Il problema del commesso viaggiatore
|
|
|
- Annibale Festa
- 7 anni fa
- Visualizzazioni
Transcript
1 Il problema del commesso viaggiatore Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 1 / 20
2 Problema In un dodecaedro regolare è possibile partire da un vertice e, passando sugli spigoli, toccare tutti i vertici una ed una sola volta e tornare al vertice di partenza? M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 2 / 20
3 Icosian game Grafo: nodi (=vertici del poliedro), archi(=spigoli del poliedro). Trovare un ciclo che passa su tutti i nodi una ed una sola volta. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 3 / 20
4 Icosian game M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 4 / 20
5 Altri problemi Per ognuno degli altri 4 solidi regolari cercare un ciclo che passa su tutti i vertici una ed sola volta. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 5 / 20
6 Altri problemi Ciclo del cavallo È possibile muovere un cavallo su una scacchiera in modo da passare su tutte le caselle della scacchiera e tornare alla casella iniziale? Vedi anche: M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 6 / 20
7 Proprietà Definizione Un ciclo che passa su tutti i nodi di un grafo una ed una sola volta è detto ciclo hamiltoniano. Come si fa a stabilire se in un grafo esiste un ciclo hamiltoniano? Vale una proprietà simile a quella dei cicli euleriani? M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 7 / 20
8 Problema del commesso viaggiatore (TSP) Problema Grafo (N,A) completo; c ij = costi sugli archi. Trovare un ciclo hamiltoniano di costo minimo. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 8 / 20
9 Problema del commesso viaggiatore (TSP) Problema Grafo (N,A) completo; c ij = costi sugli archi. Trovare un ciclo hamiltoniano di costo minimo. Applicazioni trasporti, logistica: (N,A ) rete stradale. S N, cerco ciclo di costo minimo che passi su tutti i nodi di S. Il problema è un TSP sul grafo (N,A), dove N = S, A = S S, c ij = costo cammino minimo da i a j sul grafo (N,A ). M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 8 / 20
10 Problema del commesso viaggiatore (TSP) Problema Grafo (N,A) completo; c ij = costi sugli archi. Trovare un ciclo hamiltoniano di costo minimo. Applicazioni trasporti, logistica: (N,A ) rete stradale. S N, cerco ciclo di costo minimo che passi su tutti i nodi di S. Il problema è un TSP sul grafo (N,A), dove N = S, A = S S, c ij = costo cammino minimo da i a j sul grafo (N,A ). scheduling produzione di circuiti integrati data analysis sequenze DNA...(vedi applicazione Concorde TSP per iphone/ipad M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 8 / 20
11 Modello Variabili: x ij = { 1 se arco (i,j) ciclo hamiltoniano, 0 altrimenti. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 9 / 20
12 Modello Variabili: x ij = { 1 se arco (i,j) ciclo hamiltoniano, 0 altrimenti. min (i,j) A c ij x ij x ij {0,1} (i,j) A M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 9 / 20
13 Modello Variabili: x ij = { 1 se arco (i,j) ciclo hamiltoniano, 0 altrimenti. min (i,j) A c ij x ij x ij {0,1} (i,j) A (1)-(2): per ogni nodo deve esistere un arco entrante e un arco uscente (3): eliminazione di sottocicli. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 9 / 20
14 Modello Variabili: x ij = { 1 se arco (i,j) ciclo hamiltoniano, 0 altrimenti. min (i,j) A i N\{j} j N\{i} c ij x ij x ij = 1 j N (1) x ij = 1 i N (2) x ij {0,1} (i,j) A (1)-(2): per ogni nodo deve esistere un arco entrante e un arco uscente (3): eliminazione di sottocicli. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 9 / 20
15 Modello Variabili: x ij = { 1 se arco (i,j) ciclo hamiltoniano, 0 altrimenti. min (i,j) A i N\{j} j N\{i} (i,j) A: i S, j/ S c ij x ij x ij = 1 j N (1) x ij = 1 i N (2) x ij 1 S N, S,N (3) x ij {0,1} (i,j) A (1)-(2): per ogni nodo deve esistere un arco entrante e un arco uscente (3): eliminazione di sottocicli. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 9 / 20
16 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
17 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
18 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
19 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
20 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
21 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
22 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
23 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
24 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
