Documente Academic
Documente Profesional
Documente Cultură
Esercizi di Programmazione
Lineare
1.1
1.1.1
Esercizio 1. Unazienda produttrice di automobili ha a disposizione tre stabilimenti (S1 , S2 , S3 ) che devono soddisfare la domanda annuale di 4 punti
di vendita (V1 , V2 , V3 , V4 ) pari a 450, 650, 400 e 500 automobili, rispettivamente. Nella seguente tabella sono riportati i costi unitari di trasporto
(espressi in euro) dagli stabilimenti ai punti di vendita:
S1
S2
S3
V1
20
30
40
V2
40
60
50
V3
10
50
60
V4
30
40
70
L2
2
2
0.5
80
L3 L4 Disponibilit`a
1 1.5
60
0.8 0.5
100
1.5 0.5
40
55 45
Poich`e i costi di trasporto sono a carico della case editrice, lobiettivo `e quello di minimizzare il costo complessivo del trasporto dai depositi alle librerie
soddisfacendo i vincoli di richiesta e disponibilit`a. Formulare il problema
come problema di ottimizzazione.
Esercizio 3. Unazienda ospedaliera deve riorganizzare i turni del personale
paramedico. Ogni infermiere, indipendentemente dalla collocazione allinterno della settimana, lavora 5 giorni consecutivi e poi ha diritto a due giorni
di riposo. Le esigenze di servizio per i vari giorni della settimana richiedono
la presenza del seguente numero minimo di infermieri:
Giorno
Numero minimo
Luned`
28
Marted`
18
Mercoled`
20
Gioved`
26
Venerd`
22
Sabato
13
Domenica
13
Ciascun infermiere viene retribuito in base al giorno della settimana in cui
lavora. In particolare il costo che lospedale sostiene per retribuire un infermiere `e di 50 euro al giorno (per i turni del luned`, marted`, mercoled`,
gioved` e venerd`), di 75 euro al giorno per i turni di sabato e di 85 euro
al giorno per i turni di domenica. Ad esempio, un infermiere il cui turno
comincia il gioved`, per i suoi 5 giorni lavorativi (dal gioved` al luned`) riceve
una retribuzione pari a euro 310 (ovvero 50 3 + 75 + 85). Obiettivo dellazienda ospedaliera `e quello di minimizzare i costi complessivi settimanali
di retribuzione degli infermieri.
Cannoli
400
225
240
30
Pastiera
300
215
175
50
O1
O2
O3
O4
O5
R1
R2
1200 1100
1500 1000
1000 1600
950 1300
1100 900
R3
1050
1100
1100
1250
1400
R4
1300
1400
1150
800
1300
Ad esempio se loperaio O1 venisse assegnato al reparto R3 , il suo stipendio mensile sarebbe di 1050 euro. Si vuole decidere come assegnare gli operai ai reparti, con lobiettivo di minimizzare i costi complessivi mensili di
retribuzione e tenendo conto dei seguenti vincoli:
1) ogni operaio deve essere assegnato esattamente ad un solo reparto;
2) loperaio O2 pu`o essere assegnato solo ai reparti R1 o R4 ;
3) ai reparti R1 , R2 ed R3 si deve assegnare esattamente un solo operaio,
mentre al reparto R4 si devono assegnare esattamente due operai.
Formulare il problema come problema di ottimizzazione.
Esercizio 8. Unazienda manifatturiera dispone di 4 macchine per produrre
4 diversi tipi di componenti, che poi, in fase di assemblaggio, daranno luogo
` possibile attrezzare ogni macchina in modo che possa
al prodotto finito. E
produrre qualsiasi tipo di componente; i tempi unitari di produzione (espressi
in minuti) sono riportati nella seguente tabella:
Macchina
Macchina
Macchina
Macchina
1
2
3
4
Comp. 1 Comp. 2
30
50
40
25
30
30
10
20
Comp. 3
15
40
50
80
Comp. 4
25
60
30
30
Sapendo che, per ogni tipo di componente, bisogna produrre almeno 20 pezzi,
formulare il problema come problema di ottimizzazione, con lobiettivo di
minimizzare i tempi complessivi di produzione.
Esercizio 9. La direzione di un hotel vuole minimizzare le spese giornaliere
complessive relative al personale. Nellintera giornata sono previsti 6 turni,
di 4 ore ciascuno; inoltre ciascun dipendente deve lavorare 8 ore consecutive.
