1 / 23

Lezione n° 19: 12-13 Maggio 2008 Problema dell’albero dei cammini minimi

Lezioni di Ricerca Operativa Corso di Laurea in Informatica ed Informatica Applicata Università di Salerno. Lezione n° 19: 12-13 Maggio 2008 Problema dell’albero dei cammini minimi. Anno accademico 2007 / 2008 Prof. Cerulli – Dott.ssa Gentili. Il problema dei cammini minini. G=(N,A).

Download Presentation

Lezione n° 19: 12-13 Maggio 2008 Problema dell’albero dei cammini minimi

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Lezioni di Ricerca OperativaCorso di Laurea in Informatica ed Informatica Applicata Università di Salerno Lezione n° 19: 12-13 Maggio 2008 Problema dell’albero dei cammini minimi Anno accademico 2007/2008 Prof. Cerulli – Dott.ssa Gentili

  2. Il problema dei cammini minini G=(N,A) destinazione sorgente p 40 7 9 1 2 cij = costo dell’arco (i,j) 15 35 9 10 1 44 21 xij = variabili decisionali 5 4 3 11 28 69 1 21 6 8 1 se xijp 7 5 xij = 7 0 se xijp

  3. 40 7 9 1 2 15 35 9 10 1 44 21 5 4 3 11 28 69 1 21 6 8 7 5 7 Modello matematico

  4. 40 7 9 1 2 15 35 9 10 1 44 21 5 4 3 11 28 69 1 21 6 8 7 5 7 Modello matematico

  5. 40 7 9 1 2 15 35 9 10 1 44 21 5 4 3 11 28 69 1 21 6 8 7 5 7 Modello matematico

  6. Il problema dei cammini minini (varianti) • Uno ad uno • Uno a tutti • Tutti a tutti

  7. Il problema dei cammini minini G=(N,A) sorgente T 40 7 9 1 2 15 35 9 10 1 44 21 5 4 3 11 28 69 1 21 6 8 7 5 7

  8. Etichette dei nodi G=(N,A) d1 d2 d9 40 7 9 1 2 15 35 9 10 d4 1 44 21 d5 5 4 3 11 d3 28 69 1 21 6 8 d6 d8 7 5 7 d7

  9. Algoritmo prototipo Passo 1:Inizializzazione. ds=0, Ps=NULL, dk=, Pk=s kN\{s}, Q={s}; Passo 2:Estrai un vertice x da Q (Q= Q \{x}) ed aggiorna quando possibile le etichette dei vertici in FS(x): yFS(x) se dx + cxy < dy allora dy =dx + cxy , Py= x e se y Q inseriscilo in Q (Q= Q {y}) (test di ottimalità)

  10. Aggioramento delle etichette yFS(x) se dx + cxy < dy allora dy = dx + cxy e Py= x • x=4, y=5 d4 + c45 < d5 ? d5 = d4 + c45 e P5= 4 • x=4, y=2 d4 + c42 < d2 ? ………………… • x=4, y=9 • d4 + c49 < d9 ? • d9 = d4 + c49 e P9= 4 42 36 5 15 21 7 18 2 4 34 9 67 55

  11. Algoritmo prototipo Passo 1:Inizializzazione. ds=0, Ps=NULL, dk=, Pk=s kN\{s}, Q={s}; Passo 2:Estrai un vertice x da Q (Q= Q \{x}) ed aggiorna quando possibile le etichette dei vertici in FS(x): yFS(x) se dx + cxy < dy allora dy =dx + cxy , Py= x e se y Q inseriscilo in Q (Q= Q {y}) (test di ottimalità) Passo 3:Fino a quando Q   ripeti il passo 2 ;

  12. Differenti implementazioni Gli algoritmi per l’SPT si distinguono per: • La politica di estrazione del nodo da Q (label setting e label correcting) • La struttura dati utilizzata per implementare Q

  13. Algoritmo di Dijkstra (label setting) Dijkstra (G,s) Inizializzazione; (ds=0, Ps=NULL, dk=, Pk=s kN\{s} , Q={s}) while ( Q  ){ x = Extract_min(Q); Test_ottimalità(x,y); con yFS(x); }

  14. L’algoritmo di Dijkstra (label setting) G=(N,A)   7 Q 0 40 7 9 1 2 15 35 9 10  1 44 21  9  5 4 3 11 28 69 1 21  6 8  7 5 7 2 7  2 5 1 0 9 7

  15. L’algoritmo di Dijkstra (label setting) G=(N,A)  7 47 Q 0 40 7 9 1 2 15 35 9 10  1 22 44 21 9  5 4 3 42 11 28 69 1 21  6 8 4 5  22 9 3 4 42 22 7 5 7 9 2 3 47 42 7  5 9 9 47

  16. L’algoritmo di Dijkstra (label setting) G=(N,A) 7 47 Q 0 40 7 9 1 2 15 35 9 10 1 22 44 21 9 5 4 3 42 11 28 69 1 21  6 8 78 6 5 4  78 9 22 4 3 22 42 7 5 7 3 9 47 42  6 9 78 47

  17. L’algoritmo di Dijkstra (label setting) G=(N,A) 7 47 Q 0 40 7 9 1 2 15 35 9 10 1 22 44 21 9 5 4 3 42 11 28 69 8 7 1 43 33 21 6 8 3 78 50 8 4 42  33 22 33 7 3 43 42 7 5 7 9 47  43 6 78 50

  18. L’algoritmo di Dijkstra (label setting) G=(N,A) 7 47 Q 0 40 7 9 1 2 15 35 9 10 1 22 44 21 9 5 4 3 42 34 11 28 69 8 1 33 21 6 8 3 50 42 34 33 7 43 7 5 7 9 47 43 6 50

  19. L’algoritmo di Dijkstra (label setting) G=(N,A) 7 47 44 Q 0 40 7 9 1 2 15 35 9 10 1 22 44 21 9 5 4 3 34 11 28 69 1 21 6 8 3 50 34 33 7 43 7 5 7 9 47 44 43 6 50

  20. L’algoritmo di Dijkstra (label setting) G=(N,A) 7 44 Q 0 40 7 9 1 2 15 35 9 10 1 22 44 21 9 5 4 3 34 11 28 69 1 21 6 8 50 48 33 7 43 7 5 7 9 44 43 6 50 48

  21. T 40 7 9 1 2 15 35 9 10 1 44 21 5 4 3 11 28 69 1 21 6 8 7 5 7 Il problema dei cammini minini

  22. Albero dei Cammini minimi  albero di copertura minimo SPT=22 5 2 5 10 15 0 4 6 1 11 7 3 7

  23. 5 2 5 10 15 0 4 6 1 11 7 3 7 Albero dei Cammini minimi  albero di copertura minimo SPT=22 MST=21 2 5 10 4 6 1 11 7 3

More Related