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

Documenti analoghi
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.

COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04

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

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

Programmazione Lineare Intera. Programmazione Lineare Intera p. 1/4

5.3 Metodo dei piani di taglio

i completi l'esecuzione dell'algoritmo di programmazione dinamica per questo problema restituendo il valore ottimo e una soluzione ottima del problema

1 Il metodo dei tagli di Gomory

Programmazione Lineare Intera

Programmazione Lineare Intera: Piani di Taglio

La dualità nella Programmazione Lineare

Programmazione Lineare

3.6 Metodi basati sui piani di taglio

Esercizi per il corso di ricerca operativa 1

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

Algoritmi generali per PLI

Teoria della Dualità: I Introduzione

Esercizi di Programmazione Lineare - Dualità

Esercizi sulla Programmazione Lineare Intera

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

PROGRAMMAZIONE LINEARE E DUALITA'

5.5 Metodi dei piani di taglio

Introduzione alla programmazione lineare

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

Esame di Ricerca Operativa del 15/01/2015

Il metodo del simplesso

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015

ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I

Esame di Ricerca Operativa del 16/06/2015

Programmazione a numeri interi: il metodo del Branch and Bound

Soluzione dei problemi di Programmazione Lineare Intera

Esame di Ricerca Operativa del 07/09/2016

Rilassamento Lagrangiano

Possibile applicazione

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

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

L ALGORITMO DEL SIMPLESSO REVISIONATO

Ricerca Operativa A.A. 2007/ Analisi di sensitività

4.5 Metodo del simplesso

Rilassamento Lagrangiano

Contenuto e scopo presentazione. Modelli Lineari Interi/Misti. Piani di taglio. Piani di taglio. Piani di taglio Versione 31/08/

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

Parte III: Algoritmo di Branch-and-Bound

Branch-and-bound per KNAPSACK

Teoria della Programmazione Lineare Intera

Soluzione dei problemi di Programmazione Lineare Intera

Ricerca Operativa (Compito A) Appello del 16/06/2014 Andrea Scozzari

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 =

4.3 Esempio metodo del simplesso

Macchine parallele M 1 M 2 M 3 J 1 J 2 LAVORI J 3 J 4

Esercizio 1. min. Esercizio 2. Esercizio 3

RICERCA OPERATIVA GRUPPO B prova scritta del 22 settembre 2004 FOGLIO 1. Cognome: Nome: Matricola:

Algoritmo di Branch & Bound

Teoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8

Programmazione Lineare: problema del trasporto Ing. Valerio Lacagnina

Algoritmi esatti. La teoria ci dice che per problemi difficili (come il

Problemi lineari equivalenti

( ) le colonne della matrice dei coefficienti, con. , risulta A 3 = A 1 + 4A 2 + 4A 5, A 4 = A 1 + A 2,

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

Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities

Prova in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A

Ricerca Operativa A.A. 2007/ Introduzione

Chi non risolve esercizi non impara la matematica.

Parte V: Rilassamento Lagrangiano

3.4 Metodo di Branch and Bound

Il metodo dei Piani di Taglio (Cutting Planes Method)

Problemi di Flusso: Il modello del Trasporto

Metodo delle due fasi

Geometria della programmazione lineare

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

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

Problemi di flusso a costo minimo

Metodi e Modelli per l Ottimizzazione Combinatoria Metodi Risolutivi per la Programmazione Lineare Intera

Ricerca Operativa. Ricerca Operativa p. 1/6

Bilanciamento di tempi e costi Progetti a risorse limitate Note bibliografiche

x 1 x x 1 2 x 2 6 x 2 5 Indici di base Vettore Ammissibile Degenere (si/no) (si/no)

Prerequisiti didattici

Metodi e Modelli per l Ottimizzazione Combinatoria Metodi basati su generazione di colonne

2. ALGORITMO DEL SIMPLESSO

Università Ca Foscari Venezia

IL METODO DEL SIMPLESSO

Disequazioni in una incognita. La rappresentazione delle soluzioni

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013

RETTE E PIANI NELLO SPAZIO

Esercizi soluzione grafica e Branch and Bound. Daniele Vigo

Gestione della produzione e della supply chain Logistica distributiva

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

ESAME DI MATEMATICA I parte Vicenza, 05/06/2017. x log 2 x?

Condizione di allineamento di tre punti

METODI DELLA RICERCA OPERATIVA

ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 417 E SEGUENTI. Esercizio n. 1 pag 417. vincoli

5.5 Metodi generali per la soluzione di problemi

ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI

Esame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Un fascio di coniche è determinato da una qualsiasi coppia di sue coniche distinte.

