REŠAVANJe nekih NP-teških PROBLEMA DISKRETNE OPTIMIZACIJE
description
Transcript of REŠAVANJe nekih NP-teških PROBLEMA DISKRETNE OPTIMIZACIJE
REŠAVANJE NEKIH NP-TEŠKIH PROBLEMA
DISKRETNE OPTIMIZACIJE
Nina Radojičić
Matematički fakultet
Uvod◦ Diskretna optimizacija◦ Rešavanje NP-teških problema
LOBA◦ Problem◦ GA◦ VNS◦ Rezultati
MMDP◦ Problem◦ Rezultati
Zaključak
2/35
Sadržaj
Matematički fakultet
Problem diskretne optimizacije◦ Konačan ili prebrojivo beskonačan, diskretan skup
S◦ Funkcija f: S → R◦ Naći minimum funkcijef
S – dopustiv skup f – funkcija cilja Dopustivo rešenje Optimalna rešenja
3 /35
Diskretna optimizacija
Matematički fakultet
Vreme – bitan faktor Metaheuristike
◦ Često izbor◦ Dobro rešenje zadatka za relativno kratko vreme◦ Bez dokaza optimalnosti ◦ Mogu primenjivati na širok spektar problema◦ Pretražuju skup dopustivih rešenja u cilju
nalaženja što boljeg rešenja
4 /35
Rešavanje NP-teških problema
Matematički fakultet
Problem izbalansiranosti lokacija (The Load Balance Problem, LOBA)
◦ m potencijalnih snabdevača◦ n korisnika◦ Bira se p snabdevača◦ Korisnik se pridružuje tačno jednom najbližem
odabranom snabdevaču◦ l = najmanji broj korisnika pridruženih nekom
snabdevaču ◦ u = najveći broj korisnika pridruženih nekom
snabdevaču ◦ Minimizovati u-l
5 /35
LOBA - problem
Matematički fakultet
Primer◦ Skup korisnika {0, 3, 4, 10} ◦ Skup potencijalnih snabdevača {0, 3, 4, 10} ◦ Euklidska rastojanja
◦ p=2
◦ Rešenje {3, 4} Snabdevaču 3 se pridružuju 0 i 3 Snabdevaču 4 se pridružuju 4 i 10
6 /35
LOBA - poblem
0 3 4 100 0 3 4 103 3 0 1 74 4 1 0 610 10 7 6 0
Matematički fakultet
Dosadašnji rezultati◦ Alfredo Marín, 2011
Marín A., "The discrete facility location problem with balanced allocation of customers", European Journal of Operational Research, Vol. 210, Issue 1, pp.27-38, (2011)
dve formulacije predložio metodu grananja i sečenja (Branch-and-Cut
algorithm - BnC) sa poboljšanjima Testirao na instancama
Do 50 potencijalnih snabdevača Do 100 korisnika
7 /35
LOBA – problem
Matematički fakultet
Primena◦ Dizajn teritorije
Izborne jedinice Škole
◦ Lokacija antena za mobilne telefone
8 /35
LOBA - problem
Matematički fakultet
Matematička formulacija◦ Pogodna za CPLEX ILOG IBM◦ A = {1, 2, ..., n} skup korisnika◦ B = {1, 2, ..., m} skup potencijalnih snabdevača◦ C = (cij) matrica troškova◦ p = broj snabdevača koje treba odabrati
9 /35
LOBA – problem
Matematički fakultet 10 /35
LOBA – problem
Matematički fakultet
Open source GAFramework Genetski algoritam (GA)
◦ Populacija◦ Prilagođenost◦ Selekcija◦ Ukrštanje◦ Mutacija
11 /35
LOBA - GA
Matematički fakultet
Populacija◦ 150 jedinki◦ 50 novih
u svakoj iteraciji
Kodiranje jedinki: binarno m bitova (p jedinica)
Početna populacija Slučajno odabrana Verovatnoća p/m
12 /35
LOBA – GA
Matematički fakultet
Prilagođenost◦ Funkcija prilagođenosti
Jedinke sa najboljom (najlošijom) funkcijom cilja slika u 1 (0)
Sve jedinke različite (ostale slika u 0) Maksimalno 10 sa istom funkcijom cilja (ostale slika u 0)
Selekcija◦ Turnirska selekcija◦ Fino gradinirana 5.4
Ukrštanje◦ pcross=0.85
13 /35
LOBA – GA
Matematički fakultet
Mutacija◦ pmut=0.4/m◦ Faktor za zaleđene bitove 3,5
Kriterijum zaustavljanja◦ Maksimalan broj generacija 10000 ◦ Ponavljanje najboljeg rešenja funkcije cilja 5000
uzastopnih generacija
14 /35
LOBA – GA
Matematički fakultet
Metoda promenljivih okolina (Variable neighborhood search - VNS ) Analiza okolina Lokalna pretraga Koraci
◦ Uprošćen VNS (Reduced VNS)◦ VNS
Mešanje (Shake) Lokalna pretraga
15 /35
LOBA - VNS
Matematički fakultet
Kodiranje◦ Rešenje: permutacija brojeva {1, 2, ..., m}◦ Prvih p odabrani snabdevači
Okolina◦ Primer:
1 2 3 | 4 5 6 7 8 2<->6 1 6 3 | 4 5 2 7 8
16 /35
LOBA - VNS
Matematički fakultet
Hibridizacija sa GA Umesto uprošćenog VNS-a početno rešenje
za VNS je rešenje koje se dobije primenom GA
17 /35
LOBA - VNS
Matematički fakultet
Metode testirane na tri skupa instanci◦ Marín
m (20, 30, 50) n (20, 30, 50, 100) p (3, 4, 6, 10)
◦ Galvão i ReVelle n (100, 150) p (5, 10, 15)
◦ Lorena i Senne n (100, 200, 300, 402) Odgovarajuće vrednosti za p Za problem p-medijane ograničenih kapaciteta
18 /35
LOBA – rezultati
Matematički fakultet 19 /35
LOBA – rezultati
10
500
1000
1500
2000
2500
3000
3500
4000
CPLEXGA
Poređenje prosečnog vremena: CPLEX vs. GA
Matematički fakultet
Za instance koje su rešene i korišćenjem CPLEX-a sve metode su dale optimalna rešenja.
