TW2020 Optimalisering

Vergelijkbare documenten
TW2020 Optimalisering

Hoofdstuk 13: Integer Lineair Programmeren

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

l e x e voor alle e E

Optimalisering/Besliskunde 1. College 1 3 september, 2014

TW2020 Optimalisering

2WO12: Optimalisering in Netwerken

Optimalisering/Besliskunde 1. College 1 2 september, 2015

Optimalisering/Besliskunde 1. College 1 6 september, 2012

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk.

Branch-and-Bound en Cutting Planes

TW2020 Optimalisering

Transshipment problemen Simplex methode en netwerk optimalisatie algoritmes. Luuk van de Sande Begeleider: Judith Keijsper 20 januari 2013

TW2020 Optimalisering

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 23 september 2015

Samenvatting college 1-12

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

l e x e voor alle e E

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016

Overzicht. Inleiding. Toepassingen. Verwante problemen. Modellering. Exacte oplosmethode: B&B. Insertie heuristieken. Local Search

2WO12: Optimalisering in Netwerken

Universiteit Utrecht Departement Informatica

A.1 Grafentheorie 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A.1. GRAFENTHEORIE 65. dan heeft deze kring in ieder knooppunt een even aantal takken).

Discrete Wiskunde, College 12. Han Hoogeveen, Utrecht University

2WO12: Optimalisering in Netwerken

Hoofdstuk 17: Approximation Algorithms

Tentamen: Operationele Research 1D (4016)

1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord).

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen

Tentamen combinatorische optimalisatie Tijd:

Benaderingsalgoritmen

2WO12: Optimalisering in Netwerken

SPECIALE LINEAIRE MODELLEN

Geheeltallige programmering

Toewijzingsprobleem Bachelorscriptie

Tie breaking in de simplex methode

Lineaire Algebra voor ST

Optimalisering en Complexiteit, College 11. Complementaire speling; duale Simplex methode. Han Hoogeveen, Utrecht University

Grafen. Indien de uitgraad van ieder punt 1 is, dan bevat de graaf een cykel. Indien de ingraad van ieder punt 1 is, dan bevat de graaf een cykel.

Hoofdstuk 8: Algoritmen en Complexiteit

1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3.

Universiteit Utrecht Faculteit Wiskunde en Informatica. Examen Optimalisering op maandag 18 april 2005, uur.

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Universiteit Utrecht Betafaculteit. Examen Discrete Wiskunde II op donderdag 6 juli 2017, uur.

TU/e 2DD50: Wiskunde 2 (1)

1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d.

Tentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen

Netwerkstroming. Algoritmiek

WI1808TH1/CiTG - Lineaire algebra deel 1

BESLISKUNDE 2 EN 3 L.C.M. KALLENBERG UNIVERSITEIT LEIDEN

1 Complexiteit. of benadering en snel

BESLISKUNDE 3 L.C.M. KALLENBERG

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen

Programming a CNC-machine using ILP

Lineaire Algebra voor ST

Lineaire Algebra (2DD12)

TU/e 2DD50: Wiskunde 2

Universiteit Utrecht Departement Informatica. Examen Optimalisering op dinsdag 29 januari 2019, uur.

Twaalfde college complexiteit. 11 mei Overzicht, MST

Lineaire Algebra voor ST

Universiteit Utrecht Betafaculteit. Examen Discrete Wiskunde op donderdag 13 april 2017, uur.

Operationeel Onderzoek Opgave 5: oplossing

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

3. Elke lijn van een graaf draagt twee bij tot de som van alle graden.

Week Hier vind je uitwerkingen van enkele opgaven uit het dictaat Grafen: Kleuren en Routeren.

Lineaire programmering

Begrenzing van het aantal iteraties in het max-flow algoritme

Lineaire Algebra voor ST

Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag 11 Januari 2013

5 Automatische partitionering van softwaresystemen

Basiskennis lineaire algebra

NP-Volledigheid. Wil zo snel mogelijke algoritmes om problemen op te lossen. De looptijd is polynomiaal: O n k - dat is heel erg mooi

Optimalisering WI 2608

Hertentamen Optimalisering (Delft) en Besliskunde 1 (Leiden) 15 april 2014, uur

max 5x 1 2x 2 s.t. 2x 1 x 2 10 (P) x 1 + 2x 2 2 x 1, x 2 0

Tentamen Deterministische Modellen in de OR Dinsdag 17 augustus 2004, uur vakcode

BESLISKUNDE 2 L.C.M. KALLENBERG UNIVERSITEIT LEIDEN

TU/e 2DD50: Wiskunde 2

Optimalisering en Complexiteit, College 10. Begrensde variabelen. Han Hoogeveen, Utrecht University

Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b

In dit gedeelte worden drie problemen genoemd die kunnen voorkomen in netwerken.

