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

Documenti analoghi
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

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

COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04

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

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: Piani di Taglio

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.

UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento

Possibile applicazione

ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I

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 20 Aprile 2015

Parte V: Rilassamento Lagrangiano

Algoritmo basato su cancellazione di cicli

3.4 Metodo di Branch and Bound

Il metodo dei Piani di Taglio (Cutting Planes Method)

METODI DELLA RICERCA OPERATIVA

Esame di Ricerca Operativa del 07/09/2016

Branch-and-bound per KNAPSACK

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

Esame di Ricerca Operativa del 06/02/17

1 Il metodo dei tagli di Gomory

Prova Scritta di Ricerca Operativa

Esame di Ricerca Operativa del 11/07/2016

Esame di Ricerca Operativa del 09/02/2016

Esercizi sulla Programmazione Lineare Intera

Parte III: Algoritmo di Branch-and-Bound

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

Esame di Ricerca Operativa del 15/01/2015

Esame di Ricerca Operativa del 15/01/2015

Introduzione ai grafi. Introduzione ai grafi p. 1/2

Esame di Ricerca Operativa del 03/09/2015

3.6 Metodi basati sui piani di taglio

Esame di Ricerca Operativa del 16/06/2015

Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities

5.5 Metodi dei piani di taglio

Flusso a Costo Minimo

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 =

Programmazione a numeri interi: il metodo del Branch and Bound

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

Problemi di flusso a costo minimo

Claudio Arbib Università di L Aquila. Ricerca Operativa. Reti di flusso

4.5 Metodo del simplesso

5.3 Metodo dei piani di taglio

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

Teoria della Programmazione Lineare Intera

Programmazione Lineare Intera

Il metodo del simplesso

Problema del trasporto

Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33

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

Programmazione Lineare: problema del trasporto Ing. Valerio Lacagnina

Ottimizzazione Combinatoria e Reti (a.a. 2007/08)

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

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

5.5 Metodi generali per la soluzione di problemi

Esercizi per il corso di ricerca operativa 1

Tecniche euristiche Ricerca Locale

Gestione della produzione e della supply chain Logistica distributiva

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

Rilassamento Lagrangiano

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

Grafi e Funzioni di Costo ESERCIZI

Esercizio 1. min. Esercizio 2. Esercizio 3

Ad ogni arco (i,j) del grafo e' associato un valore intero c(i,j) detto capacita' dell'arco

La dualità nella Programmazione Lineare

Programmazione lineare: basi e soluzioni di base

Algoritmo di Branch & Bound

Per formalizzare il concetto sono necessarie alcune nozioni relative ai poliedri e alla loro descrizione.

Grafi e reti di flusso

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.

Introduzione ai Problemi di Flusso su Reti

Algoritmo dibranch & Bound

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

Problemi di Flusso e Applicazioni

4.1 Localizzazione e pianificazione delle base station per le reti UMTS

Esercizio 1. Esercizio 2

Branch-and-bound per TSP

Rilassamento Lagrangiano

Introduzione ai grafi

Teoria della Programmazione Lineare Intera

Ricerca Operativa A.A. 2007/ Analisi di sensitività

RICERCA OPERATIVA GRUPPO A prova scritta del 22 marzo 2007

Il valore di flusso che si ottiene è

AMPL Problemi su Reti

Soluzione dei problemi di Programmazione Lineare Intera

Università degli Studi di Napoli "Federico II" - Facoltà di Ingegneria Corso di Ricerca Operativa - Prova d'esame del (Prof.

L ALGORITMO DEL SIMPLESSO REVISIONATO

Corso di Perfezionamento

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI

AA Appello del 27 Novembre 2009 Compito A

2. ALGORITMO DEL SIMPLESSO

Problemi di localizzazione di servizi (Facility Location Problems)

4. METODI DUALI DEL SIMPLESSO

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

Processi di cost management - Programmazione multiperiodale

Esercizi soluzione grafica e Branch and Bound. Daniele Vigo

Ottimizzazione nella Gestione dei Progetti - Esercitazione 1: calcolo degli schedule ottimi

Problemi, istanze, soluzioni

Transcript:

Compito di Ricerca Operativa II Esercizio ( punti). ia dato il problema di flusso massimo sulla rete in figura (le capacit a degli archi sono riportate sopra di essi). 0 8 i consideri il seguente flusso ammissibile per tale rete: x = x = x = x = x =0 x = x = x = x = x = x =: tabilire se tale flusso e ottimo oppure no. Nel primo caso individuare un taglio a costo minimo, nel secondo nel secondo caso determinare un flusso migliore rispetto a quello dato. Esercizio ( punti). ia dato il problema dello zaino con uno zaino di capacit a pari a e con 8oggetti con i seguenti valori e pesi: 8 v i 9 9 9 p i 0 8 i calcoli un upper bound per il sottinsieme delle soluzioni ammissibili del problema dello zainoche sicuramente non contengono gli oggetti e e che sicuramente contengono gli oggetti e 8. i ricavi da tale calcolo anche una soluzione ammissibile del problema dello zaino e, se necessario, si effettui anche il branching del sottinsieme della regione ammissibile considerato. Esercizio ( punti). ia dato il problema di trasporto con i costi unitari di trasporto, le disponibilit a (colonna a) dei singoli depositi e le richieste (riga b) dei singoli negozi riportati nella seguente tabella: N N N N a 9 8 0 b 0 0 0 0 i individui una base ammissibile iniziale con la regola dell'angolo nord-ovest e si verifichi se e soddisfatta la condizione di ottimalit a per la base trovata. Nel caso la condizione non sia soddisfatta si individui una nuova base non peggiore della precedente tramite le regole viste, altrimenti si discuta se la soluzione ottima trovata e unica oppure no. Esercizio ( punti). ia dato il problema della zaino con capacit a dello zaino pari a 8e con pesi e valori dei oggetti riportati di seguito: v i p i

