Programmazione Bilivello Lezione 1. Indice definizione del problema applicazioni classi di problemi definizioni, teoremi e proprietà metodi risolutivi.

Slides:



Advertisements
Presentazioni simili
Flusso Massimo Certificati di (non-) ottimalità
Advertisements

MATEMATICA PER L’ECONOMIA
Angoli alla circonferenza
LA VARIABILITA’ IV lezione di Statistica Medica.
LE MATRICI.
programmazione lineare: un esempio
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 11.
Ipotesi e proprietà dello stimatore Ordinary Least Squares (OLS)
Università degli Studi di Roma Tor Vergata
Support Vector Machines
Support Vector Machines
A.S.E.8.1 ARCHITETTURA DEI SISTEMI ELETTRONICI LEZIONE N° 8 ALGEBRA BOOLEANA PostulatiPostulati Principio di dualitàPrincipio di dualità Teoremi fondamentaliTeoremi.
PER FUNZIONI DI PIÙ VARIABILI - 3.
Soluzione di equazioni non lineari
Ricerca della Legge di Controllo
Tecniche di Risoluzione della Programmazione a Breve Termine.
Modelli e Algoritmi della Logistica
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
Algoritmi e Strutture Dati
Modelli probabilistici
Giochi su network di connessione Stefano Moretti Istituto Nazionale per la Ricerca sul Cancro Phone: Pavia,
Equazioni non lineari Data una funzione consideriamo il problema di determinare i valori x tali che Tali valori sono solitamente.
La dimostrazione per assurdo….
Main tools of the probabilistic method with applications in graph theory Attività formativa - Yuri Faenza Supervisore: Prof. B. Scoppola CdLS in Ingegneria.
Università di L’Aquila Claudio Arbib Ricerca Operativa
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
La programmazione lineare
Prof. Cerulli – Dott.ssa Gentili
dal libro di Babai & Frankl:
Prof. Cerulli – Dott.ssa Gentili
Teorema dell’unicità del limite
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
ESTENSIONI SEMPLICI e TEOREMA DELL’ELEMENTO PRIMITIVO
la somma degli angoli interni di un poligono convesso?
Che cosa è un insieme convesso?
Stabilità per E.D.O. (I): STABILITÀ LINEARIZZATA
Sottospazi vettoriali
Equazioni e disequazioni
Equazioni e disequazioni
Equazioni e sistemi non lineari
Algebra di Boole.
redditività var. continua classi di redditività ( < 0 ; >= 0)
Algebra di Boole.
Un problema multi impianto Un’azienda dispone di due fabbriche A e B. Ciascuna fabbrica produce due prodotti: standard e deluxe Ogni fabbrica, A e B, gestisce.
Claudio Arbib Università dell’Aquila Ricerca Operativa Metodo del simplesso per problemi di distribuzione single-commodity.
Test basati su due campioni Test Chi - quadro
A.S.E.7.1 ARCHITETTURA DEI SISTEMI ELETTRONICI LEZIONE N° 7 ALGEBRA BOOLEANA PostulatiPostulati Principio di dualitàPrincipio di dualità Teoremi fondamentaliTeoremi.
Codici prefissi Un codice prefisso è un codice in cui nessuna parola codice è prefisso (parte iniziale) di un’altra Ogni codice a lunghezza fissa è ovviamente.
11 aprile 2006Master in economia e politica sanitaria - Simulazione per la sanità 1 _Programmazione _______________________________________ Programmazione.
Potenziale elettrico e differenza di potenziale
Informazioni sul corso di Metodi di Ottimizzazione A.A. 2013/14
Programmazione lineare: un esempio Mix produttivo ottimo con risorse vincolate Materiale di studio: M. Fischetti, Lezioni di RO, Cap. 3. Libreria Progetto.
La covarianza.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
La circonferenza e l’ellisse La sezione conica è l’intersezione di un piano con un cono. La sezione cambia a seconda dell’inclinazione del piano. Se il.
Luogo geometrico In geometria esistono delle figure formati da punti che soddisfano a delle particolari condizioni. Queste figure costituiscono dei luoghi.
Lezione n° 5: Esercitazione
1 DISTRIBUZIONI DI PROBABILITÁ. 2 distribu- zione che permette di calcolare le probabilità degli eventi possibili A tutte le variabili casuali, discrete.
Scuola di Dottorato in Ingegneria Industriale Game Theory and analysis of competitive dynamics for industrial systems Corso di Dottorato di Ricerca in.
Lezione n° 8 - Matrice di base. - Soluzioni di base ammissibili. - Relazione tra vertici di un poliedro e soluzioni basiche. - Teorema fondamentale della.
Lezione n° 10 Algoritmo del Simplesso: - Coefficienti di costo ridotto - Condizioni di ottimalità - Test dei minimi rapporti - Cambio di base Lezioni di.
Lezione n° 6 -Ottimi globali e locali -Risoluzione grafica di un problema di PL -Definizione di Iperpiano e Semispazi. -Insiemi convessi. -Politopi e poliedri.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Informazioni sul corso di Metodi di Ottimizzazione A.A. 2015/16 Orario del corso Ricevimento e recapiti del docente MiniSito di ateneo del corso Mailing.
Programmazione lineare: un esempio Mix produttivo ottimo con risorse vincolate Materiale di studio: M. Fischetti, Lezioni di RO, Cap. 3. Libreria Progetto.
Programmazione Bilivello
Programmazione Bilivello
Statistica descrittiva bivariata
Ricerca Operativa 2a parte
Transcript della presentazione:

Programmazione Bilivello Lezione 1

Indice definizione del problema applicazioni classi di problemi definizioni, teoremi e proprietà metodi risolutivi BLP discreti metodi risolutivi

Riferimenti bibliografici Bard, J.F. (1998). Practical Bilevel Optimization: Algorithms and Applications. Kluwer Academic Publishers, Dordrecht, The Netherlands. Colson, B., Marcotte, P., Savard, G. (2007). An overview of bilevel optimization. Annals of Operations Research, 153(1), 235–256. Dempe, S. (Eds.) (2002). Foundation of bilevel Programming. Kluwer Academic Publication

Definizione del Problema

Bilevel Programming Problem (BLP) ”mathematical program that contains an optimization problem in the constraints” Bracken, McGill (1973) problemi correlati: – static Stackelberg problem – Mathematical programming with equilibrium constraints (MPEC)

Formulazione Generale

f.o. leader/ upper level

Formulazione Generale f.o. follower/ lower level

Formulazione Generale vincoli upper level

Formulazione Generale vincoli lower level

Applicazioni

Da Colson et al. (2007) problemi di management – facility location, regolamentazione ambientale, politica energetica, hazmat transportation resource allocation and economic plannig – politiche sociali ed agricole, tariffazione dell’energia elettrica, toll setting

Applicazioni transportation and network design revenue management (pricing&seat allocation in airline indutry) problemi di clustering worst-case analysis problemi multi-agente

Classi di Problemi

f.o. e vincoli lineari + variabili continue: BLP lineare (il più studiato) – autori di riferimento: Bialas, Karwan, Bard, Candler, Townsley, Ben-Ayed, Fortuny-Amat, McCarl f.o. e vincoli non lineari + variabili continue: BLP non lineare – autori di riferimento: Dempe, Bard, Falk, Colson, Marcotte, Savard, Vicente, Calai, Aiyoshi, Shimizu

Classi di Problemi BLP non lineare maggiormente studiati: – lineare-quadratico: f.o. follower quadratica + f.o. leader e vincoli lineari – quadratico-quadratico: f.o. entrambe quadratiche + vincoli lineari – lineare-bilineare: f.o. leader e vincoli lineari + f.o. follower bilineare variabili discrete: BLP discreti – autori di riferimento: Bard, Moore, Edmunds, Audet, Jaumard, Savard, Wen, Dempe, Vicente

Classi di Problemi BLP discreti maggiormente studiati: – BLP lineari con variabili upper level binarie e lower lever continue – BLP lineari con variabili upper level e lower level mixed- integer – BLP lineari con variabili upper level e lower level binarie