25 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
26 Metodi euristici Metodo greedy sugli archi Dispongo gli archi in ordine crescente di costo. Seguendo l ordine, inserisco un arco se vengono rispettati tutti i vincoli. Esempio Il ciclo costa 113. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 10 / 20
27 Metodi euristici Algoritmo del nodo più vicino 1. Scegli un nodo i, poni u := i (nodo corrente), C := i (sequenza di nodi). 2. Se C contiene tutti i nodi allora STOP 3. Tra i nodi di N \C trova il nodo j più vicino a u aggiungi j in coda a C, poni u := j e torna al passo 2. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 11 / 20
28 Metodi euristici Algoritmo del nodo più vicino 1. Scegli un nodo i, poni u := i (nodo corrente), C := i (sequenza di nodi). 2. Se C contiene tutti i nodi allora STOP 3. Tra i nodi di N \C trova il nodo j più vicino a u aggiungi j in coda a C, poni u := j e torna al passo 2. Esempio Partendo dal nodo 1 si ottiene il ciclo M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 11 / 20
29 Metodi euristici Algoritmo del nodo più vicino 1. Scegli un nodo i, poni u := i (nodo corrente), C := i (sequenza di nodi). 2. Se C contiene tutti i nodi allora STOP 3. Tra i nodi di N \C trova il nodo j più vicino a u aggiungi j in coda a C, poni u := j e torna al passo 2. Esempio Partendo dal nodo 1 si ottiene il ciclo di costo 113. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 11 / 20
30 Metodi euristici Algoritmo del nodo più vicino 1. Scegli un nodo i, poni u := i (nodo corrente), C := i (sequenza di nodi). 2. Se C contiene tutti i nodi allora STOP 3. Tra i nodi di N \C trova il nodo j più vicino a u aggiungi j in coda a C, poni u := j e torna al passo 2. Esempio Partendo dal nodo 1 si ottiene il ciclo di costo 113. Partendo dal nodo 5 si ottiene il ciclo M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 11 / 20
31 Metodi euristici Algoritmo del nodo più vicino 1. Scegli un nodo i, poni u := i (nodo corrente), C := i (sequenza di nodi). 2. Se C contiene tutti i nodi allora STOP 3. Tra i nodi di N \C trova il nodo j più vicino a u aggiungi j in coda a C, poni u := j e torna al passo 2. Esempio Partendo dal nodo 1 si ottiene il ciclo di costo 113. Partendo dal nodo 5 si ottiene il ciclo di costo 112. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 11 / 20
32 Metodi euristici Algoritmo dell albero 1. Trova un albero di copertura di costo minimo T 2. Raddoppia tutti gli archi di T ottenendo il multigrafo G 3. Su G trova un ciclo euleriano C E 4. Estrai da C E un ciclo hamiltoniano prendendo i nodi, senza ripetizione, nello stesso ordine in cui compaiono in C E M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 12 / 20
33 Metodi euristici Esempio Applichiamo l algoritmo dell albero al problema precedente: M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 13 / 20
34 Metodi euristici Esempio (segue) 1. L albero di copertura di costo minimo T è formato dagli archi: M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 14 / 20
35 Metodi euristici Esempio (segue) 1. L albero di copertura di costo minimo T è formato dagli archi: {1,2},{2,3},{2,4},{2,5}. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 14 / 20
36 Metodi euristici Esempio (segue) 1. L albero di copertura di costo minimo T è formato dagli archi: {1,2},{2,3},{2,4},{2,5}. 2. Raddoppiando gli archi di T si ottiene G : M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 14 / 20
37 Metodi euristici Esempio (segue) 1. L albero di copertura di costo minimo T è formato dagli archi: {1,2},{2,3},{2,4},{2,5}. 2. Raddoppiando gli archi di T si ottiene G : Un ciclo euleriano su G è dato dalla sequenza di nodi: M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 14 / 20
38 Metodi euristici Esempio (segue) 1. L albero di copertura di costo minimo T è formato dagli archi: {1,2},{2,3},{2,4},{2,5}. 2. Raddoppiando gli archi di T si ottiene G : Un ciclo euleriano su G è dato dalla sequenza di nodi: M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 14 / 20
39 Metodi euristici Esempio (segue) 1. L albero di copertura di costo minimo T è formato dagli archi: {1,2},{2,3},{2,4},{2,5}. 2. Raddoppiando gli archi di T si ottiene G : Un ciclo euleriano su G è dato dalla sequenza di nodi: Dal ciclo euleriano ricaviamo il ciclo hamiltoniano: M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 14 / 20
