lOMoARcPSD|23785535

Ricerca Operativa Risposte a domande aperte paniere 2021

Canale Silvia
Ricerca Operativa 2 - Prof.ssa Canale Silvia (Università telematica e-Campus)

Studocu non è sponsorizzato o supportato da nessuna università o ateneo.

Scaricato da Menage3A (menage3a.fantacalcio@gmail.com)
 lOMoARcPSD|23785535

Quali sono gli elementi distintivi di un problema di decisione

Un problema decisionale nell’ambito della matematica riguarda un problema di scelta in cui si deve
prendere una decisione tra un elevato numero di soluzioni (ammissibili) alternative, sulla base di
uno o più criteri. Si parla di problemi decisionali soprattutto all'interno del campo della matematica
applicata e, più nello specifico, della ricerca operativa. I problemi decisionali sono caratterizzati da -
Numero decisori: chi decide la soluzione al problema. • Numero obiettivi: in base a quali criteri è
decisa la soluzione del problema. - Grado incertezza: dati con quali (quantitativamente e
qualitativamente) informazioni si decide la soluzione del problema.
Qual è la differenza tra analisi del problema decisionale e identificazione del modello
nell'approccio modellistico?
L'analisi del problema decisionale fornisce una descrizione qualitativa del problema che ne mette in
evidenza i vincoli logici. L'identificazione del modello prevede i seguenti passi - Definizione di
opportune variabili di decisione. dette anche incognite del problema: occorre definirne una per
ogni grandezza reale del problema - Definizione della funzione obiettivo da massimizzare o
minimizzare che sia funzione delle variabili di decisioni — Definizione dell'insieme dei vincoli del
problema: ciascun vincolo (o famiglia di vincoli) esprime matematicamente i legami esistenti tra le
variabili di decisioni e le limitazioni cui tali variabili sono soggette.
Quali sono i passi previsti per l'identificazione del modello nell'approccio modellistico?
Si individuano le variabili (o incognite) del problema. Si definisce la funzione obiettivo del
problema. Si definiscono i vincoli che legano tra loro le grandezze modellate con le variabili del
problema. Si definiscono i vincoli relativi all’insieme di definizione delle variabili del problema. Si
determina la formulazione matematica del problema decisionale.
18. Descrivere in maniera sintetica l'approccio modellistico per la risoluzione di problemi di
decisione
Si modella la famiglia delle soluzioni ammissibili come un insieme di soluzioni di un problema
matematico, detto modello. Le fasi della modellazione sono: ANALISI DEL PROBLEMA DECISIONALE
– Si analizza la struttura del problema decisionale per individuare i legami logici tra gli elementi
della decisione e gli obiettivi da perseguire nel processo decisionale IDENTIFICAZIONE DEL
MODELLO – Si identifica il modello matematico e se ne descrivono le caratteristiche principali
(variabili, vincoli e funzione obiettivo) in termini matematici ANALISI DEL MODELLO – In base al tipo
di modello matematico, si derivano matematicamente (i) condizioni di esistenza e (eventualmente)
unicità della soluzione ottima; (ii) condizioni di ottimalità e (iii) stabilità delle soluzioni SOLUZIONE
NUMERICA – In base al tipo di modello matematico, si seleziona e si adotta un algoritmo di calcolo
(algoritmo di soluzione) che determini la soluzione ottima del problema decisionale VALIDAZIONE
DEL MODELLO – La soluzione ottima determinata viene interpretata dal punto di vista decisionale e
validata attraverso una verifica sperimentale oppure tramite metodi di simulazione. Se la soluzione
ottima determinata non è accettabile oppure non ha rilievo pratico, occorre tenere conto di
ulteriori vincoli nel problema decisionale.

Scaricato da Menage3A (menage3a.fantacalcio@gmail.com)

