1 Il metodo dei tagli di Gomory

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

IL METODO DEL SIMPLESSO

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

4.5 Metodo del simplesso

Il modello duale. Capitolo settimo. Introduzione

Esercizi per il corso di ricerca operativa 1

Esame di Ricerca Operativa del 16/06/2015

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

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA

Anno 2. Risoluzione di sistemi di primo grado in due incognite

Chi non risolve esercizi non impara la matematica.

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

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

Applicazioni lineari tra spazi euclidei. Cambi di base.

Elettronica I Leggi di Kirchhoff; risoluzione dei circuiti elettrici in continua; serie e parallelo

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 20 giugno 2014

Esercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale

Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Microeconomia, Esercitazione 5. 1 Esercizi. 1.1 Monopolio/ Monopolio/2. A cura di Giuseppe Gori

SISTEMI LINEARI, METODO DI GAUSS

Sistemi di equazioni lineari

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

Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite

Esercitazione 14 Aprile 2016 (Viki Nellas)

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =

+2 3 = = =3 + =3 + =8 =15. Sistemi lineari. nelle stesse due incognite. + = + = = = Esempi + =5. Il sistema è determinato

Esercizi soluzione grafica e Branch and Bound. Daniele Vigo

Prerequisiti didattici

LEZIONE 4. { x + y + z = 1 x y + 2z = 3

Esercizi di ottimizzazione vincolata

ha come obiettivo quello di costruire a partire da A una matrice U, m n, che abbia il

CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa

Metodi per la risoluzione di sistemi lineari

Esercizi sulle affinità - aprile 2009

Equazioni di 2 grado

ẋ 1 = 2x 1 + (sen 2 (x 1 ) + 1)x 2 + 2u (1) y = x 1

Esercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM )

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

ECONOMIA APPLICATA ALL INGEGNERIA (Docente: Prof. Ing. Donato Morea)

Esercizi per Geometria II Geometria euclidea e proiettiva

Risoluzione di problemi di programmazione lineare tramite generazione di colonne

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

Sezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione. = ( n) lim x

Dipendenza e indipendenza lineare

Esercitazione di Matematica su matrici e sistemi lineari

ELETTROTECNICA T - A.A. 2014/2015 ESERCITAZIONE 1

Anno 4 Matrice inversa

Sistemi di 1 grado in due incognite

Ricerca Operativa A.A. 2007/ Esercitazione di laboratorio: analisi di sensitività

La riduzione a gradini e i sistemi lineari (senza il concetto di rango)

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

Le proprietà che seguono valgono x, y > 0, a > 0 a 1, e b qualsiasi. Da queste si possono anche dedurre le seguenti uguaglianze log a 1 = 0

2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare:

Equazioni Polinomiali II Parabola

Liberamente tratto da Prima Legge di Ohm

2.6 Calcolo degli equilibri di Nash

Esercitazione n o 3 per il corso di Ricerca Operativa

ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA

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

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:

RICHIAMI MATEMATICI. x( t)

Moltiplicazione. Divisione. Multipli e divisori

Rilassamento Lagrangiano

Appunti di Elettronica I Lezione 3 Risoluzione dei circuiti elettrici; serie e parallelo di bipoli

PIANO CARTESIANO e RETTE classi 2 A/D 2009/2010

TSRR. Vademecum sulle equazioni differenziali I. D. Mugnai( 1 ) ( 1 ) IFAC-CNR, Via Madonna del Piano 10, Sesto Fiorentino (FI), Italy

ESERCIZIO MIN-MAX Si consideri il seguente albero di gioco dove i punteggi sono tutti dal punto di vista del primo giocatore.

Funzioni implicite - Esercizi svolti

Parte V: Rilassamento Lagrangiano

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

Matematica Finanziaria 29 novembre 2000

Esercizi sui sistemi di equazioni lineari.

SISTEMI DI 1 GRADO CON DUE EQUAZIONI IN DUE INCOGNITE

Esercitazione di Matematica sui problemi di 1 o grado in una e in due incognite

OPERAZIONI IN Q = + = = = =

TEOREMA DEL RESTO E REGOLA DI RUFFINI

FUNZIONI LINEARI (Retta, punto di pareggio e relazioni lineari generalizzate)

ANALISI DI REDDITIVITA DI UN MINI-IMPIANTO A TURBINA EOLICA

= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con

Elementi sulle diseguaglianze tra numeri relativi

2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi)

(x B x A, y B y A ) = (4, 2) ha modulo

Metodi quantitativi per i mercati finanziari

Codifica. Rappresentazione di numeri in memoria

Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente

20 + 2y = 60 2y y = 10

Equazioni lineari con due o più incognite

Per equazione lineare nelle incognite x, y intendo un equazione del tipo. ax = b,

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

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

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.7)

Corso di Matematica II Anno Accademico Esercizi di Algebra Lineare. Calcolo di autovalori ed autovettori

5.5 Metodi generali per la soluzione di problemi

Le eguaglianze algebriche: Identità ed Equazioni

CONSIGLI PER LA RISOLUZIONE DEI CIRCUITI ELETTRICI

SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI

Una circonferenza e una parabola sono disegnate nel piano cartesiano. La circonferenza ha centro nel punto

ESERCIZI SVOLTI SUL CALCOLO INTEGRALE

Corso di Matematica per la Chimica

Transcript:

Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare il metodo, occorre passare al rilassamenteo continuo, ottenendo così il problema min(x x ) x + x (P 0) x + x x, x 0. Occorre poi ridurre il problema (P 0) alla forma standard per poter applicare il metodo del simplesso primale. Si ha min(x x ) x + x + x = (P 0) x + x + x = x i 0, i =,.... La base B = I associata alle variabili scarto è ammissibile, pertanto la prima tabella in forma canonica è data da: x x x x b x 0 x 0 0 0 0