Per ogni turno `e previsto un numero minimo di personale, secondo quanto
riportato nella seguente tabella:
Fabbisogno minimo
40
60
80
140
100
110
Mandorle Nocciole
200
150
100
75
0
125
Cioccolato
50
0
40
Fasce di et`a
18 25 26 40 41 60 > 60
150
100
120
180
140
130
300
350
120
120
140
170
100
110
180
200
400
300
100
5
Lazienda deve decidere come organizzare la campagna pubblicitaria, con lobiettivo di minimizzare i costi complessivi di pubblicit`a e tenendo conto dei
seguenti vincoli:
il messaggio pubblicitario deve arrivare, per ciascuna fascia di et`a, ad almeno due milioni di potenziali acquirenti;
la quantit`a di spot trasmessi alla radio non deve superare il 50% degli spot
trasmessi in TV;
la spesa complessiva sostenuta per la pubblicit`a su riviste non deve superare il 50% della spesa complessiva sostenuta per trasmettere gli spot in TV.
Formulare il problema come problema di ottimizzazione.
Esercizio 13. Un agricoltore produce nel proprio terreno fragole, kiwi,
arance e ciliegie. La frutta viene divisa in cassette e portata al mercato ortofrutticolo utilizzando un furgone che ha la capacit`a massima di 12 quintali.
Nella seguente tabella sono riportati il peso (in chili) di ciascuna cassetta,
il prezzo di vendita (euro/chilo) e il costo di produzione (euro/chilo) della
frutta:
Fragole
Kiwi
Arance
Ciliegie
Peso
10
12
20
14
Prezzo Costo
2
0.75
1.25
0.70
1
0.25
1.50
0.30
1.2
Il Metodo grafico
1.2.1
Esercizi da svolgere
10
1.3
1.3.1
Z 2x1
x1
2x1
x1
x2
+3x2
x2
+x2
x3
+x3 +x4
+x3
+x5
+4x3
+x6
= 0
= 6
= 5
= 10
11
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
x4
(1)
x5
(2)
x6
(3)
10
Iterazione 1
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
x4
(1)
7
2
1
2
21
7
2
x1
(2)
21
1
2
1
2
5
2
x6
(3)
3
2
7
2
12
15
2
Iterazione 2
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
2
7
4
7
5
7
x2
(1)
1
7
2
7
17
x1
(2)
4
7
1
7
3
7
x6
(3)
23
7
73
27
12
Z 3x1 x2 6x3
2x1
+x3 +x4
x1
+x2 2x3
+x5
3x1
+x2
+x6
= 0
= 10
= 4
= 5
Iterazione 0
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
x4
(1)
10
x5
(2)
x6
(3)
13
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
60
x3
(1)
10
x5
(2)
24
x6
(3)
Iterazione 2
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
12
65
x3
(1)
10
x5
(2)
19
x2
(3)
Z 7x1 x2 8x3
= 0
3x1
x2 +x3 +x4 +x5
= 6
x2
+3x3 +4x4
+x6 = 9
14
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
x5
(1)
x6
(2)
Iterazione 1
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
5
3
32
3
8
3
24
x5
(1)
34
31
13
x3
(2)
1
3
4
3
1
3
Iterazione 2
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
13
9
89
9
7
3
17
9
31
x1
(1)
49
91
1
3
19
x3
(2)
1
3
4
3
1
3
Iterazione 3
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
13
3
47
3
7
3
10
3
44
x1
(1)
4
3
5
3
1
3
1
3
x2
(2)
15
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
x5
(1)
x6
(2)
Iterazione 1
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
31
11
3
23
5
3
15
x1
(1)
1
3
13
2
3
1
3
x6
(2)
13
3
43
37
23
Poich`e non c`e nessuna variabile candidata ad uscire dalla base significa che
la regione ammissibile e illimitata e quindi
Z = +.
1.4
1.4.1
16
Esercizio 5. Risolvere il seguente problema utilizzando il metodo del simplesso a due fasi:
min Z = 3x1 + x2 + x3
x1 +x2 +x3 3
2x1 +x2 +x3 4
2x1 +3x2 +x3 = 6
x1 , x2 , x3 0.
Svolgimento. Scriviamo il problema nella forma aumentata introducendo una
variabile slack, una variabile surplus e due variabili artificiali:
min Z = 3x1 + x2 + x3
x1 +x2 +x3 +x4
= 3
2x1 +x2 +x3
x5 +x6
= 4
2x1 +3x2 +x3
+x7 = 6
x1 , x2 , x3 , x4 , x5 , x6 , x7 0.
Scriviamo ora i problemi che risolve il metodo del simplesso a due fasi:
I Fase
min Z = x6 + x7
x1 +x2 +x3 +x4
= 3
= 4
2x1 +x2 +x3
x5 +x6
2x1 +3x2 +x3
+x7 = 6
x1 , x2 , x3 , x4 , x5 , x6 , x7 0.
II Fase
min Z = 3x1 + x2 + x3
x1 +x2 +x3 +x4
= 3
2x1 +x2 +x3
x5 = 4
2x1 +3x2 +x3
= 6
x1 , x2 , x3 , x4 , x5 0.
