2009

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Flusso a costo minimo

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

PROBLEMI DI ALLOCAZIONE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Trasporti / 1.

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

Flusso a costo minimo

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Support Vector Machines. Macchine a vettori di supporto

Calcolo Scientifico e Matematica Applicata Secondo Parziale, Ingegneria Ambientale

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III

Esercizi sulle reti elettriche in corrente continua (parte 2)

RICERCA OPERATIVA GRUPPO A prova scritta del 12 febbraio 2009

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

RICERCA OPERATIVA GRUPPO B prova scritta del 12 febbraio x2

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4

Massimizzazione del profitto e offerta concorrenziale

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

LE FREQUENZE CUMULATE

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

Teoria dell informazione e Meccanica Statistica

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

Propagazione degli errori

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, SGI E SPS, A.A. 2006/07, GEMMA PARMEGGIANI

FISICA. S = Q rev 373K

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, SGI E SPS, A.A. 2005/06, GEMMA PARMEGGIANI

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Esame di metodi matematici per le decisioni economiche e aziendali

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

1. La domanda di moneta

Tangenti a una conica: il metodo del Doppio sdoppiamento 1

Competizione di prezzo. Cles a.a

1. Fissato un conveniente sistema di riferimento cartesiano Oxy si studino le funzioni f e g e se ne disegnino i rispettivi grafici G, G.

Lezione n La concentrazione

Sistemi Intelligenti Stimatori e sistemi lineari - III

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, A.A. 2003/04, GEMMA PARMEGGIANI

03/03/2012. Campus di Arcavacata Università della Calabria

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

Metodi ad un passo espliciti con passo adattivo Metodi Runge - Kutta

G. Parmeggiani 3/6/2019. Algebra e matematica discreta, a.a. 2018/2019, Scuola di Scienze - Corso di laurea:

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, A.A. 2003/04, GEMMA PARMEGGIANI

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

La soluzione delle equazioni differenziali con il metodo di Galerkin

6 Prodotti scalari e prodotti Hermitiani

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

Risposta in frequenza

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Teoremi dei circuiti

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali

1 La domanda di moneta

Teoria economica della produzione e dei costi. (a cura del prof. Mario C. Sportelli)

Algebra Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

La teoria microeconomica del consumo

SVM learning. WM&R a.a. 2010/11. A. Moschitti, R. Basili

Definizione di campione

SVM learning WM&R a.a. 2015/16

ω 0 =, abbiamo L = 1 H. LC 8.1 Per t il condensatore si comporta come un circuito aperto pertanto la corrente tende a zero: la R

VII esercitazione. Corso di Laurea in Informatica Calcolo Scientifico II a.a. 07/08

Approfondimento Capitolo 4. Definizioni esistono due tipi di grandezze in economia

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione 18

si utilizzano per confrontare le distribuzioni

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

3) Entropie condizionate, entropie congiunte ed informazione mutua

PROBLEMA DI SCELTA FRA DUE REGIMI DI

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni

B - ESERCIZI: IP e TCP:

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Luca Lietti

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

Oltre la regressione lineare

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Transcript:

4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble è uguale alla capactà mnma d un taglo che separa la sorgente s dalla destnazone t. E. Amald Fondament d R.O. Poltecnco d Mlano 1

Sa Motvazone: stma del valore ottmo max z = 4x 1 + x 2 + 5x 3 + 3x 4 x 1 x 2 x 3 + 3x 4 1 5x 1 + x 2 + 3x 3 + 8x 4 55 -x 1 + 2x 2 + 3x 3 5x 4 3 x 0 =1,, 4 stmamo l valore ottmo z *. Per dfetto: (0,0,1,0) z * 5 (2,1,1,1/3) z * 15 (3,0,2,0) z * 22 anche se fortunat non samo cert che sa la soluzone ottma! E. Amald Fondament d R.O. Poltecnco d Mlano 2

Per eccesso? Moltplcando l 2 vncolo per 5/3 s ottene una dsequazone che domna la funzone obettvo: 4x 1 + x 2 + 5x 3 + 3x 4 25/3x 1 + 5/3x 2 + 5x 3 + 40/3x 4 275/3 soluzone ammssble z * 275/3 Sommando 2 e 3 vncolo s ottene: 4x 1 + 3x 2 + 6x 3 + 3x 4 58 z * 58 stma mglore E. Amald Fondament d R.O. Poltecnco d Mlano 3

