Metodi deterministici

Slides:



Advertisements
Presentazioni simili
I FONDAMENTI DELLA RELATIVITA’
Advertisements

Modellistica e simulazione1 Esercitazione 3
Fisica dei biliardi e caos
Metodi e Applicazioni numeriche nell’Ingegneria Chimica
Matematica Derivate Baluta Gabriel SCHEDA PRESENTAZIONE Matematica
Numeri casuali Cos’e’ un numero casuale? 3 e’ un numero casuale?
I movimenti dell’estratto conto
RICERCA IN UN VETTORE.
RICERCA IN UN VETTORE. Metodi basati sul confronto di chiavi Si confrontano gli elementi del vettore V con lelemento (chiave K) che si vuole ricercare.
Dott. Mario Pavone Un Algoritmo Immunologico Ibrido con Information Gain per il Problema della Colorazione.
Depth-first search Visita in profondità di un grafo Algoritmo Esempio
Simulazioni Molecolari
Minimizzazione dell’energia
1 Capitolo 2: Semplificazione, Ottimizzazione e Implicazione.
1 Esempi di consistenza sui limiti Non consistente sui limiti, considera Z=2, poi X-3Y=10 Ma il dominio qui sotto e consistente sui limiti: Confrontare.
Computer Graphics Marco Tarini Università dellInsubria Facoltà di Scienze MFN di Varese Corso di Laurea in Informatica Anno Accademico 2006/07 Lezione.
1 Corso di Informatica (Programmazione) Esercitazione 1 (26 novembre 2008)
1 Corso di Laurea in Biotecnologie Informatica (Programmazione) Problemi e algoritmi Anno Accademico 2009/2010.
Ottimizzazione non lineare non vincolata: Metodi iterativi di eliminazione ed interpolazione per ottimizzazione di funzione di una variabile maggio '11.
Ottimizzazione non lineare non vincolata: Metodi iterativi di eliminazione ed interpolazione per ottimizzazione di funzione di una variabile 10 marzo.
Polinomi, integrazione e ottimizzazione
Modelli e Algoritmi per la Logistica Branch & Bound Prof. Carlo Mannino Prof. Antonio Sassano Dipartimento di Informatica e Sistemistica Università di.
Modelli e Algoritmi per la Logistica
Progetto di algoritmi: metodologia "Divide et Impera"
Tecniche di Risoluzione della Programmazione a Breve Termine.
Modelli matematici per impianti di trattamento delle acque reflue
PROGETTO E TRAINING DI MLP
Elaborato di Teoria dello Sviluppo dei Processi Chimici
Modelli Globali Daniele Marini.
Y t = F( X t, Y t-1, X t-1 ) + t E t [Y t+j ] = ….. Si supponga inoltre che nellistante t i valori di X t, Y t e tutti i loro valori passati siano noti.
Sistemi Multimediali II Marco Tarini Università dellInsubria Facoltà di Scienze MFN di Varese Corso di Laurea in Informatica Anno Accademico 2004/05 Lezione.
Laureando: Enrico Masini
Euristiche: algoritmi costruttivi e di ricerca locale
PARSERIZZAZIONE DI FILE
Configurabilità del servizio Voic in Asterisk Università degli studi di Pisa Facoltà di Ingegneria Laurea specialistica in Ingegneria Informatica.
Stima del flusso ottico per il controllo dei movimenti oculari
Didattica on line.
Programmazione lineare
1 Università degli Studi di Roma “Tor vergata” Dipartimento di Ingegneria Civile Corso di Gestione ed esercizio dei sistemi di trasporto Docente: Ing.
Progetto MIUR SPA.DA. Riunione Genova 7 Giugno 2002.
Teoria degli asintoti.
Progettazione ottimizzata di dispositivi elettromagnetici Ing. Nunzio Salerno Modelli numerici per campi e circuiti.