Poich`e il problema `e di minimo dobbiamo trasformarlo in un problema di
massimo cambiando il segno ai due membri della funzione obiettivo in en-
17
Z
x1 +x2 +x3 +x4
2x1 +x2 +x3
x5
2x1 +3x2 +x3
+x6 +x7 =
=
+x6
=
x7
=
0
3
4
6.
Per porre in problema in forma canonica bisogna prima sottrarre dallequazione (0) lequazione (2), ottenendo le nuove equazioni
(0)
(1)
(2)
(3)
Z 2x1
x1
2x1
2x1
x2
+x2
+x2
+3x2
3x3
+x5
+x7
+x3 +x4
+x3
x5 +x6
+x3
+x7
=
=
=
=
4
3
4
6
Z 4x1
x1
2x1
2x1
4x2
+x2
+x2
+3x2
2x3
+x5
+x3 +x4
+x3
x5 +x6
+x3
+x7
=
=
=
=
10
3
4
6.
18
Eq.
x1
x2
x3
x4
x5
x6
x7
bi
(0)
10
x4
(1)
x6
(2)
x7
(3)
Iterazione 1
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
x7
bi
(0)
x4
(1)
1
2
1
2
1
2
21
x1
(2)
1
2
1
2
12
1
2
x7
(3)
Iterazione 2
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
x7
bi
(0)
x4
(1)
1
2
1
4
41
14
1
2
x1
(2)
1
2
34
3
4
14
3
2
x2
(3)
1
2
21
1
2
Soluzione ottima della prima fase `e (3/2, 1, 0, 1/2, 0). Dal tableau finale della
prima fase dobbiamo eliminare le colonne relative alle variabili artificiali, sostituire la funzione obiettivo e porre il sistema di equazioni in forma canonica.
Il tableau relativo alle prime due operazioni `e il seguente:
Eq.
x1
x2
x3
x4
x5
bi
(0)
x4
(1)
1
2
1
4
1
2
x1
(2)
1
2
43
3
2
x2
(3)
1
2
II Fase-Eliminazione coeff. di x1
Var.
base
Eq.
x1
x2
x3
x4
x5
bi
(0)
12
9
4
92
x4
(1)
1
2
1
4
1
2
x1
(2)
1
2
43
3
2
x2
(3)
1
2
II Fase-Eliminazione coeff. di x2
Var.
base
Eq.
x1
x2
x3
x4
x5
bi
(0)
12
7
4
11
2
x4
(1)
1
2
1
4
1
2
x1
(2)
1
2
43
3
2
x2
(3)
1
2
19
20
II Fase-Iterazione 0
Var.
base
Eq.
x1
x2
x3
x4
x5
bi
(0)
21
7
4
11
2
x4
(1)
1
2
1
4
1
2
x1
(2)
1
2
43
3
2
x2
(3)
1
2
II Fase-Iterazione 1
Var.
base
Eq.
x1
x2
x3
x4
x5
bi
(0)
x3
(1)
1
2
x1
(2)
x2
(3)
1
2
Esercizio 6. Risolvere il seguente problema utilizzando il metodo del simplesso a due fasi:
max Z = x1 + 5x2
x1
x2 3
5x1 2x2 = 8
x1 +3x2 1
x1 , x2 , x3 0.
Svolgimento. Scriviamo il problema nella forma aumentata introducendo una
variabile slack, una variabile surplus e due variabili artificiali:
max Z = x1 + 5x2
x1
x2 +x3
= 3
5x1 2x2
+x4
= 8
x1 +3x2
x5 +x6 = 1
x1 , x2 , x3 , x4 , x5 , x6 0.
21
+x4
x1
x2 +x3
5x1 2x2
+x4
x1 +3x2
x5
+x6 =
=
=
+x6 =
0
3
8
1.
Per porre in problema in forma canonica bisogna prima sottrarre dallequazione (0) lequazione (2), ottenendo le nuove equazioni
(0)
(1)
(2)
(3)
Z 5x1
x1
5x1
x1
+2x2
+x6
x2 +x3
2x2
+x4
+3x2
x5 +x6
=
=
=
=
8
3
8
1
Z 4x1
x1
5x1
x1
x2
+x5
x2 +x3
2x2
+x4
+3x2
x5 +x6
= 9
= 3
= 8
= 1.
