ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I

Documenti analoghi
Week #9 Assessment. Practice makes perfect... November 23, 2016

Possibile applicazione

Soluzioni degli esercizi di formulazione di PL{0, 1}

Problemi, istanze, soluzioni

11.4 Chiusura transitiva

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

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

Parte V: Rilassamento Lagrangiano

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

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015

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

Problema del trasporto

Problemi di Flusso: Il modello del Trasporto

Ottimizzazione e Controllo 2015/2016 ESERCITAZIONE

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

LA PROGRAMMAZIONE MATEMATICA (p.m.)

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

Algoritmo basato su cancellazione di cicli

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

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

Modelli decisionali su grafi - Problemi di Localizzazione

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

Il problema del commesso viaggiatore e problemi di vehicle routing

Problema Determinare la miscelazione ottimale delle materie prime in modo da massimizzare il profitto complessivo

Esame di Ricerca Operativa del 15/01/2015

età (anni) manutenzione (keuro) ricavato (keuro)

Esercizi Capitolo 11 - Strutture di dati e progettazione di algoritmi

2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili

Ottimizzazione marginale

Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata. Luca Bertazzi

Metodi & Modelli per le Scelte Economiche

Progettazione di Algoritmi

Cammini minimi fra tutte le coppie

Sintesi Sequenziale Sincrona Sintesi Comportamentale di reti Sequenziali Sincrone

Appendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19

Esercizi soluzione grafica e Branch and Bound. Daniele Vigo

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

Grafi (non orientati e connessi): minimo albero ricoprente

Il modello duale. Capitolo settimo. Introduzione

Grafi (orientati): cammini minimi

Branch-and-bound per KNAPSACK

Euristiche per il Problema del Commesso Viaggiatore

Algoritmi e strutture dati

Ottimizzazione Multi Obiettivo

Rilassamento Lagrangiano

Sistemi lineari - Parte Seconda - Esercizi

Rilassamento Lagrangiano

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

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

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

Ricerca Operativa. Esercizi proposti

5.5 Metodi dei piani di taglio

Esame di Ricerca Operativa del 16/06/2015

Coverage. Visto che il coverage si basa su aree dell ambiente che vengono monitorate non è

Ottimizzazione Multi Obiettivo

Alberi di copertura minimi

Appunti del corso di Informatica 1 (IN110 Fondamenti) 7 Grafi e alberi: introduzione

Cognome e Nome... Ricerca Operativa 2 AA

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

Indice. 1 Introduzione... 1

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

Introduzione alla Ricerca Operativa. Cos è la Ricerca Operativa? Modellazione di problemi decisionali Fasi di uno studio di RO Applicazioni della RO

Ricerca Operativa. Docenti. 1. Introduzione

Algoritmi e Strutture Dati II: Parte B Anno Accademico Lezione 5

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

2.2 Alberi di supporto di costo ottimo

Il problema del commesso viaggiatore

Programmazione Lineare Intera

5.5 Metodi generali per la soluzione di problemi

Problemi di flusso a costo minimo

N.B.: Gli esercizi di OFFICE vanno risolti prima dell esercizio sulla PL

Minimo albero di copertura

Appunti lezione Capitolo 15 Ricerca locale

1.1 Coordinate sulla retta e nel piano; rette nel piano

Un esempio di applicazione della programmazione lineare intera: il Sudoku

Esercizi per il corso di. Logistica I. a.a Daniela Favaretto. Dipartimento di Matematica Applicata Università Ca Foscari di Venezia

Lezioni di Ricerca Operativa 2 Dott. F. Carrabs

Operations Management

Problemi di scelta ESEMPI

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

Corso di Laurea in Matematica per l Informatica e la Comunicazione Scientifica

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

Cammini minimi. Definizioni. Distanza fra vertici. Proprietà dei cammini minimi. Algoritmi e Strutture Dati

Grafi pesati Minimo albero ricoprente

Teoria della Programmazione Lineare Intera

Il metodo del simplesso

Problemi di Instradamento di Veicoli

Problemi di Percorso. Capitolo dodicesimo

Corso di Laurea in Ingegneria Gestionale. Anno Accademico Algoritmo K-means per problemi di Clustering. Stefano Lucidi

A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 15 giugno 2012

In molte applicazioni sorge il problema di sapere in quanti modi possibili si può presentare un certo fenomeno.

3.4 Metodo di Branch and Bound

5.3 Metodo dei piani di taglio

Pianificazione dei progetti. Alberto Caprara DEIS - Università di Bologna

2. ALGORITMO DEL SIMPLESSO

Rappresentazione in complemento a 2: caratteristiche generali

ESERCIZI DI METODI QUANTITATIVI PER L ECONOMIA DIP. DI ECONOMIA E MANAGEMENT DI FERRARA A.A. 2016/2017. Esercizi di Programmazione Lineare in Aula

Il problema dello zaino

ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 2015/2016 docente: Elena Polastri,

Transcript:

ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I

Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si vuole determinare un sottoinsieme M degli n oggetti in modo che: a) la somma dei pesi degli oggetti in M sia non inferiore ad un valore prefissato a; b) la cardinalita` di M sia non inferiore ad un valore prefissato b; c) la somma dei costi degli oggetti in M sia minima. 1)- Dimostrare che il problema e` NP-difficile. 2)- Definire un modello di Programmazione Lineare Intera per il problema allo ammissibile per i seguenti problemi: 3.1) problema originale; 3.2) problema con vincolo a) imposto e vincolo b) sostituito dal vincolo che impone che la cardinalita` di M deve essere uguale a b; 3.3) problema con vincolo a) imposto e vincolo b) sostituito dal vincolo che impone che la cardinalita` di M non deve superare b; 3.4) problema con vincolo b) imposto e vincolo a) sostituito dal vincolo che impone che la somma dei pesi degli oggetti in M deve essere uguale ad a.

