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

Σχετικά έγγραφα
Αλγόριθμοι Προσέγγισης για NP-Δύσκολα Προβλήματα

Υπολογιστική Πολυπλοκότητα

για NP-Δύσκολα Προβλήματα

Υπολογιστική Πολυπλοκότητα

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

Κλάσεις Πολυπλοκότητας

Κατανεμημένα Συστήματα Ι

ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ Λ03Β ΑΛΓΟΡΙΘΜΟΙ ΔΙΚΤΥΩΝ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ ΦΛΕΒΑΡΗΣ 2004

HY118-Διακριτά Μαθηματικά. Θεωρία γράφων/ γραφήματα. Τι έχουμε δει μέχρι τώρα. Ισομορφισμός γράφων: Μία σχέση ισοδυναμίας μεταξύ γράφων.

HY118-Διακριτά Μαθηματικά. Θεωρία γράφων / γραφήματα. Τι έχουμε δει μέχρι τώρα. Υπογράφημα. 24 -Γράφοι

HY118- ιακριτά Μαθηµατικά. Θεωρία γράφων / γραφήµατα. Τι έχουµε δει µέχρι τώρα. Υπογράφηµα Γράφοι

Προσεγγιστικοί Αλγόριθμοι

Εισαγωγή στην Επιστήμη των Υπολογιστών

HY118-Διακριτά Μαθηματικά

Πολυπλοκότητα. Παράμετροι της αποδοτικότητας ενός αλγόριθμου: Χρόνος εκτέλεσης. Απαιτούμενοι πόροι, π.χ. μνήμη, εύρος ζώνης. Προσπάθεια υλοποίησης

Προσεγγιστικοί Αλγόριθμοι

Τυχαιότητα (Randomness) I

Δρομολόγηση Και Πολύχρωματισμός. Γραφημάτων ΚΑΡΑΓΕΩΡΓΟΣ ΤΙΜΟΘΕΟΣ Α.Μ 1026

HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems

Ακέραιος Γραµµικός Προγραµµατισµός

Αλγόριθµοι και Πολυπλοκότητα

Λύσεις 4ης Σειράς Ασκήσεων

Ακέραιος Γραµµικός Προγραµµατισµός

ΔΥΣΚΟΛΙΑ ΣΤΗΝ ΠΡΟΣΕΓΓΙΣΙΜΟΤΗΤΑ

Εισαγωγή στην Επιστήμη των Υπολογιστών

Chapter 7, 8 : Completeness

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

Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα

4η Γραπτή Ασκηση Αλγόριθμοι και Πολυπλοκότητα CoReLab ΣΗΜΜΥ 3/2/2019 CoReLab (ΣΗΜΜΥ) 4η Γραπτή Ασκηση 3/2/ / 37

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

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

ΠΛΕ075: Προηγμένη Σχεδίαση Αλγορίθμων και Δομών Δεδομένων. Λουκάς Γεωργιάδης

Γράφοι: κατευθυνόμενοι και μη

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

Υπολογιστική Πολυπλοκότητα Εξέταση Ιουνίου 2017 Σελ. 1 από 5

Δομές Δεδομένων & Αλγόριθμοι

Φροντιστήριο 11 Λύσεις

Θεωρία Γραφημάτων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Παύλος Εφραιμίδης V1.1,

4η Γραπτή Ασκηση Αλγόριθμοι και Πολυπλοκότητα CoReLab ΣΗΜΜΥ 7 Φεβρουαρίου 2017 CoReLab (ΣΗΜΜΥ) 4η Γραπτή Ασκηση 7 Φεβρουαρίου / 38