Stratega generale: combnare lnearmente vncol con fattor moltplcatv non negatv ( -esmo vncolo moltplcato per y 0 ) prmo caso: y 1 =0, y 2 =5/3, y 3 =0 secondo caso: y 1 =0, y 2 =1, y 3 =1 In generale: y 1 (x 1 x 2 x 3 +3x 4 ) + y 2 (5x 1 + x 2 + 3x 3 + 8x 4 ) + y 3 (-x 1 + 2x 2 + 3x 3 5x 4 ) y 1 + 55y 2 + 3y 3 E. Amald Fondament d R.O. Poltecnco d Mlano 4

che equvale a: (y 1 + 5y 2 y 3 ) x 1 + (-y 1 + y 2 + 2y 3 ) x 2 + (-y 1 + 3y 2 + 3y 3 ) x 3 (*) + (3y 1 + 8y 2 5y 3 ) x 4 y 1 + 55y 2 + 3y 3 NB: y 0 altrment camba l verso delle dsequazon Per poter utlzzare l termne d snstra d (*) come lmte superore su z = 4x 1 + x 2 + 5x 3 + 3x 4 E. Amald Fondament d R.O. Poltecnco d Mlano 5

bsogna avere z = 4x 1 + x 2 + 5x 3 + 3x 4 y 1 + 5y 2 y 3 4 -y 1 + y 2 + 2y 3 1 -y 1 + 3y 2 + 3y 3 5 3y 1 + 8y 2 5y 3 3 y 0, =1, 2, 3 In tale caso, qualsas soluzone ammssble x soddsfa n partcolare: 4x 1 + x 2 + 5x 3 + 3x 4 y 1 + 55y 2 + 3y 3 z * y 1 + 55y 2 + 3y 3 E. Amald Fondament d R.O. Poltecnco d Mlano 6

Vsto che cerchamo una stma per eccesso d z * mglore possble: (D) mn y 1 + 55y 2 + 3y 3 y 1 + 5y 2 y 3 4 -y 1 + y 2 + 2y 3 1 -y 1 +3y 2 + 3y 3 5 3y 1 +8y 2 5y 3 3 y 0 =1, 2, 3 Il problema (D) s chama problema duale, quello orgnale s chama problema prmale E. Amald Fondament d R.O. Poltecnco d Mlano 7

In forma matrcale: Prmale (P) max z = c T x Ax b x 0 mn w=b T y Duale (D) A T y c o y T A c T y 0 E. Amald Fondament d R.O. Poltecnco d Mlano 8

Problema duale max z = c T x mn w=b T y (P) Ax b x 0 (D) A T y c y 0 Duale forma per standard? mn z = c T x Ax = b x 0 E. Amald Fondament d R.O. Poltecnco d Mlano 9

Forma standard: mn z = c T x max -c T x (P) Ax = b x 0 A x b -A -b x 0 A x b con A matrce m n duale A T mn (b T b T ) y 1 y 2 y 1 y 2 (A T A T ) -c y 1 0, y 2 0 y = y 1 y 2 E. Amald Fondament d R.O. Poltecnco d Mlano 10

mn (b T b T ) y 1 y 2 y 1 y 2 (A T A T ) -c y 1 0, y 2 0 (D) max w=b T y A T y c y m lbere y y 2 y 1 lbere! mn -b T (y 2 y 1 ) -A T (y 2 y 1 ) -c y 1 0, y 2 0 E. Amald Fondament d R.O. Poltecnco d Mlano 11

Regole general d trasformazone Prmale (mn) m vncol n varabl coeffcent f. obettvo termn not A vncol d = varabl lbere vncol d ( ) varabl 0 ( 0) Duale (max) m varabl n vncol termn not coeffcent f. obettvo A T varabl lbere vncol d = varabl 0 ( 0) vncol d ( ) E. Amald Fondament d R.O. Poltecnco d Mlano 12

