- I problemi di ottimizzazione lineare sono problemi che cercano di
+ Spesso sono detti anche problemi di LP.
Può essere
@@ -326,41 +344,41 @@ export default function(props) {
| TN | TN | |||||||
|---|---|---|---|---|---|---|---|---|
Funziona esattamente come il Simplex primale, ma opera sulle righe invece che sulle colonne, cercando di rendere
- Un procedimento che misura di quanto può variare il termine noto di un vincolo
+ Particolari problemi di ottimizzazione lineare in cui le variabili sono vincolate ad essere numeri interi. +
++ Spesso detti anche problemi di ILP. +
+
+ Un rilassamento che rimuove il vincolo di
+ Un modo per passare dalla soluzione del rilassamento alla soluzione intera di un problema di ILP. +
+
+ Consiste nel calcolare la soluzione di ogni singolo punto incluso nel poliedro, e selezionare la
+ Trova sicuramente la soluzione giusta, ma il costo computazionale è esponenziale
+ Un altro modo per passare dalla soluzione del rilassamento alla soluzione intera di un problema di ILP. +
++ Consiste nell'arrotondare tutte le variabili al loro valore intero più vicino, e calcolarne il valore ottimo. +
++ Funziona bene per valori grandi, ma più essi si avvicinano allo 0 più l'errore diventa grande. +
++ Un altro modo ancora per passare dalla soluzione del rilassamento alla soluzione intera di un problema di ILP. +
++ Consiste nel tagliare il poliedro con nuovi vincoli (piani secanti) che riducono le possibili soluzioni continue ma non quelle intere. +
++ Per selezionare i vincoli, si usano i tagli di Gomory: +
++ Per ogni valore noto frazionario si viene quindi a creare una nuova variabile in base e un nuovo vincolo formato dall'opposto di tutti i valori frazionari dei coefficienti fuori base. +
++ Il tableau: +
| TN | +||||
|---|---|---|---|---|
+ Diventa: +
| TN | +|||||
|---|---|---|---|---|---|