Modelli e Algoritmi per la Logistica

Slides:



Advertisements
Presentazioni simili
INDICATORI DI QUALITA ASSISTENZIALE CHD t1=primo quadrimestre t2=secondo quadrimestre t3=terzo quadrimestre t1=primo quadrimestre t2=secondo quadrimestre.
Advertisements

SCOPO: Determinare condizioni locali di equilibrio al fine di ottenere quello globale del sistema Problema: Flussi uscenti dalla cella centrale verso le.
Classe IV B A.s – 2009 Programma di Informatica 6 ore (3 laboratorio) Docenti –Prof. Alberto Ferrari –Prof. Alberto Paganuzzi.
Con questa presentazione impariamo a:
Descrizione Due clienti A e B si comportano come segue: nel loro stato iniziale operano una scelta tra il sincronizzarsi per decidere il loro comportamento.
Alberi binari di ricerca
Algoritmi e Strutture Dati
Algoritmi e Strutture Dati
Capitolo 6 Alberi di ricerca Algoritmi e Strutture Dati.
Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © The McGraw - Hill Companies, srl Capitolo 6 Il problema.
Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © The McGraw - Hill Companies, srl Capitolo 6 Il problema.
1 Corso di Laurea in Biotecnologie Informatica (Programmazione) Problemi e algoritmi Anno Accademico 2009/2010.
Modelli e Algoritmi della Logistica
Corso di 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 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
Reti Combinatorie: sintesi
Dinamica di corpi deformabili basata sulle posizioni
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
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
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
Maurizio Patrignani seminario sullarticolo On the Single-Source Unsplittable Flow Problem di Yefim Dinitz Naveen Garg Michel X. Goemans (aprile 98)
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.
Intelligenza Artificiale
DIAGRAMMI DI FLUSSO Notazione grafica usata per descrivere in modo intuitivo le azioni di cui è fatto un algoritmo. Viene usata per descrivere i passi.
Elaborato di Teoria dello Sviluppo dei Processi Chimici
Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica Progetto IS-MANET WP3: Algoritmi e modelli Milano
Algoritmo di Dijkstra Università di Catania
MECCANICA STATICA CINEMATICA  DINAMICA .
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.
Velocità e produttività a favore delloperatore Velocità e produttività a favore delloperatore Funzioni davanguardia per personale Ipo-Vedente Funzioni.
Algoritmi e linguaggi di programmazione
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Algoritmi e Strutture Dati
Corso di Infrastrutture Idrauliche
Ripasso : Algoritmi.
FONDAMENTI DI INFORMATICA
Classe IV A A.s – 2013 Programma di Informatica 5 ore (3 laboratorio) Docenti –Prof. Alberto Ferrari –Prof. Alberto Paganuzzi.
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Risoluzione dei Problemi (parte 2) Agostino Poggi.
Realizzazione software
Algoritmi e Programmazione (in C) Stefano Cagnoni e Monica Mordonini
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
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.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Algoritmi Avanzati a.a.2013/2014 Prof.ssa Rossella Petreschi Albero ricoprente di costo minimo Lezione n°12.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Modelli e Algoritmi della Logistica
Transcript della presentazione:

Modelli e Algoritmi per la Logistica Lezione – 12 Algoritmo di Ricerca Locale (“Local Search”) ANTONIO SASSANO Università di Roma“La Sapienza” Dipartimento di Informatica e Sistemistica Roma, 25-11-01

Algoritmo di Ricerca Locale (“Local Search”) Insieme base G ={1,2,…,n} (eventi elementari) Insieme delle soluzioni ammissibili S ={F1, F2, …,Fm} (Fi ÍG ) Intorno di una soluzione ammisibile F = N(F ) Í S T0 T1 T2 T3 N(T0 ) N(T1 ) N(T2 ) Costruire una sequenza di soluzioni ammissibili T0 ,T1, T2 , T3 ...: Idea base a. a partire da una soluzione ammissibile T0 b. individuando, al passo k, la soluzione di minimo costo Tk appartenente all’intorno N(Tk-1 ) della soluzione corrente Tk-1 . c. arrestandosi quando ogni soluzione appartenente all’intorno N(Tk-1 ) ha un valore della funzione obiettivo maggiore di c(Tk-1)

Intorni F1 F3 9 5 4 2 3 1 6 7 8 F2 F4 N(F1 )={F2,F4} N(F2 )={F1,F4} N(F4 )={F1,F2,F3} I ={N (Fi ): FiÎ S } Sistema di Intorni di S FÎN + (Fi ) Û F= Fi È k : kÏ Fi , FÎ S Intorno “greedy” FÎN - (Fi ) Û F=Fi - k : k ÎFi , FÎ S Intorno “reverse greedy” Intorno di “scambio” FÎN s(Fi ) Û Fi - {k } È { j } : k ÎFi , jÏ Fi , FÎ S

Albero Ricoprente: Intorno di Scambio g a g a g e e e h h h b b b d q d q d q c c c T0 a g a g e h e b h N s(T0 ) b d q d q c c Alberi “adiacenti a” (o “nell’intorno di scambio di”) T0 T1= T0 f-g g c b a e h m l d q f T2=T1 c-d T3=T2 m-q T0

Minimi Locali e Minimi Globali F* minimo globale Û c(F*) < c(F) per ogni FÎS F* minimo locale Û c(F*) < c(F) per ogni FÎN (F*)} Ne (x )= {y: |x-y|<e} minimi locali minimo globale L’algoritmo di ricerca locale individua un minimo locale

Ricerca Locale (“Local Search”) - Flow chart TÎ S Q*= min {c(T’ ): T’ ÎN(T) } TNUOVO= argmin {c(T’ ): T’ ÎN(T) } T:= TNUOVO NO Q*>c(T) T minimo locale STOP SI

Esempio “Local Search” - Localizzazione Intorno di “scambio” Ns (Fi )= { Fi - {k } È { j }ÎS: k ÎFi , jÏ Fi} 5 4 3 2 1 6 Fi={1,5,6} 5 4 3 2 1 6 Fk={1,5,6} - {1 } È { 2 } Î Ns (Fi ) Ns (Fi ) ={{2,5,6}, {3,5,6}, {4,5,6}, {1,4,6},....

2 1 5 3 4 6 Fgreedy={2,3,5} Ns (Fgreedy ) ={{2,3,1}, {2,3,4}, {1,3,5}, {4,3,5}, {2,1,5}, {2,4,5 } } 4 2 1 5 3 6 [ ] 7 8 10 9 13 12 = ú û ù ê ë é f c