Esercizio 2 Date n operazioni ed m macchine, a ciascuna operazione j (j = 1,, n) sono associati un istante iniziale a j ed un istante finale b j. Ciascuna macchina e` in grado di eseguire in ogni istante al piu` una operazione e di lavorare complessivamente per un periodo di tempo minore o uguale ad un valore dato C. 1)- Dimostrare che il problema della determinazione di una soluzione ammissibile e` NP-difficile (si ricordi che il Partition Problem e` NP-difficile). 2)- Definire un modello di Programmazione Lineare Intera per il problema nel caso in cui si voglia minimizzare il numero di macchine utilizzate.

Esercizio 3 Da un deposito si devono servire m clienti. Tali clienti possono essere serviti utilizzando n viaggi diversi. In particolare, ciascun cliente i (i = 1,, m) puo` essere servito da un sottoinsieme V i di viaggi (con V i contenuto nell insieme {1, 2,, n}). Ciascun viaggio j (j = 1,, n) ha un costo c j ed un tempo di percorrenza t j (con c j e t j non negativi). Si vuole determinare un sottoinsieme S degli n viaggi in modo che: a) ciascun cliente sia servito da almeno un viaggio di S; b) la somma dei tempi di percorrenza dei viaggi di S sia non inferiore ad un valore prefissato d; c) la somma dei costi dei viaggi di S sia minima. 1)- Definire un modello di Programmazione Lineare Intera per il problema allo ammissibile. 4)- Come al punto 3) nel caso in cui nel vincolo b) si impone che la somma dei tempi di percorrenza dei viaggi di S sia uguale al valore prefissato d.

Esercizio 4 Sono dati m articoli ed n veicoli : ad ogni articolo j (j = 1,, m) e` associato un peso positivo p j ; ad ogni veicolo i (i = 1,, n) e` associata una capacita` positiva a i. Si supponga inoltre: m > n > 0. Si devono determinare gli articoli da caricare sui veicoli in modo che: a) la somma dei pesi degli articoli caricati su ciascun veicolo i sia non superiore alla capacita` a i ; b) ciascun articolo j sia caricato su non piu` di un veicolo; c) il numero globale degli articoli caricati sui veicoli sia inferiore ad un valore prefissato k; d) la somma dei pesi degli articoli caricati sui veicoli sia massima. 1)- Definire un modello di Programmazione Lineare Intera per il problema allo ammissibile per i seguenti problemi: 3.1) problema originale; 3.2) problema con non inferiore al posto di inferiore nel vincolo c); 3.3) problema con uguale al posto di inferiore nel vincolo c).

Esercizio 5 Sia dato un grafo orientato G = (V, A), con V = n e A = m. Ad ogni arco (i, j) di A e` associato un costo positivo c i,j. Si supponga inoltre che l insieme dei vertici V sia partizionato in K sottoinsiemi ( regioni ) R 1, R 2,..., R K, con R 1 = {1}. Si vuole determinare un circuito elementare di G (cioe` un circuito che passi al massimo una volta per ciascun vertice di G) che visiti almeno un vertice di ciascuna delle K regioni, in modo che la somma dei costi degli archi del circuito sia minima. 1)- Dimostrare che il problema e` NP-difficile. 2)- Definire un modello di Programmazione Lineare Intera per il problema allo 3)- Nell ipotesi che il grafo G sia completo e che la matrice dei costi (c i,j ) soddisfi la condizione di triangolarita` (cioe` si abbia: c i,k + c k,j <= c i,j per ogni tripletta (i, j, k) di vertici di V), si ridefinisca il modello di Programmazione Lineare Intera in modo da rendere i vincoli del modello piu` stringenti.

Esercizio 6 Sia dato un grafo orientato completo G = (V, A), con V = n. Ad ogni arco (i, j) di A e` associato un costo positivo c i,j (con c i,i = infinito per ogni vertice i). Ad ogni vertice i di V e` associato un premio positivo p i. Dato un vertice r, si vuole determinare un circuito elementare di G (cioe` un circuito che passi al massimo una volta per ciascun vertice di G) passante per r e tale che: a) la somma dei costi degli archi del circuito sia minima; b) la somma dei premi associati ai vertici del circuito sia non inferiore ad un valore prefissato a; c) il numero dei vertici del circuito aventi un premio minore di b sia non inferiore ad una percentuale d del numero dei vertici del circuito (con b e d valori noti, d compreso tra 0 e 1). 1)- Definire un modello di Programmazione Lineare Intera per il problema allo 2)- Dimostrare che il problema e` NP-difficile (si determinino almeno due problemi NP-difficili riducibili al problema allo studio). ammissibile. 4)- Definire la complessita` del problema nel caso in cui si abbia: c i,j = K per ogni arco (i, j) di G (con K valore prefissato).