3η Σειρά Γραπτών Ασκήσεων

ΑΙΚΑΤΕΡΙΝΗ-ΠΑΝΑΓΙΩΤΑ ΣΤΟΥΚΑ ΝΙΚΟΛΑΟΣ ΛΑΜΠΡΟΥ. μπλ 2014

Αλγόριθμοι Ταξινόμησης Μέρος 4

Επίπεδα Γραφήματα : Προβλήματα και Υπολογιστική Πολυπλοκότητα

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου

Σειρά Προβλημάτων 5 Λύσεις

Ασκήσεις Επανάληψης. Επανάληψη Εαρινό Εξάμηνο 2019 Σελίδα 1

Θεωρία Υπολογισμού και Πολυπλοκότητα

Ενότητα 5: Αλγόριθμοι γράφων και δικτύων

(a 1, b 1 ) (a 2, b 2 ) = (a 1 a 2, b 1 b 2 ).

Maximal Independent Set

Ασκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1

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

Επίλυση 1 ης Εργασίας. Παραδόθηκαν: 11/12 15%

Θεωρία Παιγνίων και Αποφάσεων. Ενότητα 8: Δημοπρασίες. Ε. Μαρκάκης. Επικ. Καθηγητής

ΘΕΜΑ 1: Αλγόριθμος Ford-Fulkerson

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

Αλγόριθμοι και Πολυπλοκότητα

Chapter 9: NP-Complete Problems

Σειρά Προβλημάτων 5 Λύσεις

Αλγόριθμοι και πολυπλοκότητα: 4 η σειρά ασκήσεων ΣΗΜΜΥ - Ε.Μ.Π.

Γραμμικός Προγραμματισμός

3η Σειρά Γραπτών Ασκήσεων

Αλγόριθμοι και Πολυπλοκότητα

HY118-Διακριτά Μαθηματικά. Θεωρία γράφων/ γραφήματα. Τι είδαμε την προηγούμενη φορά. Συνεκτικότητα. 25 -Γράφοι

Προσεγγιστικοί Αλγόριθμοι

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση

Σειρά Προβλημάτων 5 Λύσεις

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

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

ΣΥΝΕΚΤΙΚΟΤΗΤΑ ΓΡΑΦΗΜΑΤΩΝ

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

Αλγοριθμικές Τεχνικές. Brute Force. Διαίρει και Βασίλευε. Παράδειγμα MergeSort. Παράδειγμα. Τεχνικές Σχεδιασμού Αλγορίθμων

Chapter 7, 8 : Time, Space Complexity

Κατανεμημένα Συστήματα Ι

Γράφοι. Ένας γράφος ή αλλιώς γράφηµα αποτελείται απο. Εφαρµογές: Τηλεπικοινωνιακά και Οδικά ίκτυα, Ηλεκτρονικά Κυκλώµατα, Β.. κ.ά.

Επίλυση Προβλημάτων 1

Αλγοριθμικές Τεχνικές

Φροντιστήριο #8 Ασκήσεις σε Γράφους 16/5/2017

Φροντιστήριο #8 Ασκήσεις σε Γράφους 24/5/2016

HY118-Διακριτά Μαθηματικά. Τι είδαμε την προηγούμενη φορά. Θεωρία γράφων / γραφήματα. 25 -Γράφοι. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017

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

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

Αλγόριθµοι Προσέγγισης για NP- ύσκολα Προβλήµατα

Το πρόβλημα μονοδρόμησης (The One-Way Street Problem)

Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες)

Πληροφοριακά Συστήματα Διοίκησης. Επισκόπηση μοντέλων λήψης αποφάσεων Τεχνικές Μαθηματικού Προγραμματισμού

Φροντιστήριο #9 Λυμένες Ασκήσεις σε Γράφους

ILP-Feasibility conp

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 18: Χρονική και Χωρική Πολυπλοκότητα

Μέθοδοι Βελτιστοποίησης

OPTICAL WAVELENGTH ROUTING ON DIRECTED FIBER TREES

HY118-Διακριτά Μαθηματικά

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. 1 ο ΚΕΦΑΛΑΙΟ

Τι είναι αλγόριθμος; Υποπρογράμματα (υποαλγόριθμοι) Βασικές αλγοριθμικές δομές

Ορισμένες Κατηγορίες Αλγορίθμων

Σειρά Προβλημάτων 1 Λύσεις

Τεχνητή Νοημοσύνη. 2η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Επίλυση Προβληµάτων µε Greedy Αλγόριθµους

