Modelli e Algoritmi della Logistica

Slides:



Advertisements
Presentazioni simili
ERREsoft1 Basi matematiche del sistema RSA Pierluigi Ridolfi Università di Roma La Sapienza marzo 2000.
Advertisements

LE MATRICI.
Algebra delle Matrici.
Università degli Studi di Roma Tor Vergata
Prof.ssa Chiara Petrioli -- corso di programmazione 1, a.a. 2006/2007 Corso di Programmazione 1 a.a.2007/2008 Prof.ssa Chiara Petrioli Corso di Laurea.
RICHIAMI ELEMENTARI DI ALGEBRA MATRICIALE
ANALISI DEI GRUPPI seconda parte
Algoritmi e Strutture Dati
PER FUNZIONI DI PIÙ VARIABILI - 3.
PER FUNZIONI DI PIÙ VARIABILI - 2.
1 Corso di Laurea in Biotecnologie Informatica (Programmazione) Problemi e algoritmi Anno Accademico 2009/2010.
Algoritmi di classificazione e reti neurali Seminario su clustering dei dati – Parte I Università di RomaLa Sapienza Dipartimento di Informatica e Sistemistica.
Seminario su clustering dei dati – Parte II
Seminario su clustering dei dati – Parte II
Modelli e Algoritmi della Logistica
Modelli e Algoritmi della Logistica
Modelli e Algoritmi della Logistica
Modelli e Algoritmi della Logistica
Modelli e Algoritmi per la Logistica Branch & Bound Prof. Carlo Mannino Prof. Antonio Sassano Dipartimento di Informatica e Sistemistica Università di.
Ottimizzazione Combinatoria
Modelli e Algoritmi per la Logistica
Modelli e Algoritmi per la Logistica
Modelli e Algoritmi per la Logistica
Corso di Modelli e Algoritmi della Logistica
Modelli e Algoritmi per la Logistica
Modelli e Algoritmi per la Logistica
Modelli e Algoritmi della Logistica
Modelli e Algoritmi della Logistica
Modelli e Algoritmi per la Logistica
1. ( punti 7 ) Siano dati un insieme di localizzazioni potenziali (nodi grandi) ed un insieme di clienti da servire (nodi piccoli). Il costo di afferenza.
Modelli e Algoritmi per la Logistica
Algoritmi di ordinamento
Modelli e Algoritmi della Logistica
Università degli Studi di Roma La Sapienza
Modelli e Algoritmi per la Logistica
1. ( punti 7 ) Siano dati un insieme di localizzazioni potenziali (nodi grandi) ed un insieme di clienti da servire (nodi piccoli). Il costo di afferenza.
Ottimizzazione nella gestione dei progetti
Dipartimento di Ingegneria Idraulica e Ambientale - Universita di Pavia 1 Simulazione di un esperimento di laboratorio: Caduta di un corpo quadrato in.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Torna alla prima pagina Inforscuola, 2/12/99 1 MINISTERO DELLA PUBBLICA ISTRUZIONE DIREZIONE GENERALE DELL' ISTRUZIONE SECONDARIA DI 1° GRADO Progetto:
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili

Prof. Cerulli – Dott.ssa Gentili
Cammini minimi tra tutte le coppie
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Corso di Informatica Corso di Laurea in Conservazione e Restauro dei Beni Culturali Gianluca Torta Dipartimento di Informatica Tel: Mail:
Università degli Studi di Bologna
Programmazione lineare
Corso di Matematica (6 CFU) (4 CFU Lezioni +2 CFU Esercitazioni)
FONDAMENTI DI INFORMATICA
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Algoritmi di classificazione e reti neurali Seminario su clustering dei dati Università Sapienza di Roma Dipartimento di ingegneria Informatica, Automatica.
Ottimizzazione nella gestione dei progetti Prova scritta del 16/04/2005 COMPITO B Studente: ………………………………… Matricola: ………………………………… (2 punti) Disegnare.
Claudio Arbib Università dell’Aquila Ricerca Operativa Metodo del simplesso per problemi di distribuzione single-commodity.
Reti Logiche A Lezione 2.1 Sintesi di reti combinatorie a due livelli
Modelli e Algoritmi per la Logistica Lezione – 7 Pianificazione degli Investimenti ANTONIO SASSANO Università di Roma“La Sapienza” Dipartimento di Informatica.
Informazioni sul corso di Metodi di Ottimizzazione A.A. 2013/14
Quadrati magici tabelle numeriche con particolari curiose proprietà.
CALCOLO DEL DETERMINANTE DELLA MATRICE TRE PER TRE
Sistemi di equazioni lineari. Sistemi di primo grado di due equazioni a due incognite Risolvere un sistema significa trovare la coppia di valori x e y.
Massimi e Minimi Definizione punto di max assoluto punto di max assoluto ( punto di min assoluto ) se.
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.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Lezione n° 15 Teoria della dualità: - Interpretazione Economica Lezioni di Ricerca Operativa Corso di Laurea in Informatica Università di Salerno Prof.
Prof. Cerulli – Dott. Carrabs
Lezione n° 14 Teoria della dualità: - Teorema forte della dualità - Teorema degli scarti complementari Lezioni di Ricerca Operativa Corso di Laurea in.
Modelli e Algoritmi della Logistica
Transcript della presentazione:

