Anteprima
Vedrai una selezione di 18 pagine su 82
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 1 Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 2
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 6
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 11
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 16
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 21
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 26
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 31
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 36
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 41
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 46
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 51
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 56
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 61
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 66
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 71
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 76
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Appunti di Metodi e modelli di ottimizzazione discreta 1 Pag. 81
1 su 82
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

Formulazione Generale

u(x) € x = ∑ ci • xi

s.t. Ax ≤ b

x ≥ 0   1. intero

c=(cl, ..., cu)

A=[mxu]

Soluzione

Soluzione ammissibile se rispetta tutti i vincoli.

Soluzione ottima se tra tutte le soluzioni ammissibili massimizza la funzione obiettivo.

Fa parte della programmazione lineare intera la programmazione lineare binaria.

Tutte le volte che dobbiamo e possiamo scegliere variabili binarie

xi = { 1 se prendo l’oggetto i 0 altrimenti }

Per indicare la presenza di variabili binarie uso le seguenti notazioni :

x ∈ {0,1}n

oppure

x ≥ 0 e x ≤ 1 intero

Knapsack (zaino) Problema P2B

Dato

n oggetti caratterizzati da un peso wω i    ∀i = 1,... , n e un utilità ui;

esiste una capacità B ≥ 0

Trovare una soluzione di oggetti in modo tale che il peso totale degli

oggetti scelti non superi B e l’utilità totale sia massima.

J obiettivo

Formulazione

max    Σi=1n ui xi

s.t.     Σi=1n wi xi ≤ B

xi ≥ 0

xi ≤ 1

xi ∈ {0,1}

Knapsack multidimensionale

  • peso tot oggetti ∈ S ≤ B
  • volume tot oggetti ∈ S ≤ V

Independent Set

Dato grafo G = (V, E)

Trovare un sottoinsieme S ⊂ V

Tale che nessuna coppia di nodi di S sia connessa da un arco.

|S| sia il max

xi = 1 se vi ∈ S

xi = 0 se vi ∉ S ∀ vi ∈ V

Formulazione

max z = ∑ xi

S.T.

  • x1 + x2 ≤ 1
  • x1 + x3 ≤ 1
  • x2 + x3 ≤ 1
  • x4 + x5 ≤ 1
  • x3 + x4 ≤ 1
  • x1 + x5 ≤ 1 n = 5
  • x ∈ {0, 1}

Se la versione cardinalità è quella posta basta aggiungere i pesi wi

  • yi = 1 se vi ∉ S
  • x scalzo yi = 1 se vi ∈ S

(1 - y1) + (1 - y2) + (1 - y3) + (1 - y4) + (1 - y5) + (1 - y6) =

Formulazione

max w = ∑ (1 - yi)

(1 - yi) + (1 - yj) ≤ 1 ∀ (vi, vj) ∈ E

  • yi ∈ {0, 1} i = 1,...,n

Si semplifica con

yi + yj ≥ 1

Problemi 82.5

Knapsack Intero

Dati u tipi oggetti ciascuno in molteplicità uj ≥ 0 j = 1,...,u e di peso wj ≥ 0 j = 1,...,u e di utilità uj ≥ 0 j = 1,...,u

Capacità B ≥ 0

Trovan: quanti tipi di oggetti prendere e quanti

Tale che:

  • il peso complessivo non mai ecceda B
  • l'utilità complessiva sia massima

Formulazione

max z = Σ yj xj

s.t.

  • Σ wj xj ≤ B
  • xj ≥ 0 e intera j = 1,...,u
  • xj ≤ uj j = 1,...,u

Es.

u = 3

1, μ2, μ3) = (2, 5, 3)

(w1, w2, w3) = (1.5, 2.3, 1.4)

B = 15.8

(u1, u2, u3) = (2, 3, 3)

max z = 2x₁ + 5x₂ + 3x₃

s.t.

