1 / 31

Hálótervezés

Hálótervezés. Készítette: Kosztyán Zsolt Tibor kzst@almos.vein.hu kzst@vision.vein.hu http ://vision.vein.hu/~kzst/oktatas/halo/index.htm. 4 . Maximális folyamok alkalmazása – több forrás, több nyelő.

sailor
Download Presentation

Hálótervezés

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. Hálótervezés Készítette: Kosztyán Zsolt Tibor kzst@almos.vein.hu kzst@vision.vein.hu http://vision.vein.hu/~kzst/oktatas/halo/index.htm 4.

  2. Maximális folyamok alkalmazása – több forrás, több nyelő • Több forrás, illetve több nyelő esetén a feladat bonyolultsága nem változik, mert a problémát vissza lehet vezetni az eredeti maximális folyam problémára. • Be kell vezetni egy S un. „szuper termelőt” és egy T un. „szuper fogyasztót”. • S-sel s1,s2,..,sn termelőket végtelen kapacitással össze kell kötni. • t1,t2,..,tm fogyasztókat T-vel végtelen kapacitással össze kell kötni. • Ezen a módosított hálózaton kell maximális folyamot keresni. • A módosított hálózatból elhagyjuk S,T csúcsot, valamint S,T éleit.

  3. Maximális folyamok alkalmazása – több forrás, több nyelő

  4. Maximális folyamok alkalmazása – maximális párosítás • Legyen adott egy G=(N,A) páros gráf, valamint a gráf N1, N2 partíciója. w:AR+ pedig egy súlyfüggvény • Legyen egy aN1-ből N2-be menő él kapacitása w(a)+1. • Vegyünk fel egy s termelőt és egy t fogyasztót. s-et kössük össze N1 csúcsokkal kapacitásuk legyen 1. Kössük össze N2 csúcsokat t-vel, és az élek kapacitása legyen 1. • Ekkor a módosított hálózaton talált maximális folyam az eredeti gráfon maximális párosításnak felel meg.

  5. Síkba teríthetőség • Egy G=(N,A) gráf síkba teríthető, ha van olyan f:NR2 és g:AP(R2) amelyekre a=(x,y)A esetén g(a)=(f(x),f(y))R2 összekötő egyszerű út, és különböző éleknek megfeleltetett utaknak csak a végpontokban van közös csúcsuk. • Egy gráf pontosan akkor teríthető síkba, ha a gráf nem tartalmaz C5, C3,3 részgráfokat (Kuratowski)

  6. Síkba teríthetőség

  7. Gráfelmélet alkalmazása pszichológiában - fogalmak • Egy G=(N,A) tagolási pontjának nevezünk egy olyan PN csúcsot, amely két olyan G1, G2 részgráfra osztja fel, amelynek csak egy P közös pontjuk van, úgyhogy G1 valamely csúcsa, és a G2 valamely csúcsa közötti utak mind keresztülhaladnak P-n. • Egy gráf tagolatlan, ha nincs tagolási pontja.

  8. Gráfelmélet alkalmazása pszichológiában - fogalmak • A gráf átmérője a gráfban található legnagyobb távolság. • Az összefüggő gráf középső pontjának, vagy középpontjának nevezzük azt a csúcsot, amelynek legnagyobb távolsága minimális. • A gráf sugara a gráf központi csúcsának (vagy csúcsainak) legnagyobb távolsága. • A gráf kerületi pontjai a gráf azon csúcsai, amelyeknek legnagyobb távolságuk maximális.

  9. Gráfelmélet alkalmazása pszichológiában - példa

  10. Gráfelmélet alkalmazása pszichológiában - fogalmak • Leavitt – féle középpontossági mutatószám: • Leavitt – féle viszonylagos kerületességi mutatószám:

  11. Gráfelmélet alkalmazása pszichológiában - példák

  12. Gráfelmélet alkalmazása pszichológiában - példák

  13. Gráfelmélet alkalmazása pszichológiában - példák

  14. NP teljesség • (Számítógéppel) megoldhatatlan problémák • Polinomiális O(nk) időben megoldható problémák • NP – feladatok (P≠NP?) • NP teljes feladatok

  15. Az utazóügynök probléma (TSP) • Az utazóügynöknek n várost kell meglátogatnia tetszőleges sorrendben, de minél kevesebb utazási költség mellett. (Ez negatív is lehet, ekkor az ügynöknek haszna van az útból.) • Precízebben: egy súlyozott gráfban minimális költségű Hamilton-kör keresése. • (TSP NP-nehéz)

