Ακέραιος Γραµµικός Προγραµµατισµός

Σχετικά έγγραφα
Ακέραιος Γραµµικός Προγραµµατισµός

Βασικές έννοιες και ορισµοί. Ευθεία

Βασικές έννοιες και ορισµοί. Ευθεία

Μοντελοποίηση προβληµάτων

Θεωρία Αποφάσεων και Βελτιστοποίηση

Θεωρία Αποφάσεων και Βελτιστοποίηση

Αξιολόγηση Ευριστικών Αλγορίθµων

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

Simplex µε πίνακες Simplex µε πίνακες

max c 1 x 1 + c 2 x c n x n υπό a 11 x 1 + a 12 x a 1n x n b 1 a 21 x 1 + a 22 x a 2n x n b 2 a m1 x 1 + a m2 x a mn x n b m

Εισαγωγή. Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση. υϊσµός

Κεφάλαιο 5ο: Ακέραιος προγραμματισμός

Λυμένες ασκήσεις στα πλαίσια του μαθήματος «Διοίκηση Εφοδιαστικής Αλυσίδας»

Γραμμικός Προγραμματισμός

Γενικευµένη Simplex Γενικευµένη Simplex

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

Branch and Bound. Branch and Bound

Αλγόριθμοι Προσέγγισης για NP-Δύσκολα Προβλήματα

Προσεγγιστικοί Αλγόριθμοι

για NP-Δύσκολα Προβλήματα

ΚΕΦΑΛΑΙΟ 4. Ακέραια Πολύεδρα

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

Τμήμα Διοίκησης Επιχειρήσεων

Γραμμικός Προγραμματισμός

Θεωρία Παιγνίων και Αποφάσεων. Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος. Ε. Μαρκάκης. Επικ. Καθηγητής

Αλγόριθµοι και Πολυπλοκότητα

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

Ο Αλγόριθµος της Simplex

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων

Μη Ντετερμινισμός και NP-Πληρότητα

Τμήμα Διοίκησης Επιχειρήσεων

NP-πληρότητα. Λεωνίδας Παληός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων

Εξαντλητική Απαρίθµηση

ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ IΟΥΝΙΟΥ 2015

Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)

Επιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα)Επαναληπτικές µέθοδοι και 31 Μαρτίου Ηµι-Επαναληπτικές Μέθοδο / 17

Υπολογιστική Πολυπλοκότητα

z = c 1 x 1 + c 2 x c n x n

Προσεγγιστικοί Αλγόριθμοι

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

Επιχειρησιακή Έρευνα I

Αλγόριθμοι και Πολυπλοκότητα

Ακέραιος Γραμμικός Προγραμματισμός

Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Ακέραιος Γραμμικός Προγραμματισμός

Μέθοδοι Βελτιστοποίησης

Scheduling on Unrelated Parallel Machines

2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Κεφάλαιο 1. Πέντε Αντιπροσωπευτικά Προβλήματα. Έκδοση 1.4, 30/10/2014. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Επιχειρησιακή Έρευνα I

Συνδυαστική Βελτιστοποίηση Σημειώσεις. Β. Ζησιμόπουλος

Προσεγγιστικά Σχήµατα για Προβλήµατα Χρονοδροµολόγησης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ 26 ΙΟΥΛΙΟΥ 2009 ΕΥΤΕΡΟ ΜΕΡΟΣ :

Μοντέλα Διανομής και Δικτύων

Κατευθυνόµενα γραφήµατα. Στοιχεία Θεωρίας Γραφηµάτων (1) Πολυγραφήµατα (Multigraphs)

Αλγόριθµοι και Πολυπλοκότητα

Θεωρία παραγωγού. Μικροοικονομική Θεωρία Ι / Διάλεξη 11 / Φ. Κουραντή 1

Επίλυση Προβληµάτων µε Greedy Αλγόριθµους

Κουτσιούμπας Αχιλλέας U. Adamy, C. Ambuehl, R. Anand, T. Erlebach

Υπολογιστική Πολυπλοκότητα

Ανάλυση ευαισθησίας. Άσκηση 3 Δίνεται ο παρακάτω τελικός πίνακας Simplex. Επιχειρησιακή Έρευνα Γκόγκος Χρήστος

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017

Ακέραιος Γραμμικός Προγραμματισμός

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING)

ΚΕΦΑΛΑΙΟ 4 ΤΟ ΕΡΓΑΛΕΙΟ SOLVER

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

Στοιχεία Θεωρίας Γραφηµάτων (1)

Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

Προσεγγιστικοί Αλγόριθμοι

Προβλήµατα Μεταφορών (Transportation)

Επιχειρησιακή Έρευνα I

Προβλήματα Μεταφορών (Transportation)

