Traveling Salesman Problem: Alguns métodos heurísticos

Slides:



Advertisements
Apresentações semelhantes
Algoritmos de Caminho Mínimo em Grafos
Advertisements

Algoritmo de Caminho Mínimo
Algoritmos em Grafos (Parte 2)
Antonio Dirceu Rabelo de Vasconcelos Filho
Grafos - Caminhos Caminhos Máximo / Mínimo:
Celso C. Ribeiro Caroline T. Rocha
Fluxo em Redes Prof. Ricardo R. Santos.
O Problema de Roteamento de Veículos (PRV)
Linguagem de Programação IX Métodos de Ordenação
OTIMIZAÇÃO DO PROJETO DE REDES URBANAS BASEADO NO PROBLEMA DE STEINER
Celso C. Ribeiro Caroline T. Rocha
Algoritmo polinomial para geração de uma Árvore Geradora Mínima
Métodos para representação de estruturas hierárquicas
Problema do caixeiro viajante
Problemas de fluxo numa rede
RESOLUÇÃO DE PROBLEMAS E PROCURA
GRAFOS EULERIANOS E HAMILTONIANOS
Busca em Profundidade Para encontrar um caminho de solução Sol, de um dado nó para algum nó objetivo Se N é um nó objetivo, então Sol=[N] Se há um nó N1.
I Iterated Local Search Helena R. Lorenço, Olivier Martinz
Meta - heurísticas Prof. Aurora
GRASP Greedy Randomized Adaptative Search Procedure
GRASP Greedy Randomized Adaptive Search Procedures
PROBLEMA DE ROTEAMENTO DE VEíCULOS COM DIVISÃO DE ENTREGA
UM ESTUDO SOBRE O PROBLEMA DO CAIXEIRO VIAJANTE
Transporte em Tempo Mínimo
Dárlinton B. Feres Carvalho
Inteligência Computacional para Otimização
São João del-Rei, 23 a 26 de novembro de 2004
Busca Tabu - Revisão Marcone Jamilson Freitas Souza
Introdução à Otimização
XXXV SBPO - PROGRAMAÇÃO DE TRIPULAÇÕES DE ÔNIBUS URBANO:
Busca Tabu Marcone Jamilson Freitas Souza Departamento de Computação
Árvore Geradora de Peso Mínimo
FACENS – Engenharia da Computação Inteligência Artificial
Pesquisa Operacional - Profa Úrsula L. F. Ribeiro
INF 1771 – Inteligência Artificial
Buscas em Grafos Prof. André Renato 1º Semestre/2012
Meta - heurísticas Prof. Aurora
T ÓPICOS DE I.A. Métodos de Busca Busca em Espaços de Estado Prof. Mário Dantas.
Grafos Árvores Geradoras.
Otimização por Colônia de Formigas (ACO)
Exercícios: Alg Gulosos Eduardo Laber. Cap 4-Exercício 2 a)Verdadeiro, já que trocando cada elemento pelo seu quadrado não altera a ordem das arestas.
Tópicos em otimização combinatória
Otimização Inteira 5a. Aula Franklina.
Alysson M. Costa – ICMC/USP Tópicos em otimização combinatória Heurísticas construtivas Análise de qualidade: análise de pior caso Aula baseada em material.
Celso C. Ribeiro Caroline T. Rocha
Otimização por Colônia de Formigas Ant Colony Optimization
GRASP Disciplina: ODST Professores: José Oliveira e Maria Carravilla
Meta-Heurística Colônia de Formigas
Introdução e Busca Cega
Redes Bayesianas – Inferência
Algoritmos de Busca Local
Redes ADSA António Câmara.
Inteligência Artificial
Disciplina Análise de Algoritmos BCC-UFU Profa. Sandra de Amo
O Problema de Corte de Estoque
Busca Combinatorial e Métodos de Heurística
Inteligência Artificial
Resolução de Problemas de Busca

Prof. Edison Oliveira de Jesus
Inteligência de Enxame 2 – The Ant Colony Optimization Metaheuristic CPE-730 Filipe de Almeida Araujo Vital Aluno de Graduação em Engenharia de Controle.
Redes de transporte Uma rede ou grafo consiste num número finito de pontos chamados nós ou vértices interligados por arcos. Muitos sistemas, físicos ou.
Métodos Construtivos x Aprimoramento
Algoritmos em Grafos Celso C. Ribeiro Caroline T. Rocha.
Distribuição de Mídia Contínua Localizaçao e Seleçao de Servidores e Roteamento Jussara M. Almeida Junho 2004.
Mailson Felipe da Silva Marques Johnson Cordeiro Sarmento
Computação Evolutiva Nome dado ao estudo de algoritmos cuja inspiração é o processo de evolução natural das espécies. Origem: trabalho de um pesquisador.
Camilo Daleles Rennó Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Análise.
HEURISTÍCAS CONSTRUTIVAS E. G. M. de Lacerda UFRN/DCA Maio de 2006.
Transcrição da apresentação:

Traveling Salesman Problem: Alguns métodos heurísticos Otimização em grafos Traveling Salesman Problem: Alguns métodos heurísticos

Procedimentos de construção Procedimentos de melhoria 09:48 12 mar 2009.

