Ricerca Operativa A.A. 2007/ Analisi di sensitività

Documenti analoghi
5. ANALISI DI SENSIBILITÀ

Teoria della Dualità: I Introduzione

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

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

Costi ridotti e ottimalità

La dualità nella Programmazione Lineare

1 Il metodo dei tagli di Gomory

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

Domini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):

4. METODI DUALI DEL SIMPLESSO

Il modello duale. Capitolo settimo. Introduzione

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 =

COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04

Programmazione Lineare

4.5 Metodo del simplesso

PROGRAMMAZIONE LINEARE E DUALITA'

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

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi

TEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1.

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

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

L ANALISI POST-OTTIMALE

Metodi e modelli per le decisioni

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

Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso

Il metodo del simplesso

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

OTTIMIZZAZIONE LINEARE MULTICRITERIO

Problemi lineari equivalenti

Esercizi per il corso di ricerca operativa 1

Università Ca Foscari Venezia

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015

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

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.

4.1 Localizzazione e pianificazione delle base station per le reti UMTS

Esercizi di ottimizzazione vincolata

inoltre, deve essere: Funzioni obiettivo lineare a tratti

3.6 Metodi basati sui piani di taglio

5.4.5 Struttura dell algoritmo ed esempi

Soluzione dei Problemi di Programmazione Lineare

Funzioni reali di variabile reale

Teoria della Programmazione Lineare Intera

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

ECONOMIA DEI SISTEMI PRODUTTIVI

Introduzione alla programmazione lineare

Problemi di Flusso: Il modello del Trasporto

Programmazione Lineare Intera: Piani di Taglio

SISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3

Bilanciamento di tempi e costi Progetti a risorse limitate Note bibliografiche

Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA QUINTA E SESTA SETTIMANA

Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto.

Esercizi di Programmazione Lineare - Dualità

Programmazione Lineare Intera

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI

Prova Scritta di Ricerca Operativa

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

Sistemi II. Sistemi II. Elisabetta Colombo

A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 13 giugno 2011

Geometria della programmazione lineare

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 26. Docente: Laura Palagi

RICERCA OPERATIVA GRUPPO A prova scritta del 22 marzo 2007

Equazioni esponenziali e logaritmi

LA FUNZIONE DI PRODUZIONE

4.3 Esempio metodo del simplesso

Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities

7.5 Il caso vincolato: preliminari

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

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

Lezioni di Microeconomia

Operazioni tra matrici e n-uple

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

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

Interpretazione economica della dualità

2. ALGORITMO DEL SIMPLESSO

Esercizi di Ricerca Operativa I

Geometria analitica del piano pag 12 Adolfo Scimone

3x 2 = 6. 3x 2 x 3 = 6

Esercizi sulla Programmazione Lineare Intera

Possibile applicazione

origine asse delle ascisse unità di misura e orientamento sull asse delle ascisse

CORSO ZERO DI MATEMATICA

Esercitazioni di Matematica

5.5 Metodi generali per la soluzione di problemi

REGRESSIONE E CORRELAZIONE

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

Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari

Monopolio P, R R R RMe (domanda) Viki Nellas Esercizio 1

Esercizi sui sistemi di equazioni lineari.

Ottimizzazione marginale

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

Il teorema di Rouché-Capelli

PIANO CARTESIANO:EQUAZIONI

1 Fattorizzazione di polinomi

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

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

Luigi Piroddi

Matematica I, Funzione inversa. Funzioni elementari (II).

Note sui sistemi lineari

Transcript:

Ricerca Operativa A.A. 7/8. Analisi di sensitività Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Analisi di Sensitività: motivazioni I parametri (A, b e c) di un problema di programmazione lineare sono soggetti a variazioni: cambiamento dei dati, approssimazioni, errori, stime etc. Data una soluzione ottima di base, l analisi di sensitività analizza le conseguenze delle variazioni dei parametri sull ottimalità (e l ammissibilità) della base stessa. min c T x s.t. Ax = b x condizioni di ottimalità per x A = [B F] x = [ xb () x B = B b ammissibilità primale x F ] c = [ cb () c T = c T c T B B A T ammissibilità duale costi ridotti non negativi [ () ortogonalità implicata dalla scelta u T = c T B B ] Sotto quali condizioni sulla variazione di A, b e c la base B rimane ammissibile e ottima? Nota: non considereremo variazioni di A. c F ] Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.