40 Metodi euristici Esempio (segue) 1. L albero di copertura di costo minimo T è formato dagli archi: {1,2},{2,3},{2,4},{2,5}. 2. Raddoppiando gli archi di T si ottiene G : Un ciclo euleriano su G è dato dalla sequenza di nodi: Dal ciclo euleriano ricaviamo il ciclo hamiltoniano: di costo 112. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 14 / 20
41 Rilassamenti Eliminando i vincoli di connessione, il problema diventa un problema di assegnamento di costo minimo. min (i,j) A i N\{j} j N\{i} c ij x ij x ij = 1 x ij = 1 j N i N x ij {0,1} (i,j) A Il valore ottimo di tale problema è una stima per difetto del valore ottimo del TSP. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 15 / 20
42 Rilassamenti Se da un ciclo hamiltoniano eliminiamo un arco, otteniamo un cammino che passa per tutti nodi. Questo cammino è un particolare albero di copertura. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 16 / 20
43 Rilassamenti Se da un ciclo hamiltoniano eliminiamo un arco, otteniamo un cammino che passa per tutti nodi. Questo cammino è un particolare albero di copertura. Teorema Se T è un albero di copertura di costo minimo, allora il suo costo è una stima per difetto del valore ottimo del TSP. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 16 / 20
44 Rilassamenti Esempio L albero di copertura di costo minimo sul grafo è formato dagli archi: M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 17 / 20
45 Rilassamenti Esempio L albero di copertura di costo minimo sul grafo è formato dagli archi: {1,2},{2,3},{2,4},{2,5} e costa M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 17 / 20
46 Rilassamenti È possibile migliorare la stima inferiore ottenuta con l albero di copertura di costo minimo. Osservazione Fissiamo un nodo r. Ogni ciclo hamiltoniano è formato da 2 archi incidenti sul nodo r (che lo connettono ai nodi p e q) e da un cammino (che è un particolare albero di copertura) che connette p e q. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 18 / 20
47 Rilassamenti È possibile migliorare la stima inferiore ottenuta con l albero di copertura di costo minimo. Osservazione Fissiamo un nodo r. Ogni ciclo hamiltoniano è formato da 2 archi incidenti sul nodo r (che lo connettono ai nodi p e q) e da un cammino (che è un particolare albero di copertura) che connette p e q. Definizione Un r albero è un insieme di n archi di cui 2 sono incidenti sul nodo r n 2 formano un albero di copertura sui nodi diversi da r M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 18 / 20
48 Rilassamenti È possibile migliorare la stima inferiore ottenuta con l albero di copertura di costo minimo. Osservazione Fissiamo un nodo r. Ogni ciclo hamiltoniano è formato da 2 archi incidenti sul nodo r (che lo connettono ai nodi p e q) e da un cammino (che è un particolare albero di copertura) che connette p e q. Definizione Un r albero è un insieme di n archi di cui 2 sono incidenti sul nodo r n 2 formano un albero di copertura sui nodi diversi da r Teorema Ogni ciclo hamiltoniano è un r albero. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 18 / 20
49 Rilassamenti Teorema Il costo dell r albero di costo minimo è una stima per difetto del valore ottimo del TSP. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 19 / 20
50 Rilassamenti Teorema Il costo dell r albero di costo minimo è una stima per difetto del valore ottimo del TSP. È facile risolvere il problema dell r albero di costo minimo? M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 19 / 20
51 Rilassamenti Teorema Il costo dell r albero di costo minimo è una stima per difetto del valore ottimo del TSP. È facile risolvere il problema dell r albero di costo minimo? SI, basta trovare 2 archi di costo minimo incidenti sul nodo r (ovvio) un albero di copertura di costo minimo sui nodi diversi da r (alg. Kruskal) M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 19 / 20
52 Rilassamenti Teorema Il costo dell r albero di costo minimo è una stima per difetto del valore ottimo del TSP. È facile risolvere il problema dell r albero di costo minimo? SI, basta trovare 2 archi di costo minimo incidenti sul nodo r (ovvio) un albero di copertura di costo minimo sui nodi diversi da r (alg. Kruskal) Teorema Se T è un albero di copertura di costo minimo e T è un r albero di costo minimo, allora costo(t) costo(t ), cioè la stima fornita da T non è mai peggiore di quella fornita da T. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 19 / 20
53 Rilassamenti Esempio Il 2 albero di costo minimo sul grafo è formato dagli archi: M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 20 / 20
