Baixe o app para aproveitar ainda mais
Prévia do material em texto
TRAVELLING SALESMAN PROBLEM TRAVELLING SALESMAN PROBLEM Sendo um grafo 𝐺 = 𝑁, 𝐸 no qual 𝑁 = 1,… , 𝑛 é o conjunto de nós e 𝐸 = 1,… ,𝑚 é o conjunto de arestas de 𝐺, com custos 𝑐𝑖𝑗 associados a cada aresta que liga o vértice 𝑖 ao vértice 𝑗, o problema consiste em localizar o ciclo hamiltoniano no grafo 𝐺 , tal que σσ𝑐𝑖𝑗𝑥𝑖𝑗 é mínimo TRAVELLING SALESMAN PROBLEM TRAVELLING SALESMAN PROBLEM Heurística Ponto mais Próximo Selecionar arbitrariamente um ponto inicial Dentre os pontos ainda não visitados, ir para o ponto mais próximo Após visitar todos os pontos, retornar ao ponto inicial TRAVELLING SALESMAN PROBLEM TRAVELLING SALESMAN PROBLEM TSP –ESTRUTURAS NECESSÁRIAS PONTO CAMINHO Index Endereço (x,y) Se o ponto já foi visitado Ponto atual Próximo ponto Distância até próximo ponto TSP –ESTRUTURAS NECESSÁRIAS PONTO CAMINHO HEURÍSTICAS DE ARREDONDAMENTO Necessita maior conhecimento em otimização Parte de uma solução inicial relaxada Utiliza valores iniciais como critério de decisão Retorna uma solução viável ao final da rotina HEURÍSTICAS DE ARREDONDAMENTO Abordagem básica Formular o problema como um PLI Obter uma solução fracionada do problema resolvendo sua relação linear (PL) Gerar uma solução inteira (parcial ou integral) através da solução obtida pela relação linear por meio de arredondamentos HEURÍSTICAS DE ARREDONDAMENTO PLI PL CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM Abordagem básica Formular o problema como um PLI Obter uma solução fracionada do problema resolvendo sua relaxação linear (PL) Gerar uma solução inteira (parcial ou integral) através da solução obtida pela relação linear por meio de arredondamentos CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM Abordagem básica Formular o problema como um PLI Obter uma solução fracionada do problema resolvendo sua relaxação linear (PL) Gerar uma solução inteira (parcial ou integral) através da solução obtida pela relação linear por meio de arredondamentos CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM Abordagem básica Formular o problema como um PLI Obter uma solução fracionada do problema resolvendo sua relaxação linear (PL) Gerar uma solução inteira (parcial ou integral) através da solução obtida pela relação linear por meio de arredondamentos CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM CONGESTION MINIMIZATION PROBLEM TRAVELLING SALESMAN PROBLEM Abordagem básica Formular o problema como um PLI Obter uma solução fracionada do problema resolvendo sua relação linear (PL) Gerar uma solução inteira (parcial ou integral) através da solução obtida pela relação linear por meio de arredondamentos TRAVELLING SALESMAN PROBLEM TRAVELLING SALESMAN PROBLEM TRAVELLING SALESMAN PROBLEM TRAVELLING SALESMAN PROBLEM →𝟔 𝟓 𝟖 𝟐 𝟒 𝟑 𝟏 𝟏𝟎 𝟗 𝟕 𝟔→ → → → → → → → → FUNÇÃO OBJETIVO → 53,9 TRAVELLING SALESMAN PROBLEM FUNÇÃO OBJETIVO → 49,9 →𝟔 𝟕 𝟏𝟎 𝟗 𝟓 𝟖 𝟏 𝟐 𝟑 𝟔→ → → → → → → → →𝟒 TRAVELLING SALESMAN PROBLEM Qual resultado é melhor? Por que? Depende do que você vai fazer depois! TRAVELLING SALESMAN PROBLEM ARREDONDAMENTO (53,9) HEURÍSTICA GULOSA (49,9) TRAVELLING SALESMAN PROBLEM SOLUÇÃO ÓTIMA (47,3) HEURÍSTICA GULOSA (49,9) TRAVELLING SALESMAN PROBLEM SOLUÇÃO ÓTIMA (47,3) ARREDONDAMENTO (53,9) HEURÍSTICAS DE REDUÇÃO Uma redução é a transformação de um problema em outro O problema A é redutível em B se Existe um modo de transformar uma instância de A em uma instância de B Transformar a solução ótima de B em uma solução ótima de A HEURÍSTICAS DE REDUÇÃO A abordagem a ser utilizada é Transformar a instância do problema A em uma instância do problema B Resolver o problema B com algum algoritmo específico Construir uma solução para A através da solução obtida para o problema B MAXIMUM CLIQUE PROBLEM MAXIMUM CLIQUE PROBLEM Um clique em um grafo não direcionado G = (V, E) é um subconjunto de vértices C ⊆ V, tal que para cada dois vértices em C, existe uma aresta os conectando. Isso se equivale a dizer que um subgrafo induzido de C é completo (em alguns casos, o termo clique também pode ser referência ao subgrafo) MAXIMUM CLIQUE PROBLEM Um clique máximo é o maior clique possível em um dado grafo. O número do clique ω(G) de um grafo G é o número de vértices de um clique máximo em G. O número da intersecção de G é o menor número de cliques que, juntos, cobrem todas as arestas de G MAXIMUM CLIQUE PROBLEM MAXIMUM CLIQUE PROBLEM Embora a pesquisa por força bruta possa ser melhorada através de algoritmos mais eficientes, estes algoritmos possuem tempo exponencial de resolução Portanto, grande parte da teoria sobre o problema do clique é dedicado à identificação de tipos especiais de grafo que admitem algoritmos mais eficientes, ou a definição da dificuldade computacional do problema geral em vários modelos de computação MAXIMUM CLIQUE PROBLEM O oposto de um clique é um conjunto independente, no sentido de que cada clique corresponde a um conjunto independente no grafo complementar O problema de calcular um conjunto independente faz parte do conjunto de problemas NP-C, e é chamado de Independent Set Problem (ISP) INDEPENDENT SET PROBLEM INDEPENDENT SET PROBLEM Na teoria dos grafos, um conjunto independente de um grafo G é um conjunto S de vértices de G tal que não existem dois vértices adjacentes contidos em S Em outras palavras, se 𝑎 e 𝑏 são vértices quaisquer de um conjunto independente, não há aresta entre 𝑎 e 𝑏 CLIQUE → INDEPENDENT SET CLIQUE → INDEPENDENT SET CLIQUE → INDEPENDENT SET INDEPENDENT SET PROBLEM Um modo eficiente de resolver um ISP é utilizando o conjunto complementar da solução de um problema de MCP INDEPENDENT SET →MAXIMUM COVER MAXIMUM CLIQUE PROBLEM Deste modo, um método para resolver um CLIQUE é definido por Reduzir a instancia de CLIQUE em uma instancia de ISP Resolver o problema de ISP através do conjunto complementar do problema de MCP Obter a resposta de CLIQUE através do resultado obtido ao resolver ISP MAXIMUM CLIQUE PROBLEM CLIQUE → INDEPENDENT SET CLIQUE → INDEPENDENT SET INDEPENDENT SET →MAXIMUM COVER INDEPENDENT SET →CLIQUE
Compartilhar