Esempo: mn x 1 + x 2 x 1 x 2 2 (P) 3x 1 + 2x 2 12 x 1, x 2 0 duale max 2y 1 + 12y 2 y 1 + 3y 2 1 -y 1 + 2y 2 1 y 1 0, y 2 0 y~ 1 -y 1 max -2y~ 1 + 12y 2 -y~ 1 + 3y 2 1 y~ 1 + 2y 2 1 ~ y 1 0, y 2 0 E. Amald Fondament d R.O. Poltecnco d Mlano 13

oppure: mn x 1 + x 2 x 1 x 2 2 (P) 3x 1 + 2x 2 12 x 1, x 2 0 mn x 1 + x 2 -x 1 + x 2-2 3x 1 + 2x 2 12 x 1, x 2 0 duale max -2y 1 + 12y 2 -y 1 + 3y 2 1 y 1 + 2y 2 1 y 1, y 2 0 E. Amald Fondament d R.O. Poltecnco d Mlano 14

Eserczo: (P) mn 10x 1 + 20x 2 + 30x 3 2x 1 x 2 1 x 2 + x 2 3 x 1 x 3 = 3 x 1 0, x 2 0, x 3 lbera Duale? E. Amald Fondament d R.O. Poltecnco d Mlano 15

Propretà: l duale del problema duale concde con l problema prmale. NB: non mporta quale è d max o d mn mn z = c T x max w = b T y (P) Ax b x 0 (D) A T y c y 0 E. Amald Fondament d R.O. Poltecnco d Mlano 16

Teorema d dualtà debole Sano X {x : Ax b, x 0} ø e Y {y : A T y c, y 0} ø, per ogn soluzone ammssble x X d (P) e ogn soluzone ammssble y Y d (D) s ha che b T y c T x E. Amald Fondament d R.O. Poltecnco d Mlano 17

E. Amald Fondament d R.O. Poltecnco d Mlano 18 Dat x X e y Y, s ha Ax b, x 0 e A T y c, y 0 x T A T ossa c b T y x T A T y x T c = c T x = = = = = = = n m n n m m y c x y a y x a b y 1 1 1 1 1 1 Dm.

Conseguenza: Se x * è ammssble per l problema prmale (P) ( x * X ), y * è ammssble per l problema duale (D) ( y * Y ), e valor delle rspettve funzon obettvo concdono c T x * = b T y *, allora x * è ottma per (P) e y * è ottma per (D). E. Amald Fondament d R.O. Poltecnco d Mlano 19

Teorema d dualtà forte Se X = {x : Ax b, x 0} ø e mn{c T x : x X} fnto esstono x * X e y * Y tal che c T x * = b T y *. mn{ c T x : x X } = max{ b T y : y Y } ottme z = c T x x X ammssble per (P) z * = w * w = b T y y Y ammssble per (D) E. Amald Fondament d R.O. Poltecnco d Mlano 20

Dm. Rcavare soluzone d (D) da soluzone d (P) Sano mn c T x max y T b (P) Ax = b x 0 (D) y T A c T y m e x* soluzone d base ammssble ottma d (P) x x* = * B x * con N x * B = B-1 b x * N = 0 fornta (dopo # fnto d terazon) da metodo del smplesso con regola d Bland. E. Amald Fondament d R.O. Poltecnco d Mlano 21

Consderamo y T c T B B-1 y è soluzone ammssble d (D): c T N = ct N (ct B B-1 )N = c T N yt N 0 T cost rdott delle varabl fuor base ottmaltà d x * y T N c T N E. Amald Fondament d R.O. Poltecnco d Mlano 22

c T B = ct B (ct B B-1 )B = c T B yt B = 0 T y T B c T B cost rdott delle varabl n base I y è ottma per (D): y T b = (c T B B-1 )b = c T B (B-1 b) = c T B x* B = ct x * qund y = y * E. Amald Fondament d R.O. Poltecnco d Mlano 23

Corollaro Data una coppa d problem dual (P) e (D), sono possbl solo 4 cas: P D ottmo PL llmtato PL namms. ottmo 1) PL llmtato PL namms. 2) 3) 4) E. Amald Fondament d R.O. Poltecnco d Mlano 24

Teorema dualtà forte 1) Teorema dualtà debole 2) e 3) 4) non è escluso: mn -4x 1 2x 2 -x 1 + x 2 2 (P) x 1 x 2 1 x 1, x 2 0 max 2y 1 + y 2 -y 1 + y 2-4 (D) y 1 y 2-2 y 1, y 2 0 regon ammssbl vuote E. Amald Fondament d R.O. Poltecnco d Mlano 25

Interpretazone economca Immagnare una stuazone d competzone fra due agent n un mercato Problema della deta: n alment =1,, n m sostanze nutrtve =1,, m (vtamne, ) a b c quanttà d -esma sostanza n untà d -esmo almento fabbsogno d -esma sostanza costo d una untà d -esmo almento E. Amald Fondament d R.O. Poltecnco d Mlano 26