i completi l'esecuzione dell'algoritmo di programmazione dinamica per questo problema restituendo il valore ottimo e una soluzione ottima del problema, tenuto conto che per gli oggetti e si hanno le seguenti tabelle: s f Λ d Λ s f Λ d Λ 0 0 N 0 0 N N N N N 9 9 8 9 8 Esercizio ( punti). ia dato il grafo bipartito in figura. i determini un matching di cardinalit a massima su tale grafo utilizzando come matching iniziale: (a ;b ) (a ;b ) (a ;b ) (a ;b ) (a ;b ) a b a b a b a b a b a b Esercizio ( punti). ia dato un problema di ottimizzazione il cui modello matematico e il seguente problema di PLI: max cx Ax» b x i f0; g i =;:::;n ato un vettore 0 con tante componenti quanti sono i voncoli Ax» b (e quindi, equivalentemente, le componenti del vettore b), utilizzando la definizione di rilassamento si dimostri che il seguente problema (con un solo vincolo) e un rilassamento di qeullo dato: max cx ( A)x» b x i f0; g i =;:::;n

i generi il rilassamento visto sopra per il seguente problema: max x +x +x +x x +x +x +x» 8 x +x + x + x» x + x +x +x» x ;x ;x ;x f0; g A quale dei problemi visti a lezione corrisponde il rilassamento? Esercizio ( punti). ia dato un problema di flusso massimo e il problema di taglio minimo associato. ia U Λ ρ V un sottinsieme di nodi che definisce un taglio minimo della rete e sia (i; j) A un arco della rete facente parte del taglio (cio e i U Λ e j U Λ ) con capacit a c ij > 0. i dica (MOTIVANO LE RIPOTE) se e vero che per ogni (0»» c ij ): a): L'incremento di della capacit a dell'arco (i; j) implica un incremento di del valore ottimo del problema di flusso massimo; b): il decremento di della capacit a dell'arco (i; j) implica un decremento di del valore ottimo del problema di flusso massimo.

oluzioni. Applicando l'algoritmo visto a lezione, si ottiene Flusso Grafo ausiliario 0 8 dove (; ; ; ; ;) e un cammino aumentante, " =, e quindi 0 0 8 dove non si trova pi u alcun cammino aumentante, e si pu o identificare il taglio U = f; ; g di capacit a c(u) = c + c + c = 0 (pari al flusso massimo ottenuto).. Riordinando gli oggetti secondo rapporti v =p i non crescenti si ottiene la lista i v i 9 9 p i 0 dalla quale sono gi a stati esclusi gli oggetti,,, 8. Un upper bound e dato da UB=8+9+μ 0 9 ν =; da cui si ottiene anche un lower bound LB = dato dalla soluzione ammissibile f; 8; g. Il sottoinsieme considerato d a origine per branch ai due sottoinsiemi (I 0 = f; ; g ;I = f; 8g); (I 0 = f; g ;I = f; ; 8g):. Il problema e bilanciato; applicando il metodo dell'angolo nord-ovest si ottiene a i 0 0 0 b j 0 0 0 0 x ij 0 8 0 0 0 0 0 0 0 b j μc ij e la positivit a di tutti i costi ridotti indica che questa soluzione e ottima ed unica.

. Impostando le equazioni di stato, per risolvere il problema dato occorre ancora conoscere ( ( (+f Λ f Λ (8) = max (); f Λ(8); f Λ ()=max +f Λ(); f Λ(); f Λ (8) = max +f Λ(); f Λ(8); Risolvendo prima per gli f Λ e poi per f Λ si ottiene f Λ (8) = max f; 9g = dλ (8) =, f Λ () = max f; 9g =9 dλ () = N, f Λ (8) = max f0; g dλ (8) = N. Quindi la soluzione ottima e f; g.. opo un ciclo di etichettatura si ottiene la situazione seguente. a b (E;b ) a b (O; a )Λ a b (O; a ) (E;b ) a b a b (O; a ) (E; ) a b Esiste un cammino alternante (a ;b ;a ;b ;a )che permette di aumentare l'accoppiamento a f(a ;b ); (a ;b ); (a ;b ); (a ;b ); (a ;b ); (a ;b )g ; che in un grafo bipartito da + nodi e sicuramente massimo.. iano a = fx: Ax» b; x i f0; gg ed 0 a fx: ( A)x» b; x i f0; gg le regioni di ammissibilit a dei due problemi; x a implica Ax» b, e quindi per 0( A)x» b (stiamo sommando le disuguaglianze dopo averle moltiplicate per coefficienti non negativi). Quindi a 0 a, e max fcx: x 0 a g max fcx: x ag. In particolare, per il problema dato il rilassamento e con max x +x +x +x p x + p x + p x + p x» B x ;:::;x f0; g ; p =( + + ); p =( + + ); p =( + + ); p =( + + ); B =(8 + + ); che corrisponde ad un problema dello zaino.

. La seconda affermazione e vera: detto c 0 ij = c ij +, la capacit a del taglio minimo risulta C 0 ( U Λ)= X iu Λ ;j =U Λ c ij = C( U Λ) : La prima affermazione e in generale falsa, in quanto il grafo potrebbe contenere altri tagli di capacit a minima diversi da quello considerato e non contenenti l'arco (i; j) in esame.