  16. Az utazóügynök probléma (TSP) Összes költség: 23 Összes költség: 22

  17. NP-teljes problémák megoldása • Naiv algoritmusok • Branch and Bound, dinamikus algoritmusok (erről majd később) • Közelítő módszerek

  18. Az utazóügynök probléma – egy közelítő megoldása • Legyen adott egy Cn=(N,A) irányítatlan súlyozott, teljes gráf w:AR+ súlyfüggvénnyel. Legyen továbbá érvényes valamennyi élére az un. háromszög egyenlőtlenség, vagyis: • Ekkor található egy olyan Hamilton kör, mely nem hosszabb mint a legrövidebb Hamilton kör hosszának kétszerese.

  19. Az utazóügynök probléma – egy közelítő megoldása • Prim algoritmussal keresünk a gráfban egy minimális költségű feszítőfát. • A fát un. preorder bejárással (bal-közép-jobb) bejárjuk. A bejárt csúcsokat listába rendezzük. • Az ismétlődő csúcsokat elhagyjuk a listából.

  20. Az utazóügynök probléma – egy közelítő megoldása

  21. Bizonytalanság • Standard bizonytalanság • Összetett standard bizonytalanság • Kiterjesztett bizonytalanság • A mérés modellezése Y=f(X1,X2,..,XN) Pl. legrövidebb utak keresésénél a legrövidebb út hossza az út éleinek összege. Tehát: Y=X1+X2+..+XM

  22. Standard bizonytalanság • Standard bizonytalanság meghatározása – 1. módszer: • Véletlen változó (random variable) • Standard bizonytalanság: • Szabadságfok: ni (egyszerű esetben ni=n-1)

  23. Összetett standard bizonytalanság • Független paraméterek esetén • Kovariancia: • Korreláció:

  24. Összetett standard bizonytalanság • Modellparamtérek sztochasztikus kapcsolata esetén:

  25. Kiterjesztett bizonytalanság • Átfedési tényező (coverage factor) 2k3 • Kiterjesztett bizonytalanság: U=kuc(y) • Használat: • Iparban • Kereskedelemben

  26. Példa – Maximális párosítás

  27. Példa – Maximális párosítás

  28. Szorgalmi feladatok – minimális költségű szállítás • Készítsen az alábbi problémára egy algoritmust, az eddig tanult módszerek segítségével! • Legyen adott egy G=(N1,N2;A) teljes páros gráf, ha csúcspontjai a1,a2,..,an (N1), b1,b2,..,bm (N2). Az ai-beli egész értékű a(ai) >= 0 készletekből kell a bj-beli egész értékű b(bj) >= 0 igényeket kielégíteni az (ai,bj)A éleken történő szállítással úgy, hogy ha az (ai,bj) élen f(ai,bj)=fij mennyiséget szállítunk, akkor annak minden egységét r(ai,bj)=rij>=0 egész értékű szállítási költséggel terheljük. Célunk az, hogy az f szállítás szállítási költsége minimális legyen. Ahol a szállítás költsége: (+30p)

  29. Szorgalmi feladatok – optimális foglalkoztatás • Készítsen az alábbi problémára egy algoritmust, az eddig tanult módszerek segítségével! • Legyen adott egy G=(N1,N2;A) teljes páros gráf, ha csúcspontjai a1,a2,..,an(N1), b1,b2,..,bm(N2). Legyen pl. (ai,bj)A él az ai dolgozó bj munkában a hatásfoka (pl. 100-(a selejtszázaléka)). Keressünk olyan munkatervet, mellyel valamennyi munka a lehető legnagyobb hatásfokkal elvégezhető (+30p)

  30. Szorgalmi feladatok – raktározási probléma • Az x1,x2,..,xm gyárakban gépeket gyártanak, és a késztermékeket y1,y2,..,yn raktárba kell szállítani. Minden xi gyárhoz meghatározattaknak tekintjük azokat a raktárakat, amelyekbe xi-ből szállítani lehet Jelöljük a(xi)-vel az xi-ben gyártott gépek számát és b(yj)-vel az yj befogadóképességét egységnyi időtartam alatt. Ekkor a szállítást úgy kell tervezni, hogy az a(xi) készletet kimerítse, de a b(yj) igényeket ne lépje túl. (+30p)

  31. 4.

More Related