Esercizi soluzione grafica e Branch and Bound. Daniele Vigo

Documenti analoghi
città

Esame di Ricerca Operativa del 07/09/2016

Esame di Ricerca Operativa del 09/02/2016

Fac-simile dell esame di Ricerca Operativa. max 7 x 1 2 x 2 3 x 1 +x 2 2 x 1 2 x 2 3 x x 1 +x x 1 x 2 5

Esame di Ricerca Operativa del 11/02/2015

Esame di Ricerca Operativa del 25/06/12

Esame di Ricerca Operativa del 08/09/17

Esame di Ricerca Operativa del 15/01/2015

Esame di Ricerca Operativa del 15/01/2015

Esame di Ricerca Operativa del 05/09/18

Esame di Ricerca Operativa del 17/07/17. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa. x 1 +2 x 2 6 x 1 +x 2 6 x 1 4 x 1 1

Esame di Ricerca Operativa del 19/01/2016

Esame di Ricerca Operativa del 21/07/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa

Esame di Ricerca Operativa del 16/06/2015

Problema 6 * * * x = numero di cassonetti di tipo A y = numero di cassonetti di tipo B f(x, y) = 500x + 600y da massimizzare Vincoli:

Esame di Ricerca Operativa del 19/01/2016

Corso di Ricerca Operativa Prova in itinere del 06/11/2015

Esame di Ricerca Operativa del 09/06/14. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

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

Programmazione Matematica: III.1 - Programmazione Lineare

Esame di Ricerca Operativa del 21/06/17

Soluzione dei problemi di Programmazione Lineare Intera

Esame di Ricerca Operativa del 16/07/18

Esame di Ricerca Operativa del 15/01/19. max 6 x 1 x 2 6 x x x 1 +2 x x 1 3 x x 1 4 x x 1 +2 x x 1 x 2 19

Esame di Ricerca Operativa del 11/07/2016

Preappello di metodi matematici per le decisioni economiche e aziendali A

Esame di Ricerca Operativa del 08/01/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Corso di Ricerca Operativa Esercitazione del 07/10/2015

2. Si definisca un algoritmo euristico di tipo greedy per determinare una buona soluzione ammissibile del problema;

Esame di Ricerca Operativa del 16/02/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

1 Il metodo dei tagli di Gomory

Esame di Ricerca Operativa del 03/09/2015

Esame di Ricerca Operativa del 16/01/18. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

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

Esame di Ricerca Operativa del 06/02/17

COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04

Esercizi sulla Programmazione Lineare Intera

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.

Esame di Ricerca Operativa del 13/06/17. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

3.4 Metodo di Branch and Bound

5.3 Metodo dei piani di taglio

Soluzione dei problemi di Programmazione Lineare Intera

Data Science A.A. 2018/2019

Esame di Ricerca Operativa del 04/07/17

Esame di Ricerca Operativa del 12/02/18. P 1 P 2 P 3 P 4 P 5 P 6 Peso bagaglio km di viaggio

Esame di Ricerca Operativa del 18/06/18

Ricerca Operativa. Esercizi proposti

Esame di Ricerca Operativa del 30/06/14. max 4 x 1 7 x 2 x 1 +7 x 2 7 x 1 4 x 2 7 x 1 +5 x 2 5 x 1 x 2 5 x 2 1 x 1 +4 x 2 6

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

COMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 + x 2 1 x 1 + x 2 2. Lo si trasformi in forma standard e se ne determini una soluzione ottima.

Prima prova Intermedia di Ricerca Operativa 2 COMPITO A Esercizio 1 (7 punti): LIFO

Esame di Ricerca Operativa del 23/02/17

Business Analytics and Decisions Science. Modelli di Programmazione Lineare A.A

Ricerca Operativa A.A. 2007/ Esercitazione di laboratorio: Branch and Bound.

Modulo di Ricerca Operativa 1 Canale J Z, A.A Prova in Itinere 26 gennaio Testo d esame A turno 1

Prova Scritta di Ricerca Operativa Prof. Facchinei 02/07/2002

Esame di Ricerca Operativa del 21/02/19. max 3 x 1 +x 2 6 x x x 1 +2 x x 1 3 x x 1 4 x x 1 +2 x x 1 x 2 3

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

PROGRAMMAZIONE LINEARE A NUMERI INTERI

Problemi. sbj. x 0, x intero

Lezione n 16. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott.