  • 1.5x₁ + 2.3x₂ + 1.4x₃ < 15.8
  • x₁ ≥ 0
  • x₂ ≤ 2
  • x₂ ≤ 3
  • x₃ ≤ 3

Se dai calcolo # max di oggetti di tipo s lo xj quello

Xj = ⌊ B / ... ⌋

Immaginiamo di avere un problema con le seguenti formulazioni

max z = c

X = A ∪ B ∪ C

FORMULAZIONE

A

ya =

B

C

χ1, χ2 ≥ 0

ya, yb, yc ∈ {0, 1}

ya yb yc

unica configurazione problema

ya + yb + (1 - yc) = 3

Per questo motivo aggiungo il seguente vincolo

(1 - ya) + yb + (1 - yc) ≤ 3

max z = c

X

A

B

C

VINCOLI DI PRECEDENZA

1) Fra due esecuzioni j3 > j3

2) Fra due procedimenti j3 > j3

Si associa un grafo orientato con n nodi e un arco orientato (Ve, Vc) se ji -> jk

W=4

t3 + ß3 < t4

Ogni vincolo di precedenza ci autorizza ad eliminare la corrispondente coppia di vincoli di non sovrapposizione

Altri vincoli particolari di precedenza

3) Il lavoro j2 deve iniziare non appena j1 ha terminatot3----------t1, t1 + p1Vincolo: t3 = t1 + p1

-> nello schedulatore ci autorizza ad eliminare la coppia di vincoli di non sovrapposizione di (1,3)

• j3 deve iniziare almeno 5 unità dopo la fine di j2

t3 = t2 + p2 + 5

Problemi di Ottimizzazione Combinatoria

Formulazione Generale

max

min cT x

s.t. Ax ≤ b

xi ∈ {0, 1}

Definizione Generale

Dati:

  • un insieme A = {a1, a2, ..., an} di n elementi
  • un vettore c = {c1, c2, ..., cn} di costi
  • una famiglia ℱ di soluzioni ammissibili di A

Trovare un sottinsieme X ∈ ℱ

f in modo tale che venga ottimizzata la f. o. (dato)

Famiglia di un insieme di soluzioni di A

ℱ = { {a1, a5, a7}, {a2, a9}, {a3, a5, a7}, ... }

x vettore incidenza

xi ∈ {0, 1}

Vincoli

1 = {sottinsiemi di A composti da 3 elementi}

max z = ∑i=1n ci xi

s.t. ∑i=1n xi = 3

xi ∈ {0, 1}, i = 1, ..., n

2 = {sottinsiemi di A con esattamente 4 elementi}

i=1n (1-xi) = 4

i=1u xi = n - 4

N = 6

Il matching è un set packing ma non vale il viceversa, se a ha 1 con b "ij" per colonna allora il set packing è un matching

Es di Set Partitioning

min z = C1X1 + ... + C8X8

  • X1 + X4 + X5 = 1
  • X2 + X5 + X6 + X8 = 1
  • X1 + X3 + X6 + X7 = 1
  • X3 + X4 + X7 = 1
  • X4 + X6 = 1
  • X2 + X5 = 1

Xi ≥ 0 i = 1,...,8

Min node cover su G

Dec G

Trovare un sottoinsieme X di nodi

tale che in ogni arco venga scelto > 1

|X| da min

Xi = 1 se Ni ∈ X i = 1,...,8

0 se Ni ∉ X

min z = ∑ Xi -> conta quanti X

s.t. (a1) X1 + X2 + X3 ≥ 1

(a2) X2 + X3 ≥ 1

(a3) X1 + X4 + X5 ≥ 1

(a4) X1 + X6 + X7 ≥ 1

(a5) X3 + X6 + X7 ≥ 1

(a6) X4 + X6 = 1

(a7) X2 + X5 = 1

X ∈ {0,1}

Dettagli
Publisher
A.A. 2022-2023
82 pagine
SSD Scienze matematiche e informatiche MAT/09 Ricerca operativa

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher Jess68 di informazioni apprese con la frequenza delle lezioni di Metodi e modelli di ottimizzazione discreta 1 e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi di Roma Tor Vergata o del prof Nicoloso Sara.