La seguente matrice è una matrice delle distanze di un’istanza del problema del Commesso Viaggiatore. Calcolare un lower bound per il valore del ciclo.

Slides:



Advertisements
Presentazioni simili
Flusso Massimo Applicazione di algoritmi
Advertisements

TSP Traveling Salesman’s Problem Università di Camerino
Algoritmi e Strutture Dati
Richiami di Identificazione Parametrica
Capitolo 4 Ordinamento Algoritmi e Strutture Dati.
Algoritmi e Strutture Dati
Capitolo 4 Ordinamento Algoritmi e Strutture Dati.
Algoritmi e Strutture Dati
Capitolo 4 Ordinamento Algoritmi e Strutture Dati.
Flusso Massimo Applicazione di algoritmi
Cammini minimi Algoritmo SPT.Acyclic
Algoritmi e Strutture Dati III. Algoritmi di Ordinamento
Modelli e Algoritmi per la Logistica Branch & Bound Prof. Carlo Mannino Prof. Antonio Sassano Dipartimento di Informatica e Sistemistica Università di.
Modelli e Algoritmi per la Logistica
Modelli e Algoritmi della Logistica
1. ( punti 7 ) Siano dati un insieme di localizzazioni potenziali (nodi grandi) ed un insieme di clienti da servire (nodi piccoli). Il costo di afferenza.
Modelli e Algoritmi per la Logistica
Algoritmi di ordinamento
1. ( punti 7 ) Siano dati un insieme di localizzazioni potenziali (nodi grandi) ed un insieme di clienti da servire (nodi piccoli). Il costo di afferenza.
Prof. Cerulli – Dott.ssa Gentili
Algoritmi e Strutture Dati
algoritmi approssimati
Risolvere vincoli soft Francesca Rossi Giugno 2004.
Il Problema del Commesso Viaggiatore. Traveling Salesman’s Problem (TSP) Un commesso viaggiatore deve visitare un certo numero di città Conosce la distanza.
Flusso Massimo Applicazione di algoritmi
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Algoritmi e Strutture Dati
Capitolo 4 Ordinamento: lower bound Ω(n log n) e MergeSort ((*) l’intera lezione) Algoritmi e Strutture Dati.
ASD a.a.2010/2011- Lezione 12 Algoritmi e Strutture dati a.a.2010/2011 Prof.ssa Rossella Petreschi Backtracking/ Branch and Bound Lezione n°12.
La codifica di Huffman adattiva. Perché adattiva? La codifica di Huffman soffre del difetto che il decodificatore deve conoscere le probabilità dei simboli.
Huffman Canonico: approfondimento. Come abbiamo visto, Huffman canonico ci permette di ottenere una decompressione più veloce e con un uso più efficiente.
Cammini minimi Moreno Marzolla
Esercitazioni di Prog. II (esercizi su alberi ennari)
Cammini minimi in grafi:
Branch and Bound Lezione n°19 Prof.ssa Rossella Petreschi
Algoritmi e Strutture dati a.a.2010/2011 Prof.ssa Rossella Petreschi
Branch and Bound Lezione n°14 Prof.ssa Rossella Petreschi
Algoritmi e Strutture Dati
Approssimazione Lezione n°20 Prof.ssa Rossella Petreschi
Algoritmi Avanzati a.a.2013/2014 Prof.ssa Rossella Petreschi
Alberi binari Definizione Sottoalberi Padre, figli
Algoritmi Avanzati Prof.ssa Rossella Petreschi
Lezione n°17 Prof.ssa Rossella Petreschi
Esercizi.
Algoritmi e Strutture Dati
Il problema del cammino minimo
Algoritmi e Strutture Dati
Algoritmi Avanzati a.a.2013/2014 Prof.ssa Rossella Petreschi
Presentazione del corso Teoria dei grafi docente Vittoria Bonanzinga
Algoritmi approssimati
Programmazione Intera
Algoritmi e Strutture Dati
Lezione 5 Domande: L’average path length di Chord con 2^b identificatori e N=2^b nodi è (giustificare la risposta) (b) (b/2) (log(N)) (Nessuna delle precedenti)
Approssimazione Lezione n°15 Prof.ssa Rossella Petreschi
Lezione n°18 Prof.ssa Rossella Petreschi
Branch and Bound Lezione n°18 Prof.ssa Rossella Petreschi
Alberi n-ary Lezioni di C.
Algoritmi e Strutture Dati
Algoritmi e Strutture Dati
Algoritmi Avanzati Prof.ssa Rossella Petreschi
Algoritmi Avanzati a.a. 2010/11
Algoritmi e Strutture Dati
APPUNTI SUL LINGUAGGIO C Alberi Binari – primi esercizi
Esercizio Dato un albero binario, definiamo altezza minimale di un nodo v la minima distanza di v da una delle foglie del suo sottoalbero, definiamo invece.
Cammini minimi in grafi:
APPUNTI SUL LINGUAGGIO C
Grafi e problem solving
Lezione n°7 Splay-Trees e Heaps Prof.ssa Rossella Petreschi
Insiemi disgiunti.
HeapSort Stesso approccio incrementale del selectionSort Tipo di dato
Transcript della presentazione:

La seguente matrice è una matrice delle distanze di un’istanza del problema del Commesso Viaggiatore. Calcolare un lower bound per il valore del ciclo hamiltoniano ottimo utilizzando l'algoritmo di Held e Karp. ESERCIZIO 1

Calcoliamo subito un upper bound per il valore del ciclo hamiltoniano ottimo considerando una soluzione ammissibile. ESERCIZIO z UB = 148 Calcoliamo l'1-albero di peso minimo (lower bound) rispetto ai costi originari z LB = 130 = z* LB

Consideriamo il numero di archi dell'1-albero incidenti su ciascun nodo. ESERCIZIO d T (2) = 2 2 – d T (2) = 0 d T (3) = 4 2 – d T (3) = – 2 d T (4) = 1 2 – d T (4) = 1 d T (5) = 1 2 – d T (5) = 1  v  V (2 – d T (v)) 2 = 6 t (1) = (148 – 130)/6 = 3

Aggiorniamo i valori associati ai nodi ESERCIZIO 1 y 2 = 0 y 3 = –6 y 4 = 3 y 5 = 3

Calcoliamo il nuovo 1-albero di peso minimo ESERCIZIO z LB = 143 > z* LB z* LB = 143 Consideriamo il numero di archi dell'1-albero incidenti su ciascun nodo. d T (2) = 2 2 – d T (2) = 0 d T (3) = 3 2 – d T (3) = – 1 d T (4) = 2 2 – d T (4) = 0 d T (5) = 1 2 – d T (5) = 1  v  V (2 – d T (v)) 2 = 2 t (2) = (148 – 143)/2 = 5/2

Aggiorniamo i valori associati ai nodi ESERCIZIO 1 y 2 = 0 y 3 = –8.5 y 4 = 3 y 5 = 5.5

Calcoliamo il nuovo 1-albero di peso minimo ESERCIZIO z LB = > z* LB z* LB = Ricordiamo che il valore dell'upper bound è z UB = 148. Poiché tutti i dati del problema sono interi e poiché il lower bound corrente è pari a z* LB = possiamo arrestare la procedura di Held & Karp e concludere che il valore della soluzione ottima del TSP originario è pari a z* = 148.