22
I Fase-Iterazione 0
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
(0)
x3
(1)
x4
(2)
x6
(3)
bi
I Fase-Iterazione 1
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
(0)
13
5
4
5
13
5
x3
(1)
35
51
7
5
x1
(2)
25
1
5
8
5
x6
(3)
13
5
1
5
13
5
bi
I Fase-Iterazione 2
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
(0)
x3
(1)
2
13
3
13
3
13
x1
(2)
3
13
2
13
2
13
x2
(3)
1
13
5
13
5
13
bi
23
Eq.
x1
x2
x3
x5
bi
(0)
x3
(1)
3
13
x1
(2)
2
13
x2
(3)
5
13
II Fase-Eliminazione coefficiente di x1
Var.
base
Eq.
x1
x2
x3
x5
bi
(0)
2
13
x3
(1)
3
13
x1
(2)
2
13
x2
(3)
5
13
II Fase-Eliminazione coefficiente di x2
Var.
base
Eq.
x1
x2
x3
x5
bi
(0)
27
13
x3
(1)
3
13
x1
(2)
2
13
x2
(3)
5
13
A questo punto non `e verificato il test di ottimalit`a in quanto esiste un coefficiente negativo nellequazione (0), tuttavia nessuna variabile in base soddisfa
il test del minimo rapporto perch`e nella colonna relativa a x5 , variabile entrante in base, tutti i coefficienti sono negativi. Questa situazione si verifica
quando il problema non ha soluzione, cio`e la funzione obiettivo `e illimitata (il
24
25
+x5
+x7 = 0
4x1 +3x2 +3x3 x4 +x5
= 2
7x1
+x2 2x3
x6 +x7 = 6.
Per porre in problema in forma canonica bisogna prima sottrarre dallequazione (0) lequazione (1), ottenendo le nuove equazioni
Z +4x1 3x2 3x3 +x4
+x7 = 2
4x1 +3x2 +3x3 x4 +x5
= 2
7x1
+x2 2x3
x6 +x7 = 6
(0)
(1)
(2)
Eq.
x1
x2
x3
x4
x5
x6
x7
bi
(0)
x5
(1)
x7
(2)
26
Eq.
x1
x2
x3
x4
x5
x6
x7
bi
(0)
25
3
13
4
3
16
3
x2
(1)
43
13
1
3
2
3
x7
(2)
25
3
1
3
13
16
3
Iterazione 2
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
x7
bi
(0)
x2
(1)
13
25
7
25
7
25
4
25
4
25
38
25
x1
(2)
9
25
1
25
1
25
3
25
3
25
16
25
Soluzione ottima della prima fase `e (16/25, 38/25, 0). Dal tableau finale della
prima fase dobbiamo eliminare le colonne relative alle variabili artificiali, sostituire la funzione obiettivo e porre il sistema di equazioni in forma canonica.
Il tableau relativo alle prime due operazioni `e il seguente:
II Fase-Tablaeu preliminare
Var.
base
Eq.
x1
x2
x3
x4
x6
bi
(0)
x2
(1)
13
25
7
25
4
25
38
25
x1
(2)
9
25
1
25
3
25
16
25
27
II Fase-Eliminazione coeff. di x2
Var.
base
Eq.
x1
x2
x3
x4
x6
bi
(0)
61
25
21
25
12
25
114
25
x2
(1)
13
25
7
25
4
25
38
25
x1
(2)
9
25
1
25
3
25
16
25
II Fase-Eliminazione coeff. di x1
Var.
base
Eq.
x1
x2
x3
x4
x6
bi
(0)
23
5
3
5
6
5
42
5
x2
(1)
13
25
7
25
4
25
38
25
x1
(2)
9
25
1
25
3
25
16
25
28
Scriviamo ora i problemi che risolve il metodo del simplesso a due fasi:
I Fase
min Z = x4 + x6
x1 2x2 +2x3 +x4
= 3
3x1 +x2 3x3
x5 +x6 = 6
x1 , x2 , x3 , x5 , x4 , x6 0.
II Fase
min Z = 3x1 + 2x2 + 4x3
x1 2x2 +2x3
= 3
3x1 +x2 3x3 x5 = 6
x1 , x2 , x3 , x5 0.
Poich`e il problema `e di minimo dobbiamo trasformarlo in un problema di
massimo cambiando il segno ai due membri della funzione obiettivo in entrambi i problemi:
I Fase
max Z = x4 x6
x1 2x2 +2x3 +x4
= 3
3x1 +x2 3x3
x5 +x6 = 6
x1 , x2 , x3 , x5 , x4 , x6 0.
II Fase
max Z = 3x1 2x2 4x3
x1 2x2 +2x3
= 3
3x1 +x2 3x3 x5 = 6
x1 , x2 , x3 , x5 0.
Le equazioni della I fase sono
(0)
(1)
(2)
+x6 = 0
+x4
x1 2x2 +2x3 +x4
= 3
3x1 +x2 3x3
x5 +x6 = 6.
Per porre in problema in forma canonica bisogna prima sottrarre dallequazione (0) lequazione (1), ottenendo le nuove equazioni
(0)
(1)
(2)
Z x1 +2x2 2x3
+x6 = 3
x1
2x2 +2x3 +x4
= 3
3x1 +x2 3x3
x5 +x6 = 6
29
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
x4
(1)
x6
(2)
Iterazione 1
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
7
3
13
4
3
x4
(1)
37
1
3
13
x1
(2)
1
3
31
1
3
Iterazione 2
Var.
base
Eq.
x1
x2
x3
x4
x5
x6
bi
(0)
x3
(1)
97
1
3
1
9
19
1
3
x1
(2)
49
1
3
32
2
9
7
3
Soluzione ottima della prima fase `e (7/3, 0, 1/3). Dal tableau finale della
prima fase dobbiamo eliminare le colonne relative alle variabili artificiali, sostituire la funzione obiettivo e porre il sistema di equazioni in forma canonica.
