In questa lezione si presentano i problemi di ottimizzazione multidimensionale caratterizzati da un insieme di relazioni vincolari che definiscono un dominio di ammissibilità delle soluzioni.
Per introdurre l’argomento si aggiungono semplici vincoli lineari al problema già descritto nella lezione sull’ottimizzazione multidimensionale non vincolata.
Si descrive la struttura generale dei metodi di soluzione a direzione ammissibile e si fornisce una rappresentazione grafica delle direzioni ammissibili e di miglioramento.
Si fornisce infine una rappresentazione geometrica delle condizioni di ottimo vincolato, descritte analiticamente nel testo di riferimento.
Un’azienda manifatturiera dispone di tre impianti per la produzione di componenti meccanici ottenuti per montaggio di diversi semilavorati. Gli impianti 1 e 2 sono destinati alla produzione dei semilavorati. L’impianto 3 è destinato anche all’assemblaggio.
In seguito ad una innovazione tecnologica l’azienda dispone di ore di lavoro giornaliere residue da destinare a due nuovi prodotti (A e B) di tipo sperimentale: 4 ore nell’impianto 1, 12 nell’impianto 2 e 18 nell’impianto 3. Una unità di prodotto A richiede 1 ora di lavoro nell’impianto 1 e 3 ore di lavoro nell’impianto 3. Una unità di prodotto B richiede 2 ore di lavoro nell’impianto 2 e 2 ore di lavoro nell’impianto 3.
Il profitto unitario dei prodotti A e B, espresso in euro, è variabile con la produzione ed è dato dalle seguenti funzioni lineari, nelle quali xA e xB indicano la produzione giornaliera di A e B:
pA = pA (xA) = 126 – 9xA
pB = pB (xB) = 182 – 13xB
Per la soluzione di un problema di ottimizzazione vincolata con funzione obiettivo non lineare e vincoli lineari è possibile utilizzare un metodo a direzione ammissibile.
Esso parte da un punto iniziale x0 ed utilizza la relazione ricorsiva già impiegata nell’algoritmo di discesa ripida: xk+1=xk+θk dk
A partire da un generico punto xk le direzioni di spostamento devono essere di miglioramento, cioè:
(xk+1) < f (xk ) per un problema di minimo (xk+1) > f (xk ) per un problema di massimo.
ma devono essere anche ammissibili, cioè devono realizzare spostamenti che non fuoriescano dalla regione ammissibile.
2. Ottimizzazione non lineare monodimensionale
3. Ottimizzazione non lineare multidimensionale non vincolata
4. Ottimizzazione non lineare multidimensionale vincolata
5. Ottimizzazione lineare: formulazione di modelli
6. Ottimizzazione lineare: Algoritmo del Simplesso
7. Ottimizzazione lineare: Algoritmo del Simplesso - II parte
8. Ottimizzazione lineare: Algoritmo del Simplesso - III parte
9. Ottimizzazione lineare: il metodo del Big M
10. Ottimizzazione lineare: il metodo delle due fasi
11. Ottimizzazione lineare: Algoritmo del Simplesso revisionato
12. Ottimizzazione lineare: Analisi post-ottimale
13. Ottimizzazione lineare: il modello duale
15. Ottimizzazione intera: il metodo del piano di taglio
16. Ottimizzazione intera: il metodo Branch and Bound
17. Ottimizzazione su rete: Introduzione alla Teoria dei Grafi
18. Ottimizzazione su rete: Problemi di percorso
19. Ottimizzazione su rete: Problemi di flusso
20. Ottimizzazione su rete: Problemi di progetto, circuito e locali...