Modelli e Algoritmi della Logistica Lezione – 14 Ascesa Duale – Idea base ANTONIO SASSANO Università di Roma“La Sapienza” Dipartimento di Informatica e Sistemistica Roma, 25-11-99

Metodo di Ascesa Duale min {cTx: xÎ PÇ{0,1}n} Problema di PL01: min {cTx: xÎ PÇ{0,1}n} P = {xÎ Rn: Ax > b, x > 0n } formulazione min {cTx: xÎ P}= cTx* “lower bound” Dualità: (Primale) min cTx Ax > b x > 0n (Duale) max bTy ATy < c y > 0m Y = { Teorema Debole: xÎ P Ù yÎ Y bTy < cTx bTy < cTx* ogni soluzione duale yÎY definisce un “lower bound”

å fj xj + å å cij yij å zi å yij =1 iÎ I xj - yij > 0 iÎ I jÎ J yij > 0 xj >0 iÎ I jÎ J å fj xj + å å cij yij jÎ J min (PRIMALE) (zi ) (uij ) å zi iÎ I max (DUALE) zi - uij < cij iÎ I jÎ J (yij ) iÎ I å uij < fj jÎ J (xj ) uij > 0 iÎ I jÎ J

zi - uij < cij iÎ I jÎ J å uij < fj jÎ J uij > 0 iÎ I jÎ J g(z,u)=å zi iÎ I max (DUALE) å uij < fj jÎ J zi - uij < cij iÎ I jÎ J Per ogni possibile soluzione ammissibile duale (z,u): g(z,u) “lower bound” (Teorema della Dualita’ Debole) ESEMPIO (LB1): 1 4 3 2 8 10 5 6 9 13 12 ú û ù ê ë é = c Soluzione duale uij =0; zi=min{cij} jÎ J g(z,u)=3

å zi zi < cij +uij iÎ I jÎ J å uij < fj jÎ J Cosa accade se uij ¹ 0 ? uij > 0 iÎ I jÎ J å zi iÎ I max (DUALE) iÎ I å uij < fj jÎ J zi < cij +uij iÎ I jÎ J [cij + uij] =

Soluzione iniziale: uij =0 Þ zi=min{cij} [cij + uij] = - Minimo della riga 2 Þ c24 =1 IDEA ! Incrementando il valore di uij corrispondente al minimo di riga fino al minimo successivo si incrementa della stessa quantita’ il valore di zi ESEMPIO Soluzione iniziale: uij =0 Þ zi=min{cij} jÎ J - Minimo successivo della riga 2 Þ c25 =2 - Incremento di 1 il valore u24 Þ u24 =1 Þ z2=2

[cij + uij] = Di quanto possiamo incrementare le componenti di u ? Per ogni jÎ J il vincolo å uij < fj non puo’essere violato ! iÎ I La somma delle componenti di u in ogni colonna deve essere minore del costo di attivazione del corrispondente impianto ( fj )

- Ogni riga k ha un minimo di riga nella componente j(k) IDEA BASE DELLA PROCEDURA DI ASCESA DUALE Ad un generico passo: [ 4 3 1 4 7 ] - Ogni riga k ha un minimo di riga nella componente j(k) - k = 2 - j(k) = 4 - s(k)= min {ckj+ ukj } minimo successivo della riga k jÎ J-{j(k)} - s(k) = 2 - dk= s(k) - (ck j(k)+uk j(k)) (massimo incremento di riga) - dk = 2-2=0 iÎ I - Dj = fj - å uij (massimo incremento di colonna) - Dj = 4-1=3

- Incrementa il valore di ukj(k) della quantita’ Vk : IDEA BASE DELLA PROCEDURA DI ASCESA DUALE Ad un generico passo: - Ogni riga k ha un minimo di riga nella componente j(k) - Una riga k e’ BLOCCATA se Dj(k)=0 o dk=0 - Scegli la riga k NON BLOCCATA con valore massimo della quantita’: Vk =min(Dj(k) ,dk) - Incrementa il valore di ukj(k) della quantita’ Vk : Quando tutte le righe sono bloccate, poni: Zk = (ck j(k)+uk j(k)) per ogni kÎI LB= å zk kÎ I