Il tableau relativo alle prime due operazioni `e il seguente:
30
II Fase-Tablaeu preliminare
Var.
base
Eq.
x1
x2
x3
x5
bi
(0)
x2
(1)
97
1
9
1
3
x1
(2)
49
92
7
3
II Fase-Eliminazione coeff. di x1
Var.
base
Eq.
x1
x2
x3
x5
bi
(0)
10
3
2
3
x2
(1)
97
1
9
1
3
x1
(2)
49
92
7
3
II Fase-Eliminazione coeff. di x3
Var.
base
Eq.
x1
x2
x3
x5
bi
(0)
58
9
2
9
25
3
x2
(1)
97
1
9
1
3
x1
(2)
49
92
7
3
1.4.2
Esercizi da svolgere
Applicare il metodo del simplesso a dure fasi per risolvere i seguenti problemi
di programmazione lineare.
Esercizio 2.
Esercizio 3.
Esercizio 4.
Esercizio 5.
31
Capitolo 2
Problemi di Trasporto e
Assegnamento
2.1
che serva ad assorbire lofferta eccedente pari a 15. I costi relativi a tale
destinazione saranno posti tutti uguali a zero, quindi la matrice dei costi
diviene:
10 40 15 0
.
C=
20 25 30 0
Scriviamo la tabella dei dati e applichiamo la regola di Nord-Ovest per trovare
la BFS iniziale:
32
10
25
20
dj
40
50
25
15
30
25
50
si
4D
0
ui
80
25
33
15
30
15
40
Z = 3075
vj
La BFS iniziale `e:
(25, 50, 5, 0, 0, 0, 25, 25)
per la quale il valore della funzione obiettivo `e Z = 3075.
Applichiamo ora il metodo di Russell, scrivendo il tableau:
1
1
2
10
20
50
30
40
25
40
45
15
30
si
ui
40
80
40
30
40
30
4D
0
55
30
dj
25
50
30
15
vj
20
40
30
Variabile in base `e x13 che poniamo uguale a 30, in modo tale da cancellare
la colonna 3.
1
1
2
10
20
50
25
2
40
25
40
25
si
ui
25
50
40
25
40
25
4D
0
0
dj
25
50
15
vj
20
25
34
10
20
si
ui
20
25
10
20
40
20
4D
10
10
0
0
dj
50
15
vj
20
x22 = 40.
Sorgenti
1
2
dj
Diff. Col.
1
10
20
25
10
Destinazioni
2
3
4
40
15
0
25
30
0
50
30
15
15
15
0
si
80
40
Differ. Righe
10
20
35
Poniamo
x24 = 15
e cancelliamo la colonna 4:
Sorgenti
1
2
dj
Diff. Col.
Destinazioni
1
2
3
10
40
15
20
25
30
25
50
30
10
15
15
si
80
25
Differ. Righe
5
5
x12 = 25,
x13 = 30.
20
25
30
dj
40
15
20
25
20
15
10
20
60
si
10
36
ui
60
32
40
28
32
Z = 2300
si
ui
40
60
40
60
40
60
vj
Applichiamo ora il metodo di Russell
1
1
2
20
30
50
60
40
20
40
80
20
60
10
80
10
60
dj
25
15
28
32
vj
30
40
60
10
20
30
50
30
2
40
20
40
50
10
10
si
ui
40
12
40
30
60
30
dj
25
15
32
vj
30
40
10
37
Sorgenti
1
20
30
25
10
1
2
dj
Diff. Col.
Destinazioni
2
3
4
40
20
10
20
60
10
15
28
32
20
40
0
si
60
40
Differ. Righe
10
10
Sorgenti
1
2
dj
Diff. Col.
Destinazioni
1
2
4
20
40
10
30
20
10
25
15
32
10
20
0
si
32
40
Differ. Righe
10
10
Sorgenti
1
2
dj
Diff. Col.
Destinazioni
1
4
20
10
30
10
25
32
10
0
si
32
25
Differ. Righe
10
20
x14 = 7.
38
in cui
Z = 500 + 560 + 70 + 300 + 150 = 1580.
Esercizio 3. Si vuole determinare la BFS iniziale del problema del trasporto
con tre sorgenti, con offerta rispettivamente 20, 60 e 30 e tre destinazioni con
domanda 15, 50 e 10, con matrice dei costi
4 3 2
C= 1 5
1 2 4
applicando la Regola del Nord-Ovest ed i metodi di Russell e Vogel.
