Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Opera*va
27/09/2016
Materiale
• Teoria
– TESTO:
Combinatorial
Op.miza.on:
Algorithms
and
Complexity,
C.
Papadimitriou
&
K.
Steiglitz,
Dover
Publica*ons
– Tes4
consultabili:
• Hillier,
Lieberman,
Introduc.on
to
opera.ons
research.
• Dantzig,
Thapa.
Linear
Programming.
Springer-‐Verlag
• Bazaraa,
Jarvis.
Linear
Programming
and
Network
Flows.
John
Wiley
&
Sons
• Esercitazioni
– Materiale
del
docente
per
le
esercitazioni
– Generatore
automa*co
di
problemi
sul
sito
del
Prof.
R.
Pesen*
hOp://venus.unive.it/pesen*/Old/www/DidaRca/ProblGen/ProblGenIndex.htm
Ricevimento
• Martedì
dalle
15,00
alle
17,00
–
stanza
7
Ed.
6
III
piano
Fondamentali
per
Ingegneria
Ges*onale
Esempio:
Possibili
interven4
in
un’azienda
di
Traspor4
• Livello
strategico
– Definizione
delle
traOe
– Localizzazione
delle
struOure
(centri
di
stoccaggio)
• Livello
taRco
– Turnazione
del
personale
– Turnazione
macchine
• Livello
Opera*vo
– Ges*one
delle
scorte
– Ges*one
manutenzioni
Esempio
dalle
slide
del
Prof.
Pesen*
In
quanto
Ingegneri
Informa4ci
e
delle
Telecomunicazioni,
perchè
ci
interessa
tuOo
ciò?
In
quanto
Ingegneri
Informa4ci
e
delle
Telecomunicazioni,
perchè
ci
interessa
tuOo
ciò?
I
metodi
traOa4
nel
corso
di
RO
sono
ampiamente
usa4
in
molte
applicazioni
del
nostro
seOore!
Altri
campi
di
applicazione
(Ingegneria
dell’Informazione)
Mul4-‐Object
Tracking
È
un
problema
combinatorio
(associazione
iden*tà
a
detec*ons)
Image
from
Rother,
Carsten,
Vladimir
Kolmogorov,
and
Andrew
Blake.
"Grabcut:
Interac*ve
foreground
extrac*on
using
iterated
graph
cuts."
ACM
Transac.ons
on
Graphics
(TOG).
Vol.
23.
No.
3.
ACM,
2004.
Altri
campi
di
applicazione
(Ingegneria
dell’Informazione)
Object
Detec4on
-‐ Problema
combinatorio!
Altri
campi
di
applicazione
(Ingegneria
dell’Informazione)
Object
Detec4on
-‐ Problema combinatorio!
-‐ Essenzialmente
un
problema
di
Branch
&
Bound
-‐ Problema combinatorio!
-‐ Essenzialmente
un
problema
di
Branch
&
Bound
• …
E
tan*ssimi
altri!
ObieRvi
del
Corso
Formulazione
del
Problema
(Reale)
Analisi
della
soluzione
Data
una
istanza
Q(X)
vogliamo:
riconoscere
P,
costruire
M,
implementare
A
Problema
o
Istanza
del
Problema?
• Il
Problema
reale
che
vogliamo
risolvere
è
in
realtà
Formulazione
del
una
istanza
del
problema.
Q(X)
Problema
(Reale)
P
• Istanza
Q(X)
=
una
domanda
Q
caraOerizzata
da
determina*
da*
in
input
X
(conoscenza
a
priori
Dal
Problema
al
specifica
del
singolo
caso
considerato)
M
Modello
Matema*co
• Problema
=
una
domanda
P
caraOerizzata
da
una
conoscenza
a
priori
del
dominio
di
applicazione
ma
Dal
Modello
Matema*co
alla
non
dei
da*
di
input
A
selezione
del
Metodo
di
Risoluzione
Un
problema
è
un
insieme
di
istanze
P
=
{
Q(X)
ogni
X
}
che
rappresen*amo
aOraverso
un
modello
M
Applicazione
del
Metodo
di
S
Risoluzione
Soluzione
I
metodi
di
risoluzione
A
sono
defini4
per
specifici
modelli
M
Analisi
della
soluzione
Data
una
istanza
Q(X)
vogliamo:
riconoscere
P,
costruire
M,
implementare
A
Esempio
di
istanza
del
problema
-‐
1
Una
diOa
che
produce
mobili
d’ufficio
paga
l’affiOo
del
locale
in
cui
svolge
la
sua
aRvità
e
spese
accessorie
(consumo
energe*co,
acqua,
oneri
vari,
etc..)
1.000
€
a
seRmana.
La
diOa
acquista
il
legno
di
cui
necessita
a
4
€
al
Kg
e
paga
I
suoi
3
operai
320
€
seRmanali
ciascuno.