54 Rilassamenti Esempio Il 2 albero di costo minimo sul grafo è formato dagli archi: {1,2}, {2,3} (incidenti sul nodo 2) M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 20 / 20
55 Rilassamenti Esempio Il 2 albero di costo minimo sul grafo è formato dagli archi: {1,2}, {2,3} (incidenti sul nodo 2) {1,3}, {3,4}, {4,5} (albero di copertura sui nodi diversi da 2). di costo 103. M. Passacantando TFA 2012/13 - Corso di Ricerca Operativa Università di Pisa 20 / 20
Alberi di copertura. Mauro Passacantando. Dipartimento di Informatica Largo B. Pontecorvo 3, Pisa
Alberi di copertura Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 0/ - Corso di Ricerca Operativa Università di Pisa / 9 Definizioni
Dai ponti di Königsberg al postino cinese
Dai ponti di Königsberg al postino cinese Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 2012/1 - Corso di Ricerca Operativa Università
Il problema del commesso viaggiatore e problemi di vehicle routing
Il problema del commesso viaggiatore e problemi di vehicle routing Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 2 Dicembre
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),
Introduzione ai grafi
TFA A048 Anno Accademico 2012-13 Outline Cenni storici sui grafi Nozioni introduttive: cammini, connessione, alberi, cicli Cammini di costo minimo Origini storiche La nascita della teoria dei grafi risale
AMPL Problemi su Reti
Dipartimento di Matematica Università di Padova Corso di Laurea Informatica Outline Problemi su Reti Cammino Minimo Molti problemi di ottimizzazione combinatoria possono essere modellati ricorrendo ai
Problemi dello zaino e di bin packing
Problemi dello zaino e di bin packing Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 2 Dicembre 2014 Ricerca Operativa 2 Laurea
Figura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.
ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c
Algoritmi Approssimanti per -TSP
Dispensa del corso di TAA redatta da Amati Di auro Rattà. Algoritmo 5 e APX per il problema Algoritmi Approssimanti per -TSP Definizione (TSP) Il problema del commesso viaggiatore (TSP) è definito come
Teoria della Programmazione Lineare Intera
Teoria della Programmazione Lineare Intera Laura Galli Dipartimento di Informatica Largo B. Pontecorvo, 567 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 7 Ottobre 0 Ricerca Operativa Laurea
Ottimizzazione Combinatoria e Reti (a.a. 2007/08)
o Appello 6/07/008 Ottimizzazione Combinatoria e Reti (a.a. 007/08) Nome Cognome: Matricola: ) Dopo avere finalmente superato l esame di Ricerca Operativa, Tommaso è pronto per partire in vacanza. Tommaso
METODI DELLA RICERCA OPERATIVA
Università degli Studi di Cagliari FACOLTA' DI INGEGNERIA CORSO DI METODI DELLA RICERCA OPERATIVA Dott.ing. Massimo Di Francesco (mdifrance@unica.it) i i Dott.ing. Maria Ilaria Lunesu (ilaria.lunesu@unica.it)
Problemi, istanze, soluzioni
lgoritmi e Strutture di Dati II 2 Problemi, istanze, soluzioni Un problema specifica una relazione matematica tra dati di ingresso e dati di uscita. Una istanza di un problema è formata dai dati di un
Euristiche per il Problema del Commesso Viaggiatore
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Euristiche per il Problema del Commesso Viaggiatore Renato Bruni bruni@dis.uniroma.it Il materiale presentato
2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
. Cammini ottimi E. Amaldi Fondamenti di R.O. Politecnico di Milano .. Cammini minimi e algoritmo di Dijkstra Dato un grafo orientato G = (N, A) con una funzione di costo c : A c ij R e due nodi s e t,
Grafi (non orientati e connessi): minimo albero ricoprente
Grafi (non orientati e connessi): minimo albero ricoprente Una breve presentazione Definizioni Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è
Gestione della produzione e della supply chain Logistica distributiva
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Convergenza dell algoritmo Se non
Esercizi per il corso di. Logistica I. a.a Daniela Favaretto. Dipartimento di Matematica Applicata Università Ca Foscari di Venezia
sercizi per il corso di Logistica I a.a. - aniela avaretto ipartimento di Matematica pplicata Università a oscari di Venezia sercizio Individuare un albero di supporto di lunghezza minima (SST) sul seguente
Parte V: Rilassamento Lagrangiano
Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice
Makespan con set-up dipendenti dalla sequenza. 1/s jk /C max