Svolgimento. Innanzitutto osserviamo che
X
X
si = 110,
dj = 75,
i
4 3 2 0
C = 1 5 M 0 .
1 2 4 0
Scriviamo la tabella dei dati e applichiamo la regola di Nord-Ovest per trovare
la BFS iniziale:
1
1
2
3
dj
vj
15
2
3
2
15
3
5
45
2
M
10
4
50
4D
0
0
10
si
ui
20
5
60
30
30
35
Z = 300 + 10M
39
4
1
2
3
4
3 M
5
2
3
2
6
M
2 M
si
ui
20
40
30
4D
dj
15
50
10
35
vj
3
5
2
5
M
7
3
2
M
4
1 M
M
M
si
ui
20
45
30
4D
0
0
0
dj
50
10
35
vj
Poniamo
x13 = 10
e cancelliamo la colonna 3:
3
5
2
si
ui
10
45
30
4D
5
5
5
0
0
0
dj
50
35
vj
40
1
Sorgenti
2
3
dj
Diff. Col.
1
4
1
1
15
0
Destinazioni
2
3
4D
3
2
0
5
M
0
2
4
0
50
10
35
1
2
0
si
20
60
30
Differ. Righe
2
1
1
Ci sono due possibilit`a di scelta: la riga 1 (in cui il costo inferiore `e associato
alla variabile x14 ) e la colonna 3 (il cui costo inferiore `e associato alla variabile
x13 ). Tuttavia ponendo
x13 = 10
si cancella la colonna 3 dove `e presente lunico costo uguale a M .
1
Sorgenti
2
3
dj
Diff. Col.
Destinazioni
1
2
4D
4
3
0
1
5
0
1
2
0
15
50
35
0
1
0
si
10
60
30
Differ. Righe
3
1
1
si
60
30
Differ. Righe
1
1
41
Sorgenti
2
3
dj
Diff. Col.
Destinazioni
1
2
4D
1
5
0
1
2
0
15
50
25
0
3
0
x22 = 20,
x24 = 25.
1 3 2
C= 5 4 1
1 2 3
applicando la Regola del Nord-Ovest ed i metodi di Russell e Vogel.
Svolgimento.
10
2
3
dj
10
10
5
2
1
3
15
si
ui
20
15
20
20
20
35
Z = 135
si
ui
20
20
20
vj
Applichiamo il metodo di Russell:
1
1
2
3
1
5
1
7
5
7
2
3
4
2
4
5
5
2
1
3
dj
10
15
35
vj
Poniamo
x11 = 10
e cancelliamo la colonna 1:
42
4
4
5
2
1
3
si
ui
10
20
20
si
ui
10
20
dj
15
35
vj
43
Poniamo
x23 = 20
e cancelliamo la riga 2:
1
1
2
3
2
3
4
2
3
dj
15
15
vj
x33 = 5.
1
Sorgenti
2
3
dj
Diff. Col.
si
20
20
20
Differ. Righe
1
3
1
si
20
20
Differ. Righe
1
1
44
Sorgenti
Destinazioni
1
2
3
1
3
2
1
2
3
10
15
15
0
1
1
1
3
dj
Diff. Col.
Sorgenti
1
3
dj
Diff. Col.
Destinazioni
2
3
3
2
2
3
15
15
1
1
si
10
20
Differ. Righe
1
1
x33 = 5.
4 2 1 3
C = 5 1 2 2 .
3 2 1 3
con offerta pari rispettivamente a 30, 40 e 30 e domanda 20, 30, 40 e 10.
Svolgimento.
4
5
3
2
2
3
1
si
ui
30
40
30
dj
20
30
40
10
vj
4
5
3
5
5
5
2
2
1
2
4
6
3
1
2
1
si
ui
30
30
30
si
ui
30
30
dj
20
30
40
vj
4
3
4
4
2
2
2
4
3
1
1
dj
20
40
vj
45
46
1 6 5
C = 5 4 1 .
3 3 4
e con offerte pari rispettivamente a 10, 50 e 20 e domande 30, 40 e 10,
utilizzando i metodi di Vogel e di Russell.
Svolgimento. Applicando il metodo di Vogel si ha la seguente situazione
iniziale
Sorgenti
1
2
3
dj
Diff. Col.
Destinazioni
1 2
3
1 6
5
5 4
1
3 3
4
30 40 10
2 1
3
si Differ. Righe
10
4
50
3
20
0
Sorgenti
2
3
dj
Diff. Col.
Destinazioni
1 2
3
5 4
1
3 3
4
20 40 10
2 1
3
si Differ. Righe
50
3
20
0
Sorgenti
Destinazioni
1
2
5
4
3
3
20
40
2
1
2
3
dj
Diff. Col.
