Przykªady problemów optymalizacji kombinatorycznej

Transkrypt

1

2

3 Przykªady problemów optymalizacji kombinatorycznej Problem Komiwoja»era (PK) Dane: n liczba miast, n Z +, c ji, i, j {1,..., n}, i j odlegªo± mi dzy miastem i a miastem j, c ji = c ij, c ji R +. Zadanie: Znale¹ permutacj miast π, dla której T C(π ) = n 1 j=1 c π (j)π (j+1) + c π (n)π (1) min. n, c ij (i, j {1,..., n}) parametry PK; permutacja π rozwi zanie PK (π rozwi zanie optymalne); T C funkcja celu.

4 Przykładowa instancja PK n = 5 2 c 12 (= c 21 ) = 9 1 c 13 = 7 c 34 = 6 c 14 = 6 c 23 = 4 c 25 = 10 3 c 35 = 8 4 c 45 = 10 5

5 Przykładowe rozwiązanie π 1 instancji PK π 1 = < 1, 2, 5, 4, 3 > c 12 = 9 1 c 13 = 7 c 34 = 6 c 14 = 6 2 c 23 = 4 c 25 = 10 3 c 35 = 8 4 c 45 = 10 5 TC(π 1 ) = = 42

6 Rozwiązanie π 2 π 2 = < 1, 3, 2, 5, 4 > c 12 = 9 1 c 13 = 7 c 34 = 6 c 14 = 6 2 c 23 = 4 c 25 = 10 3 c 35 = 8 TC(π 2 ) = 37 < TC(π 1 ) = 42 4 c 45 = 10 5

7 Problem Plecakowy (PP) Dane: A = {a 1, a 2,..., a n } zbiór n przedmiotów, n Z +, s j, j = 1,..., n rozmiar przedmiotu a j, s j Z +, w j, j = 1,..., n warto± przedmiotu a j, w j Z +, B rozmiar plecaka. Zadanie: Znale¹ podzbiór A A zbioru przedmiotów taki,»e T S = T W = j A s j B oraz j A w j max. n, A, s j, w j (j = 1,..., n) parametry PP; podzbiór A rozwi zanie PP; T W funkcja celu (T S dodatkowe ograniczenie).

8 Przykªadowa instancja PP n = 5, A = {a 1, a 2, a 3, a 4, a 5 }, j s j w j B = 10. Rozwi zanie (dopuszczalne) optymalne: A = {a 2, a 3, a 4 }, j A s j = 9 B = 10, j A w j = 12.

9 Problem szeregowania zada«1 r j C max Dane: J = {J 1, J 2,..., J n } zbiór n zada«, n Z +, pojedynczy procesor maj cy zrealizowa wszystkie zadania J 1,..., J n, p j, j = 1,..., n czas wykonywania (dªugo± ) zadania J j, p j R +, r j, j = 1,..., n termin dost pno±ci zadania J j, r j R + {0}, Zadanie: Znale¹ permutacj zada«π, dla której C max = max {C π j J (j)} min, gdzie C π (j) = S π (j) + p π (j) jest czasem zako«czenia wykonywania zadania zajmuj cego j-t pozycj w π ; S π (j) = max{c π (j 1), r π (j)} czas rozpocz cia wykonywania zadania π (j), C π (0) = 0, j = 1,..., n.

10

11 Na czym polega trudno± rozwi zania problemów optymalizacji kombinatorycznej? Liczno± zbioru rozwi za«x wi kszo±ci realnie istniej cych problemów jest tak du»a,»e: (a) procedura polegaj ca na sprawdzeniu wszystkich mo»liwych rozwi za«problemu (tzw. przegl d zupeªny), i wyznaczenie w±ród nich rozwi zania optymalnego, wymaga nieakceptowalnie dªugiego czasu (np. milionów lat); (b) skonstruowanie algorytmów wyznaczaj cych optymalne (b d¹ chocia» bliskie optymalnym) rozwi zania tych problemów w sensownym czasie jest zadaniem nietrywialnym.

12

13

14

15

16

17

18

19

20

21 Funkcja zªo»ono±ci obliczeniowej algorytmu A f A (N(I)) = max{t : t ilo± operacji (jednostek czasu) potrzebnych do rozwi zania dowolnej instancji I problemu o rozmiarze N(I) przez algorytm A} (N(I) = n) W praktyce wa»ny jest tylko ksztaªt funkcji f A (N(I)) (tzn. jej zachownie dla rosn cych warto±ci rozmiaru problemu N(I)), a nie konkretny czas (konkretne warto±ci funkcji f A ). Notacja O( ) funkcja f(n) jest rz du O(g(n)) je±li c,n n N 0 f(n) c g(n), czyli f(n) c dla n, g(n) (tzn. dla n funkcje f(n) i g(n) zachowuj si podobnie).

22

23

24

25 Przykªady: f(n) O(g(n)) n 2 2n + 5 O(n 2 ) 1 2 n π log n 2 O(n log n) 1 2 nπ log n 2 O(n log n ) 2 3n 8 O(2 n ) n! 100n , 3n 0,3 O(n!)

