Modelli e Algoritmi della Logistica

Slides:



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

Meccanismi one-parameter. Riepilogo Archi di un grafo controllati da agenti egoistici Solo lagente conosce il peso associato al proprio arco Obiettivo:
Algoritmi e Strutture Dati
TSP Traveling Salesman’s Problem Università di Camerino
Algoritmi e Strutture Dati
Università degli Studi di Roma Tor Vergata
Algoritmo di Ford-Fulkerson
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Flusso Massimo Applicazione di algoritmi
Flusso Massimo Applicazione Algoritmi Esercizio 1 Sia dato la seguente rete di flusso, in cui la sorgente è il nodo 1 e la destinazione è il nodo 6. I.
Algoritmi e Strutture Dati (Mod. B)
Algoritmi di classificazione e reti neurali Seminario su clustering dei dati – Parte I Università di RomaLa Sapienza Dipartimento di Informatica e Sistemistica.
Modelli e Algoritmi della Logistica
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 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
Modelli e Algoritmi per la Logistica
Modelli e Algoritmi per la 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
Tecniche di Risoluzione della Programmazione a Breve Termine.
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.
Ottimizzazione nella gestione dei progetti
CONTROLLO DI SUPPLY CHAIN MEDIANTE TECNICHE H-INFINITO E NEGOZIAZIONE
Un ambiente di simulazione per lottimizzazione della logistica territoriale delle A.S.L. Politecnico di Torino Dipartimento di Automatica e Informatica.
Algoritmi e Strutture Dati
Algoritmi greedy Gli algoritmi greedy in genere non sono esatti, cioè determinano soluzioni non necessariamente ottime Per il problema dell’albero ricoprente.
Università degli Studi di Padova Progetto Lauree scientifiche Buratto Alessandra Dipartimento Di Matematica Pura Ed Applicata Liceo Scientifico "L. da.
Elaborato di Teoria dello Sviluppo dei Processi Chimici
Algoritmo di Dijkstra Università di Catania
Esempio di esecuzione dellalgoritmo di Prim 1 v1v1 v5v5 v2v2 v3v3 v4v U = {v 1 } X =Ø 1 v1v1 v5v5 v2v2 v3v3 v4v U = {v.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Algoritmi e Strutture Dati
Prof. Cerulli – Dott.ssa Gentili
Lezione n° 18: Maggio Problema del trasporto: formulazione matematica Anno accademico 2008/2009 Prof. Cerulli – Dott.ssa Gentili Lezioni di.
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Ricorsione CORDA – Informatica A. Ferrari Testi da Alessandro Bugatti
1 Università degli Studi di Roma “Tor vergata” Dipartimento di Ingegneria Civile Corso di Gestione ed esercizio dei sistemi di trasporto Docente: Ing.
ANIMAZIONE IN 3D DI FLUIDI INCOMPRIMIBILI
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.
Olimpiadi di Informatica 2010 Giornate preparatorie
Claudio Arbib Università dell’Aquila Ricerca Operativa Metodo del simplesso per problemi di distribuzione single-commodity.
Flusso Massimo Applicazione di algoritmi
Flusso di Costo Minimo Trasformazioni Equivalenti e Trasformazioni Inverse Viene data la seguente rete di flusso, in cui i valori riportati vicino agli.
Laureando: Enrico Sperindio Relatore: Prof. GIORGIO ROMANIN JACUR
Capitolo 13 Cammini minimi: Algoritmo di ordinamento topologico, di Dijkstra, e di Floyd e Warshall Algoritmi e Strutture Dati.
Meccanismi one-parameter. Riepilogo Archi di un grafo controllati da agenti egoistici Solo l’agente conosce il peso associato al proprio arco Obiettivo:
Simulazione Interattiva di Capelli Marta De Cinti Anno accademico 2005/2006 Università di Roma “La Sapienza” Relatore Prof. Marco Schaerf Correlatore Ing.
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Cammini minimi in grafi:
Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Capitolo 12 Minimo albero ricoprente: Algoritmo di Prim Algoritmi e Strutture.
Modelli e Algoritmi per la Logistica Lezione – 7 Pianificazione degli Investimenti ANTONIO SASSANO Università di Roma“La Sapienza” Dipartimento di Informatica.
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
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Transcript della presentazione:

Modelli e Algoritmi della Logistica Metodo del Simplesso Dinamico SARA MATTIA Università di Roma“La Sapienza” Dipartimento di Informatica e Sistemistica

Problema Sia dato il grafo G(V,E), dove V rappresenta un insieme di città, ed E rappresenta i collegamenti tra le città. (6,3) (5,4) (2,8) (5,5) (3,5) (2,6) (4,4) (6,2) 2 3 6 5 1 4 s t Ad ogni arco (u,v)E sono associati: un costo di utilizzo cuv un tempo di percorrenza tuv Un corriere preleva un pacco in 1 e deve consegnarlo in 6, decidendo quale percorso scegliere per: minimizzare il costo di trasporto impiegare un tempo minore di Tmax = 12

Formulazione (cuv, tuv) Tmax = 12 t s insieme ammissibile S : 3 6 5 1 4 s t (6,3) (5,4) (2,8) (5,5) (3,5) (2,6) (4,4) (6,2) (cuv, tuv) Tmax = 12 insieme ammissibile S : vettori di incidenza di cammini tra s e t con ritardo minore di T

Formulazione (cuv, tuv) Tmax = 12 t s formulazione P : 3 6 5 1 4 s t (6,3) (5,4) (2,8) (5,5) (3,5) (2,6) (4,4) (6,2) (cuv, tuv) Tmax = 12 formulazione P : vincolo sul ritardo cammino st vincoli di box

Formulazione (cuv, tuv) Tmax = 12 t s 2 3 6 5 1 4 (6,3) (5,4) (2,8) (5,5) (3,5) (2,6) (4,4) (6,2) (cuv, tuv) Tmax = 12

Metodo del Simplesso Dinamico problema “core” (PÍ Q) P =  min cTx xÎQ = {Dx>d, 1n > x >0n } Metodo del Simplesso Q =  x* aggiungi a Q il vincolo x* P aTx  b Oracolo di Separazione x*Î P x* ottima

Metodo del Simplesso Dinamico 2 3 6 5 1 4 s t problema “core” (PÍ Q) min cTx xÎQ = {Dx>d, 1n > x >0n }

Metodo del Simplesso Dinamico min cTx xÎQ = {Dx>d, 1n > x >0n } Metodo del Simplesso 2 3 6 5 1 4 s t

Metodo del Simplesso Dinamico 2 3 6 5 1 4 s t Metodo del Simplesso x* Oracolo di Separazione x* P aTx  b aggiungi a Q il vincolo

Metodo del Simplesso Dinamico 2 3 6 5 1 4 s t x*

Metodo del Simplesso Dinamico 2 3 6 5 1 4 s t Metodo del Simplesso x* Oracolo di Separazione x* P aTx  b aggiungi a Q il vincolo

Metodo del Simplesso Dinamico 2 3 6 5 1 4 s t x*

Metodo del Simplesso Dinamico 2 3 6 1 4 s t 5 Metodo del Simplesso x* Oracolo di Separazione x* P aTx  b aggiungi a Q il vincolo

Metodo del Simplesso Dinamico 2 3 6 5 1 4 s t x*

Metodo del Simplesso Dinamico 2 3 6 5 1 4 s t Metodo del Simplesso x* Oracolo di Separazione la capacità del taglio minimo è 1 x*Î P non c’è nessun vincolo violato x* ottima

Metodo del Simplesso Dinamico 2 3 6 5 1 4 s t x* soluzione ottima per P x* ottima per il problema intero x* intera