47
si Differ. Righe
40
1
20
0
Sorgenti
Destinazioni
2
4
3
40
2
3
dj
Diff. Col.
si Differ. Righe
40
1
5
3
10
5
6
2
6
4
3
6
7
7
5
1
4
si
ui
10
50
20
dj
30
40
10
vj
5
3
2
4
si
ui
50
20
dj
20
40
10
vj
48
5
3
5
5
4
3
si
ui
40
20
dj
20
40
vj
Scegliamo x31 = 20, cancelliamo la prima colonna, in modo tale che le variabili rimaste sono entrambe in base: x22 = 40 e x32 = 0.
La BFS trovata con il metodo di Russell `e:
(10, 0, 0, 0, 40, 10, 20, 0, 0).
Osserviamo che i due metodi hanno fornito la stessa soluzione iniziale.
Esercizio 7. Trovare la BFS iniziale del problema di trasporto definito dalla
seguente matrice dei costi
4 5 7
C = 4 4 5 .
4 4 4
e con offerte pari rispettivamente a 100, 110 e 90 e domande 95, 85 e 120,
utilizzando i metodi di Vogel e di Russell.
Svolgimento. Applicando il metodo di Vogel si ha la seguente situazione
iniziale
Sorgenti
1
2
3
dj
Diff. Col.
Destinazioni
1 2
3
4 5
7
4 4
5
4 4
4
95 85 120
0 0
1
49
si Differ. Righe
100
1
110
0
90
0
Sorgenti
1
2
dj
Diff. Col.
Destinazioni
1 2
3
4 5
7
4 4
5
95 85 30
0 1
2
si Differ. Righe
100
1
110
0
Sorgenti
1
2
dj
Diff. Col.
Destinazioni
1
2
4
5
4
4
95
85
0
1
si Differ. Righe
100
1
80
0
4
4
4
2
5
si
ui
100
110
90
3
7
dj
95
85
120
vj
5
4
4
7
6
5
7
5
4
si
ui
110
90
si
ui
110
dj
85
120
vj
5
4
7
6
7
5
dj
85
30
vj
50
51
Scegliamo x23 = 30, cancelliamo la terza colonna, in modo tale che le variabili
rimaste sono entrambe in base: x24 = 80 e x12 = 5.
La BFS trovata con il metodo di Russell `e:
(95, 5, 0, 0, 80, 30, 0, 0, 90).
Esercizio 8. Trovare la BFS iniziale del problema di trasporto definito dalla
seguente matrice dei costi
3 4 3 4
C= 2 5 3 3
2 4 4 2
e con offerte pari rispettivamente a 60, 70 e 20, e domande 50, 25, 35 e 40,
utilizzando i metodi di Russell e di Vogel.
Svolgimento. Osserviamo innanzitutto che non `e necessario introdurre alcuna
sorgente o destinazione fittizia. Scriviamo il tableau iniziale per lapplicazione
del metodo di Russell:
1
1
2
3
3
2
2
4
6
5
2
4
5
4
5
5
5
3
3
3
4
5
6
4
4
3
2
si
ui
60
70
20
dj
50
25
35
40
vj
4
5
4
5
5
5
3
3
3
4
5
6
4
4
3
2
si
ui
60
20
20
dj
25
35
40
vj
52
4
5
5
5
3
3
3
4
5
4
3
si
ui
60
20
dj
25
35
20
vj
Poniamo x24 = 20, cancelliamo la riga 2, in modo tale che le tre variabili
rimaste sono entrambe in base: x12 = 25, x13 = 35 e x14 = 0.
La BFS trovata e quindi la seguente
(0, 25, 35, 0, 50, 0, 0, 20, 0, 0, 0, 20).
2.2
Il problema di Assegnamento
8 8 5 7
9 7 3 8
C=
9 8 4 8 .
6 6 5 6
Tabella iniziale
53
54
Poniamo x14 = 1
Poniamo x41 = 1
55
56
6 4 2 1
3 4 4 2
6 6 4 2
.
C=
7
4
5
1
1
6 3 2 2 2
6 4 5 6 4
6 4 2 1 M 0
3 M 4 4 2 0
M 6 6 4 2 0
.
C=
7
4
5
1
1
0
6 3 2 2 2 0
6 4 5 6 4 0
Applichiamo il metodo ungherese a tale problema:
6
Tabella iniziale
Il numero minimo di linee che coprono gli elementi uguali a zero `e 5, come
si evince dalla seguente figura:
57
x21 = 1
x13 = 1
x52 = 1
x66 = 1
x35 = 1
x44 = 1
0
1
0
X=
0
0
0
0
0
0
0
1
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
1
0
0
0
0
0
0
0
0
1
58
59
5 4 6 5 4
3 7 4 6 3
.
5
2
3
2
3
C=
6 4 4 3 2
7 3 2 3 3
Svolgimento. Applichiamo il metodo ungherese a tale problema:
5
Tabella iniziale
x21 = 1
x53 = 1
60
x12 = 1
x45 = 1
1
x34 = 1
La soluzione ottima `e la seguente
X=
0
1
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
1
0
6 3 4 5 6
4 2 1 6 5 6
C=
7 4 3 3 2 4 .