COMPITO DI RICERCA OPERATIVA APPELLO DEL 07/04/04

Il Branch & Bound. Definizione 1. Sia S R n. La famiglia S = {S 1, S 2,..., S k S} tale che S 1 S 2 S k = S viene detta suddivisione di S.

Esame di Ricerca Operativa del 20/02/18

Esercizio 1. Esercizio 2

1.4 Si risolva mediante gli scarti complementari il duale del problema dato.

La programmazione lineare

Fondamenti di Ricerca Operativa TA Corso di Laurea in Ingegneria Gestionale Esercizi Modellazione

Modelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli

PROVE D'ESAME 1997/98

5.1 Metodo Branch and Bound

Programmazione a numeri interi: il metodo del Branch and Bound

COMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 2x 2 + x 3 = 4 x 1 x 2 x 3 = 3 x 2 + 2x 3 = 1 x 1, x 2, x 3 0

Fondamenti di Business Analytics classi M2/M3 Michele Impedovo anno accademico

Ricerca Operativa a.a : III appello

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

Problemi dello zaino e di bin packing

Ricerca Operativa a.a : IV appello

Excel: una piattaforma facile per l ottimizzazione. Excel ha un toolbox di ottimizzazione: Risolutore

S 1 V. Lago S 2. Esercizio 2

Algoritmo di Branch & Bound

Algoritmo Branch and Cut (B&C)

Modello di miscelazione per il corso di Laboratorio di Ricerca Operativa

Esame di Ricerca Operativa del 09/06/15. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Domande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio Istituto di Analisi dei Sistemi ed Informatica IASI - CNR

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

Esame di Ricerca Operativa - 21 gennaio 2009 Facoltà di Architettura - Udine - CORREZIONE -

Massimo flusso e matching

Transcript:

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 giornaliera degli animali. Nel discount di fiducia sono disponibili due tipi di mangimi A e B, un etto dei quali costa, rispettivamente, 50 e 65 Cent. Un etto di mangime A contiene 25 grammi di proteine e una unità di vitamine, mentre un etto di B contiene 40 grammi di proteine e una unità di vitamine. Ogni giorno gli animali necessitano complessivamente di 100 grammi di proteine e di tre unità di vitamine. Definire il modello di programmazione lineare per la determinazione del mix ammissibile di minimo costo. Esercizi soluzione grafica e B&B 1

Modello X1, X2 = n. di etti di mangimi A e B acquistati Min 50X1 + 65X2 s.t. 25X1 + 40X2 100 X1 + X2 3 X1, X2 0 Esercizi soluzione grafica e B&B 2

Soluzione Grafica Esercizi soluzione grafica e B&B 3

Mix di produzione Una fabbrica produce due prodotti A e B in lotti indivisibili utilizzando una risorsa P. Per ogni lotto di A prodotto sono necessarie tre unità di P e per ogni lotto di B prodotto ne sono necessarie cinque. Per motivi contrattuali i lotti di B prodotti non devono essere più di 2 per ciclo di lavorazione. Sapendo che della risorsa P sono disponibili quindici unità per ciclo di lavorazione e che il profitto del prodotto B è doppio del profitto del prodotto A, definire il modello ILP che massimizza il profitto complessivo. Esercizi soluzione grafica e B&B 4

Modello X1 = unità di composto A prodotti X2 = unità di composto B prodotti Max Z = X1 + 2X2 s.t. 3X1 + 5X2 15 X2 2 X1, X2 0 Esercizi soluzione grafica e B&B 5

Soluzione Grafica (rilassamento PL) Esercizi soluzione grafica e B&B 6

Mix di produzione 2 Un azienda multinazionale produce due tipi di dentifricio, UltraWhite (U) e Combo (C). La strategia commerciale dell azienda impone che il quantitativo di dentifricio C prodotto e immesso sul mercato non superi quello di U più di una volta e mezzo. Il prezzo di vendita dei due dentifrici è per entrambi uguale a 5 Euro per confezione. Ogni confezione di dentifricio U richiede 6 g di fluoro e 8 g di aromi. Ogni confezione di dentifricio C richiede invece 5 g di fluoro e 16 g di aromi. Si richiede la determinazione della produzione giornaliera ottima dei dentifrici sapendo che quotidianamente l azienda è in grado di trattare 300 Kg di fluoro e 640 Kg di aromi Esercizi soluzione grafica e B&B 7