Beveiliging van museum Kempenland

Voorwaardelijke optimalisatie

TU/e 2DD50: Wiskunde 2 (1)

NP-volledigheid. Algoritmiek

Lineaire Algebra voor ST

Examenvragen Toegepast Operationeel Onderzoek (D0178a)

Transcriptie:

TW2020 Optimalisering Hoorcollege 9 Leo van Iersel Technische Universiteit Delft 11 november 2015 Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 1 / 22

Mededelingen Huiswerk 2 nagekeken Terug op werkcollege Deeltentamen nagekeken Inzage op werkcollege Huiswerk 3 vanavond online Deadline 7 december Opgaven 1-3 kun je na dit college al maken Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 2 / 22

Integer Linear Programming (ILP of IP) Een ILP probleem: De LP-relaxatie: min o.d.v. z IP = c T x Ax = b x 0 x Z n min o.d.v. z LP = c T x Ax = b x 0 Observatie z LP z IP Hoe goed is de LP-relaxatie als ondergrens? Definitie De integrality gap van een ILP probleem is de waarde van zip zlp Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 3 / 22

Afronden Een mogelijke aanpak: Los de LP-relaxatie op. Rond de optimale oplossing af zodat die geheeltallig wordt. Problemen: Het kan zijn dat afronden geen toegelaten oplossing van het ILP geeft. Er is in het algemeen geen garantie voor hoe goed een afgeronde oplossing is. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 4 / 22

Voorbeeld: Minimum Opspannende Boom Probleem Minimum Opspannende Boom (Minimum Spanning Tree) Gegeven: samenhangende graaf G = (V, E) en lengtefunctie l : E R Vind: een opspannende boom T = (V, F ) van G met minimale lengte l(t ) = l(e) e F Beslissingsvariabelen: x e = { 1 als lijn e in de boom zit 0 anders Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 5 / 22

ILP formulering van Minimum Opspannende Boom: min o.d.v. l e x e e E x e = V 1 (1) e E e δ(s) x e 1 S V, S (2) x e {0, 1} e E (3) Met δ(s) de verzameling lijnen die precies één eindpunt in S hebben. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 6 / 22

Probleem Symmetrisch handelsreizigersprobleem (TSP) in een graaf Gegeven: een graaf G = (V, E) en een kostenfunctie c : E R +. Gevraagd: een circuit in G dat elk punt precies één keer bevat en minimale kosten heeft. Beslissingsvariabelen: x e = { 1 als lijn e in het circuit zit 0 anders Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 7 / 22

ILP formulering van symmetrische TSP in een graaf: min o.d.v. c e x e e E e δ(v) e δ(s) x e = 2 v V (a) x e 2 S V, S (b) x e {0, 1} e E (c) Met δ(v) de verzameling lijnen die incident zijn met v. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 8 / 22

Probleem Asymmetrisch handelsreizigersprobleem (TSP) in een gerichte graaf Gegeven: een gerichte graaf D = (V, A) en een kostenfunctie c : A R +. Gevraagd: een gericht circuit in D dat elk punt precies één keer bevat en minimale kosten heeft. Beslissingsvariabelen: { 1 als pijl (i, j) in het circuit zit x ij = 0 anders Met V = {1,..., n}. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 9 / 22

ILP formulering van asymmetrische TSP in een gerichte graaf: n n min c ij x ij i=0 j=0 n o.d.v. x ij = 1 j = 0,..., n (A) i=0 n x ij = 1 i = 0,..., n (B) j=0 i S, j V \S x ij 1 S V, S (C) x ij = 0 i, j (i, j) / A (D) x ij {0, 1} i, j (i, j) A (E) Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 10 / 22

Let op: er zijn exponentiëel veel voorwaarden van type (C). Dit is geen probleem in de praktijk. We gaan als volgt te werk: Los het probleem op zonder de voorwaarden van type (C). Als de gevonden oplossing bestaat uit meer dan één circuit (subtours): Voeg voor elke subtour met punten S de bijbehorende voorwaarde van type (C) toe. Los het nieuwe probleem op. Herhaal totdat er geen subtours meer zijn. Dit werkt goed omdat we de subtours en bijbehorende voorwaarden in polynomiale tijd kunnen vinden. Deze formulering heeft een sterke LP relaxatie, want de integrality gap is klein. z IP z LP Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 11 / 22