(S k R n ) (C k R m )

Κεφάλαιο 6. Μέθοδοι επίλυσης προβλημάτων ακέραιου προγραμματισμού

Πρόβληµα Μεταφοράς ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Επιχειρησιακή Έρευνα

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 3 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ: ΤΕΧΝΙΚΕΣ ΜΟΝΤΕΛΟΠΟΙΗΣΗΣ ΜΕΘΟ ΟΙ ΕΠΙΛΥΣΗΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ. Αντώνης Οικονόµου ηµήτρης Καγιούλης Ιγνάτιος Χάρος ΕΠΙΣΚΟΠΗΣΗ

ΔΥΣΚΟΛΙΑ ΣΤΗΝ ΠΡΟΣΕΓΓΙΣΙΜΟΤΗΤΑ

Αλγόριθµοι και Πολυπλοκότητα

Μάθημα Επιλογής 8 ου εξαμήνου

Επιχειρησιακή έρευνα (ασκήσεις)

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

Εφαρμογές Επιχειρησιακής Έρευνας. Δρ. Γεώργιος Κ.Δ. Σαχαρίδης

Αλγόριθµοι Προσέγγισης για NP- ύσκολα Προβλήµατα

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

max 17x x 2 υπό 10x 1 + 7x 2 40 x 1 + x 2 5 x 1, x 2 0.

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιµότητα. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX


Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές

Άσκηση 21. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Προσδιοριστικές Μέθοδοι Επιχειρησιακής Έρευνας Πολυκριτήριος Γραμμικός Προγραμματισμός (Goal Programming)

Transcript:

Μέγιστο Ανεξάρτητο Σύνολο

Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες

Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Επίλυση : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Θεωρία Γράφων Γραµµικό Ακέραιο Πρόγραµµα Χαλάρωση (προσεγγιστική λύση) Μέθοδοι ακέραιου γραµµικού προγραµµατισµού

Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Επίλυση : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Θεωρία Γράφων Γραµµικό Ακέραιο Πρόγραµµα Χαλάρωση (προσεγγιστική λύση) Μέθοδοι ακέραιου γραµµικού προγραµµατισµού Γενίκευση κόστους ανάλογα µε την εφαρµογή

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Πρόβληµα ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των κόµβων V V ώστε u, v V : [u, v] / E.

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Πρόβληµα ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των κόµβων V V ώστε u, v V : [u, v] / E. Βέλτιστη Λύση Μια ϐέλτιστη λύση V είναι µέγιστη ως προς το πληθάριθµο : V = arg max V 2 V V

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού:

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά Περιορισµοί : x i + x j 1 για κάθε [v i, v j ] E

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά Περιορισµοί : x i + x j 1 για κάθε [v i, v j ] E Αντικειµενική Συνάρτηση : Μεγιστοποίησε τη ποσότητα n i=1 x i

Μέγιστο Ανεξάρτητο Σύνολο (Παράδειγµα 1) Γράφος G(V, E), V = {V 1, V 2, V 3, V 4, V 5, V 6 } V 2 V 6 V 1 V 3 V 5 V 4

Μέγιστο Ανεξάρτητο Σύνολο (Παράδειγµα 1) max z = x 1 + x 2 + x 3 + x 4 + x 5 + x 6 s.t. x 1 + x 2 1 x 1 + x 3 1 x 1 + x 4 1 x 1 + x 5 1 x 1 + x 6 1 x 1, x 2, x 3, x 4, x 5, x 6 {0, 1}

Μέγιστο Ανεξάρτητο Σύνολο (Παράδειγµα 2) Γράφος G(V, E), V = {V 1, V 2, V 3 } V 1 V 2 V 3

Μέγιστο Ανεξάρτητο Σύνολο (Παράδειγµα 2) max z = x 1 + x 2 + x 3 s.t. x 1 + x 2 1 x 1 + x 3 1 x 2 + x 3 1 x 1, x 2, x 3 {0, 1}

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση µε Πίνακες) Πίνακας πρόσπτωσης Εστω γράφος G(V, E) µε V = n και E = m Ορίζουµε { τον m n πίνακα πρόσπτωσης A ως εξής : 1 αν j ei a ij = 0 διαφορετικά

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση µε Πίνακες) Πίνακας πρόσπτωσης Εστω γράφος G(V, E) µε V = n και E = m Ορίζουµε { τον m n πίνακα πρόσπτωσης A ως εξής : 1 αν j ei a ij = 0 διαφορετικά Για το παράδειγµα 2 : v 1 v 2 v 3 e 1 1 1 0 Α= e 2 1 0 1 e 3 0 1 1

Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση µε Πίνακες) Θέτουµε x = x 1.. x n πρόβληµα γίνεται : max z =1 t n x s.t. A x 1 m x i {0, 1}, 1 n = 1. 1 και 1 m = 1. 1. Το γραµµικό

Βεβαρηµένο Μέγιστο Ανεξάρτητο Σύνολο Στο πρόβληµα του Βεβαρηµένου Μεγίστου Ανεξάρτητου Συνόλου (Weighted Maximum Independent Set) έχουµε ένα ϐάρος c i για κάθε κόµβο v i.