2 1 10 8 4 5
7 5 6 4 3 2
61
6 3 M 4 5 6
4 2 1 6 5 6
7 4 3 3 2 4
.
C=
2
1
10
8
4
5
7 5 6 4 3 2
0 0 0 0 0 0
Applichiamo il metodo ungherese a tale problema:
6
10
Tabella iniziale
62
Poich`e il numero minimo di linee che coprono gli elementi uguali a zero `e
uguale a sei allora `e possibile effettuare lassegnamento ottimo.
2
x35 = 1
x56 = 1
2
x23 = 1
x12 = 1
x64 = 1
x41 = 1
La soluzione ottima `e la seguente
0
0
0
X=
1
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
1
0
63
Capitolo 3
Esercizi di Ottimizzazione su
Reti
3.1
B
10
C
8
10
D
6
11
7
E F G
4 4 5
10 4 5
4 10 6
3 7 2
8 5
6
64
65
G
2
Il nodo pi`
u vicino a D o a G `e in nodo E, quindi larco DE viene aggiunto
allalbero.
G
2
D
3
E
I nodi pi`
u vicini sono C e A, entrambi connessi a E, scegliamo larco EC.
66
G
2
C
3
E
E adesso scegliamo larco EA:
G
2
C
3
67
C
3
C
3
3.2
68
A
5
8
4
B
Svolgimento.
3
2
9
3
8
5
69
Nodi scelti
alle iterazioni
precedenti
OB
O
B
A
C
5
4+5=9
OA
O
A
B
C
D
C
8
3+5=8
4+5=9
C
D
OC
AD
B
C
D
E
F
F
4 + 7 = 11
8 + 2 = 10
8 + 3 = 11
10
CF
B
C
D
F
E
E
G
G
4 + 7 = 11
8 + 6 = 14
8 + 4 = 12
10 + 2 = 12
11
BE
D
F
E
G
G
H
8 + 4 = 12
10 + 2 = 12
11 + 2 = 13
12
DG
FG
F
E
G
H
H
H
10 + 6 = 16
11 + 2 = 13
12 + 3 = 15
13
EH
E
G
H
I
T
T
11 + 6 = 17
12 + 9 = 21
13 + 8 = 21
17
EI
G
H
I
T
T
T
12 + 9 = 21
13 + 8 = 21
17 + 5 = 22
21
GT
HT
70
A
5
8
4
B
Svolgimento.
3
2
9
3
8
5
71
Nodi scelti
alle iterazioni
precedenti
OB
O
B
A
C
5
4+5=9
OA
O
A
B
C
D
C
8
3+5=8
4+5=9
C
D
OC
AD
B
C
D
E
F
F
4 + 7 = 11
8 + 2 = 10
8 + 3 = 11
10
CF
B
C
D
F
E
E
G
E
4 + 7 = 11
8 + 6 = 14
8 + 4 = 12
10 + 1 = 11
11
BE
FE
D
F
E
G
G
H
8 + 4 = 12
10 + 2 = 12
11 + 2 = 13
12
DG
FG
F
E
G
H
H
H
10 + 6 = 16
11 + 2 = 13
12 + 3 = 15
13
EH
E
G
H
I
T
I
11 + 6 = 17
12 + 9 = 21
13 + 2 = 15
15
HI
G
H
I
T
T
T
12 + 9 = 21
13 + 8 = 21
15 + 5 = 20
20
IT
72
C
3
T
2
3
7
3
Svolgimento.
Distanza
Nodi
candidati totale da O
Nodi scelti
alle iterazioni
precedenti
OB
O
B
A
C
3
2+5=7
OA
A
A
B
D
E
C
3+4=7
3+4=7
2+5=7
D
E
C
AD
AE
BC
C
D
E
E
F
G
F
G
7 + 3 = 10
7+2=9
7 + 3 = 10
7 + 3 = 10
DG
C
D
E
G
F
F
F
T
7 + 3 = 10
7 + 3 = 10
7 + 3 = 10
9 + 5 = 14
10
CF
DF
EF
F
G
T
T
10 + 6 = 16
9 + 5 = 14
14
GT
73
A
3
D
5
2
5
7
3
Svolgimento.
Distanza
Nodi
candidati totale da O
Nodi scelti
alle iterazioni
precedenti
OA
B
C
D
E
4
4
3+2=5
3+2=5
B
C
4
4
OB
OC
3+2=5
3+2=5
4+2=6
4+2=6
D
E
5
5
AD
AE
B
C
D
E
E
E
C
E
D
F
F
T
4 + 6 = 10
5+3=8
5 + 5 = 10
EF
D
F
T
T
5 + 5 = 10
8 + 5 = 13
10
DT
A
3
74