Makespan con set-up dipendenti dalla sequenza 1/s jk /C max 1/s jk /C max Un tempo di riattrezzaggio (set-up) s jk è richiesto fra il processamento di j e quello di k. In questo caso, C max dipende dalla
Problema del cammino minimo
Algoritmi e Strutture di Dati II Problema del cammino minimo Un viaggiatore vuole trovare la via più corta per andare da una città ad un altra. Possiamo rappresentare ogni città con un nodo e ogni collegamento
Ottimizzazione nella Gestione dei Progetti - Esercitazione 1: calcolo degli schedule ottimi
Università degli Studi di Roma La Sapienza Ottimizzazione nella Gestione dei Progetti - Esercitazione : calcolo degli schedule ottimi di FABIO D ANDREAGIOVANNI Dipartimento di Informatica e Sistemistica
Il valore di flusso che si ottiene è
1) Si consideri un insieme di piste da sci e di impianti di risalita. Lo si modelli con un grafo orientato che abbia archi di due tipi: tipo D (discesa e orientato nel senso della discesa) e tipo R (risalita
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 7 giugno 0 Nome: Cognome: Matricola: Orale /06/0 ore aula N Orale 0/07/0 ore aula N
Esercizio 1. min. Esercizio 2. Esercizio 3
A UNIVERSIÀ DEGLI SUDI ROMA RE Ricerca Operativa Primo appello gennaio 00 Esercizio Portando il problema in forma standard si aggiungono le variabili e 4. Impostando il problema artificiale è sufficiente
Algoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano
Algoritmi Euristici Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Martedì 14.30-16.30 in Aula Omega Venerdì 14.30-16.30 in
2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) protocolli reti IP memorizzazione compatta di
Flusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
Algoritmi esatti. La teoria ci dice che per problemi difficili (come il
p. 1/4 Algoritmi esatti La teoria ci dice che per problemi difficili (come il KNAPSACK o, ancora di più, il TSP ) i tempi di risoluzione delle istanze, calcolati tramite analisi worst-case, tendono a crescere
Algoritmi e strutture dati
Algoritmi e Strutture Dati Cammini minimi Definizioni Sia G = (V,E) un grafo orientato pesato sugli archi. Il costo di un cammino π = è dato da: Un cammino minimo tra una coppia di
2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
Tecniche euristiche Ricerca Locale
Tecniche euristiche Ricerca Locale PRTLC - Ricerca Locale Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo: rilassamenti Rilassamento
Grafi (orientati): cammini minimi
Grafi (orientati): cammini minimi Una breve presentazione Definizioni Sia G=(V,E) un grafo orientato con costi w sugli archi. Il costo di un cammino π= è dato da: Un cammino minimo tra
Progettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 0/06/06 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via avrai
Esame di Ricerca Operativa del 16/06/2015
Esame di Ricerca Operativa del 1/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una ditta produce vernici in tre diversi stabilimenti (Pisa, Cascina, Empoli) e le vende a tre imprese edili (A, B, C). Il
2.3.3 Cammini ottimi nei grafi senza circuiti
.. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo
Grafi diretti. Un grafo diretto (o grafo orientato) G è una coppia (V,E) dove. V è u n i n s i e m e d i nodi (o vertici);
Algoritmi e Strutture di Dati II 2 Grafi diretti Un grafo diretto (o grafo orientato) G è una coppia (V,E) dove V è u n i n s i e m e d i nodi (o vertici); E µ V V è u n i n s i e m e d i archi. Denotiamo
Progettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 06/07/2016 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via
Domini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):
UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione
UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto Lauree Scientifiche Teoria dei grafi e topologia DIPARTIMENTO DI MATEMATICA ʺF. ENRIQUESʺ.
I SETTE PONTI DI KÖNIGSBERG (Eulero 1735) La città di Königsberg, situata sul fiume Pregele, comprendeva due isole (A e D in figura), collegate tra loro da un ponte. Un isola (D) era collegata a ognuna
Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata. Luca Bertazzi
Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata Luca Bertazzi 0 3 Ulisse: da Troia a Itaca Troia Itaca 509 km Quale è stato invece il viaggio di Ulisse? Il viaggio di Ulisse Troia
Possibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
Esame di Ricerca Operativa del 03/09/2015
Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Una raffineria di petrolio miscela tipi di greggio per ottenere tipi di carburante: senza piombo, diesel e blu diesel.