Le
ore
di
lavoro
seRmanale
di
ciascun
operaio
sono
40.
La
diOa
produce
due
*pi
di
mobili,
uno
economico
ed
uno
di
lusso.
La
costruzione
di
un
mobile
di
*po
economico
richiede
3
Kg
di
legno
e
2h
uomo,
ed
è
venduto
ad
un
prezzo
di
60€
al
pezzo.
La
costruzione
di
un
mobile
di
lusso
richiede
8
Kg
di
legno
e
8h
uomo,
ed
è
venduto
ad
un
prezzo
di
130€
al
pezzo.
Supposto
che
la
diOa
riesca
a
vendere
tuOe
le
unità
prodoOe,
quante
unità
di
mobili
di
lusso
e
di
mobili
di
*po
economico
è
conveniente
produrre
per
avere
il
massimo
GUADAGNO
?
Q(X)
Esempio
di
istanza
del
problema
-‐
2
Una
diOa
che
produce
mobili
d’ufficio
paga
l’affiOo
del
locale
in
cui
svolge
la
sua
aRvità
e
spese
accessorie
(consumo
energe*co,
acqua,
oneri
vari,
etc..)
1.500
€
a
seRmana.
La
diOa
acquista
il
legno
di
cui
necessita
a
2
€
al
Kg
e
paga
I
suoi
2
operai
520
€
seRmanali
ciascuno.
Le
ore
di
lavoro
seRmanale
di
ciascun
operaio
sono
40.
La
diOa
produce
due
*pi
di
mobili,
uno
economico
ed
uno
di
lusso.
La
costruzione
di
un
mobile
di
*po
economico
richiede
5
Kg
di
legno
e
4h
uomo,
ed
è
venduto
ad
un
prezzo
di
50€
al
pezzo.
La
costruzione
di
un
mobile
di
lusso
richiede
6
Kg
di
legno
e
9h
uomo,
ed
è
venduto
ad
un
prezzo
di
200€
al
pezzo.
Supposto
che
la
diOa
riesca
a
vendere
tuOe
le
unità
prodoOe,
quante
unità
di
mobili
di
lusso
e
di
mobili
di
*po
economico
è
conveniente
produrre
per
avere
il
massimo
GUADAGNO?
Q(X1)
Esempio
di
istanza
del
problema
-‐
3
Un’azienda
produce
3
modelli
diversi
di
lavatrici:
una
con
centrifuga
fino
a
800
giri,
una
con
centrifuga
fino
a
1400
giri
e
una
con
centrifuga
fino
a
1400
giri
ma
con
annessa
asciugatrice.
Il
primo
modello
richiede
un
costo
pari
a
400€
di
materie
prime
e
8h
uomo
e
viene
venduto
all’ingrosso
a
900€
al
pezzo.
Il
secondo
modello
richiede
un
costo
pari
a
600€
di
materie
prime
e
12h
uomo
e
viene
venduto
all’ingrosso
a
1250€
al
pezzo.
Il
terzo
modello
richiede
un
costo
pari
a
900€
di
materie
prime
e
13h
uomo
e
viene
venduto
all’ingrosso
a
2000€
al
pezzo.
Sapendo
che
l’azienda
ha
50
operai
specializza*
che
lavorano
40
ore
a
seRmana
ad
un
costo
di
45
€
all’ora
e
cos*
fissi
pari
a
150€
all’ora,
nell’ipotesi
che
l’azienda
riesca
a
vendere
tuR
i
pezzi
prodoR,
qual
è
il
numero
di
unità
di
lavatrici
di
ciascun
modello
che
si
può
produrre
per
oOenere
il
massimo
GUADAGNO
?
Q1(Z)
Qual
è
il
problema?
• TuR
gli
esempi
preceden*
sono
istanze
di
uno
stesso
problema
(nello
specifico
P=mix
di
produzione)
• I
da*
in
input
cambiano
(ed
anche
il
contesto
o
il
loro
significato)
ma
il
problema
è
lo
stesso:
• Definite
le
N
variabili
[x1,
x2,…xn
]
• Considera*
M
vincoli
su
tali
variabili
• Massimizzare/minimizzare
una
funzione
di
tali
variabili
Formulazione
del
Problema
Formulazione
del
Problema
(Reale)
Mancano
Informazioni
Individuazione
leve
decisionali,
obieRvi,
vincoli
tecnici/struOurali
Formulazione
del
Problema:
un
processo
Itera*vo
Raccolta
dei
Requisi*
Dizionario
(es.
Intervista
al
dell’esperto
cliente)
Mancano
Informazioni
Individuazione
leve
decisionali,
obieRvi,
Il
nostro
vincoli
tecnici/struOurali
dizionario
Formulazione
del
Problema:
un
processo
Itera*vo
Raccolta
dei
Requisi*
(es.