Een alternatieve, polynomiale, ILP formulering: n n min c ij x ij i=0 j=0 o.d.v. n x ij = 1 j = 0,..., n (A) i=0 n x ij = 1 i = 0,..., n (B) j=0 u i u j + nx ij n 1 1 i j n (C ) x ij = 0 i, j (i, j) / A (D) x ij {0, 1} i, j (i, j) A (E) u i R i = 1,..., n (F ) Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 12 / 22

Stelling 1 Voorwaarden (C ) sluiten subtours uit. 2 Voorwaarden (C ) sluiten geen TSP tours uit. Deze polynomiale formulering heeft een zwakke LP relaxatie, want de integrality gap z IP zlp is groot. Daarom werkt de exponentiële formulering beter in de praktijk. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 13 / 22

Modelleeraspecten Opstartkosten Hoe kunnen we een doelfunctie van de volgende vorm modelleren? { ax + b als x > 0 c(x) = 0 als x = 0. Dichotomieën Hoe kunnen we modelleren dat x a of y b? Discrete variabelen Hoe kunnen we afdwingen dat x {5, 8, 13, 22}? Van geheeltallige naar binaire variabelen Hoe kunnen we een variabele x Z + vervangen door binaire variabelen? Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 14 / 22

Unimodulariteit Welke ILP problemen kunnen we oplossen door de LP-relaxatie op te lossen? Definitie Een vierkante geheeltallige matrix B is unimodulair (UM) als det(b) = ±1. Definitie Een geheeltallige matrix A is totaal unimodulair (TUM) als elke vierkante niet-singuliere deelmatrix van A unimodulair is. Dus een TUM matrix bevat alleen elementen uit {0, 1, 1}. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 15 / 22

Stelling (13.1) Als een n m matrix A totaal unimodulair is en b Z m, dan zijn alle hoekpunten van het polyheder geheeltallig. Stelling (13.2) {x R n Ax = b, x 0} Als een n m matrix A totaal unimodulair is en b Z m, dan zijn alle hoekpunten van het polyheder geheeltallig. {x R n Ax b, x 0} Dus, in een ILP formulering met een totaal unimodulaire matrix A en geheeltallige vector b, kunnen we de geheeltalligheidseisen weglaten en de Simplex methode gebruiken. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 16 / 22

De volgende voldoende voorwaarde voor TUM kunnen we gebruiken om te laten zien dat we het Kortste Pad en het Max Flow probleem kunnen oplossen met de Simplex methode. Stelling (13.3) Een geheeltallige matrix A met a ij {0, 1, 1} is TUM als elke kolom maximaal twee niet-nul elementen bevat en de rijen van A kunnen worden gepartitioneerd in twee verzamelingen I 1 en I 2 z.d.d.: 1 als een kolom twee elementen van hetzelfde teken heeft, dan behoren de bijbehorende rijen tot verschillende verzamelingen en 2 als een kolom twee elementen van verschillende tekens heeft, dan behoren de bijbehorende rijen tot dezelfde verzameling. Dus de node-arc incidence matrix van een gerichte graaf en de node-edge incidence matrix van een bipartiete graaf zijn TUM. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 17 / 22

In de ILP formuleringen van Kortste Pad en Max Flow is de matrix A de node-arc incidence matrix van een gerichte graaf. 1 als pijl e j uit punt i vertrekt a ij = 1 als pijl e j in punt i aankomt 0 anders. Uit Stelling 13.3 volgt dat deze matrix totaal unimodulair is. Dus kunnen we de geheeltalligheidseisen weglaten en deze problemen oplossen met de Simplex methode. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 18 / 22

Matchings Definitie Een matching (koppeling) in een graaf G = (V, E) is een M E zodat voor alle e, e M met e e geldt dat e e =. Dus een matching is een verzameling lijnen die elkaar niet raken. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 19 / 22

Voorbeeld Wat is het maximum aantal lijnen in een matching in de onderstaande grafen? Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 20 / 22

Probleem Maximum Bipartiete Matching Gegeven: bipartiete graaf B = (U W, E). Bepaal: een matching in B van maximum cardinaliteit. Graaf B = (U W, E) is bipartiet betekent dat elke lijn in E één eindpunt in U en één eindpunt in W heeft. Beslissingsvariabelen: { 1 als lijn e in de matching zit x e = 0 anders. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 21 / 22

ILP formulering: max o.d.v. e E x e e δ(v) x e 1 x e {0, 1} v V e E Oftewel: max o.d.v. 1 [ T x ] A x 1 I x 0 Waarin A de node-edge incidence matrix van de graaf is. Volgens Stelling 13.3 is A totaal unimodulair. [ ] A Dus is totaal unimodulair. I Dus zijn er geen geheeltalligheidseisen nodig en kunnen we de Simplex methode gebruiken. Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 22 / 22