Scheduling on Unrelated Parallel Machines

Σχετικά έγγραφα
Approximation Algorithms for the k-median problem

Ασκήσεις στους Γράφους. 2 ο Σετ Ασκήσεων. Δέντρα

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

Multicut and Integer Multicomodity Flow in Trees (chap. 18) Αγγελής Γιώργος

Ακέραιος Γραµµικός Προγραµµατισµός

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

Ακέραιος Γραµµικός Προγραµµατισµός

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό

d(v) = 3 S. q(g \ S) S

q(g \ S ) = q(g \ S) S + d = S.

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

Κεφάλαιο 5ο: Ακέραιος προγραμματισμός

Τομές Γραφήματος. Γράφημα (μη κατευθυνόμενο) Συνάρτηση βάρους ακμών. Τομή : Διαμέριση του συνόλου των κόμβων σε δύο μη κενά σύνολα

Γραμμικός Προγραμματισμός

Προβλήματα Εκχώρησης (Assignment Problems)

Θεωρία Γραφημάτων 6η Διάλεξη

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

Θεωρία Γραφημάτων 5η Διάλεξη

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

Ακέραιος Γραμμικός Προγραμματισμός

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων

Μορφές αποδείξεων Υπάρχουν πολλά είδη αποδείξεων. Εδώ θα δούμε τα πιο κοινά: Εξαντλητική μέθοδος ή μέθοδος επισκόπησης. Οταν το πρόβλημα έχει πεπερασμ

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Θεωρία Γραφημάτων 5η Διάλεξη

Άλγεβρα Α Λυκείου Κεφάλαιο 2ο. οι πράξεις και οι ιδιότητές τους

Γραµµικός Προγραµµατισµός (ΓΠ)

Θεωρία Γραφημάτων 10η Διάλεξη

Μάθημα Επιλογής 8 ου εξαμήνου

ΚΕΦΑΛΑΙΟ 4. Ακέραια Πολύεδρα

ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ Λ03Β ΑΛΓΟΡΙΘΜΟΙ ΔΙΚΤΥΩΝ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ ΦΛΕΒΑΡΗΣ 2004

Μέθοδοι Βελτιστοποίησης

Ανοικτά επιχειρηματικά μοντέλα στην πράξη. Εισαγωγή στο Business model canvas Σ.Καπετανάκης 1/2/2014

ΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ

Υπερπροσαρμογή (Overfitting) (1)

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

u v 4 w G 2 G 1 u v w x y z 4

Διάλεξη 7: X Y Σχήμα 7.2: Παράδειγμα για το Πόρισμα 7.2, όπου: 1 = {1, 2, 5}, 2 = {1, 2, 3}, 3 = {4}, 4 = {1, 3, 4}. Θ

Ακέραιος Γραμμικός Προγραμματισμός

Πίνακες Διασποράς. Χρησιμοποιούμε ένα πίνακα διασποράς T και μια συνάρτηση διασποράς h. Ένα στοιχείο με κλειδί k αποθηκεύεται στη θέση

Κεφάλαιο 5 Ανάλυση Αλγορίθμων

έντρα ιδάσκοντες:. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο

S A : N G (S) N G (S) + d S d + d = S

Θεωρία Αποφάσεων και Βελτιστοποίηση

Θεωρία Γραφημάτων 11η Διάλεξη

Ακέραιος Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός

ΑΙΚΑΤΕΡΙΝΗ-ΠΑΝΑΓΙΩΤΑ ΣΤΟΥΚΑ ΝΙΚΟΛΑΟΣ ΛΑΜΠΡΟΥ. μπλ 2014

ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών

Ασκήσεις μελέτης της 8 ης διάλεξης

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων

Προσεγγιστικοί Αλγόριθμοι

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 2: Μαθηματικό Υπόβαθρο

χ(k n ) = n χ(c 5 ) = 3

Εισαγωγή στους Αλγορίθμους

2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Graph Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Καούρη Γεωργία Μήτσου Βάλια