 lOMoARcPSD|23785535

19. Scrivere la forma standard di un problema di PL e dimostrare come qualsiasi problema di PL si

possa ridurre nella forma standard
Un problema di Programmazione Lineare può essere sempre scritto nella sua forma standard
min𝑐𝑇𝑥 𝑠.𝑡. 𝑨𝑥=𝑏 ; 𝑥 ≥ 0
Dimostrazione
1. Se il problema di PL è un problema di massimizzazione max𝑐𝑇𝑥 ⇔−min(−𝑐)𝑇𝑥
2. Se il problema di PL ha 𝑚 vincoli di disuguaglianza con minore o uguale, allora possiamo
introdurre
𝑚 variabili non negative 𝑢 ≥ 0 tali che
𝑨𝑥≤𝑏⇔𝑨𝑥+𝑰𝒎𝑢=𝑏, 𝑢≥0 Le variabili 𝑦 vengono dette variabili di slack.
3. Se il problema di PL ha 𝑚 vincoli di disuguaglianza con maggiore o uguale, allora possiamo
introdurre 𝑚 variabili non negative 𝑣≥0 tali che
𝑨𝑥≥𝑏⇔𝑨𝑥−𝑰𝒎𝑣=𝑏,𝑣≥0 Le variabili 𝑦 vengono dette variabili di surplus.
4. Se il problema di PL ha una variabile non positiva, allora 𝑥≤0⇔−𝑥≥0
5. Se il problema di PL ha una variabile non vincolata in segno, allora possiamo definire due variabili
𝑢
e 𝑣 vincolate in segno e porre: 𝑥∈ℝ ⇔ 𝑥=𝑢−𝑣; 𝑢≥0, 𝑣≥0.
20. Dire se i seguenti problemi di PL siano equivalenti o meno motivando la risposta

Non sono equivalenti.

Due problemi con la stessa regione ammissibile (1=2) e con la funzione obbiettivo cambiata di
segno (1=-2), se sono uno di massimizzazione ed uno di minimizzazione sono equivalenti.
21. Dire se i seguenti problemi di PL siano equivalenti o meno motivando la risposta

Due problemi con la stessa regione ammissibile (1=2) e con la funzione obbiettivo cambiata di
segno (1=-2), se sono uno di massimizzazione ed uno di minimizzazione sono equivalenti.
11. Dimostrare che un semispazio chiuso è un insieme convesso
Sia 𝑎∈ℝ𝑛 un vettore di ℝ𝑛 e 𝑏∈ℝ un numero reale
≥ ≤
Consideriamo il semispazio chiuso 𝑆 ={𝑥∈ℝ𝑛: 𝑎𝑇𝑥 ≥ 𝑏} (l’analoga dimostrazione per il caso 𝑆
)
≥
Vogliamo dimostrare che per ogni coppia di vettori 𝑢,𝑣 ∈ 𝑆
≥
e ogni valore 𝜆 ∈ [0,1] 𝜆𝑢 + (1− 𝜆) 𝑣 ∈ 𝑆 𝑢, 𝑣 ∈ 𝑆 ≥ implica che 𝑎𝑇𝑢 ≥ 𝑏 e 𝑎𝑇𝑣 ≥ 𝑏
Si noti che per ogni 𝜆 ∈ [0,1] 𝜆 𝑎𝑇𝑢 ≥ 𝜆b e 𝜆𝑎𝑇𝑣≥𝜆b
≥
Sia 𝑤=𝜆𝑢 +(1−𝜆)𝑣. Dal momento che 𝑢, 𝑣 ∈ 𝑆 per ogni 𝜆 ∈ [0,1] possiamo scrivere
𝑎𝑇𝑤=𝑎𝑇 (𝜆𝑢 +(1−𝜆)𝑣) = 𝜆𝑎𝑇𝑢+(1−𝜆)𝑎𝑇𝑣 ≥ 𝜆 𝑏 +(1−𝜆) 𝑏 = 𝑏
≥ ≥
Quindi 𝑤=𝜆𝑢 +(1−𝜆)𝑣 ∈ 𝑆 e possiamo concludere che 𝑆 un insieme convesso.

Scaricato da Menage3A (menage3a.fantacalcio@gmail.com)