Prosek vremena (u sekundama) na tim instancama:◦ CPLEX 3566.24 ◦ GA NP 0.34◦ GA P 0.22 ◦ VNS 0.76◦ GA VNS 0.05
20 /35
LOBA – rezultati
Matematički fakultet 21 /35
LOBA – rezultati Poređenje parelelizovane varijante GA u odnosu na ne parelelizovani GA
20-20
-3-1
20-20
-6-1
30-30
-3-1
30-30
-3-10
0
30-30-
4-30
30-50
-3-50
30-50-
6-10
30-50
-6-20
0
30-50
-10-10
0
30-100
-3-50
30-10
0-6-10
30-10
0-6-20
0
30-10
0-10-1
00
50-50-
3-50
50-50
-6-10
50-50
-6-40
0
50-50-
10-100
50-10
0-3-50
50-100
-6-10
50-10
0-6-40
0
50-10
0-10-1
00
100-10
0-3-10
100-10
0-3-10
00
100-10
0-3-30
000
0.5
1
1.5
2
2.5
3
3.5
4
T GA NPT GA P
Matematički fakultet 22 /35
LOBA – rezultati Poređenje hibridizacije GA i VNS sa paralelizovanom verzijom GA
20-20
-3-1
20-20
-6-1
30-30
-3-1
30-30
-3-10
0
30-30
-4-30
30-50
-3-50
30-50
-6-10
30-50
-6-20
0
30-50
-10-10
0
30-10
0-3-50
30-10
0-6-10
30-10
0-6-20
0
30-10
0-10-1
00
50-50-
3-50
50-50
-6-10
50-50
-6-40
0
50-50-
10-40
0
50-10
0-3-10
0
50-10
0-6-50
50-10
0-10-1
0
50-10
0-10-4
00
100-10
0-3-50
100-10
0-3-20
00
100-10
0-3-35
000
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
GA PGA VNS
Matematički fakultet
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 160
5
10
15
20
25
30
35
40
VNS GAVNS
23 /35
LOBA – rezultati Poređenje VNS-a i VNS GA
Matematički fakultet 24 /35
LOBA – rezultati
F T0
2
4
6
8
10
12
14
16
18
GA NPGA PVNSGA VNS
Poređenje na instancama SCJ velikih dimenzija (100, 200, 300, 402)
Matematički fakultet
Problem maksimizacije minimalnog rastojanja (Max Min Diversity Problem, MMDP)◦ Skup od n elemenata◦ Bira se m◦ Maksimizovati minimalno rastojanje među
odabranim elementima
25 /35
MMDP - problem
Matematički fakultet 26
Primer◦ Jednostavan na realnoj pravoj◦ m = 5◦ n = 3
MMDP - problem
Matematički fakultet 27
Primena◦ U različitim oblastima
Socialne nauke Biološke nauke
Npr. U ekologiji Raspoređivanje postrojenja
◦ Svaki element može predstaviti skupom atributa◦ Rastojanje različito definisano
MMDP - problem
Matematički fakultet
MMDP NP-težak◦ Nezavisno su pokazali
Erkut (1990) Ghosh (1996)
28 /35
MMDP - problem
Matematički fakultet
Matematička formulacija
29 /35
MMDP - problem
Matematički fakultet
Tehnike rešavanja kao za problem LOBA
30 /35
MMDP – GA, VNS, GA VNS
Matematički fakultet
Testirano na tri skupa instanci◦ Glover
Instance dimenzija n = 10, 15, 20 m = 0.2n do 0.8n Rezultati provereni korišćenjem CPLEX-a
◦ Geo i Ran Instance dimenzija n = 100, 250, 500 m = 0.1n do 0.3n Na drugačiji način generisane
31 /35
MMDP - rezultati
Matematički fakultet
Za instance manjih dimenzija rešenja su proverena korišćenjem CPLEX-a
Prosek vremena (u sekundama) na tim instancama:◦ CPLEX 134.46◦ GA 0.37 ◦ VNS 0.76
32 /35
MMDP - rezultati
Matematički fakultet 33 /35
MMDP - rezultati
T0
100
200
300
400
500
600
GAVNSGA VNS
Pregled vremena (u sekundama) izračunavanja na većim instancama
Matematički fakultet
Rešavani problemi su pogodni za rešavanje heurističkim metodama
Za dalji rad:◦ Rešavanje sličnih problema◦ Paralelizacija VNS-a◦ Implementacija drugih heuristika
34 /35
Zaključak
Matematički fakultet 35/35
Hvala na pažnji.
Pitanja