Variazioni dei termini noti b b + b, ( b R m ) Verifica delle condizioni di ottimalità: () B (b + b) da verificare () c T = c T c T B B A T invariata Verificare il sistema di disequazioni nelle incognite b (S b ) B b B b (poliedro dei vettori b che non cambiano la base ottima) Con variazioni contenute nei limiti, la base ottima non cambia. Cambiano: - il punto ottimo: x new = B (b + b) - il valore ottimo: z new = c T B B b + c T B B b = z old + z All ottimo (prima della variazione), le variabili duali sono u T = c T B B : m z = c T B B b = u T b = u i b i u i = z b i i= le variabili duali misurano la sensibilità della funzione obiettivo a (piccole) variazioni dei termini noti e sono dette anche prezzi marginali. Esempio: con f.o. di minimo e nei limiti dettati da (S b ), converrebbe: aumentare i termini noti cui corrispondono variabili duali negative e diminuire i termini noti con variabili duali positive. Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Variazioni dei costi c c + c, ( c R n, c T = [ c T B, ct F ]) Verifica delle condizioni di ottimalità: () B b invariata () c T = (c T + c T ) (c T B + ct B )B A T da verificare Verificare il sistema: c T = [ c T B, ct F ] = [, (ct F + ct F ) (ct B + ct B )B F T ] (c T F + ct F ) (ct B + ct B )B F (S c ) Variazione dei costi delle variabili fuori base: c F c F + c F c T F ct B B F = c T F + ct F ct B B F c F c F (S B ) c j c j, x j fuori base: il costo ridotto c j è il massimo decremento di c j che lascia invariata la base ottima. Variazione dei costi delle variabili in base: c B c B + c B c T F ct B B F = c T F (ct B + ct B )B F c T B B F c T F (S F ) Il sistema nelle incognite c B rappresenta il poliedro dei vettori c B per cui la base ottima rimane invariata. Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.4

Intervalli di stabilità Ammettendo la variazione di un sono elemento per volta (termine noto o costo), i sistemi (S b ), (S B ) e (S F ) si riducono a sistemi di disequazioni in una sola variabile ( b i o c j ). La soluzione del sistema definisce un intervallo [ MIN, MAX ]: se la variazione è contenuta nell intervallo, la base rimane ottima. L intervallo [b i + MIN, b i + MAX ] si dice intervallo di stabilità del termine noto b i. L intervallo [c j + MIN, c j + MAX ] si dice intervallo di stabilità del costo c j. Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Esempio Sia dato il problema min x x x s.t. x + x + x x + x + x x + x + x 6 x i la cui base ottima corrisponde alle variabili x, x e x 6.. Verificare se la base ottima varia nelle due ipotesi: a) si aumentano in termini noti del primo e del terzo vincolo rispettivamente di e unità; b) si diminuisce il primo termine noto di unità e si aumenta il secondo termine noto di unità.. Calcolare l intervallo di stabilità del primo termine noto.. Verificare l ottimalità/ammissibilità della base al variare dei coefficienti di costo secondo il seguente vettore: c T = [ ]. 4. Calcolare l intervallo di stabilità di c (costo di variabile in base) e di c 4 (costo di variabile fuori base). Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.6

Esempio: considerazioni preliminari Tableau iniziale (bisogna riportare il problema alla forma standard!): x x x x 4 x x 6 z x 4 x x 6 6 Tableau ottimo: x x x x 4 x x 6 7 7 6 z x 8 x x 6 4 Nota: considerando le colonne x 4, x e x 6 come un CARRY, otteniamo: B =, B =, u T = [ 6 ] Inoltre, dal tableau: B b = [ / 8/ 4 ] T, c T = [ 7/ 6/ / ] Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.7 Esempio: punto Bisogna verificare solo l ammissibilità (l ottimalità rimane verificata). B b B b b b b b b b + b 8 b + b 4 / 8/ 4 caso a): b =. Sostituendo nel sistema, le tre disequazioni risultano verificate e quindi la base rimane ammissibile e ottima. caso b): b =. Sostituendo nel sistema, le tre disequazioni NON risultano verificate e quindi la base NON rimane ammissibile e ottima (è super-ottima). Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.8

Esempio: punto Bisogna considerare b = b b 8 b 4 Quindi: b. Il sistema di disequazioni precedente diventa: b b 8 b 4 b [ /, 4], cioé b [ /, + 4] = [/, 6]. Analogamente, gli intervalli di stabilità di b e di b sono: 4 b b [, 6] 4 b b [, + ) Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.9 Esempio: punto Per il mantenimento dell ottimalità della base (l ammissibilità è comunque verificata) consideriamo separatamente le condizioni per le variabili in base e fuori base c T B = [ ], ct F = [ ] - per le variabili fuori base: c F c F, cioé ( c T F = [ c c 4 c ]): c 7/, c 4 6/, c 4 / () - per le variabili in base: c T B B F c T F, cioé ( ct B = c c c 6 ): [ c c c 6 ] = [ c c c 6 ] c + c + c 6 7 c c c 6 6 c + c () [ 7 Per il vettore di perturbazione c dato, le 6 disequazioni dei sistemi () e () risultano verificate e quindi la variazione lascia la base ottima (oltre che ammissibile). 6 ] Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.

Esempio: punto 4 Per valutare l intervallo di stabilità di c, bisogna considerare i sistemi () e () con c T = [ c ]. In particolare, essendo x in base, il sistema () diventa: c 7 c 6 c c 7 c c Quindi c [, ] intervallo di stabilità c [ 6 ]. Analogamente, gli intervalli di stabilità per i costi delle altre variabili in base sono: 6 c / c [ 9, /]; 6/ c 6 7/ c 6 [ 6/, 7/]. Per le variabili fuori base, gli intervalli di stabilità si ottengono direttamente dal sistema (): c 7/ c [ /, + ); c 4 6/ c 4 [ 6/, + ); c / c [ /, + ). Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività.