Wyznaczanie optymalnej trasy problem komiwojażera

Podobne dokumenty
Działanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ).

Wybrane podstawowe rodzaje algorytmów

Modele całkowitoliczbowe zagadnienia komiwojażera (TSP)

TEORIA GRAFÓW I SIECI

Algorytmy genetyczne

TEORIA GRAFÓW I SIECI

Wstęp do informatyki dr Adrian Horzyk, paw. H Wykład TEORIA GRAFÓW

OPTYMALIZACJA W LOGISTYCE

Grafy dla każdego. dr Krzysztof Bryś. Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska.

LABORATORIUM 7: Problem komiwojażera (TSP) cz. 2

MIO - LABORATORIUM. Imię i nazwisko Rok ak. Gr. Sem. Komputer Data / EC3 VIII LAB...

Suma dwóch grafów. Zespolenie dwóch grafów

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Porównanie algorytmów wyszukiwania najkrótszych ścieżek międz. grafu. Daniel Golubiewski. 22 listopada Instytut Informatyki

Rozwiązanie problemu komiwojażera przy użyciu algorytmu genetycznego 2

Temat 9. Zabłocone miasto Minimalne drzewa rozpinające

Algorytmika Problemów Trudnych

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II

Matematyczne Podstawy Informatyki

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA ZADANIE KOMIWOJAŻERA METODY ROZWIĄZYWANIA. Specyfika zadania komiwojażera Reprezentacje Operatory

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Algorytmy genetyczne dla problemu komiwojażera (ang. traveling salesperson)

Zagadnienie transportowe

Digraf. 13 maja 2017

Problem komiwojażera ACO. Zagadnienie optymalizacyjne, polegające na znalezieniu minimalnego cyklu Hamiltona w pełnym grafie ważonym.

Metody przeszukiwania

Algorytmy wyznaczania centralności w sieci Szymon Szylko

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów

Wykład 4. Droga i cykl Eulera i Hamiltona

MODELE SIECIOWE 1. Drzewo rozpinające 2. Najkrótsza droga 3. Zagadnienie maksymalnego przepływu źródłem ujściem

Elementy teorii grafów Elementy teorii grafów

Ćwiczenie 1: Wyznaczanie lokalizacji magazynów metoda środka ciężkości.

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Generowanie i optymalizacja harmonogramu za pomoca

Minimalne drzewa rozpinające

Algorytm dyskretnego PSO z przeszukiwaniem lokalnym w problemie dynamicznej wersji TSP

Opracowanie prof. J. Domsta 1

[1] E. M. Reingold, J. Nievergelt, N. Deo Algorytmy kombinatoryczne PWN, 1985.

Metody Programowania

Dobór parametrów algorytmu ewolucyjnego

Przykład planowania sieci publicznego transportu zbiorowego

Droga i cykl Eulera Przykłady zastosowania drogi i cyku Eulera Droga i cykl Hamiltona. Wykład 4. Droga i cykl Eulera i Hamiltona

Grafy. Jeżeli, to elementy p i q nazywamy końcami krawędzi e. f a b c d e γ f {1} {1,2} {2,3} {2,3} {1,3}

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne

Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie

Teoria grafów II. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Teoria grafów podstawy. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA

Algorytmy mrówkowe (optymalizacja kolonii mrówek, Ant Colony optimisation)

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV

KURS MATEMATYKA DYSKRETNA

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott

Planowanie tras z wykorzystaniem narzędzia Solver, jako zadanie logistyczne w małej firmie

Gospodarcze zastosowania algorytmów genetycznych

Problemy z ograniczeniami

a) 7 b) 19 c) 21 d) 34

Matematyka od zaraz zatrudnię

Teoria grafów dla małolatów. Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

Techniki optymalizacji

Instytut Konstrukcji i Eksploatacji Maszyn Katedra Logistyki i Systemów Transportowych. Badania operacyjne. Dr inż.

Programowanie sieciowe. Tadeusz Trzaskalik

Algorytmy stochastyczne laboratorium 03

Równoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami

Tomasz M. Gwizdałła 2012/13

Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda

Matematyka dyskretna. Andrzej Łachwa, UJ, B/14

TOZ -Techniki optymalizacji w zarządzaniu

Przykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych.