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 20 giugno 2014
A Ricerca Operativa 1 Seconda prova intermedia Un tifoso di calcio in partenza da Roma vuole raggiungere Rio De Janeiro per la finale del mondiale spendendo il meno possibile. Sono date le seguenti disponibilità
INFORMATICA AA Università degli Studi di Ferrara Facoltà di Scienze MM FF NN Corso di Laurea in «Scienze e Tecnologie per i Beni Culturali»
Università degli Studi di Ferrara Facoltà di Scienze MM FF NN Corso di Laurea in «Scienze e Tecnologie per i Beni Culturali» AA 010-011 INFORMATICA Prof. Giorgio Poletti giorgio.poletti@unife.it Grafi
Corso di Trasporto merci e logistica. Supporto didattico ad uso esclusivo interno. a cura di: ing. Mario Cordasco A.A
logistica Supporto didattico ad uso esclusivo interno a cura di: ing. Mario Cordasco A.A. 2008-2009 La distribuzione fisica delle merci La logistica è l insieme delle attività e dei servizi che permettono
OSTRUZIONI SUI GRAFI. Alcune ostruzioni per l esistenza di grafi con dato score 1) Vale il seguente lemma
OSTRUZIONI SUI GRAFI Alcune ostruzioni per l esistenza di grafi con dato score 1) Vale il seguente lemma Lemma 1. Se G = (V, E) è un grafo finito con n vertici allora deg(v) n 1, v V. Dal lemma segue che
Grafi pesati Minimo albero ricoprente
Algoritmi e Strutture Dati Definizioni Grafi pesati Minimo albero ricoprente Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è un albero; T contiene
Esame di Ricerca Operativa del 08/01/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:
Esame di Ricerca Operativa del 08/0/ Cognome) Nome) Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x + x x +x x x 0 x + x x x 8 x x 8
Esame di Ricerca Operativa del 11/07/2016
Esame di Ricerca Operativa del /0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un erboristeria vuole produrre una nuova tisana utilizzando tipi di tisane già in commercio. Tali tisane sono per lo più composte
Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015
1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)
Esame di Ricerca Operativa del 06/02/17
Esame di Ricerca Operativa del 0/0/ (Cognome) (Nome) (Numero d Matricola) Esercizio. Uno studente vuole definire un piano di studio settimanale per preparare gli esami A, B e C, massimizzando le ore (h)
Problemi di Instradamento di Veicoli
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Problemi di Instradamento di Veicoli Renato Bruni bruni@dis.uniroma1.it Il materiale presentato è derivato
Appunti del corso di Informatica 1 (IN110 Fondamenti) 7 Grafi e alberi: introduzione
Università di Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica (IN0 Fondamenti) Grafi e alberi: introduzione Marco Liverani (liverani@mat.uniroma.it)
Il metodo dei Piani di Taglio (Cutting Planes Method)
Il metodo dei Piani di Taglio (Cutting Planes Method) E un metodo di soluzione dei problemi (IP) di tipo generale. L idea di base: Se la soluzione di (RL) non è intera allora la soluzione ottima intera
Esame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da calcio e da basket che vende a 1 e 20 euro rispettivamente. L azienda compra ogni settimana
Esame di Ricerca Operativa del 15/01/2015
Esame di Ricerca Operativa del 1/01/01 (Cognome) (Nome) (Matricola) Esercizio 1. Un azienda produce palloni da basket e da calcio che vende rispettivamente a 1 e euro. L azienda compra ogni settimana 00
Programmazione Lineare Intera: Piani di Taglio
Programmazione Lineare Intera: Piani di Taglio Andrea Scozzari a.a. 2014-2015 April 22, 2015 Andrea Scozzari (a.a. 2014-2015) Programmazione Lineare Intera: Piani di Taglio April 22, 2015 1 / 23 Programmazione
Cammini minimi. Definizioni. Distanza fra vertici. Proprietà dei cammini minimi. Algoritmi e Strutture Dati
Algoritmi e Strutture Dati Definizioni Sia G=(V,E) un grafo orientato con costi w sugli archi. Il costo di un cammino π= è dato da: Cammini minimi Un cammino minimo tra una coppia di
Processi di cost management - Programmazione multiperiodale
Processi di cost management - Programmazione multiperiodale Queste slide (scrte da Carlo Mannino) riguardano il problema di gestione delle attivà di un progetto allorché i costi di esecuzione sono legati
RISOLUZIONE IN LOGICA PROPOSIZIONALE. Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine
RISOLUZIONE IN LOGICA PROPOSIZIONALE Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine 1. Risoluzione Definitione 1.1. Un letterale l è una variabile proposizionale (letterale
Cammini minimi fra tutte le coppie
Capitolo 12 Cammini minimi fra tutte le coppie Consideriamo il problema dei cammini minimi fra tutte le coppie in un grafo G = (V, E, w) orientato, pesato, dove possono essere presenti archi (ma non cicli)
