1 / 38

Otimização em grafos

Otimização em grafos. Traveling Salesman Problem Métodos exatos (breve perspectiva histórica). Caixeiro viajante (DFJ). Cada nó: grau 2. Caixeiro viajante (DFJ). Cada nó: grau 2. caso direcionado. Caixeiro viajante (DFJ). Assignment problem. Caixeiro viajante (DFJ).

danica
Télécharger la présentation

Otimização em grafos

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Otimização em grafos Traveling Salesman Problem Métodos exatos (breve perspectiva histórica)

  2. Caixeiro viajante (DFJ) Cada nó: grau 2.

  3. Caixeiro viajante (DFJ) Cada nó: grau 2. caso direcionado

  4. Caixeiro viajante (DFJ) Assignment problem

  5. Caixeiro viajante (DFJ) Assignment problem Eliminação de ciclos

  6. Formulação matemática

  7. Oncan, T.; Altinel, I. K. & Laporte, G. A comparative analysis of several asymmetric traveling salesman problem formulations, Computers & Operations Research, 36, 637-654, 2009

  8. Miller-Tucker-Zemlin Miller, C. E.; Tucker, A. W. & Zemlin, R. A. Integer programming formulations and travelling salesman problems, Journal of the Association of Computing Machinery, 1960, 7, 326-329 • originalmente no contexto de problema de roteamento de veículos: • nó 0 é o depot. (Miller-Tucker-Zemlin constraints)

  9. u2 u1 u3 Miller-Tucker-Zemlin • Para um dado arco (i,j) na solução: xij = 1 • Para cada (i,j) que não contém a origem, isso implica:

  10. Miller-Tucker-Zemlin • E para o TSP ? adicionar origem na restrição do AP

  11. Miller-Tucker-Zemlin • Contra LP fraca. (não são facetas) • Pró Generaliza muito bem para problemas de roteamento de veículos VRP (e outros, como veremos mais adiante)

  12. Miller-Tucker-Zemlin • Forma mais moderna: • É possível fortalecê-las ? (lift) Desrochers, M. & Laporte, G., Improvements and extensions to the Miller-Tucker-Zemlin subtour elimination constraints, Operations Research Letters, 1991, 10, 27-36

  13. MTZ (Desrochers-Laporte) Prova: xji = 0 : ui - uj + (n-1)xij· n-2 (o que tínhamos antes) xji =1 : ui - uj + (n-3) xji· n-2 ui - uj + (n-3) · n-2 ui - uj· 1 (que é o que se obtém com a equação original para (j,i).

  14. MTZ (Desrochers-Laporte) • Ainda assim MTZ é mais fraca que DFJ: S= { v1, v2, v3, v4}

  15. 15 • Dantzig, Fulkerson, Johnson, Solution of a large-scale traveling-salesman problem,Operations Research 2, 393-410,1954 Cutting-plane algorithm 11:16

  16. Contexto • Simplex (Dantzig, 1948) • Problema das 49 (42) cidades • Ótimo: 699 • LP: 641

  17. Solução do LP (641) SEC: x1,2 + x2,42 + x41,4 + x1,41· 3 Alternativamente: xij¸ 2 (para i em um subconjunto e j no outro)

  18. Beyond SEC • Comb inequalities (desigualdades pente): • Combs são estruturas com uma alça (handle) e um conjunto de dentes com as seguintes características: • A alça encontra os dentes, mas não contém nenhum deles; • Os dentes são disjuntos dois a dois; • O número de dentes é ímpar e no mínimo igual a 3. teeth (Ti) handle (H)

  19. Comb inequality: x((H)} + j=1...s x((Tj)) ¸ 3s+1 Notação: Applegate et al. x((S)) = arcos do ciclo x com apenas uma extremidade no conjunto S Demonstração: Defina:

  20. como os dentes são disjuntos, temos: x((H)) ¸i ci e, por definição, i ci· s além disso, x((H)) é par, enquanto s é ímpar x((H)) ¸ 2ici -s + 1

  21. x((H)) ¸ 2ici -s + 1 por outro lado: x((Ti)) ¸ 4 - 2ci x((H)} + j=1...s x((Tj)) ¸ 3s+1

  22. x((H)} + j=1...s x((Tj)) ¸ 3s+1 9 ¸ 10

  23. Solução depois da primeira desigualdade pente:

  24. Após as duas desigualdades pente:

  25. Conclusão (e eles tinham acabado de resolver um problema inédito e inventado o método de planos de corte)

  26. Cutting-plane method • Questão principal: • como encontrar as desigualdades (método de separação).

  27. branch & bound • Bock, 1958 • Croes, 1958 • Eastman, 1958 • Rossman and Twery, 1958 • Land and Doig, 1960 • Generalização (fora do contexto do TSP) • Little, Murty, Sweeney and Karel, 1963 • Batismo (branch & bound)

  28. branch & bound • divisão do problema em dois problemas complementares. • uso de limitantes para eliminar nós não-promissores.

  29. Held and Carp,1970 • 1-tree (Lawlwer and Wood, 1965) • dois arcos mais baratos associados ao nó v + minimum spanning tree conectando os outros nós

  30. Held and Carp,1970 • Held and Carp: melhoria crucial do limitante remover um valor fixo, yv, do custo de cada arco chegando em um nó v não muda a solução do TSP (apenas diminui seu valor em 2yv)... ...mas pode mudar drasticamente a solução 1-tree

  31. Held and Carp,1970 idéia: aproximar 1-tree do TSP através da adição/ remoção de yv.

  32. yv para cada nó v: c'(u,v) = c(u,v) - yv - yu • Limitante sobre o grafo modificado: B • Limitante sob o grafo original: B + v 2 V 2yv Idéia: Escolher yv que façam B descer menos que o fator de correção (v 2 V 2yv).

  33. Para cidades (nós) com grau 1 na sol. original: • Valor positivo de yv (o que implica reduzir o custo dos arcos incidentes) de modo a tornar os arcos incidentes mais baratos. • Para cidades (nós) com grau >2 na sol. original: • Valor negativo de yv (o que implica aumentar o custo dos arcos incidentes) de modo a tornar os arcos incidentes mais caros.

  34. Held and Carp (1971), Held, Wolfe and Croder (1974): métodos para escolha de yv • Held and Carp (1970): a melhor escolha de yv leva ao mesmo limitante conseguido com a adição de todos as SEC.

  35. A partir de então...

  36. Held and Karp (best known time complexity) fonte: http://xkcd.com/

More Related