E. Amald Fondament d R.O. Poltecnco d Mlano 27 n x m b x a x c n n 1,..., 0 1,..., 1 1 = = = = (P) (D) mn max m y n c y a y b m m 1,..., 0 1,..., 1 1 = = = =

Interpretazone duale: Una azenda che sntetzza drettamente le m sostanze nutrtve deve decdere l prezzo untaro y per cascuna n modo da massmzzare l proftto. Se l consumatore compra sostanze sntetche ne compra b untà per ogn, 1 m Il costo delle sostanze sntetche deve essere compettvo: m a y c = 1,..., n = 1 costo sostanze sntetche par a 1 untà d -esmo almento E. Amald Fondament d R.O. Poltecnco d Mlano 28

Se programm lnear (P) e (D) sono ammssbl, teorema d dualtà forte z * = w * stuazone d equlbro (due alternatve dello stesso costo) NB: Legame con Teora de goch (goch a somma zero) E. Amald Fondament d R.O. Poltecnco d Mlano 29

Condzon d ottmaltà Dat mn z = c T x max w=b T y (P) X Ax b x 0 (D) Y y T A c T y 0 soluzone ammssble x * X e y * Y sono ottme y *T b = c T x * una equazone n n+m ncognte E. Amald Fondament d R.O. Poltecnco d Mlano 30

Vsto che y *T b y *T Ax * c T x *, abbamo Ax * c T y *T b = y *T Ax * e y *T Ax * = c T x * coè y *T (Ax * -b) = 0 e (c T -y *T A) x * = 0 0 T 0 0 T m+n equazon n n+m ncognte 0 Condzon necessare e suffcent d ottmaltà! E. Amald Fondament d R.O. Poltecnco d Mlano 31

Teorema (degl scart complementar) x * X e y * Y sono ottme se e solo se -esma rga d A scarto s del -esmo vncolo d (P) y * (at x* -b ) = 0 = 1,, m (c T y*t A ) x * = 0 = 1,, n scarto -esmo vncolo d (D) -esma colonna d A All ottmo l prodotto d ogn varable e della varable d scarto corrspondente del problema duale è = 0. E. Amald Fondament d R.O. Poltecnco d Mlano 32

n a = 1 Interpretazone per l problema della deta x * > b y * = 0 Se deta ottma contene un eccesso d -esma sostanza, consumatore non accetterà d pagare y * > 0 * n =1 * y > 0 a x = b Se azenda fssa un prezzo y * > 0 è che l consumatore non ha un surplus d -esma sostanza E. Amald Fondament d R.O. Poltecnco d Mlano 33

m y = 1 * a < c prezzo sostanze contenute n un untà d -esmo almento x * = 0 al consumatore non convene comprare l almento * m =1 * x > 0 y a = c Se l consumatore nclude l -esmo almento nella deta ottma vuol dre che l azenda ha scelto de prezz y * t.c. l prezzo delle sostanze contenute n una untà d -esmo almento non è nferore a c E. Amald Fondament d R.O. Poltecnco d Mlano 34

Esempo: mn 13x 1 + 10x 2 + 6x 3 s.v. 5x 1 + x 2 + 3x 3 = 8 (P) 3x 1 + x 2 = 3 x 1, x 2, x 3 0 max 8y 1 + 3y 2 s.v. 5y 1 + 3y 2 13 (D) y 1 + y 2 10 3y 1 6 Verfcare che x * = (1, 0, 1) ammssble è una sol. ottma non degenere d (P). Supporre che sa vero e dervare, medante le condzon degl scart complementar, la sol. ottma corrspondente d (D). E. Amald Fondament d R.O. Poltecnco d Mlano 35

Poché (P) è n forma standard, le condzon y * (a T x* -b ) = 0 sono automatcamente soddsfatte, 1 2. Quella (c T y*t A ) x * = 0 loèper = 2 vsto che x* 2 = 0. Poché x * 1 > 0 e x* 3 > 0, ottenamo le condzon: 5y 1 + 3y 2 = 13 3y 1 = 6 e qund la soluzone ottma y * 1 = 2 e y * 2 = 1 d (D) con b T y * =19 = c T x *. E. Amald Fondament d R.O. Poltecnco d Mlano 36