Intervista
al
cliente)
Formulazione
di
Mancano
Ipotesi
sul
modello
Informazioni
Individuazione
leve
decisionali,
obieRvi,
vincoli
tecnici/struOurali
Raccolta
da*
Mancano
Informazioni
Individuazione
leve
decisionali,
obieRvi,
vincoli
tecnici/struOurali
NON
OK
Formulazione
del
Problema:
un
processo
Itera*vo
Raccolta
dei
Requisi*
Dizionario
(es.
Intervista
al
dell’esperto
cliente)
Validazione
(seman*ca)
Mancano
della
descrizione
Informazioni
Individuazione
leve
decisionali,
obieRvi,
Il
nostro
vincoli
tecnici/struOurali
dizionario
OK
NON
OK
Formulazione
del
Problema:
un
processo
Itera*vo
Raccolta
dei
Requisi*
NON
OK
OK
(es.
Intervista
al
cliente)
Validazione(seman*ca)
Mancano
della
descrizione
Informazioni
Individuazione
leve
decisionali,
obieRvi,
vincoli
tecnici/struOurali
OK
NON
OK
Formulazione
del
Problema:
esempio
1
Quale
organizzazione
aziendale
adoOare
al
fine
di
ridurre
le
difficoltà
di
comunicazione
all’interno
dell’azienda?
È vero?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Costruzione
del
Modello:
Fase
Qualita*va
Decisori
En*tà
del
Risorse
sistema
Input/
Output
Costruzione
del
Modello:
Fase
Qualita*va
Un
decisore:
Decisori
•
Ha
uno
o
più
obieSvi,
per
esempio
massimizzare
il
numero
di
prodoR,
il
profiOo,
minimizzare
I
cos*…
Input/
Output
Costruzione
del
Modello:
Fase
Qualita*va
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Operai:
Parametro:
qualifica
Macchine:
Parametro:
capacità
produRva
Stato: funzionante/guasta
Equazione
di
stato:
come
evolve
nel
tempo
(si
guasta
se
non
manutenuta)
Costruzione
del
Modello:
Fase
Qualita*va
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Norme
Sindacali:
Parametro:
numero
minimo
di
operai
per
macchina;
ore
di
lavoro
massime,
…
In
questo
caso,
le
norme
sindacali
definiranno
una
relazione
tra
le
en*tà
operai
e
macchine
Costruzione
del
Modello:
Fase
Qualita*va
Input:
Decisori
•
sono
le
en*tà
che
vengono
trasformate
in
conseguenza
delle
decisioni
del
decision
maker.
•
Sono
caraOerizzate
da
parametri
e
stato
•
O
vengono
trasformate
in
nuove
En*tà
del
en*tà
o,
almeno,
subiscono
Risorse
modifiche
dello
stato
sistema
Output:
•
sono
il
risultato
delle
azioni
conseguen*
alle
decisioni
prese.
•
Sono
caraOerizzate
da
parametri
e
stato.
Input/ •
anche
la
modifica
dello
stato
di
Output
un’altra
en*tà
è
un
output.
Costruzione
del
Modello:
Fase
Qualita*va
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Output:
ProdoR
Parametri:
*po
Stato:
quan*tà
Costruzione
del
Modello:
Fase
Qualita*va
Vogliamo
modellare
un
“sistema”
e
dobbiamo
individuare:
• Le
en*tà
fisiche
e
non
che
compongono
il
sistema
(aOori
e/o
decisori/decision
makers)
• Gli
aOribu*
costan*
(parametri)
e
variabili
delle
en*tà
coinvolte
• Le
relazioni
tra
gli
aOribu*
variabili
Alla fine il nostro scopo è oOenere una formulazione del *po:
Alla
fine
il
nostro
scopo
è
oOenere
una
formulazione
del
*po:
ObieRvo
min f (x1, x 2 ,..., x n ) variabili
x1 ,x 2 ,...,x n
Variabili:
I
loro
valori
sono
calcola*
risolvendo
il
problema
ed
indicano
le
decisioni
prese
e
l’evoluzione
del
sistema
(stato
e
output)
Vi
sono
fondamentalmente
quaOro
*pi
di
variabili:
• decisionali
(descrivono
le
decisioni
del
DM
e
sono
legate
alle
relazioni)
• di
stato
(descrivono
lo
stato
del
sistema
e
sono
legate
alle
en*tà).
Per
ogni
variabile
di
stato
deve
essere
noto
il
valore
iniziale.
• di
output
(descrivono
il
valore
dell’output,
possono
parzialmente
coincidere
con
quelle
di
stato)
• di
servizio
(servono
per
realizzare
ar*fici
matema*ci
che
rendano
il
problema
più
facile
da
risolvere
numericamente.