26 Czasy dziaªania algorytmów o okre±lonych funkcjach zªo»ono±ci obliczeniowej, przy zaªo»eniu,»e jedna operacja matematyczna zajmuje 1µs. f A (n) n O(n) 0,00001 s 0,00002 s 0,00003 s 0,00004 s 0,00005 s 0,00006 s O(n 2 ) 0,0001 s 0,0004 s 0,0009 s 0,0016 s 0,0025 s 0,0036 s O(n 5 ) 0,1 s 3,2 s 24,3 s 1,7 min 5,2 min 13 min O(n 10 ) 2,7 h 118,5 dni 18,7 lat 3,3 30,9 192 wieków wieków wieki O(2 n ) 0,001 s 1,0 s 17,9 min 12,7 dni 35,7 lat 366 wieków O(3 n ) 0,59 s 58 min 6,5 roku * ,3 * wieków wieków wieków O(n!) 3,6 s 770 8,4 * ,5 * ,6 * ,6 * wieków wieków wieków wieków wieków

27 Wpªyw wzrostu szybko±ci komputerów na czasy dziaªania algorytmów o okre±lonych funkcjach zªo»ono±ci obliczeniowej. f A (n) Rozmiar instancji rozwi zywany Rozmiar instancji rozwi zywany w okre±lonym czasie przez w tym samym czasie przez wolny komputer komputer 1000 razy szybszy O(n) n n 1 O(n 2 ) n 2 31, 62 n 2 O(n 5 ) n 3 3, 98 n 3 O(n 10 ) n 4 1, 99 n 4 O(2 n ) n 5 n O(3 n ) n 6 n 6 +6 n 7 +3 dla n 7 10 O(n!) n 7 n 7 +2 dla 10 < n 7 30 n 7 +1 dla 30 < n7 1000

28 Rodzaje algorytmów ze wzgl du na zªo»ono± obliczeniow : Algorytmy wielomianowe algorytmy, których funkcja zªo»ono±ci obliczeniowej f(n) jest rz du O(p(n)), gdzie p(n) jest pewnym wielomianem zale»nym od rozmiaru problemu n, np. O(n), O(n 2 ), O(n log n) (algorytmy efektywne obliczeniowo). Algorytmy wykªadnicze (ponadwielomianowe) algorytmy, których funkcji zªo»ono±ci obliczeniowej f(n) nie da si ograniczy»adnym wielomianem p(n), np. O(2 n ), O(n log n ), O(n!) (algorytmy nieefektywne obliczeniowo).

29 Klasy zªo»ono±ci algorytmów: 1. Klasa P zawiera wszystkie problemy, dla których skonstruowano wielomianowe algorytmy optymalne. 2. Klasa NP zawiera wszystkie problemy, dla których skonstruowano wykªadnicze algorytmy optymalne. P NP, poniewa» je±li dla pewnego problemu mamy alg. wielomianowy, zawsze mo»emy skonstruowa alg. mniej efektywny (wykªadniczy), np. przegl d zupeªny. 3. Klasa problemów NP-trudnych podklasa NP problemów wielomianowo ekwiwalentnych, dla których (najprawdopodobniej) nie mo»naskonstruowa algorytmów wielomianowych. NP trudne NP, ale P NP trudne=. 4. Klasa problemów silnie NP-trudnych podklasa problemów NPtrudnych, których nie mo»na rozwi za optymalnie w czasie pseudowielomianowym.

30 Dokªadne okre±lenie przynale»no±ci danego problemu do klasy zªo»ono±ci pozwala skonstruowa najodpowiedniejsze algorytmy jego rozwi zania. W tym celu: (i) albo szukamy dla danego problemu optymalnego algorytmu wielomianowego (klasa P), (ii) albo udowadniamy jego (siln ) NP-trudno±, przy czym nie ma reguªy, od którego z punktów nale»y zacz analiz. Problemy, dla których nie skonstruowano algorytmów wielomianowych (i) ani nie udowodniono (silnej) NP-trudno±ci (ii), tworz klas tymczasow (tzw. problemów otwartych).

31 W praktyce: 9% istniej cych problemów nale»y do klasy P, 84% nale»y do klasy problemów NP-trudnych, z czego 79% nale»y do klasy problemów silnie NP-trudnych, 7% to problemy otwarte.

32 klasa NP klasa P probl. NP-trudne probl. silnie NP-trudne probl. otwarte

33 Rodzaje algorytmów (metod) optymalnych: Wielomianowe algorytmy dokªadne (dedykowane) tylko dla problemów z klasy P. Programowanie dynamiczne gªównie dla problemów NP-trudnych w zwykªym sensie (tzn. nie silnie NP-trudnych). Programowanie caªkowitoliczbowe. Metoda podziaªu i ogranicze«gªównie dla problemów (silnie) NPtrudnych. Przegl d zupeªny.

34 Rodzaje algorytmów (metod) przybli»onych: Algorytmy konstrukcyjne i zachªanne gªównie dla problemów NPtrudnych. Algorytmy typu popraw gªównie dla problemów (silnie) NP-trudnych: lokalnego poszukiwania (np. poszukiwanie zst puj ce, poszukiwanie losowe), metaheurystyczne (np. poszukiwanie z zabronieniami (tabu search), symulowane wy»arzanie, poszukiwanie genetyczne (ewolucyjne), poszukiwanie mrówkowe). Wielomianowe i w peªni wielomianowe schematy aproksymacyjne gªównie dla problemów NP-trudnych.