Procedimentos de construção Três etapas: escolha de um ciclo (ou ponto) inicial critério de seleção critério de inserção 09:48 12 mar 2009.

ciclo inicial: um ponto aleatório o envoltória convexa dos pontos 09:48 12 mar 2009.

Flood, 1956: todo TSP euclidiano tem uma solução ótima que visita os pontos da fronteira do envoltória convexa na mesma ordem em que eles aparecem. 09:48 12 mar 2009.

Nearest neighbor algorithm Belmore and Nemhauser (Survey paper, 1968) comece com uma cidade i (arbitrária); encontre o nó ainda não adicionado que seja mais próximo do último nó adicionado; Conecte estes dois nós. Enquanto o último nó não tiver sido adicionado, volte para 2. Quando o último nó tiver sido adicionado, conecte-o ao primeiro nó que foi adicionado. 09:48 12 mar 2009.

Nearest neighbor algorithm (exemplo 1) 09:48 12 mar 2009.

Nearest neighbor algorithm (exemplo 2) 09:48 12 mar 2009.

Nearest addition comece com uma cidade i (arbitrária) e seu vizinho mais próximo j; T={i,j} (seleção) encontre (j,k) que minimiza cjk, com j 2 T e k  T. T= T+{k}. (inserção) elimine o arco (i,j), onde i é um vizinho imediato de j no ciclo atual e adicione os arcos (i,k) e (k,j). enquanto não for formado um ciclo hamiltoniano, volte para 2. 09:48 12 mar 2009.

Retirado de: www. math. wsu Retirado de: www.math.wsu.edu/faculty/bkrishna/FilesMath566/F08/Handouts/TSPApproxSchemes.ppt

Arbitrary insertion procedure Rosenkrantz, Stearns, Lewis, 1977 comece com uma cidade i (arbitrária) e seu vizinho mais próximo j; Forme o subciclo (i,j) (Seleção) Selecione arbitrariamente uma cidade k não pertencente ao subciclo. (Inserção) Encontre o arco (i,j) que minimiza cik+ ckj - cij. Insira k entre i e j. Volte para 3 a menos que todos os arcos tenham sido inseridos. 09:48 12 mar 2009.

Convex hull insertion procedure Stewart, 1977 Forme o convex hull (envoltória convexa) das cidades. Este é o subciclo inicial. (Inserção) Para cada cidade k fora do subciclo, decida onde ela deve ser inserida, i.e., (i,j) tal que cik+ckj-cij é mínimo. (Seleção) Para todo (i,j,k) do item anterior, escolha (i*,j*,k*) aquele que minimiza (cik+ckj)/cij. Insira k* entre i* e j*. Enquanto um ciclo hamiltoniano não tiver sido encontrado, retorne ao passo 2. 09:48 12 mar 2009.

pelo critério (cik+ckj)/cij, escolha qual inserir 09:48 12 mar 2009.

Greatest angle insertion procedure Norback & Love, 1977, 1979 Forme o convex hull (envoltória convexa) das cidades. Este é o subciclo inicial. (Seleção e Inserção) Escolha a cidade k* ainda não incluida e o arco (i*,j*) do subtour tal que o ângulo formado pelos arcos (i,k) e (k,j) seja máximo. Insira a cidade k* entre as cidades i e j. Enquanto um ciclo hamiltoniano não tenha sido obtido, volte ao passo 2. 09:48 12 mar 2009.

Ratio times difference insertion procedure Or, 1976 Forme o convex hull (envoltória convexa) das cidades. Este é o subciclo inicial. (Seleção e Inserção) Escolha a cidade k* ainda não incluida e o arco (i*,j*) do subtour tal que o produto {ci*k*+ck*j*-ci*j*}£{(ci*k*+ck*j*)/ci*j*}} seja mínimo Insira a cidade k* entre as cidades i e j. Enquanto um ciclo hamiltoniano não tenha sido obtido, volte ao passo 2. 09:48 12 mar 2009.

Clarke-Wright savings heuristic (idéia) Inicie com n-1 subciclos conectando uma cidade qualquer (hub) a cada uma das outras. Para cada par de cidades, calcule a economia obtida na redução do subciclo. Faça a redução 09:48 12 mar 2009.

Clarke-Wright savings heuristic £ £ i j savings: cjk + cik - cij 09:48 12 mar 2009.

Outras heurísticas Heurísticas baseadas em árvores Cristofides Minimum spanning tree heuristics 09:48 12 mar 2009.

Heurísticas de melhoria 2-opt Lin-Kernighan (1973) k-opt 09:48 12 mar 2009.

2-opt i j i j k l k l Idéia de vizinhança: trocar um arco por outro.

3-opt, k-opt i j k l n m i j k l n m k-opt... 09:48 12 mar 2009.

Lin-Kernighan 2-opt Lin-Kernighan k-opt Restringir k-opt àquelas configurações que podem ser obtidas como uma sequência de movimentos 2-opt. (Por que simplesmente não usar 2-opt ?) 09:48 12 mar 2009.