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ Κεφάλαιο 7 ο Τι πρέπει να έχουμε υπ όψιν μας για την επιλογή της κατάλληλης γλώσσας προγραμματισμού;

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

για NP-Δύσκολα Προβλήματα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Πρόβλημα Αντιστοιχήσεως

Προβλήµατα Μεταφορών (Transportation)

MEM 253. Αριθμητική Λύση ΜΔΕ * * *

Υπολογιστική Γεωμετρία

Ταιριάσματα. Γράφημα. Ταίριασμα (matching) τέτοιο ώστε κάθε κορυφή να εμφανίζεται σε το πολύ μια ακμή του

Αριθμητική Ανάλυση και Εφαρμογές

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

P. Chretienne, E. Coffman, J. Lenstra, Z. Liu Scheduling Theory and its Applications John Wiley & Sons, New York, (1995)

Θεωρία Υπολογισμού και Πολυπλοκότητα Ασυμφραστικές Γλώσσες (3)

Προβλήματα Μεταφορών (Transportation)

HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems

Θεωρία Γραφημάτων 9η Διάλεξη

ΑΚΕΡΑΙΟΣ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Επιχειρησιακή Έρευνα I

4.2 ΕΥΚΛΕΙΔΕΙΑ ΔΙΑΙΡΕΣΗ

ΑΣΚΗΣΗ 1 Για τις ερωτήσεις 1-4 θεωρήσατε τον ακόλουθο γράφο. Ποιές από τις παρακάτω προτάσεις αληθεύουν και ποιές όχι;

Θεωρία Αποφάσεων και Βελτιστοποίηση

Δυϊκότητα. Δημήτρης Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο

Το Πρόβλημα Μεταφοράς

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

E(G) 2(k 1) = 2k 3.

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

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

e 2 S F = [V (H), V (H)]. 3-1 e 1 e 3

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

3η Σειρά Γραπτών Ασκήσεων

Επίπεδα Γραφήματα (planar graphs)

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

( ) x 1 1. cone( (10.1) ( ) x ) := D (10.2) D Ax b 0 Ax 0 b. i λ i 1

Θεωρία Γραφημάτων 8η Διάλεξη

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

m 1 min f = x ij 0 (8.4) b j (8.5) a i = 1

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

z 1 E(G) 2(k 1) = 2k 3. x z 2 H 1 H 2

Μοντελοποίηση προβληµάτων

Γραμμικός Προγραμματισμός

Transcript:

Scheduling on Unrelated Parallel Machines

Problem Formulation Given a set J of jobs, a set M of machines, and for each j J and i M, pij Z+, is the time taken to process job j on machine i, the problem is to schedule the jobs on the machines so as to minimize the makespan, i.e., the maximum processing time of any machine. We denote the number of jobs by n and the number of machines by m The machines are unrelated Δεν υπάρχει κάποια συσχέτιση μεταξύ των χρόνων εκτέλεσης μιας εργασίας σε διαφορετικές μηχανές Some special cases: identical machines and uniform machines admit a PTAS

Identical Machines Κάθε εργασία απαιτεί τον ίδιο χρόνο επεξεργασίας σε κάθε μηχανή Uniform Machines Ο χρόνος επεξεργασίας μιας εργασίας j σε μια μηχανή i is pij = pj/si όπου si είναι the ταχύτητα επεξεργασίας της μηχανής i

Τεχνικές Γραμμικού Προγραμματισμού για προσεγγιστικές λύσεις LP Rounding μετατροπή της fractional (ρητής) λύσης σε ακέραια προσπαθώντας να μην απέχει πολύ η ακέραια από τη fractional (ρητή). Parametric Pruning