 lOMoARcPSD|23785535

17. Dare la definizione di direzione di un poliedro

Un vettore 𝑦 ∈ ℝ𝑛 si dice direzione di un poliedro 𝑃 ⊆ ℝ𝑛 se e solo se
per ogni vettore 𝑥 ∈ 𝑃 l’insieme { 𝑧∈ℝ𝑛:𝑧=𝑥+𝜆y ,𝜆≥0 }
è contenuto nel poliedro 𝑃 { 𝑧 ∈ ℝ𝑛 : 𝑧 = 𝑥 + 𝜆y ,𝜆 ≥ 0 } ⊆ 𝑃
L’insieme {𝑧 ∈ ℝ𝑛: 𝑧 = 𝑥 + 𝜆y , 𝜆≥0} è detto semiretta di origine 𝑥 e direzione 𝑦.
18. Dare la definizione di poliedro e dimostrare che è un insieme convesso
Considerato un problema di Programmazione Lineare in forma generale min𝑐𝑇𝑥 𝑠.𝑡. 𝑨𝑥≥𝑏; 𝑥≥0
la regione ammissibile 𝑃={𝑥 ∈ℝ𝑛:𝑨𝑥≥𝑏, 𝑥≥0𝑛}, rappresenta geometricamente l’intersezione di
𝑚 semispazi
chiusi di ℝ𝑛. 𝑃 si definisce poliedro in quanto intersezione di un numero finito (𝑚) di semispazi
chiusi
𝑃=𝑆1∩𝑆2∩⋯∩𝑆𝑚∩{𝑥≥0𝑛}.
Ciascuno degli 𝑚 semispazi chiusi 𝑆𝑖 è un insieme convesso. Pertanto un poliedro 𝑃 è un insieme
convesso in quanto intersezione di insiemi convessi.
19. Dimostrare che un iperpiano è un insieme convesso
Sia 𝑎 ∈ ℝ𝑛 un vettore di ℝ𝑛 e 𝑏 ∈ ℝ un numero reale, Consideriamo l’iperpiano
𝐻={𝑥∈ℝ𝑛:𝑎𝑇𝑥=𝑏}
L’iperpiano 𝐻 è l’intersezione di due semispazi chiusi definiti dalle disequazioni
𝑎𝑇𝑥 ≥ 𝑏 e 𝑎𝑇𝑥 ≤ 𝑏
Dal momento che l’intersezione di un numero finito di insiemi convessi è un insieme convesso,
≥ ≤
𝐻=𝑆 ∩ 𝑆 è convesso.
10. Data una soluzione di base ammissibile non necessariamente ottima, illustrare come sia
possibile determinare una nuova soluzione di base ammissibile di
costo non superiore
Determiniamo quindi una nuova soluzione di base ammissibile a partire da 𝑥1; Dobbiamo
individuare
• una colonna fuori base da far entrare nella nuova base
• una colonna in base da far uscire dalla nuova base
Per passare dalla soluzione di base 𝑥1 alla soluzione di base 𝑥2 semplicemente selezionando
•la colonna entrante in base cui corrisponderà, nella nuova soluzione di base ammissibile, una
componente
non nulla, Ricordiamo che è stata scelta una colonna ℎ con costo ridotto 𝛾ℎ negativo come
candidata a
entrare in base che quindi darà luogo ad una soluzione di base ammissibile di costo sicuramente
non superiore alla precedente.
•la colonna uscente di base cui corrisponderà, nella nuova soluzione di base ammissibile, una
componente nulla, Ricordiamo che è stata scelta una colonna 𝑘 corrispondente a una riga con il
minimo rapporto tra componente (𝐵-1𝑏)𝑘 e coefficiente non negativo 𝜋𝑘ℎ come candidata a
uscire in base.
Data una soluzione di base ammissibile 𝑥, lo scambio di colonne può essere svolto analiticamente
oppure possiamo adottare un procedimento per lo scambio di colonne in base detto pivot.

Scaricato da Menage3A (menage3a.fantacalcio@gmail.com)

 lOMoARcPSD|23785535

09. Illustrare le assunzioni e le operazioni previste dalla Fase 2 del metodo del simplesso
Una volta assunto che il problema non è vuoto, il rango della matrice dei coefficienti sia 𝑟ank
𝑨 = 𝑚, determinata una prima base ammissibile e determinata la forma canonica secondo
quest’ultima:
1.verificare il criterio di ottimalità osservando gli elementi della seconda riga: i costi ridotti se sono
negativi non possiamo dire che la soluzione è ottima.
2.verificare il criterio di illimitatezza osservando gli elementi delle colonne relative alle variabili con
costo ridotto negativo: se ogni colonna ha almeno un elemento positivo e non possiamo
concludere che il problema sia illimitato.
3.Determinare le due colonne per lo scambio di base per determinare una nuova soluzione di base
ammissibile;
a) viene candidata a entrare in base la colonna relativa alla variabile 𝑥n avente il costo ridotto più
negativo.
b) si individua la riga della colonna candidata a entrare in base che corrisponde al valore minimo tra
i rapporti fra i coefficienti della colonna ed corrispondenti termini noti (quelli sulla stessa riga).
4. Effettuare l’operazione pivot scambiando la colonna fuori base con la colonna in base applicando
l’operazione pivot sull’elemento individuato precedentemente.
07. Definire il processo di formulazione di un problema di Programmazione Lineare Intera
Il processo di associazione di un modello matematico a un problema reale viene detto formulazione
del problema, Il processo di formulazione consiste nell’identificare il sistema di equazioni e/o
disequazioni lineari che, congiuntamente alle restrizioni di interezza sulle variabili di decisione,
definiscano la regione ammissibile. L’obiettivo del processo di formulazione è identificare un
problema di PLI, vale a dire un problema di ottimizzazione nella forma:

Un problema di PLI è caratterizzato dall’insieme 𝑆 delle soluzioni ammissibili e dal vettore 𝑐 dei
costi e può essere completamente descritto dalla coppia (𝑆,𝑐).
- Dato un problema, è possibile in linea di principio definire diverse formulazioni
Due formulazioni si definiscono equivalenti se entrambe identificano lo stesso insieme delle
soluzioni ammissibili 𝑆
-Dato un insieme 𝑆 di soluzioni di un problema di PLI è possibile determinare diversi insiemi di
equazioni e/o disequazioni che descrivano l’insieme 𝑆
Per individuare la formulazione migliore di un problema si adotta un criterio di preferenza tra
formulazioni che ci permetterà di stabilire se una formulazione sia preferibile a un’altra nel caso di
problemi di Programmazione Lineare {0,1}

Scaricato da Menage3A (menage3a.fantacalcio@gmail.com)

 lOMoARcPSD|23785535

08. Descrivere quali sono le principali differenze tra la Programmazione Lineare Intera e la
Programmazione Lineare {0,1}
Un problema di Programmazione Lineare Intera (PLI) è un problema di PL in cui le variabili sono
vincolate ad assumere valori interi (nell’insieme ℤ) Se la restrizione riguarda un sottoinsieme
proprio delle variabili il problema si dice di Programmazione Lineare Intera Mista (MILP).
Come abbiamo visto, i problemi di PLI e MILP sono tipicamente caratterizzati da:
•indivisibilità delle risorse
•necessità di scegliere da un numero finito (molto grande, nella maggior parte dei casi) di possibili
Alternative. Un problema di Programmazione Lineare {0,1} (PL01) è un problema di PLI in cui le
variabili sono vincolate ad assumere valori binari nell’insieme {0,1} e rappresentano la possibilità
che un evento si verifichi oppure no.
09. Dati due problemi di PL, definire l'equivalenza tra i due problemi
Due problemi (𝑃1) e (𝑃2) di PL, con regioni ammissibili 𝑋1 e 𝑋2 rispettivamente, si definiscono
equivalenti se:
•sono entrambi inammissibili
•sono entrambi illimitati
•ammettono entrambi soluzioni ottime finite ed esistono due trasformazioni
𝑓:𝑋1→𝑋2 𝑔:𝑋2→𝑋1 tali che:
‒ per ogni soluzione ottima 𝑥1∗ di 𝑃1 il vettore 𝑓𝑥1∗ è soluzione ottima di 𝑃2
‒ per ogni soluzione ottima 𝑥2∗ di 𝑃2 il vettore 𝑓𝑥2∗ è soluzione ottima di 𝑃1
Casi di equivalenza:
Problemi con stessa funzione obiettivo e stessa regione ammissibile sono equivalenti.
Problemi con funzioni obiettivo che differiscano per una costante e stessa regione ammissibile.
Problemi di minimizzazione 𝑃1 e di massimizzazione 𝑃2 aventi stessa funzione obiettivo ma
cambiata di segno e stessa regione ammissibile sono equivalenti.
27. Definire un criterio di ordinamento delle formulazioni di un problema di PL01
Dato un problema di PL01 con insieme delle soluzioni ammissibili 𝑆⊆{0,1}𝑛𝑛 e vettore dei costi
elementari c∈ℝ𝑛, esistono diverse formulazioni lineari per il problema.
A ogni formulazione lineare corrisponde un diverso rilassamento lineare e un diverso lower bound
per il problema. Una formulazione è tanto migliore quanto più alto è il valore del lower bound in
maniera tale che il gap sia il più piccolo possibile.
04. Spiegare le principali differenze tra insiemi e parametri in AMPL
definire un modello in AMPL significa dichiarare variabili, vincoli e funzioni obiettivo, per mezzo di
insiemi (set) e parametri (parameter). AMPL consente di utilizzare la struttura dato parametro In
AMPL i parametri sono i dati del problema, da non confondere con le variabili: una volta invocato il
solutore, il valore dei parametri resta costante, mentre quello delle variabili viene restituito dal
solutore. Per poter essere usato in AMPL un parametro dev’essere: • dichiarato (nel file .mod),
dicendo all’interprete AMPL che un nome identifica il parametro che vogliamo utilizzare attraverso
la parola chiave param • definito (nel file .dat), assegnando gli elementi all’insieme dichiarato con
l’operatore di assegnazione :=. Gli insiemi in AMPL 1/2 AMPL consente di utilizzare la struttura dato
insieme. Un insieme contiene zero o più elementi, detti anche membri dell’insieme. Ogni elemento
di un insieme deve essere distinto dagli altri; quindi, deve avere una rappresentazione diversa.
Ciascun elemento dell’insieme è una lista ordinata di uno o più componenti: tutti i membri di un
insieme devono avere pari lunghezza della lista, detta dimensione dell’insieme.
AMPL consente di utilizzare operazioni elementari tra insiemi, quali unione, intersezione,
differenza, differenza simmetrica e cardinalità.
Scaricato da Menage3A (menage3a.fantacalcio@gmail.com)
 lOMoARcPSD|23785535