Algoritmi di Ricerca
Algoritmi di Ricerca Contenuto Algoritmi non informati Nessuna conoscenza sul problema in esame Algoritmi euristici Sfruttano conoscenze specifiche sul problema Giochi Quando la ricerca è ostacolata da
Esame di Ricerca Operativa del 07/09/2016
Esame di Ricerca Operativa del 0/09/201 (Cognome) (Nome) (Matricola) Esercizio 1. Un industria chimica produce due tipi di fertilizzanti (A e B) la cui lavorazione è affidata ai reparti di produzione e
Programmazione a numeri interi: il metodo del Branch and Bound
Programmazione a numeri interi: il metodo del Branch and Bound L. De Giovanni G. Zambelli Un problema di programmazione lineare intera è una problema della forma z I = maxc T x Ax b x 0 x i Z, i I. (1)
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 13 giugno 2011
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Stdi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia gigno Nome: Cognome: Matricola: voglio sostenere la prova orale il giorno venerdì //
Progettazione di algoritmi
Progettazione di algoritmi Discussione dell'esercizio [vincoli] Prima di tutto rappresentiamo il problema con un grafo G: i nodi sono le n lavorazioni L 1, L 2,, L n, e tra due nodi L h, L k c'è un arco
Branch-and-bound per TSP
p. 1/6 Branch-and-bound per TSP Anche qui, rispetto allo schema generale visto in precedenza dobbiamo specificare: p. 1/6 Branch-and-bound per TSP Anche qui, rispetto allo schema generale visto in precedenza
Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities
Metodi e Modelli per l Ottimizzazione Combinatoria Cover inequalities L. De Giovanni M. Di Summa In questa lezione introdurremo una classe di disuguaglianze, dette cover inequalities, che permettono di
Complessità Computazionale
Complessità Computazionale La teoria della Computabilità cattura la nozione di algoritmo nel senso che per ogni problema sia esso decisionale o di calcolo di funzione stabilisce dei criteri per determinare
3.4 Metodo di Branch and Bound
3.4 Metodo di Branch and Bound Consideriamo un generico problema di Ottimizzazione Discreta dove X è la regione ammissibile. (P ) z = max{c(x) : x X} Metodologia generale di enumerazione implicita (Land
Sommario. Caratterizzazione alternativa di NP: il verificatore polinomiale esempi di problemi in NP
Sommario Caratterizzazione alternativa di NP: il verificatore polinomiale esempi di problemi in NP I conjecture that there is no good algorithm for the traveling salesman problem. My reasons are the same
CASO 1) Pesi positivi ( diretto o indiretto) Algoritmo di Dijkstra
4) DISTANZE Problematiche Si suppone un grafo in cui ad ogni arco e' associato un peso (distanza). Il grafo puo' essere sia diretto che non diretto. Se non e' diretto ogni arco puo' essere pensato come
Problemi di Flusso e Applicazioni
Problemi di Flusso e Applicazioni Andrea Scozzari a.a. 2013-2014 May 20, 2014 Andrea Scozzari (a.a. 2013-2014) Problemi di Flusso e Applicazioni May 20, 2014 1 / 5 Flussi Multiprodotto I problemi presi
Grafi: definizioni e visite
Grafi: definizioni e visite Grafi (non orientati) Grafo (non orientato): G = (V, E) V = nodi (o vertici) E = archi fra coppie di nodi distinti. Modella relazioni fra coppie di oggetti. Parametri della
RICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il problema di PL dato applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B {,}. Per ogni
Gestione della produzione e della supply chain Logistica distributiva
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Struttura delle reti logistiche
Appunti su algoritmi approssimati per il Problema del Commesso Viaggiatore (TSP)
Appunti su algoritmi approssimati per il Problema del Commesso Viaggiatore (TSP) A. Agnetis 1 Algoritmi approssimati ed euristici Il Problema del Commesso Viaggiatore (Traveling Salesman Problem, TSP)
LABORATORIO DI INFORMATICA
Laurea in Scienze dell Educazione a.a. 2009-200 LORTORIO DI INFORMTIC Lezione 2 00 000 00 0 000 000 0 Tutto dovrebbe essere reso il più semplice possibile, ma non più semplice. (lbert Einstein) Giorgio
Ottimizzazione Discreta Esercizi V: Soluzioni
Ottimizzazione Discreta Esercizi V: Soluzioni Grafi e cammini minimi A.A. 214/215 Esercizio 1 (a) Nella terminologia della teoria dei grafi, si chiede di dimostrare che ogni grafo non orientato G = (V,E),
Algoritmo basato su cancellazione di cicli
Algoritmo basato su cancellazione di cicli Dato un flusso ammissibile iniziale, si costruisce una sequenza di flussi ammissibili di costo decrescente. Ciascun flusso è ottenuto dal precedente flusso ammissibile
GRAFI. Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi!