Modello X1 = decine di migliaia di confezioni di U prodotte X2 = decine di migliaia di confezioni di C prodotte Z in decine di migliaia di Euro (profitto di 5 Euro per confezione) Z = Max 5 X1 + 5 X2 s.t. 6X1 + 5X2 30 8X1 + 16X2 64 3X1 + 2X2 0 X1, X2 0 Dividendo per 8 il secondo vincolo si ottiene X1 + 2X2 8 Esercizi soluzione grafica e B&B 8

Soluzione Grafica X2 Soluzione Ottima : X1= 20/7 *10 5 =28571,4, X2 =18/7 *10 5 =25714,2; profitto complessivo 19.000.000/7 = 271428,5 Euro X1=20/7 X2=18/7 Esercizi soluzione grafica e B&B 9 X1

Taglio di rettangoli Filippo deve determinare i pattern di taglio ottimo con cui ricavare due tipi di rettangoli, denominati A e B, da alcuni fogli di cartoncino colorato. Dopo molta applicazione ha determinato due pattern alternativi con cui tagliare un singolo foglio. Il primo pattern permette di ricavare 3 rettangoli di tipo A e 2 di tipo B, mentre il secondo pattern permette di ricavarne 4 e 6 rispettivamente. Il numero di esemplari minimo che deve essere ricavato per ciascun tipo di rettangolo è pari a 12. Inoltre, il tempo richiesto per ritagliare un pattern del primo tipo è pari a 5 minuti, mentre il tempo necessario per ritagliare un pattern del secondo tipo è pari a 9 minuti. I pattern possono essere impiegati entrambi in qualsiasi combinazione e gli eventuali esemplari di rettangolo prodotti in eccesso rispetto ai minimi richiesti sono ininfluenti. Scrivere il modello di programmazione lineare intera che permette di determinare il numero di pattern da utilizzare in modo che sia minimizzato il tempo complessivo necessario a ritagliare i fogli necessari. Esercizi soluzione grafica e B&B 10

Modello X1, X2 = n. di pattern di tipo 1 e 2 da utilizzare Min 5X1 + 9X2 s.t. 3X1 + 4X2 12 2X1 + 6X2 12 X1, X2 0 Esercizi soluzione grafica e B&B 11

Soluzione Grafica (rilassamento PL) Esercizi soluzione grafica e B&B 12

Modello Intero Si supponga ora necessario determinare una soluzione intera. Risolvere il problema mediante il metodo branch and bound. A tal fine: Si risolvano gli eventuali rilassamenti continui necessari PER VIA GRAFICA, utilizzando un disegno diverso per ogni problema ed indicandovi con chiarezza la regione ammissibile del sottoproblema (tagli generati dal Branch and bound) e la relativa soluzione ottima. Per il Branching si selezioni la variabile frazionaria di indice MINIMO e si sviluppi il nodo relativo al problema più promettente. Si disegni l'albero decisionale sviluppato indicando per ciascun nodo il valore del bound e la soluzione ottenuta. Si indichi la soluzione ottima complessiva trovata. Esercizi soluzione grafica e B&B 13

Branch and Bound Branching sulla variabile frazionaria di indice MINIMO (X1=12/5): P1: problema associato al taglio X1 2 P2: problema associato al taglio X1 3 Esercizi soluzione grafica e B&B 14

Branch and Bound Esercizi soluzione grafica e B&B 15

Albero Decisionale Esercizi soluzione grafica e B&B 16

Investimenti Una società deve investire gli utili conseguiti a fine anno che ammontano a 3.000 Euro. Per l investimento può utilizzare due diversi fondi di investimento, acquistabili in lotti indivisibili di 1.000 quote ciascuno. Il primo tipo di fondo costa 500 Euro per lotto e rende il 6% annuo, mentre il secondo tipo di fondo costa 600 Euro per lotto e rende il 2,5% annuo. Per contenere il rischio la società stabilisce inoltre che il numero di lotti del secondo tipo acquistati deve superare di almeno una unità il numero di lotti di primo tipo acquistati. Scrivere il modello di programmazione lineare intera che permette di determinare l investimento da realizzare in modo che sia massimizzato il ricavo annuo conseguibile. Esercizi soluzione grafica e B&B 17