Διατύπωση προβλήματος ως ένα Γραμμικό Πρόγραμμα Click to edit Master text styles Second level Third level Fourth level Fifth level Κάθε εργασία ανατίθεται σε μια μηχανή. Ο χρόνος επεξεργασίας μιας μηχανής δεν ξεπερνά το t. Xij είναι οι μεταβλητές κατάδειξης του ΓΠ (δείχνουν αν η εργασία j έχει ανατεθεί στη μηχανή i)

Μη φραγμένο integrality gap Παράδειγμα 17.2 Υποθέτουμε ότι έχουμε μια εργασία με χρόνο εκτέλεσης m σε κάθεμια από τις m μηχανές. Οπότε το makespan είναι m. Αν λύσουμε το γενικευμένο ΓΠ (0 xij 1) προκύπτει ότι η βέλτιστη λύση είναι η ανάθεση σε βαθμό 1/m της εργασίας αυτής σε κάθε μηχανή. Οπότε η βέλτιστη λύση είναι 1 και το integrality gap είναι m. (unbounded) Για να αντιμετωπίσουμε το πρόβλημα αυτό μπορούμε να εισάγουμε ένα επιπλέον περιορισμό Αυτός όμως δεν είναι γραμμικός περιορισμός.

Χρησιμοποιώντας parametric pruninig Click to edit Master text styles Second level Third level Fourth level Fifth level (1) (2) (3) Για κάθε τιμή της παραμέτρου Τ αναζητούμε μια εφικτή ρητή λύση του γραμμικού προγράμματος όπου το makespan να είναι μικρότερο ή ίσο του Τ. (makespan T)

Ελάχιστη τιμή του Τ Βρίσκοντας με δυαδική αναζήτηση την ελάχιστη τιμή του Τ για την οποία το γραμμικό πρόγραμμα έχει μια εθικτή ρητή λύση αποκτούμε κι ένα κάτω φράγμα για τη βέλτιστη λύση του ακέραιου προβλήματος. (αν όχι, τότε θα υπήρχε και μικρότερη τιμή για το Τ) Στην πραγματικότητα η λύση αυτή δεν απέχει πολύ από τη βέλτιστη αφού υπάρχει αλγόριθμός 2-προσεγγιστικός αξιοποιώντας τη λύση αυτή κάνοντας LP-rounding.

Ιδιότητες ακραίων λύσεων του ΓΠ Λήμμα 17.3 Κάθε ακραία λύση του LP(T) αποτελείται από το πολύ n+m μη μηδενικές μεταβλητές. (n: αριθμός εργασιών, m: αριθμός μηχανών) Αποδ. Έστω r = ST o αριθμός των μεταβλητών στις οποίες ορίζεται το LP(T). Μια εθικτή λύση για το LP(T) είναι ακραία λύση ανν εξισώνονται r γραμμικά ανεξάρτητοι περιορισμοί του LP(T). Τουλάχιστον r-(n+m) επιλέγονται από το 3ο είδος περιορισμών. Επομένως τουλάχιστον r- (n+m) μεταβλητές τίθενται ίσες με το μηδέν. Άρα μια ακραία λύση έχει το πολύ n+m μη μηδενικές μεταβλητές.

Ιδιότητες ακραίων λύσεων του ΓΠ Σε κάθε ακραία λύση τουλάχιστον n-m εργασίες (integrally set) απασχολούν εξ ολοκλήρου μια μηχανή, η καθεμιά τους. Αποδ. Έστω ότι α και β είναι ο αριθμός των εργασιών οι οποίες τίθενται integrally και fractionally σε κάποιες μηχανές. Για τις fractionally set εργασίες απασχολούν 2 ή παραπάνω μηχανές. Οπότε α +β = n και α+2β n+m. Άρα β m και a n-m.