Definizioni e Proprietà: Constrained Set, Reaction Set, Inducible Region

Constrained Set, Reaction Set, Inducible Region Data la formulazione generale

constrained set (chiamato anche semi-feasible set): regione ammissibile del follower per ogni valore reaction set per ogni valore inducible region: Constrained Set, Reaction Set, Inducible Region

a causa della presenza di vincoli di upper level in generale R(x) ≠ IR Teoremi di Bard per il caso lineare e suoi limiti (ipotesi S limitata): – teorema 1: IR è continua, lineare a tratti e costituta dagli iperpiani di supporto di S – teorema 2: se una soluzione è combinazione convessa di r soluzioni, allora anche le r soluzioni (dimostrazione) – teorema 3: la soluzione ottima si trova in un vertice di S (dimostrazione) Constrained Set, Reaction Set, Inducible Region

La formulazione generale nel caso lineare è la seguente

Constrained Set, Reaction Set, Inducible Region La formulazione generale nel caso lineare è la seguente può essere riscritta come

Dimostrazione teorema 2: Sia e sia con e : Assumiamo, per assurdo, che tra le r soluzioni, esista una : Constrained Set, Reaction Set, Inducible Region

Dimostrazione teorema 2: (continua) Deve esistere una soluzione che a parità di variabili leader, è migliore per il follower. Quindi E’ possibile definire una soluzione t.c. Constrained Set, Reaction Set, Inducible Region

Dimostrazione teorema 2: (continua) Le soluzioni e hanno lo stesso valore delle variabili leader, ma diverso valore delle variabili follower. Segue che a parità di variabili leader, non è la reazione ottima del follower che contraddice l’ipotesi. Constrained Set, Reaction Set, Inducible Region

Dimostrazione teorema 3: La soluzione ottima si trova in un vertice di S. Assumiamo, per assurdo, che la soluzione ottima z* sia un vertice di IR, ma non di S. z* può essere scritta come combinazione convessa di r soluzioni in S. Per il teorema 2, anche queste r soluzioni stanno in IR. Segue che z* è un vertice di IR e può essere espresso come combinazione convessa di soluzioni in IR, che è un assurdo, quindi z* è anche vertice di S. Constrained Set, Reaction Set, Inducible Region

il teorema è verificato solo in assenza di vincoli di upper level o per vincoli del tipo G(x) ≤ 0 (che dipendono solo da x). In questo caso ogni soluzione (x,y) ϵ R(x) appartiene anche a IR. In caso contrario IR può essere discontinua o vuota la soluzione può essere cercata tra i vertici di S Constrained Set, Reaction Set, Inducible Region

Esempio 1 (Bard):

Constrained Set, Reaction Set, Inducible Region A B C D

A B C D

A B C D soluzione ottima

Constrained Set, Reaction Set, Inducible Region Nel caso singolo obiettivo

A B C D Constrained Set, Reaction Set, Inducible Region soluzione ottima

Constrained Set, Reaction Set, Inducible Region Esempio 2 (Bard):

Constrained Set, Reaction Set, Inducible Region A BC

A BC

IR insieme vuoto

Constrained Set, Reaction Set, Inducible Region Esempio 3:

Constrained Set, Reaction Set, Inducible Region A B I D H

A B I D H

Esempio 4:

Constrained Set, Reaction Set, Inducible Region A B C D

IR disconnessa A B C D

Constrained Set, Reaction Set, Inducible Region Il ruolo degli upper level consraints è cruciale Se il numero di upper level constraints è diverso d zero, spostando almeno un vincolo nell’inner problem si ottiene un rilassamento Esempio sull’hazmat transportation

Constrained Set, Reaction Set, Inducible Region Si consideri il seguente modello bilivello per un problema di network design nell’ambito del trasporto di hazmat :rischio dell’arco (i,j) :costo del trasporto sull’arco (i,j)

Si consideri la seguente rete con s=1 e t=4 Constrained Set, Reaction Set, Inducible Region soluzione ottima rischio = 3 costo = 23

Spostando il vincolo nel problema leader, il follower sceglierà sempre l’arco (1,4). Con non ci sarebbero soluzioni ammissibili. Constrained Set, Reaction Set, Inducible Region soluzione ottima rischio = 100 costo = 1