METODY OPTYMALIZACJI. Tomasz M. Gwizdałła 2018/19

SPÓJNOŚĆ. ,...v k. }, E={v 1. v k. i v k. ,...,v k-1. }. Wierzchołki v 1. v 2. to końce ścieżki.

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Złożoność obliczeniowa klasycznych problemów grafowych

Matematyczne Podstawy Informatyki

KURS MATEMATYKA DYSKRETNA

Informatyka w logistyce przedsiębiorstw wykład 5

Klasyczne zagadnienie przydziału

MATEMATYKA DYSKRETNA - MATERIAŁY DO WYKŁADU GRAFY

Algorytmy ewolucyjne (3)

Kolorowanie wierzchołków grafu

Algorytmiczna teoria grafów

Metody uporządkowania

Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie

Wstęp do programowania

Sprawozdanie do zadania numer 2

Optymalizacja. Wybrane algorytmy

Teoria grafów dla małolatów

EGZAMIN - Wersja A. ALGORYTMY I STRUKTURY DANYCH Lisek89 opracowanie kartki od Pani dr E. Koszelew

Modelowanie logistycznych sytuacji decyzyjnych w konwencji zadań programowania matematycznego

Programowanie dynamiczne i algorytmy zachłanne

PRACA DYPLOMOWA MAGISTERSKA

Logistyka - nauka. Minimalizacja pracy transportowej wykonywanej przez firmy kurierskie

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW

Problem skoczka szachowego i inne cykle Hamiltona na szachownicy n x n

KĘPNO Kępno, gm. Kępno miasto

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO

BADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych

Algorytm wyznaczania najkrótszej ścieżki w grafie skierowanym w zbiorze liczb rozmytych

Transkrypt:

Wyznaczanie optymalnej trasy problem komiwojażera Optymalizacja w podejmowaniu decyzji Opracowała: mgr inż. Natalia Malinowska Wrocław, dn. 28.03.2017 Wydział Elektroniki Politechnika Wrocławska

Plan prezentacji 1) Planowanie procesów logistycznych 2) Problem komiwojażera informacje ogólne 3) Sformułowanie problemu 4) Algorytmy rozwiązujące problem komiwojażera 5) Algorytmy przybliżone 6) Propozycje rozwiązania problemu wyboru tras 2

Planowanie procesów logistycznych Obszary optymalizacji procesów logistycznych: problemy alokacji środków produkcji zagadnienia transportowe problemy komiwojażera zarządzanie zapasami surowców zagadnienia wymiany problem przydziału zadań 3

Problem komiwojażera Problem wędrownego sprzedawcy (komiwojażera): dane jest n miast, które komiwojażer ma odwiedzić, oraz odległość / cena podróży / czas podróży pomiędzy każdą parą miast. Cel: znalezienie najkrótszej / najtańszej / najszybszej drogi łączącej wszystkie miasta, zaczynającej się i kończącej się w określonym punkcie. 4

Problem komiwojażera Typy problemów komiwojażera Problem symetryczny STSP np. droga (w km) z Poznania do Gdańska równa jest drodze z Gdańska do Poznania Problem asymetryczny ATSP np. droga (w km) z Poznania do Gdańska nie jest równa drodze z Gdańska do Poznania Rys 1. Podział problemów komiwojażera 5

Sformułowanie problemu 1. Zbudowanie grafu ważonego, którego wierzchołki są miastami. 2. Połączenie wszystkich wierzchołków (miast) krawędziami. 3. Każdej krawędzi nadana zostaje waga, równa 'odległości' miedzy miastami. 4. Powyższe elementy tworzą graf pełny, który ma tyle wierzchołków, ile miast musi odwiedzić komiwojażer dokładnie raz. Cel: Poszukiwany jest taki cykl który daje minimalną sumę wag krawędzi. 6

Algorytmy rozwiązujące problem komiwojażera Metody dokładne Wady metod : wymagają rozważenia bardzo dużej liczby przypadków i czas ich działania może być bardzo długi. Przykłady: dla 10 miast liczba cykli Hamiltona w grafie pełnym wynosi około 362 880. dla 25 miast liczba cykli Hamiltona w grafie pełnym wynosi około 6,204*10 23 7