Βεβαρηµένο Μέγιστο Ανεξάρτητο Σύνολο Στο πρόβληµα του Βεβαρηµένου Μεγίστου Ανεξάρτητου Συνόλου (Weighted Maximum Independent Set) έχουµε ένα ϐάρος c i για κάθε κόµβο v i. n Η αντικειµενική συνάρτηση αλλάζει σε max z = c i x i i=1

Βεβαρηµένο Μέγιστο Ανεξάρτητο Σύνολο Στο πρόβληµα του Βεβαρηµένου Μεγίστου Ανεξάρτητου Συνόλου (Weighted Maximum Independent Set) έχουµε ένα ϐάρος c i για κάθε κόµβο v i. n Η αντικειµενική συνάρτηση αλλάζει σε max z = c i x i (Το πρόβληµα Μεγίστου Ανεξάρτητου Συνόλου είναι µια ειδική περίπτωση όπου i : c i = 1) i=1

Βεβαρηµένο Μέγιστο Ανεξάρτητο Σύνολο Στο πρόβληµα του Βεβαρηµένου Μεγίστου Ανεξάρτητου Συνόλου (Weighted Maximum Independent Set) έχουµε ένα ϐάρος c i για κάθε κόµβο v i. n Η αντικειµενική συνάρτηση αλλάζει σε max z = c i x i (Το πρόβληµα Μεγίστου Ανεξάρτητου Συνόλου είναι µια ειδική περίπτωση όπου i : c i = 1) Η µοντελοποίηση µε πίνακες : max z =c t x s.t. Ax 1 x i {0, 1} όπου c t = [ c 1... c n ] i=1

Ελάχιστη Κοµβική Επικάλυψη Εφαρµογές : Επίβλεψη χώρων Εγκατάσταση εξυπηρετητών Λήψη ϕωτογραφιών από δορυφόρους

Ελάχιστη Κοµβική Επικάλυψη Εφαρµογές : Επίλυση : Επίβλεψη χώρων Εγκατάσταση εξυπηρετητών Λήψη ϕωτογραφιών από δορυφόρους Θεωρία Γράφων Γραµµικό Ακέραιο Πρόγραµµα Χαλάρωση (προσεγγιστική λύση) Μέθοδοι ακέραιου γραµµικού προγραµµατισµού

Ελάχιστη Κοµβική Επικάλυψη Εφαρµογές : Επίλυση : Επίβλεψη χώρων Εγκατάσταση εξυπηρετητών Λήψη ϕωτογραφιών από δορυφόρους Θεωρία Γράφων Γραµµικό Ακέραιο Πρόγραµµα Χαλάρωση (προσεγγιστική λύση) Μέθοδοι ακέραιου γραµµικού προγραµµατισµού Γενίκευση κόστους ανάλογα µε την εφαρµογή

Ελάχιστη Κοµβική επικάλυψη (Μοντελοποίηση) Πρόβληµα ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των κόµβων V V ώστε [u, v] E : u V v V.

Ελάχιστη Κοµβική επικάλυψη (Μοντελοποίηση) Πρόβληµα ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των κόµβων V V ώστε [u, v] E : u V v V. Βέλτιστη Λύση Μια ϐέλτιστη λύση V είναι ελάχιστη ως προς το πληθάριθµο : V = arg min V 2 V V.

Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού:

Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά

Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά Περιορισµοί: x i + x j 1 για κάθε [v i, v j ] E

Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά Περιορισµοί: x i + x j 1 για κάθε [v i, v j ] E Αντικειµενική Συνάρτηση : Ελαχιστοποίησε τη ποσότητα n i=1 x i

Ελάχιστη Κοµβική Επικάλυψη (Παραδείγµατα) Γράφος G(V, E), V = {V 1, V 2, V 3, V 4 } V 3 V 1 V 4 V 2

Ελάχιστη Κοµβική Επικάλυψη (Παραδείγµατα) min w = x 1 + x 2 + x 3 + x 4 s.t. x 1 + x 3 1 x 1 + x 2 1 x 2 + x 3 1 x 3 + x 4 1 x 1, x 2, x 3, x 4 {0, 1}

Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση µε Πίνακες) Το γραµµικό πρόβληµα µε χρήση πινάκων γίνεται : min w =1 t x s.t. Ax 1 x i {0, 1}

Βεβαρηµένη Ελάχιστη Κοµβική Επικάλυψη Στο πρόβληµα της Βεβαρηµένης Ελάχιστης Κοµβικής Επικάλυψης (Weighted Vertex Cover) έχουµε πάλι ϐάρη στους κόµβους και στοχεύουµε στην ελαχιστοποίηση της ποσότητας n min w = c i x i i=1

Βεβαρηµένη Ελάχιστη Κοµβική Επικάλυψη Στο πρόβληµα της Βεβαρηµένης Ελάχιστης Κοµβικής Επικάλυψης (Weighted Vertex Cover) έχουµε πάλι ϐάρη στους κόµβους και στοχεύουµε στην ελαχιστοποίηση της ποσότητας n min w = c i x i i=1 Η µοντελοποίηση µε πίνακες : min w =c t x s.t. Ax 1 x i {0, 1} όπου c t = [ c 1... c n ]

Σχέση Ελάχιστης Κοµβικής Επικάλυψης -Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 1 Εστω µια εφικτή λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου : Η λύση 1 x είναι µια εφικτή λύση της Ελάχιστης Κοµβικής Επικάλυψης.

Σχέση Ελάχιστης Κοµβικής Επικάλυψης -Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 1 Εστω µια εφικτή λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου : Η λύση 1 x είναι µια εφικτή λύση της Ελάχιστης Κοµβικής Επικάλυψης. Απόδειξη Ax 1 Ax A1 1 A1

Σχέση Ελάχιστης Κοµβικής Επικάλυψης -Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 1 Εστω µια εφικτή λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου : Η λύση 1 x είναι µια εφικτή λύση της Ελάχιστης Κοµβικής Επικάλυψης. Απόδειξη Ax 1 Ax A1 1 A1 αφού κάθε γραµµή του πίνακα A έχει ακριβώς δύο στοιχεία ίσον µε 1 και τα υπόλοιπα µηδέν : A1 = 2

Σχέση Ελάχιστης Κοµβικής Επικάλυψης -Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 1 Εστω µια εφικτή λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου : Η λύση 1 x είναι µια εφικτή λύση της Ελάχιστης Κοµβικής Επικάλυψης. Απόδειξη Ax 1 Ax A1 1 A1 αφού κάθε γραµµή του πίνακα A έχει ακριβώς δύο στοιχεία ίσον µε 1 και τα υπόλοιπα µηδέν : A1 = 2 A(x 1) 1 A(1 x ) 1

Σχέση Ελάχιστης Κοµβικής Επικάλυψησ-Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 2 Εστω µια ϐέλτιστη λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου: Η λύση 1 x είναι µια ϐέλτιστη λύση της Ελάχιστης Κοµβικής Επικάλυψης.

Σχέση Ελάχιστης Κοµβικής Επικάλυψησ-Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 2 Εστω µια ϐέλτιστη λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου: Η λύση 1 x είναι µια ϐέλτιστη λύση της Ελάχιστης Κοµβικής Επικάλυψης. Απόδειξη n i=1 n i=1 n i=1 x i (1 x i ) x i n i=1 n i=1 x i x i n (1 x i ) i=1

Αλλα Προβλήµατα Ελάχιστη Επικάλυψη ακµών ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των ακµών E E ώστε v V : e E : v e. Η Αντικειµενική Συνάρτηση σκοπεύει στην ελαχιστοποίηση του πληθάριθµο αριθµού E.

Αλλα Προβλήµατα Ελάχιστος Χρωµατισµός Γράφων ίνεται γράφος G(V, E) Μία εφικτή λύση είναι µια ανάθεση χρωµάτων Color : V C έτσι ώστε [u, v] E :Color(v) Color(u). Η Αντικειµενική Συνάρτηση σκοπεύει στην ελαχιστοποίηση του αριθµού των διαφορετικών χρωµάτων που ανατίθενται στους κόµβους.

Ασκήσεις 1 Να µοντελοποιηθεί το πρόβληµα της Ελάχιστης Επικάλυψης Ακµών ως πρόβληµα Ακέραιου Γραµµικού Προγραµµατισµού.

Ασκήσεις 1 Να µοντελοποιηθεί το πρόβληµα της Ελάχιστης Επικάλυψης Ακµών ως πρόβληµα Ακέραιου Γραµµικού Προγραµµατισµού. 2 Να µοντελοποιηθεί το πρόβληµα του Ελάχιστου Χρωµατισµού Γράφων ως πρόβληµα Ακέραιου Γραµµικού Προγραµµατισµού.