Metodi & Modelli per le Scelte Economiche

5.4.5 Struttura dell algoritmo ed esempi

Premessa alla prima edizione 13

Prova Scritta di Ricerca Operativa

Transcript:

COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Sia dato il seguente problema di PL: max x + x 2 x 2x 2 + x 3 = 4 x x 2 x 3 = 3 x 2 + 2x 3 = x, x 2, x 3 0 Utilizzando il metodo due fasi, si stablisca se esso ha regione ammissibile vuota oppure no e se contiene vincoli ridondanti, ovvero ottenibili come combinazioni lineari degli altri vincoli. ESERCIZIO 2. (5 punti) Si consideri la riformulazione rispetto alla base ottima B = {x 3, x 4 } di un problema di PL: max 3 x x 2 x 3 = x 2 x 4 = + x x 2 x, x 2, x 3, x 4 0 Per ciascuna delle seguenti richieste si modifichi un singolo coefficiente della riformulazione in modo tale da soddisfarla: rendere l obiettivo del duale illimitato ( punto); rendere la regione ammissibile del duale vuota (2 punti); rendere la regione ammissibile del primale un politopo (2 punti) (SUGGERIMENTO: si faccia in modo che tutte le variabili debbano avere valore nella regione ammissibile) ESERCIZIO 3. (5 punti) Si risolva graficamente il seguente problema di PL: max x + 2x 2 x + x 2 4 x + x 2 0 x, x 2 0 dandone soluzione ottima e valore ottimo. Si stabilisca sempre per via grafica in quale intervallo posso far variare il coefficiente di x nell obiettivo senza che cambi la soluzione ottima. Posso anche trovare una modifica di tale coefficiente che renda l obiettivo illimitato? (MOTIVARE LA RISPOSTA) ESERCIZIO 4. (5 punti) La riformulazione rispetto alla base ottima B = {x, x 2 } del rilassamento lineare di un problema di PLI è la seguente: max 3 4x 3 5x 4 x = 3 2 2 x 3 2 x 4 x 2 = 5 2 2 x 3 + 4 x 4 x, x 2, x 3, x 4 0 Si provi ad utilizzare come equazione generatrice del taglio di Gomory sia l equazione relativa a x che quella relativa a x 2 e in base ai risultati ottenuti si decida quale delle due sia la migliore dal punto di vista della risoluzione del problema di PLI.

2 italiancompito DI RICERCA OPERATIVA ESERCIZIO 5. (5 punti) Sia dato il problema del trasporto con 2 depositi e 3 negozi in cui: a = 30 a 2 = 20 b = 20 b 2 = 20 b 3 = 20 e i seguenti costi unitari di trasporto lungo gli archi: N N2 N3 D 2 3 3 D2 2 Lo si risolva restituendone una soluzione ottima e il valore ottimo. Poi si modifichi un singolo costo di trasporto unitario in modo tale che la soluzione trovata non sia più ottima. ESERCIZIO 6. (5 punti) Per ciascuna delle seguenti affermazioni dire se è vera o falsa motivando la risposta: () la regione ammissibile non vuota di un problema di PL in forma canonica può non contenere vertici ma contiene certamente almeno un raggio estremo; (2) in un problema di PL con base ottima B, se modifico un coefficiente nei vincoli di una variabile della base ottima, allora B può non essere più base ottima ma continua ad essere certamente ammissibile per il primale; (3) negli algoritmi branch-and-bound, a parità di tempi di calcolo per due procedure che calcolano upper bound, è preferibile quella che restituisce valori di upper bound più piccoli; (4) in un algoritmo di taglio, l aggiunta di un taglio determina un valore ottimo del nuovo rilassamento lineare maggiore o al più uguale rispetto a quello del rilassamento lineare precedente; (5) Nell algoritmo del simplesso duale posso arrestarmi stabilendo che il primale ha obiettivo illimitato. ESERCIZIO 7. (3 punti) Dato un problema di PL max cx Ax = b x 0 con soluzione ottima x, si dimostri che non è possibile rendere il suo obiettivo illimitato modificandone il vettore di termini noti (SUGGERIMENTO: si rifletta sul duale).