Esercizio 7 Sono dati n lavori ed m macchine. Il costo per eseguire il lavoro j (j = 1,, n) sulla macchina i (i = 1,, m) e` uguale a c i,j, mentre il corrispondente tempo di lavorazione e` uguale a t i,j. Se la macchina i (i = 1,, m) viene utilizzata, si ha un costo uguale a b i (il costo e` nullo se la macchina i non viene utilizzata). I valori c i,j, t i,j e b i sono interi positivi. Si deve assegnare ciascun lavoro ad una ed una sola macchina, in modo che: a) il tempo globale di lavorazione su ciascuna macchina i (i = 1,, m) sia non superiore ad un valore prefissato a i (con a i positivo ed intero); b) il costo globale sia minimo. 1)- Definire la complessita` del problema della determinazione di una soluzione ammissibile per il problema allo 3)- Definire un modello di Programmazione Lineare Intera per il problema allo studio, minimizzando il numero dei vincoli. 4)- Definire ulteriori modelli di Programmazione Lineare Intera che, pur utilizzando un numero maggiore di vincoli, possano fornire lower bound (ottenuti con il rilassamento continuo) migliori di quelli ottenibili con il modello della domanda 3).

Esercizio 8 Sia dato un grafo orientato completo G = (V, A), con V = n. Ad ogni arco (i, j) di A sono associati un peso p i,j ed un tempo non negativo t i,j. Siano inoltre dati due sottoinsiemi di archi S e T disgiunti (con S e T contenuti in A). Si vuole determinare un circuito Hamiltoniano H di G tale che: a) la somma dei pesi degli archi di H sia massima; b) la somma dei tempi degli archi di H sia non superiore ad un valore prefissato d; c) il numero degli archi di H appartenenti al sottoinsieme S sia non inferiore al numero degli archi di H appartenenti al sottoinsieme T. 1)- Definire un modello di Programmazione Lineare Intera per il problema allo ammissibile per il problema allo 4)- Definire la complessita` del problema della determinazione di una soluzione ammissibile nel caso in cui il vincolo b) non sia imposto.

Esercizio 9 Sono dati n depositi ed m clienti. Ciascun cliente i (i = 1,, m) ha un potenziale profitto non negativo p i. Ciascun deposito j (j = 1,, n) ha un costo non negativo c j ed e` in grado di servire un sottoinsieme degli m clienti. In particolare, per ogni coppia [deposito j, cliente i] (con j = 1,, n e i = 1,, m) e` nota una quantita` a i,j, con a i,j = 1 se il deposito j e` in grado di servire il cliente i e a i,j = 0 in caso contrario. Per ogni sottoinsieme S dei depositi, il corrispondente profitto globale e` dato dalla differenza tra (la somma dei profitti dei clienti che possono essere serviti dai depositi di S) e (la somma dei costi dei depositi di S). Si vuole determinare un sottoinsieme S* degli n depositi in modo che: a) S* contenga al massimo d depositi (con d valore prefissato maggiore di 0 e minore o uguale ad n); b) il profitto globale di S* sia massimo; c) il costo totale dei depositi di S* sia non inferiore ad un valore prefissato non negativo b. 1)- Definire un modello di Programmazione Lineare Intera per il problema allo ammissibile. 4)- Definire la complessita` del problema della determinazione di una soluzione ammissibile nei casi in cui: 4.1) il sottoinsieme S* deve contenere esattamente d depositi; 4.2) il costo totale dei depositi del sottoinsieme S* sia uguale a b.

Esercizio 10 Sia dato un grafo orientato completo G = (V, A), con V = n. Ad ogni arco (i, j) di A e` associato un tempo non negativo t i,j (con t i,i = infinito per ogni vertice i di V) che soddisfa la condizione di triangolarita` (cioe` si abbia: c i,k + c k,j <= c i,j per ogni tripletta (i, j, k) di vertici di V). Ad ogni vertice i di V e` associato un profitto positivo a i. Dato un vertice h di V, si vuole determinare un circuito elementare di G (cioe` un circuito che passi al massimo una volta per ciascun vertice di G) passante per h e tale che: a) il numero degli archi del circuito sia non superiore ad un valore prefissato r (con r compreso tra 2 ed n, estremi compresi); b) la somma dei tempi degli archi del circuito sia non superiore ad un valore prefissato d; c) la somma dei profitti associati ai vertici del circuito sia massima. 1)- Definire un modello di Programmazione Lineare Intera (PLI) per il problema allo ammissibile per il problema allo 4)- Definire il modello di PLI per la variante del problema in cui la funzione obiettivo c) consista nel massimizzare la quantita`: alfa * (somma dei profitti associati ai vertici del circuito) beta * (tempo massimo degli archi del circuito) con alfa e beta valori prefissati non negativi.