Non
hanno
necessariamente
un
significato
fisico).
Parametri:
I
loro
valori
sono
da*
dal
problema,
misura*
durante
la
fase
di
formulazione
del
problema
(raccolta
da*)
o
dedoR
con
ragionamen*
logici.
La
qualità
dei
parametri
incide
sulla
qualità
delle
soluzioni
trovate
(i
valori
calcola*
per
le
variabili)
Vi
sono
fondamentalmente
tre
*pi
di
parametri:
• Parametri
delle
en4tà
(ne
descrivono
specifiche
proprietà)
• Cos4
e
profiS
associa4
alle
relazioni
• Parametri
delle
relazioni
non
deriva4
dalle
en4tà
Vincoli
e
ObieSvi:
sono
lega*
alle
relazioni.
Ogni
relazione
può
indurre
più
vincoli
ed
obieRvi.
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Insiemi
G:
operai
xgmij
M:
macchine
I:
materie
prime
J:
prodoR
fini*
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Variabili
Decisionali
– xgm:
variabile
binaria
uguale
a
1
se
operaio
g
assegnato
a
macchina
m,
0
altrimen*
– wijm:
variabile
binaria
uguale
a
1
se
la
macchina
m
è
dedicata
alla
produzione
del
prodoOo
j
u*lizzando
la
materia
prima
i.
– pim:
variabile
non
nega4va
con4nua
uguale
alla
quan*tà
di
materia
prima
i
assegnata
alla
macchina
m
– qjm:
variabile
non
nega4va
con4nua
uguale
alla
quan*tà
di
prodoOo
finito
j
realizzato
dalla
macchina
m
Esempio
dalle
slide
del
Prof.
Pesen*
Costruzione
del
Modello:
Fase
Quan*ta*va
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Vincoli
• un
operaio
può
essere
assegnato
ad
una
sola
macchina:
∀g
,
Σm
xgm
≤
1
• la
quan.tà
di
prodoS
fini.
è
funzione
della
quan.tà
delle
materie
prime
e
delle
macchine
in
condizione
di
potere
funzionare
normalmente
∀j,
zj
=
Σm
qjm
(il
numero
di
prodoR
è
la
somma
di
quelli
oOenu*
con
ogni
macchina)
∀i,
m,
pim
=
Σj
kijm
qjm
(la
produzione
dipende
dalle
materie
prime
disponibili)
∀m,
Σj
ljm
qjm
≤
um
ym
(la
macchina
dev’essere
funzionante
e
non
posso
superare
la
capacità
della
macchina
)
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Vincoli
• un
operaio
può
essere
assegnato
ad
una
sola
macchina:
variabile
binaria
uguale
a
1
Ogni
operaio
∀g
,
Σm
xgm
≤
1
se
operaio
g
assegnato
a
macchina
m
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Vincoli
• la
quan.tà
di
prodoS
fini.
è
funzione
della
quan.tà
delle
materie
prime
e
delle
macchine
in
condizione
di
potere
funzionare
normalmente
Quan*tà
del
prodoOo
j
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Vincoli
• la
quan.tà
di
prodoS
fini.
è
funzione
della
quan.tà
delle
materie
prime
e
delle
macchine
in
condizione
di
potere
funzionare
normalmente
Materie
prime
di
*po
i
assegnate
a
macchina
m
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
Vincoli
• la
quan.tà
di
prodoS
fini.
è
funzione
della
quan.tà
delle
materie
prime
e
delle
macchine
in
condizione
di
potere
funzionare
normalmente
Quan*tà
del
prodoOo
j
oOenuto
con
la
macchina
m
Macchina
m
funzionante:
Ogni
macchina
∀m,
Σj
ljm
qjm
≤
um
ym
si
(1)
o
no
(0)
• Esempio:
Come
può
il
responsabile
della
produzione,
avendo
a
disposizione
10
operai
e
3
macchine
con
date
caraOeris*che,
massimizzare
la
produzione
nel
rispeOo
delle
norme
sindacali
e
della
disponibilità
giornaliera
di
materie
prime?
ObieRvi:
max
Σj
bj
zj
(se
il
DM
vuole
massimizzare
la
produzione,
o
meglio
i
ricavi)
oppure
1
se
operaio
g
assegnato
a
macchina
m
max
Σj
bj
zj
-‐
ΣgΣm
cgm
xgm
(se
il
DM
vuole
massimizzare
i
profiR)
Costo
sostenuto
per
assegnare
operaio
g
a
macchina
m
Esempio
dalle
slide
del
Prof.
Pesen*
Regole
pra*che
Individuati obiettivo, variabili decisionali, …
– approccio costruttivo
più generale richiede di essere capaci di esprimere
matematicamente obiettivo, variabili decisionali, …. Si rischia
sempre di dimenticare qualcosa.