30. Dare la definizione di flusso e di rete di flusso

Dato un grafo G(N, A) orientato ed un vettore d di domande definito sullʼinsieme N dei nodi del
grafo ( G(N,A)-d(i)Є R, per ogni i Є N) ed un vettore c di capacità positive definito sullʼinsieme A
degli archi del grafo ( G(N,A)-c(i,j)>0 R, per ogni (i,j) Є A), si definisce flusso di (G,c,d) un vettore x a
componenti continue definito sullʼinsieme A del grafo G(N,A) tale che per ogni arco (i,j) del grafo in
oggetto il flusso (i,j) non ecceda la capacità c(i,j) dellʼarco (vincolo di capacità) e che per ogni nodo i
del grafo in oggetto la somma dei flussi entranti meno la somma dei flussi uscenti deve essere pari
alla domanda d(i) del nodo (vincolo di conservazione del flusso).
Una rete di flusso (G,c,x,d,w) è un grafo orientato G(N,A) in cui ogni arco (i,j) ha una capacità non
negativa un flusso x ed un costo w positivo o negativo e in cui ogni nodo i ha una domanda di flusso
d(i) che è positiva in caso di domanda o negativa in caso di offerta (la somma di domande ed
offerta è pari a 0).
13. Descrivere le istruzioni utili alla dichiarazione del problema di flusso di costo minimo in AMPL
Dichiariamo nel file MCF.mod tutti gli elementi che definiscono la struttura del modello della
formulazione naturale MCF: •La dichiarazione di insiemi e parametri che descrivono la rete di
flusso (G,c,x,d,w): - gli insiemi N e A e il parametro a due dimensioni - i vettori c, d e w • la
dichiarazione delle variabili: parametro a una dimensione x • la struttura e la definizione della
funzione obiettivo wTX • la struttura e la descrizione dei vincoli: M x = d, O|A| ≤ x ≥ c
04. Definire il problema del cammino di costo minimo da s a t
Per formulare in AMPL il problema SP possiamo usare la stessa formulazione del problema MCF
min wTx
Mx=d
0|A| ≤ x ≤ c
x ∈ ℝ|A|
Dal momento che la struttura del modello è uguale per i problemi SP e MCF possiamo utilizzare lo
stesso file FCM.mod contenente le dichiarazioni relative alla struttura del modello del problema
MCD.
04. Definire il problema del minimo taglio s- t
Il problema di determinare il taglio di capacità minima nella rete di flusso, ovvero determinare il
sottoinsieme proprio W ⊂ N di nodi tale che s ∈ W e sia di minima la capacità del taglio (W,N\W) è
corrispondente la problema duale del massimo flusso.
cTy*=Σu∈N1,v∈N2 cuvy*uv
y* è il vettore incidenza del taglio (W,N\W)

Scaricato da Menage3A (menage3a.fantacalcio@gmail.com)