NP completezza. Problemi decisionali I problemi decisionali sono una classe di problemi dove per ogni possibile ingresso un algoritmo deve scegliere una.
Modelli ed algoritmi per la riqualificazione dell’offerta nella raccolta di rifiuti solidi urbani Tesi di laurea di: Claudio Caremi.
1/20 NP completezza. 2/20 Problemi astratti Un problema è un’entità astratta (es. il TSP). Una istanza del problema è un suo caso particolare in cui vengono.
MINIMIZZAZIONE MONODIMENSIONALE: CONFRONTO FRA ALGORITMI
Il simulated annealing (SA)
1 Il simulated annealing (SA) Analogia con il processo di solidificazione di un metallo fuso A partire dal metallo fuso, la temperatura viene abbassata.
FILTRI ANALOGICI E DIGITALI Modulo del Corso Integrato di: Progetto di Circuiti per il Trattamento dei Segnali.
Progettazione ottimizzata di dispositivi elettromagnetici Ing. Nunzio Salerno Modelli numerici per campi e circuiti - A.A
DIAGNOSTICA CHIMICA PER LA AUTENTICITA’ ALIMENTARE Dott. ssa Mara Miglietta BIOTEC – AGRO C.R. Enea - Trisaia.
“La cassetta degli arnesi”
E n e r g i a.
Meccanica - I moti 1. Il moto uniforme I.
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.
Tecniche per ottenere per via geometrica dal grafico di una funzione, il grafico di altre funzioni da essa “generate” 5. Metodo grafico ISTITUZIONI DI.
1 Lezione V – seconda parte Avviare la presentazione col tasto “Invio”
1 Lezione VI Avviare la presentazione col tasto “Invio”
Metodi di minimizzazione Ricerca del minimo di dove è l’insieme delle variabili (coordinate)
ALGORITMO PER IL CALCOLO DELLA RADICE QUADRATA DI UN NUMERO METODO DI NEWTON Carlo Platella
Risoluzione di equazioni non lineari:
Lezione n° 8 - Matrice di base. - Soluzioni di base ammissibili. - Relazione tra vertici di un poliedro e soluzioni basiche. - Teorema fondamentale della.
La traslazione e i vettori
Due slides sui Design Patterns Luciano Pandola INFN-LNGS Corso INFN su C++, ROOT e Geant4.
Metodi di regolarizzazione nell’elaborazione delle immagini biomediche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Programmazione lineare: un esempio Mix produttivo ottimo con risorse vincolate Materiale di studio: M. Fischetti, Lezioni di RO, Cap. 3. Libreria Progetto.
EQUAZIONI NON LINEARI NEWTON MANOLO VENTURIN UNIVERSITÀ DEGLI STUDI DI PADOVA DIP. DI MATEMATICA PURA ED APPLICATA A. A. 2007/2008.
Transcript della presentazione:

Metodi deterministici Steepest descent Newton Gradiente Coniugato Lineare Gradiente Coniugato non Lineare Quasi-Newton (Davidon, Fletcher-Powell – DFP) Hooke – Jeeves o Pattern Search Metodo del simplesso

Algoritmo di Hooke-Jeeves (Pattern search) fNEW <f0 =No xNEW Step-size Accuracy f0 =f(x0) xNEW fNEW <f0 =No xNEW fNEW <fLAST =No x0 = xNEW +(xNEW – x0) xNEW fNEW <f0 = No x0 fNEW <f0 =No xNEW fNEW <fLAST =YES xNEW f0 =f(x0) xNEW fNEW <f0 =No xNEW fNEW <f0 =Yes x0

Metodo del simplesso (downhill simplex method) Differentemente dal pattern search, nel metodo del simplesso si utilizza, per la descrizione dello stato del sistema, piuttosto che un singolo punto, un simplesso di N+1 vertici (dove N è il numero di variabili del problema di ottimizzazione) la generazione delle nuove configurazioni avviene attraverso i movimenti del simplesso nello spazio

Movimenti del simplesso iniziale Riflessione Espansione Contrazione Contrazione globale