Ορισμός Γράφου για το ΓΠ G = (J,M,E) ένας διμερής γράφος στο J U M όπου (i,j) είναι ακμή του Ε ανν xij 0. Αν F είναι οι fractionally set jobs τότε Η είναι o υπογράφος του G ορισμένος στο F U M. Μια αντιστοίχιση στον H καλείται ως τέλεια εάν αντιστοιχίζει κάθε εργασία που ανήκει στο F σε μια μηχανή που ανήκει στο Μ. (i,j) είναι ακμή του γράφου Η ανν 0< Xij< 1

Αλγόριθμος 2-προσεγγιστικός Click to edit Master text styles Second level Third level Fourth level Fifth level α είναι το makespan του greedy schedule όπου κάθε εργασία επιλέγει τη μηχανή στην οποία εκτελείται συντομότερα

Ο γράφος G είναι pseudo-forest Ένας συνδεδεμένος γράφος στο V είναι ψευδο-δέντρο αν έχει το πολύ V ακμές. Ψευδο-δάσος κάθε συνεκτική του συνιστώσα είναι ψευδο-δέντρο. Θα δείξουμε ότι ο αριθμός των ακμών του G σε κάθε του συνεκτική συνιστώσα είναι το πολύ V. Θεωρούμε μια συνεκτική συνιστώσα Gc. Περιορίζουμε το LP(T) στις εργασίες και τις μηχανές της Gc κι έτσι ορίζουμε το LPc(T) με την λύση Χc. Έστω ότι Χc(συμπλ.) αφορά τις υπόλοιπες μεταβλητές του Χ. Παρατηρούμε ότι το Χc είναι κι αυτό ακραία λύση στο LPc(T). Εάν δεν ίσχυε το παραπάνω τότε το Xc θα ήταν κυρτός συνδυασμός 2 εθικτών λύσεων του LPc(T). Καθεμιά από αυτές μαζί με το Χc (συμπλ.) συγκροτούν μια εθικτή λύση για το LP(T). Επομένως το X είναι κυρτός συνδυασμός 2 εθικτών λύσεων για το LP(T) που οδηγεί σε άτοπο. Χρησιμοποιώντας το Λήμμα 17.3, το Gc έχει το πολύ n+m μη μηδενικές μεταβλητές (ακμές στο γράφο Gc), επόμένως είναι ένα ψευδο-δέντρο.

Λήμμα 17.7 Ο γράφος Η έχει μια τέλεια αντιστοίχιση. Απόδ. Κάθε εργασία που είναι integrally set έχει ακριβώς μια προσπίπτουσα ακμή στο γράφο G. Αν αφαιρέσουμε αυτές τις ακμές μαζί με τις αντίστοιχες εργασίες προκύπτει ο γράφος Η που ορίζεται πάνω στις fractionally set εργασίες. Ο γράφος Η είναι επίσης pseudo-forest. (αφού αφαιρέσαμε ίδιο αριθμό ακμών και κόμβων από το G.) Στον Η κάθε εργασία έχει βαθμό το λιγότερο 2. Έτσι όλα τα φύλλα του H είναι μηχανές. Αν συνεχίσουμε να αντιστοιχίζουμε τα εναπομείναντα φύλλα με τις προσπίπτουσες εργασίες και να τα αφαιρούμε από το γράφο (φύλλα κι αντίστοιχες εργασίες) τότε τελικά θα μείνει ένας γράφος που θα αποτελείται από άρτιους κύκλους (αφού ξεκινήσαμε από ένα διμερή γράφο). Ταιριάζουμε εναλλάξ τις ακμές του κύκλου κι έχουμε μια τέλεια αντιστοίχιση για το Η.

Απόδειξη για το λόγο προσέγγισης Έστω ότι Χ είναι μια βέλτιστη ακραία λύση για το LP(T*). Τότε το makespan(x) T* OPT. Αν περιοριστούμε στις εργασίες που είναι integrally set στις μηχανές τότε το makespan (Χint) T*. Για κάθε ακμή του H ισχύει ότι pij T* Η τέλεια αντιστοίχιση στο Η αναθέτει το πολύ μια επιπλέον εργασία σε κάθε μηχανή. Συνεπώς makespan (Χ) Τ*+max(pij) 2Τ* 2OPT.