1. Gabba Marco – 750228
Programmazione Lineare - Confronti tra metodi
esistenti e un metodo innovativo
Relatore: Prof. Guido Buzzi Ferraris
Correlatore: Ing. Flavio Manenti
2. 2
Introduzione – il problema della dieta
Alimento (x) Costo unitario Quantità massima Calorie Proteine Calcio
Pane (x1) 2 4 110 4 2
Latte (x2) 3 8 160 8 285
Uova (x3) 4 3 180 13 54
Carne (x4) 19 2 260 14 80
Dolce (x5) 20 2 420 4 22
Nutrimento Requisito
Calorie [cal] 200
Proteine [g] 50
Calcio [700 g] 700
Gabba Marco
4. 4
Scopo del lavoro
Confrontare le prestazioni del metodo dell’Attico con
quelle dei risolutori commerciali disponibili
al fine di
verificare l’efficienza del metodo ed affinare le
prestazioni, per valutare la possibilità di una futura
applicazione ai problemi MILP
Gabba Marco
5. Caso Studio 5
Ottimizzazione di una raffineria
Gabba Marco
6. Caso Studio 6
Ottimizzazione di una raffineria
Modello matematico
Tipologie di variabili (61)
• Quantità di materiale “straight-run” e di riciclo alimentato ai
forni.
• Componenti dei vari prodotti di miscelazione.
• Variabili di bilancio
Tipologie di vincoli (26)
• Disponibilità e utilizzo di materie prime, prodotti “straight-
run” e prodotti di cracking.
• Limitazioni di capacità delle apparecchiature
• Specifiche richieste sui prodotti di miscelazione
Gabba Marco
8. Interior Point 8
Klee - Minty
n
massimizzare 10
j 1
n j
xj
i 1
soggetta a: 210i j x j xi 100i j i 1,..., n
j 1
xj 0 j 1,..., n
Barrier Method
n
minimizzare c x-μ logx j
T T
minimizzare c x
Ax b
j=1
soggetta a
soggetta a Ax b
x0
x0
Gabba Marco
9. Attico 9
ATTIC
METHOD
x2
BAttic
BAttic
Di solito si incontra un
punto non vertice, DEGENERACY
prevenendo problemi di
degenerazione
CSimplex
SIMPLEX
METHOD BSimplex
A dmax
CSimplex
BSimplex x1
A
Gabba Marco
10. Attico 10
Basi matematiche
Condizioni di Karush, Kuhn, Tucker
J T λ s
Jx b
i 0 i 1,..., nQ
Vincoli artificiali
Fattorizzazione avanzata
Vertici dell’Attico
Gabba Marco
11. Caso Studio 11
Linguaggi e solvers utilizzati
AMPL
SIMPO
CPLEX
MINOS 5.5
Gabba Marco
12. Caso Studio 12
Linguaggi e solvers utilizzati
MATLAB
Simplesso
IP
Gabba Marco
13. Caso Studio 13
Linguaggi e solvers utilizzati
C++
Simplesso
Attico
Gabba Marco
14. Caso Studio 14
Ottimizzazione di una raffineria
Gabba Marco
16. 16
Conclusioni
Spostamenti all’interno dell’area accettabile con
tecniche lineari: valutazione di meno vertici.
Non richiesta forma standard: matrici più piccole
Fattorizzazione stabile grazie ai vincoli artificiali
TO DO
Test sui tempi di calcolo (parametro industriale)
Sviluppo algoritmo (pre-processore)
Convalida su problema di supply chain management,
430’000 variabili circa (prof. Bandoni, Plapiqui, UNS)
Gabba Marco