Σειρά Προβλημάτων 5 Λύσεις

Transcript:

Κουτσιούμπας Αχιλλέας ΕΛΕΓΧΟΣ ΚΛΗΣΕΩΝ ΣΕ ΑΚΤΥΛΙΟ U. Adamy, C. Ambuehl, R. Anand, T. Erlebach ΜΠΛΑ 1

Δομή παρουσίασης Γενικά Ορισμός προβλήματος Σχετιζόμενη δουλειά Εισαγωγικά Αλγόριθμος Παράδειγμα εκτέλεσης Υπολογισμός χρονικής πολυπλοκότητας ΜΠΛΑ 2

Γενικά: Το πρόβλημα ελέγχου κλήσεων είναι ένα σπουδαίο πρόβλημα βελτιστοποίησης το οποίο αντιμετωπίζεται στο σχεδιασμό και στη λειτουργία των τηλεπικοινωνιακών δικτύων. Στόχος του είναι: για δεδομένο δακτύλιο με συγκεκριμένες χωρητικότητες ακμών και σύνολο μονοπατιών να βρεθεί το μέγιστης πληθικότητας υποσύνολο μονοπατιών έτσι ώστε καμία χωρητικότητα ακμών να μήν παραβιάζεται. Εδώ θα δοθεί πολυωνυμικού χρόνου αλγόριθμος για μια optimal λύση. ΜΠΛΑ 3

Ο αλγόριθμος βασίζεται σε διαδικασία απόφασης που ελέγχει αν υπάρχει λύση με τουλάχιστον κ μονοπάτια. Η λύση αυτή υλοποιείται με μια επαναληπτική greedy προσέγγιση. Θα δείξουμε ότι ο αλγόριθμος είναι αποδοτικός αφού θα χρησιμοποιήσουμε έναν γραμμικού χρόνου αλγόριθμο για να λύσουμε το πρόβλημα ελέγχου κλήσεων σε αλυσίδες optimally. ΜΠΛΑ 4

Ορισμός Προβλήματος Ένα στιγμιότυπο του προβλήματος δίνεται: σε ένα μη κατευθυνόμενο γράφο (V,E) με χωρητικότητες ακμών c : E N και ένα σύνολο P από m μονοπάτια στο (V,E) ΜΠΛΑ 5

Μονοπάτια: είναι οι αιτήσεις σύνδεσης των οποίων η αποδοχή απαιτεί την εξασφάλιση μιας συχνότητας σε όλες τις ακμές του μονοπατιού. Εφικτή λύση: είναι σύνολο Q P τέτοια ώστε για κάθε ακμή eεε ο αριθμός των μονοπατιών στο Q να περιέχει ακμές e που να είναι το πολύ c(e). Ένα τέτοιο σετ μονοπατιών ονομάζεται εφικτό σετ μονοπατιών και τα μονοπάτια ονομάζονται αποδεκτά ΜΠΛΑ 6

Ο αντικειμενικός σκοπός είναι να μεγιστοποιήσουμε τον αριθμό των αποδεκτών μονοπατιών. Εάν μιλούσαμε για Ο.W.D.M. δίκτυα δακτυλίων με w μήκη κύματος που έχουν μετατροπέα κύματος σε τουλάχιστον ένα κόμβο μπορεί να μοντελοποιηθεί ως έλεγχος κλήσεων με όλες τις χωρητικότητες ακμών ίσες με w. Επιπλέον πρέπει να σημειωθεί ότι αν μιλούσαμε για on-line επίλυση του αλγορίθμου θα σήμαινε ότι οι αιτήσεις εμφανίζονται μία προς μια και ο αλγόριθμος πρέπει να δεχθεί και να απορρίψει καθεμία αίτηση χωρίς να γνωρίζει μελλοντικές αιτήσεις ΜΠΛΑ 7

O off-line αλγόριθμος ελέγχου κλήσεων χρειάζεται: a) στο δίκτυο για τη φάση του σχεδιασμού όπου θεωρούμε γνωστή την υποψήφια τοπολογία δικτύου με τις δυνατότητες σύνδεσης επίσης γνωστές και κάποιος θέλει να ξέρει πόσες από τις προβλεπόμενες αιτήσεις δρομολόγησης θα ικανοποιηθούν από το δίκτυο b) είναι χρήσιμος στο σενάριο που υποστηρίζει προκαταβολικά κρατήσεις συνδέσεων γιατί έτσι είναι δυνατόν να συλλέξει έναν αριθμό από αιτήσεις κράτησης πριν διεξαχθεί ο έλεγχος εισόδου για ολόκληρη την παρτίδα αιτήσεων και ΜΠΛΑ 8

c) τέλος ένας optimal off-line αλγόριθμος είναι χρήσιμος ως σημείο αναφοράς για αξιολόγηση άλλων off-line ή on-line ελέγχου κλήσεων στρατηγικών. ΜΠΛΑ 9

Σχετιζόμενη δουλειά a) Γράφοι συγκρούσεων μονοπατιών σε δακτύλιο μπορούν να αναγνωριστούν αποδοτικά. b) Για δεδομένο δακτύλιο το πρόβλημα του max independent set και το πρόβλημα της max clique μπορεί να υπολογιστεί σε πολυωνυμικό χρόνο. c) Ο χρωματισμός δακτυλίου με minimum αριθμό χρωμάτων είναι NP-hard. d) Ένας χρωματισμός με το πολύ w χρώματα υπάρχει και μπορεί να υπολογιστεί αποδοτικά με w τη maximum κλίκα του γράφου. ΜΠΛΑ 10

Εισαγωγικά ΜΠΛΑ 11

ΜΠΛΑ 12

ΜΠΛΑ 13

ΜΠΛΑ 14

ΜΠΛΑ 15

ΜΠΛΑ 16

ΜΠΛΑ 17

ΜΠΛΑ 18

Αλγόριθμος Σκοπός του αλγορίθμου να βρει το maximum μέγεθος εφικτού υποσυνόλου μονοπατιών στο P. Ο αλγόριθμος φτιάχνει την αλυσίδα 2n ακμών Ταξινομεί τα μονοπάτια στο P σύμφωνα με τη greedy διάταξη Η καρδιά του αλγορίθμου είναι μια διαδικασία απόφασης ώστε με δοσμένη παράμετρο κ να αποφασίζει αν υπάρχει εφικτή λύση Q μεγέθους κ ή όχι. ΜΠΛΑ 19

Προφανώς το maximum κ μπορεί να βρεθεί με μερικές επαναλήψεις αυτής της διαδικασίας Η διαδικασία απόφασης κάνει χρήση του greedy αλγορίθμου. Εάν προσθέτοντας το υπόψην μονοπάτι δεν υπερβαίνει κανένα περιορισμό χωρητικότητας ακμών το μονοπάτι γίνεται δεκτό και οι χωρητικότητες των ακμών μειώνονται ανάλογα αλλιώς απορρίπτεται. ΜΠΛΑ 20

