Tutto ciò che viene da 1 si trasforma per il 20% in A, 20% in B e 30% in C.
Tutto ciò che viene da 2 si trasforma per il 30% in A, 10% in B e 30% in C.

(:tableend:)

Il report ci dice che la funzione obiettivo (z) è 600, che abbiamo 5 variabili e 3 vincoli.
Le variabili sono x₁ = 0 , x₂ = 20 , x₃ = 0, x₄ = 2 , x₅ = 2.
Dato che le variabili fuori base valgono 0, ne abbiamo due fuori base {1,3} e tre in base: {2,4,5}.

Notare che se una variabile fuori base con costo ridotto 0 entrasse in base, la variazione della funzione obiettivo sarebbe pari a 0.

Torna alla pagina di Ricerca Operativa

1. Risoluzione in Lindo

Risoluzione in Lindo

(:table cellpadding=10:) (:cellnr bgcolor=#f2f6f9:)

! Esercizio "Patate"

! Variabili: x(i) = quantità acquistata dal produttore i = 1, ... , 2 [ton]
! Le variabili sono continue e non negative

! Funzione obiettivo: massimizzazione dei profitti [Euro]
max 20 x1 + 30 x2

subject to

! Vincoli sul limite massimo di produzione [ton]
Limite1) 0.2 x1 + 0.3 x2 <= 6
Limite2) 0.2 x1 + 0.1 x2 <= 4
Limite3) 0.3 x1 + 0.3 x2 <= 8

End

(:tableend:)

Cliccando sul pulsante della risoluzione (il bersaglio) appare la seguente finestra di riepilogo:

Cosa indicano i campi?
Status: in questo caso indica che ha trovato la soluzione ottima
Iterations: gli è bastato fare un unico cambio di base per trovare la soluzione
Infeasibility: non è inammissibile trovare la soluzione
Objective: risultato della funzione obiettivo
Best IP – IP Bound – Branches: sono usati solo per i problemi non lineari
Elapsed time: il tempo impiegato

Report

(:table cellpadding=10:) (:cellnr bgcolor=#fff7ea:)

LP OPTIMUM FOUND AT STEP      1

OBJECTIVE FUNCTION VALUE

1)      600.0000

VARIABLE        VALUE          REDUCED COST
      X1         0.000000          0.000000
      X2        20.000000          0.000000


   ROW   SLACK OR SURPLUS     DUAL PRICES
LIMITE1)         0.000000        100.000000
LIMITE2)         2.000000          0.000000
LIMITE3)         2.000000          0.000000

NO. ITERATIONS=       1

(:tableend:)

Esercizio 1: Patate

(:table cellpadding=5 width=80%:)

(:table cellpadding=5 width=60%:)

(:table cellpadding=5 width=50%:)

(:table width=50% border="1" cellpadding=5:)

(:table cellpadding=5 width=70%:)

(:table cellpadding=5 width=70%:)

(:table cellpadding=5 width=70%:)

(:table cellpadding=5 width=70%:)

(:title Ricerca Operativa - Esercizi di laboratorio:) Torna alla pagina di Ricerca Operativa

:: Ricerca Operativa - Esercizi di laboratorio :: Esercizio 1: Patate

Problema

Un’azienda produce pacchi di patatine surgelate sia a bastoncino (A) che in pezzi più piccoli (B) e di fiocchi surgelati per il puré (C). L’azienda acquista da due produttori (1 e 2) con rese differenti.

(:table width=50% border="1":) (:cellnr:)Produttore (:cell:)A (:cell:)B (:cell:)C (:cellnr:)1 (:cell:)20% (:cell:)20% (:cell:)30% (:cellnr:)2 (:cell:)30% (:cell:)10% (:cell:)30% (:tableend:)

Tutto ciò che viene da 1 si trasforma per il 20% in A, 20% in B e 30% in B.
Tutto ciò che viene da 2 si trasforma per il 30% in A, 10% in B e 30% in B.

L’avanzo del 30% per entrambi i produttori è lo scarto non recuperabile.
Il profitto dell’azienda è di 2 centesimi di Euro per ogni chilogrammo di patate provenienti dal produttore 1 e di 3 centesimi/Kg per quelle provenienti dal produttore 2.
Ci sono delle limitazioni alle quantità massime di ciascun tipo di prodotto: 6 tonnellate di A, 4 di B e 8 di C.

Formalizzazione

Dati

(:table:) (:cellnr:)P = 2 (:cell:)produttori (:cell:) (:cellnr:)N = 3 (:cell:)prodotti (:cell:) (:cellnr:)a_ij (:cell:)resa del prodotto j (1, ... , N) per il produttore i (1, ... , P) (:cell:)[%] (:cellnr:)b_i (:cell:)profitto corrispondente al produttore i (1, … , P) (:cell:)[cent/kg] (:cellnr:)l_j (:cell:)limiti di produzione per il prodotto j (1, ... , N) (:cell:)[ton] (:tableend:)

Variabili

(:table:) (:cellnr:)x_i ≥ 0 (:cell:)quantità acquistata dal produttore i (1, ... , P) (:cell:)[ton] (:tableend:)

Notare il maggiore uguale a 0, condizione necessaria dato che non posso acquistare una quantità negativa di prodotto.

Per quanto riguarda le unità di misura in questo caso non sono così vincolanti, dipende se voglio un calcolo più veloce per verificare i limiti di produzione o per ricavare il profitto. A seconda della scelta che faccio dovrò convertire le unità di misura dei dati interessati.

Vincoli

(:table:) (:cellnr:)∑_i a_ij • x_i ≤ l_j (:cell:)per ogni j = 1, ... , N
e con i = 1, … , P (:cell:)[ton] (:tableend:)

Funzione obiettivo

Massimizzare il profitto, ovviamente.

(:table:) (:cellnr:)max ∑_i b_i • x_i • 10 (:cell:)[€] (:tableend:)

Classificazione del problema

Osservazioni da fare:

1. le variabili sono continue o no?
2. i vincoli sono lineari o no?

Le variabili sono variabili continue.
I vincoli sono espressi con un polinomio di primo grado, quindi il modello è lineare. La funzione obiettivo è espressa con un polinomio di primo grado, quindi il modello è lineare.

Riassumendo: è un problema di programmazione lineare.