Modello X1, X2 = n. di lotti di fondo 1 e 2 da acquistare Il profitto deve essere espresso in Euro (massimizzazione del ricavo) Fondo 1: 6% di 500 Euro= 30 Euro Fondo 2: 2,5% di 600 Euro= 15 Euro Max 30X1 + 15X2 s.t. 500X1 + 600X2 3000 -X1 + X2 1 X1, X2 0 Esercizi soluzione grafica e B&B 18

Soluzione Grafica (rilassamento PL) Esercizi soluzione grafica e B&B 19

Modello Intero Si supponga ora necessario determinare una soluzione intera. Risolvere il problema mediante il metodo branch and bound. A tal fine: Si risolvano gli eventuali rilassamenti continui necessari PER VIA GRAFICA, utilizzando un disegno diverso per ogni problema e indicandovi con chiarezza la regione ammissibile del sottoproblema (tagli generati dal Branch and bound) e la relativa soluzione ottima. Per il Branching si selezioni la variabile frazionaria di indice MINIMO e si sviluppi il nodo relativo al problema più promettente. Si disegni l'albero decisionale sviluppato indicando per ciascun nodo il valore del bound e la soluzione ottenuta. Si indichi la soluzione ottima complessiva trovata. Esercizi soluzione grafica e B&B 20

Branch and Bound Branching sulla variabile frazionaria di indice MINIMO (X1=24/11): P1: problema associato al taglio X1 2 P2: problema associato al taglio X1 3 Esercizi soluzione grafica e B&B 21

Branch and Bound È necessario ramificare ulteriormente. L unico nodo attivo è P1 la cui soluzione è (2,20/6). Branch su X2=20/6. P3: problema associato al taglio X2 3 P4: problema associato al taglio X2 4 Esercizi soluzione grafica e B&B 22

Albero Decisionale Esercizi soluzione grafica e B&B 23

Scienziati pazzi? Filippo e Tommaso devono decidere come realizzare due potenti pozioni (M ed N) con il piccolo chimico, utilizzando un unica materia prima di base di cui in casa sono disponibili 3,6 Kg. Ogni Kg di M richiede 0,9 Kg di materia prima, mentre ogni Kg di N ne richiede 1,2. Per motivi di sicurezza il quantitativo di pozione N prodotta non può superare quella di tipo M prodotta di più di 1 hg. Inoltre è necessario produrre almeno 1 hg di pozione N. Dopo alcune prove sperimentali Filippo ha stimato che la potenza della pozione N sia doppia di quella di M. Le pozioni si possono produrre solo in multipli interi di 1 etto. Esercizi soluzione grafica e B&B 24

Modello X1, X2 = n. di hg di pozione M ed N prodotti Max X1 + 2X2 s.t. 9X1 + 12X2 36 -X1 + X2 1 X2 1 X1, X2 0 Esercizi soluzione grafica e B&B 25

Soluzione grafica (rilassamento PL) X1=8/7 X2=15/7 Soluzione ottima : X1= 8/7, X2 = 15/7, z = 38/7 = 5.4 Esercizi soluzione grafica e B&B 26

Branch and Bound Branching sulla variabile frazionaria di indice MINIMO (X1=8/7=1.14 ): P1: problema associato al taglio X1 1 P2: problema associato al taglio X1 2 Esercizi soluzione grafica e B&B 27

Problema P1 P1 X1=1 X2=2 Esercizi soluzione grafica e B&B 28

Albero decisionale P0 X=(8/7,15/7) UB= 38/7 = 5 X1 1 X2 2 X=(1, 2) Z=UB= 5 INTERA P1 P2 NON VA SVILUPPATO IN QUANTO Z(P1) =UB(P0) Esercizi soluzione grafica e B&B 29