italiancompito DI RICERCA OPERATIVA 3. Il problema di prima fase è Soluzioni soggetto a max s s 2 s 3 x 2x 2 + x 3 + s = 4 x x 2 x 3 + s 2 = 3 x 2 + 2x 3 = x, x 2, x 3, s, s 2, s 3 0. Applicando l algoritmo del simplesso si ottiene quanto segue. max z = 7 +2x 2 4x 2 +2x 3 s = 4 x +2x 2 x 3 s 2 = 3 x +x 2 +x 3 s 3 = +x 2 2x 3 x, x 2, x 3, s, s 2, s 3 0 max z = 2 2x 2 +4x 3 s = +s 2 +x 2 2x 3 x = 3 s 2 +x 2 +x 3 s 3 = +x 2 2x 3 x, x 2, x 3, s, s 2, s 3 0 max z = 0 +s 2 s x 3 = 2 + 2 s 2 + 2 x 2 2 s x = 7 2 2 s 2 + 3 2 x 2 2 s s 3 = 0 s 2 +s x, x 2, x 3, s, s 2, s 3 0 Anche se la base non è ottima, il valore dell obiettivo è già pari a 0, quindi il problema originale ha S a. Inoltre l equazione s 3 = s 2 +s indica che il terzo vincolo può essere ottenuto sottraendo il secondo vincolo dal primo. 2..Nei tre casi è sufficiente porre rispettivamente: x 3 = x 2 ; z = 3 + x x 2 ; x 4 = x x 2. 3. La regione ammissibile S a è riportata in Figura. Il punto di ottimo è OPT(x = 2, x 2 = 2), con z = 6. Le rette isoprofitto sono perpendicolari al vettore (, 2) il gradiente della funzione obiettivo; variando il coefficiente di x di una quantità c si trasforma tale vettore in (+ c, 2). Lavorando graficamente si osserva che la retta isoprofitto passante per OPT continua a stabilire l ottimalità di questo punto fintanto che + c 2 + c 2 = 3 c. Per c < 3 risulta ottimo il vertice (0, 0), mentre per c > 2 risulta ottimo il vertice (4, 0). Poiché S a è limitata, nessuna modifica ai coefficienti della funzione obiettivo può rendere il problema illimitato. 4. Dalle due righe in esame si ottengono rispettivamente i tagli 2 x 3 + 2 x 4 (A) 2 2 x 3 + 3 4 x 4 (B) 2

4 italiancompito DI RICERCA OPERATIVA x 2 OPT x Figura. Regione ammissibile per l esercizio 3. Si può osservare che ogni coppia (x, x 2 ) che soddisfa (A) necessariamente soddisfa anche (B) mentre non è necessariamente vero il contrario. Quindi il taglio (A) delimita una regione che è sottoinsieme di quella delimitata da (B). Questo rende il taglio (A) più stringente di (B), e quindi migliore. È adeguata anche una risposta basata sui risultati ottenuti aggiungendo i due tagli. 5. Aggiunto un deposito 3 con a 3 = 0 si ottiene il seguente problema bilanciato. 2 3 3 30 2 2 20 3 0 0 0 0 c ij Applicando il metodo dell angolo NW e successivamente l algoritmo del simplesso si ottiene: 20 0 + 30 2 0 + 0 20 3 0 0 x ij 20 0 30 2 20 0 20 3 0 0 x ij 2 3 0 0 2 0 0 3 2 0 c ij 2 3 0 0 2 0 0 0 3 0 c ij Ponendo c 2 = 0 la soluzione non è più ottima.6. Risposte: () Falso. Se S a, esso contiene almeno un vertice. (2) Falso, perché la A B viene modificata e B può addirittura non essere più una base. (3) Vero. La condizione di chiusura dei nodi UB i LB è più efficace se gli upper bound sono più stringenti. (4) Falso. Il nuovo rilassamento ha ottimo non maggiore del precedente, in quanto si restringe la S a. (5) Falso. Per definizione il simplesso duale si applica in presenza di una soluzione dualeammissibile, e questo impedisce che si possa avere un primale illimitato.

italiancompito DI RICERCA OPERATIVA 5 7. Si consideri la coppia primale-duale max {cx: Ax = b,x 0} min {ub: ua c} Se (P) ha soluzione ottima finita x, esiste un ottimo duale finito u che soddisfa u A c. Perturbando il vettore b la coppia primale-duale diventa max {cx: Ax = b +,x 0}, (P ) min {u(b + ): ua c}. (D ) Si può osservare che u rimane ammissibile per (D ), e quindi è impossibile che (Pprime) sia illimitato, qualunque sia la perturbazione. (P) (D)