Περιγραφή διαδικασίας απόφασης a) Ξεκινάμε με άδειο προφίλ b) Η διαδικασία απόφασης δουλεύει με επαναλήψεις Σε κάθε επανάληψη υπολογίζει μια greedy λύση κ μονοπατιών για δοσμένο προφίλ ως εξής: Ξεκινά με χωρητικότητες ακμών c(ei) και αφαιρεί τις τιμές προφίλ από τις αρχικές χωρητικότητες από τις ακμές στο πρώτο αντίγραφο αφού αυτές είναι κατειλλημένες από το προφίλ. c) Μετά ξεκινά να βάζει κ μονοπάτια χρησιμοποιώντας το greedy αλγόριθμο. ΜΠΛΑ 21

d) Εάν της διαδικασίας τελειώσουν τα μονοπάτια πριν επιλέξει κ από αυτά τότε δεν υπάρχει εφικτή λύση μεγέθους κ Απαντά όχι και σταματά Αλλιώς έστω Qi το υποψήφιο σύνολο κ επιλεγμένων μονοπατιών στην i-οστή επανάληψη. Από κατασκευής το σύνολο Qi είναι chain-feasible για το αρχικό προφίλ αλλά όχι απαραίτητα επιλύσιμο για δακτύλιο αφού οι ουρές των επιλεγμένων P2 μονοπατιών μαζί με τα επιλεγμένα μονοπάτια του P1 μπορούν να παραβιάσουν περιορισμούς χωρητικότητας. ΜΠΛΑ 22

e) Στο τέλος της i-οστής επανάληψης η διαδικασία συγκρίνει το προφίλ Qi με το προφίλ της προηγούμενης επανάληψης. Εάν είναι ίσα τότε: τα μονοπάτια του Qi είναι αποδεκτή λύση μεγέθος κ. f) Η διαδικασία τυπώνει Qi απαντά ναι και σταματά αλλιώς η διαδικασία χρησιμοποιεί το Qi ως αφετηρία της i+ 1 επανάληψης. Τα προφίλ των επιλεγμένων με τη μέθοδο greedy Qi λειτουργούν ως lower bound για εφικτή λύση με την έννοια ότι δεν υπάρχει εφικτή λύση με μικρότερο προφιλ. ΜΠΛΑ 23

Παράδειγμα εφαρμογής p6 p5 5 e4 4 e5 e3 0 3 e0 e2 2 11 e1 p1 p2 p4 p3 Έστω χωρητικότητες c(ei) = 2 Ρωτάμε για κ = 4 Σχήμα 1. ΜΠΛΑ 24

Τα μονοπάτια θα εξεταστούν με τη σειρά του σχήματος 2. (greedy διάταξη) p1 p2 Σχήμα 2. p4 p6 p3 p5 0 11 2 3 4 5 0 11 2 3 4 5 ΜΠΛΑ 25

Αρχικά τα p1 και p2 γίνονται δεκτά ενώ τα p3 και p4 απορρίπτονται γιατί προφανώς παραβιάζουν τα όρια χωρητικότητας. Τα {p5,p6} γίνονται και τα δύο δεκτά Και Q1 = {p1,p2,p5,p6} Το προφίλ του Q1 είναι 2 για e0 1 για e1 0 αλλού. Η Q1 δεν είναι εφικτή λύση γιατί L(Q1,e0) = 3 > c(e0) p1 p2 Σχήμα 3. p6 p5 0 11 2 3 4 5 0 11 2 3 4 5 ΜΠΛΑ 26

Η διαδικασία ξεκινά δεύτερη επανάληψη με προφιλ Q1 ως αρχικό προφίλ.σε αυτήν την επανάληψη η διαδικασία αποδέχεται τα μονοπάτια Q2 = { p1,p3,p5,p6} Το p2 απορρίπτεται γιατί οι ακμές e0, e1 γεμίζουν με το προφίλ Q1 και το μονοπάτι p1.το p4 απορρίπτεται. Το προφίλ Q2 είναι 2 για e0 1 για e1 0 αλλού αφού πq1 = πq2 η Q2 είναι εφικτή λύση μεγέθους 4. Η διαδικασία σταματά. p1 p3 p6 p5 Σχήμα 4. 0 11 2 3 4 5 0 11 2 3 4 5 ΜΠΛΑ 27

Υπολογισμός Χρονικής Πολυπλοκότητας ΜΠΛΑ 28

Βελτίωση χρόνου ΜΠΛΑ 29