Si selezioni come colonna pivot la seconda, quella cioè in corrispondenza della quale si trova un costo ridotto negativo. La riga di pivot è determinata calcolando min{, }. L elemento pivot è quindi e la nuova base è data dalle variabili x, x. Dopo aver aggiornato le righe della tabella secondo le trasformazioni: R = R R R = R si ottiene la seconda tabella: x x x x b x 0 x 0 0 0 Si selezioni come colonna pivot la prima, quella cioè in corrispondenza della quale si trova un costo ridotto negativo. La riga di pivot è necessariamente la prima (si prende in considerazione il solo rapporto /). L elemento pivot è quindi e la nuova base è data dalle variabili x, x. Dopo aver aggiornato le righe della tabella secondo le trasformazioni: R = R R = R + R si ottiene la terza tabella: x x x x b x 0 x 0 0 0 6 La soluzione ottima del rilassamento continuo è il vettore x = (, )T. La soluzione trovata non è dunque intera. Il metodo ci impone di scegliere una componente frazionaria. Si osserva che = +, = +,

si sceglie allora come variabile frazionaria utile per generare il taglio la variabile x, cui corrisponde la componente frazionaria maggiore ( > ). Dalla seconda riga della tabella si ricava x + x + 6 x = x + x + 6 x (), cioè () x. () Sottraendo adesso la () alla () (vale a dire () -()), si ottiene il primo taglio x + 6 x. È possibile scrivere l espressione del taglio in funzione delle variabili iniziali del problema x, x. È sufficiente ricavare le variabili x, x dai vincoli del problema P 0 in forma standard, vale a dire Sostituendo tali valori nel taglio, si ottiene x = x x, x = + x x. x. Si deve ora risolvere un nuovo problema di programmazione lineare generato a partire dal problema P 0, cui viene aggiunto il nuovo vincolo rappresentato dal taglio. Per poter applicare il metodo del simplesso bisogna porre il vincolo del taglio in forma standard, ottenendo così x + 6 x x =, per poter avere una base canonica è conveniente inserire il vincolo in forma standard, dopo aver moltiplicato ambo i membri per. Si aggiunge pertanto il vincolo x 6 x + x =. Alla tabella devono essere aggiunte una riga (associata al nuovo vinocolo) ed una colonna (associata alla variabile x ), si ha

x x x x x b x 0 0 6 0 x 0 x 0 0 6 0 0 0 L aggiunta del taglio fa sì che la soluzione di base primale (associata alla base canonica costituita dalla prima, seconda e quinta colonna) non sia più ammissibile, essendo presente la componente di base negativa (ultimo termine noto). Si osserva inoltre che i costi ridotti sono tutti non negativi: è cioè ammissibile la soluzione duale associata alla base corrente. Si procede allora applicando il metodo del simplesso duale. Si selezioni come riga pivot la terza, quella cioè in corrispondenza della quale si trova il termine noto negativo. La colonna di pivot si ottiene calcolando { } min, 6 =, la colonna pivot è quindi la terza e l elemento pivot è. x, x, x. Dopo aver aggiornato le righe della tabella secondo le trasformazioni: La nuova base è data dalle variabili R = R R = R R R = R R = R R R = R, si ottiene la tabella: x x x x x b x 0 0 x 0 0 0 x 0 0 0 0 0 La soluzione ottima del rilassamento continuo è il vettore x = (, )T. La soluzione trovata non è dunque intera. Si sceglie allora come variabile frazionaria utile per generare il taglio la variabile x. Dalla prima riga della tabella si ricava

x x + x = x + x + x Sottraendo adesso la (6) alla (), si ottiene il primo taglio (), cioè () x x + x 0. (6) x. È possibile scrivere l espressione del taglio in funzione delle variabili iniziali del problema x, x. È sufficiente sostituire l espressione nel taglio, ottenendo x = + x x, x + x. Si deve ora risolvere un nuovo problema di programmazione lineare generato a partire dal problema precedente, cui viene aggiunto il nuovo vincolo rappresentato dal taglio. Per poter applicare il metodo del simplesso bisogna porre il vincolo del taglio in forma standard, ottenendo così x x 6 =, per poter avere una base canonica è conveniente inserire il vincolo in forma standard, dopo aver moltiplicato ambo i membri per. Si aggiunge pertanto il vincolo x + x 6 =. All ultima tabella devono essere aggiunte una riga (associata al nuovo vinocolo) ed una colonna (associata alla variabile x 6 ), si ha x x x x x x 6 b x 0 0 0 x 0 0 0 0 x 0 0 0 x 6 0 0 0 0 0 0 0 0

L aggiunta del taglio fa sì che la soluzione di base primale (associata alla base canonica costituita dalla prima, seconda, terza e sesta colonna) non sia più ammissibile, essendo presente la componente di base negativa (ultimo termine noto). Si osserva inoltre che i costi ridotti sono tutti non negativi: è cioè ammissibile la soluzione duale associata alla base corrente. Si procede allora applicando il metodo del simplesso duale. Si selezioni come riga pivot la terza, quella cioè in corrispondenza della quale si trova il termine noto negativo. La colonna di pivot è necessariamente la quarta (si prende in considerazione il solo rapporto ) e l elemento pivot è. La nuova base è data dalle variabili x, x, x, x. Dopo aver aggiornato le righe della tabella secondo le trasformazioni: si ottiene la tabella: R = R + R R = R R = R R, R = R. x x x x x x 6 b x 0 0 0 x 0 0 0 0 x 0 0 0 x 6 0 0 0 0 0 0 0 0. La soluzione ottima del rilassamento continuo è il vettore x = (, ) T. La soluzione trovata è intera, pertanto essa è anche soluzione del problema iniziale. 6