G R A F I 1 GRAFI Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi! 2 cip: cip: Pallogrammi Pallogrammi GRAFI: cosa sono I grafi sono una struttura matematica fondamentale: servono
Algoritmi e Strutture Dati
Algoritmi Golosi (Greedy) Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino un algoritmo goloso correttezza Problema della selezione di attività
Algoritmi e Strutture Dati
Algoritmi e strutture dati Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Algoritmi e Strutture Dati Capitolo 2 Minimo albero ricoprente: Algoritmo di Prim Il problema del calcolo di un Minimum
Introduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte
Esercizio 1. Esercizio 2
A-2 a PI Ricerca Operativa 1 Seconda prova intermedia La Pharmatix è un azienda di Anagni che produce due principi attivi, A e B, che consentono un profitto per grammo venduto di 20 e 30 euro rispettivamente.
Programmazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
TSP Ricerca Locale. Riccardo Mondani Martina Alberti
TSP Ricerca Locale Riccardo Mondani Martina Alberti Caratteristiche di base Partenza: Soluzione euristica dell algoritmo TSP Closest Neighborhood. Il vettore o finale contiene un ordinamento di tutti i
Esame di Ricerca Operativa del 09/02/2016
Esame di Ricerca Operativa del 0/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una sartoria produce tipi di vestiti: pantaloni, gonne e giacche, utilizzando stoffa e filo. Settimanalmente, la disponibilità
Week #9 Assessment. Practice makes perfect... November 23, 2016
Week #9 Assessment Practice makes perfect... November 23, 2016 Esercizio 1 Un azienda di trasporto deve caricare m camion {1,..., m} in modo da servire giornalmente un dato insieme di clienti. Nei camion
Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33
Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi:massimo flusso (parte 1) p. 2/33 Reti di flusso Una rete di flusso è una
Grafi: visite. Una breve presentazione. F. Damiani - Alg. & Lab. 04/05 (da C. Demetrescu et al - McGraw-Hill)
Grafi: visite Una breve presentazione Visite di grafi Scopo e tipi di visita Una visita (o attraversamento) di un grafo G permette di esaminare i nodi e gli archi di G in modo sistematico Problema di base
Tecniche Algoritmiche /3 Paradigma generativo: tecnica golosa e tecnica Divide-et-impera
Tecniche Algoritmiche /3 Paradigma generativo: tecnica golosa e tecnica Divide-et-impera Algoritmi e Strutture Dati + Lab A.A. 14/15 Informatica Università degli Studi di Bari Aldo Moro Nicola Di Mauro
Alberi e arborescenze di costo minimo
Alberi e arborescenze di costo minimo Complementi di Ricerca Operativa Giovanni Righini Dipartimento di Tecnologie dell Informazione - Università degli Studi di Milano Definizioni - 1 Un grafo G = (V,
Programmazione Lineare Intera
Programmazione Lineare Intera Andrea Scozzari a.a. 2012-2013 May 10, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare Intera May 10, 2013 1 / 16 Programmazione Lineare Intera: Metodo dei Piani
Ricerca Operativa A.A. 2007/2008
Ricerca Operativa A.A. 2007/2008 9. Cenni su euristiche e metaeuristiche per ottimizzazione combinatoria Motivazioni L applicazione di metodi esatti non è sempre possibile a causa della complessità del
Cercare il percorso minimo Ant Colony Optimization
Cercare il percorso minimo Ant Colony Optimization Author: Luca Albergante 1 Dipartimento di Matematica, Università degli Studi di Milano 4 Aprile 2011 L. Albergante (Univ. of Milan) PSO 4 Aprile 2011
Problema del Commesso Viaggiatore
M. Monaci - Problema del Commesso Viaggiatore 1 Problema del Commesso Viaggiatore Michele Monaci Dipartimento di Ingegneria dell Informazione, Università di Padova Viale Gradenigo, 6/A - 35131 - Padova
PSPACE completezza. Un linguaggio A è PSPACE completo se. 1. A è in PSPACE, cioè esiste una TM T che accetta A con complessità di spazio polinomiale.
Sommario Il problema della verità per formule booleane pienamente quantificate è PSPACE - completo PSPACE come la classe dei giochi. Il gioco geografico generalizzato è PSPACE - completo 1 PSPACE completezza