Algorytmy rozwiązujące problem komiwojażera Metody przybliżone - metody ewolucyjne Czas rozwiazywania problemu komiwojażera można zmniejszyć stosując jeden ze znanych algorytmów przybliżonych, które nie wymagają rozważania, aż tak dużej liczby przypadków. Zaleta: znaczne zmniejszenie czasu trwania algorytmu 8

Metody ewolucyjne - komiwojażer Budowa chromosomu 1. Numerujemy wszystkie miasta, czyli wierzchołki naszego grafu. 2. Tworzymy chromosom o długości takiej, jaka jest liczba miast (np. 7 przy 7 miastach) - każde miasto ma swój gen. 3. W genie danego miasta zapisujemy numer innego miasta, do którego chcemy przejść z danego. Czyli jeśli w chromosomie gen numer X ma wartość Y oznacza to, że z miasta numer X idziemy do miasta Y. I tak dla wszystkich miast. Chromosom opisujący podaną trasę będzie wyglądał tak: Rys 2. Chromosom opisujący trasę 9

Krzyżowanie i mutacja Rys 3. Dwa przykładowe chromosomy i odpowiadające im cykle Rys 4. Krzyżowanie dwóch chromosomów Rys 5. Nowe, powstałe chromosomy 10

Zadanie Przykład: Kurier musi rozwieźć 10 przesyłek do kilku różnych miast. Musi odwiedzić wszystkie miasta. Chce jednak przy tym pokonać jak najkrótszą drogę. Obecnie znajduję się w Gdyni. Jak powinna wyglądać trasa kuriera? Rys 6. Graf dla 10 miast 11

Zadanie cd. Tabela 1. Długości tras między poszczególnymi miastami Lp Gdynia Kościerzyna Bydgoszcz Poznań Toruń Bytów Słupsk Szczecin Koszalin Piła 1 Gdynia 0 61,76 173,09 280,83 182,37 84,62 105,88 312,58 171,08 209,43 2 Kościerzyna 61,76 0 120,99 221,47 141,41 35,23 79,07 259,36 128,65 147,68 3 Bydgoszcz 173,09 120,99 0 117,68 44,95 132,15 176,88 252,97 1884,95 92,36 4 Poznań 280,83 221,47 117,68 0 143,14 217,6 249,36 212,94 223,33 91,22 5 Toruń 182,37 141,41 44,95 143,14 0 161,14 208,59 297,62 225,53 136,36 6 Bytów 84,62 35,23 132,15 217,6 161,14 0 48,32 228,62 93,62 134,82 7 Słupsk 105,88 79,07 176,88 249,36 208,59 48,32 0 216,5 68,79 160,41 8 Szczecin 312,58 259,36 252,97 212,94 297,62 228,62 216,5 0 148,34 161,76 9 Koszalin 171,08 128,65 184,95 223,33 225,53 93,62 68,79 148,34 0 132,76 10 Piła 209,43 147,68 92,36 91,22 136,36 134,82 160,41 161,76 132,76 0 Znalezienie właściwego cyklu Hamiltona jest zadaniem trudnym obliczeniowo. Graf składa się z 10 wierzchołków. Liczba cykli Hamiltona wynosi 9!=362 880. Warto więc zastosować metody przybliżone algorytmy ewolucyjne w Solver. 12

Wyniki trasa kuriera Tabela 2. Wyznaczone optymalne trasy Trasa 1: Trasa 2: 1. Gdynia Gdynia 2. Toruń Kościerzyna 3. Bydgoszcz Bytów 4. Poznań Słupsk 5. Piła Koszalin 6. Szczecin Szczecin 7. Koszalin Piła 8. Słupsk Poznań 9. Bytów Bydgoszcz 10. Kościerzyna Toruń Całkowita trasa 960,42 km Rys 7. Wizualizacja trasy kuriera 13

Bibliografia I. http://www.mm.pl/~sielim/genetic/gen_komi.htm - dostęp 22.03.2017 II. http://www.algorytm.org/algorytmy-grafowe/problemkomiwojazera.html - dostęp 22.03.2017 14

Dziękuję za uwagę! 15