traveling salesman problem

Slides:



Advertisements
Ähnliche Präsentationen
Algorithmen und Datenstrukturen
Advertisements

Anzahl der ausgefüllten und eingesandten Fragebögen: 211
Vorlesung: 1 Betriebliche Informationssysteme 2003 Prof. Dr. G. Hellberg Studiengang Informatik FHDW Vorlesung: Betriebliche Informationssysteme Teil3.
Metallbauer/in – FR: Konstruktionstechnik
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
LS 2 / Informatik Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Projekt zur Evaluation, Reaktivierung vorhandener Kenntnisse und Festigung des Arbeitens mit Größen im Mathematikunterricht mit Schülern der 7. Klassen.
Telefonnummer.
Die 1-Baum-Relaxation des TSP mit der Subgradientenmethode
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Wie lösen wir ILPs exakt?
Verifizieren versus Berechnen
1 JIM-Studie 2010 Jugend, Information, (Multi-)Media Landesanstalt für Kommunikation Baden-Württemberg (LFK) Landeszentrale für Medien und Kommunikation.
Sortierverfahren Richard Göbel.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Rechneraufbau & Rechnerstrukturen, Folie 2.1 © W. Oberschelp, G. Vossen W. Oberschelp G. Vossen Kapitel 2.
Mh9S170Nr6 a. x1= –9; x2 = 1 b. x1= –4; x2 = 1 c. x1= 1; x2 = 2 d. leer e. x1= –15; x2 = 4,2 f. x1= –3,53; x2 = 1,28 g. leer h. x1= 0,2; x2 = 2 i. x1=
Internet facts 2009-IV Grafiken zu dem Berichtsband AGOF e.V. März 2010.
Internet facts 2008-II Graphiken zu dem Berichtsband AGOF e.V. September 2008.
Vorlesung: 1 Betriebliche Informationssysteme 2003 Prof. Dr. G. Hellberg Studiengang Informatik FHDW Vorlesung: Betriebliche Informationssysteme Teil2.
High Performance = Innovative Computer Systems + Efficient Algorithms Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen.
Algorithmen und Komplexität
Differentielles Paar UIN rds gm UIN
Prof. Dr. Bernhard Wasmayr
Zählen, ohne zu zählen.
Studienverlauf im Ausländerstudium
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Prof. Dr. Bernhard Wasmayr VWL 2. Semester
AWA 2007 Natur und Umwelt Natürlich Leben
Prof. Dr. Günter Gerhardinger Soziale Arbeit mit Einzelnen und Familien Übersicht über die Lehrveranstaltung Grundlegende Bestimmungsfaktoren der Praxis.
20:00.
Zusatzfolien zu B-Bäumen
Eine Einführung in die CD-ROM
Kennst du die Hauptstädte? Wähle einen Kontinent aus!
Operations Research Rundreiseaufgaben Marc Schwärzli SS 2011.
Wir üben die Malsätzchen
Syntaxanalyse Bottom-Up und LR(0)
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
Addieren und Subtrahieren von Dezimalzahlen
TOPOGRAPHIE EUROPAS LERNKONTROLLE
Das entscheidende Kriterium ist Schönheit; für häßliche Mathematik ist auf dieser Welt kein beständiger Platz. Hardy.
Der Ablauf eines Clear Rex Klärzyklus
PROCAM Score Alter (Jahre)
Ertragsteuern, 5. Auflage Christiana Djanani, Gernot Brähler, Christian Lösel, Andreas Krenzin © UVK Verlagsgesellschaft mbH, Konstanz und München 2012.
Geometrische Aufgaben
Eine lllustration der Herausforderungen des Stromsystems der Zukunft
Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms II
Gleichungen mit einer Variablen lösen
Symmetrische Blockchiffren DES – der Data Encryption Standard
Primarschule Raron 5. Klasse
Puzzles und Mathematik
Zahlentheorie und Zahlenspiele Hartmut Menzer, Ingo Althöfer ISBN: © 2014 Oldenbourg Wissenschaftsverlag GmbH Abbildungsübersicht / List.
MINDREADER Ein magisch - interaktives Erlebnis mit ENZO PAOLO
Bevölkerungsentwicklung und –struktur der Stadt Bozen
Parkplatz-Orga Diese Version ist vom finale Version!
Zusammengestellt von OE3DSB
Folie Beispiel für eine Einzelauswertung der Gemeindedaten (fiktive Daten)
Das Traveling Salesman Problem (TSP)
Dokumentation der Umfrage BR P2.t Ergebnisse in Prozent n= 502 telefonische CATI-Interviews, repräsentativ für die Linzer Bevölkerung ab 18 Jahre;
Technische Frage Technische Frage Bitte löse die folgende Gleichung:
Unternehmensbewertung Thomas Hering ISBN: © 2014 Oldenbourg Wissenschaftsverlag GmbH Abbildungsübersicht / List of Figures Tabellenübersicht.
Forschungsprojekt Statistik 2013 „Jugend zählt“ – Folie 1 Statistik 2013 „Jugend zählt“: Daten zur Arbeit mit Kindern und Jugendlichen.
Folie Einzelauswertung der Gemeindedaten
Analyse der Laufzeit von Algorithmen
Datum:17. Dezember 2014 Thema:IFRS Update zum Jahresende – die Neuerungen im Überblick Referent:Eberhard Grötzner, EMA ® Anlass:12. Arbeitskreis Internationale.
1 Medienpädagogischer Forschungsverbund Südwest KIM-Studie 2014 Landesanstalt für Kommunikation Baden-Württemberg (LFK) Landeszentrale für Medien und Kommunikation.
Optimierungs- Algorithmen
 Präsentation transkript:

traveling salesman problem ZIP-Methode Kombinatorischer Ansatz einer optimalen Lösung symmetrischer Rundreiseprobleme

traveling salesman problem Ziel: Vorstellung eines kombinatorischen Lösungsansatzes des Rundreiseproblems Voraussetzungen: Kenntnisse der vier Grundrechenarten etwas Geduld mit dem Vortragenden ....

traveling salesman problem Anlass: Fachschullehrbuch: Mathematik für Wirtschaftswissenschaften Verlag die Wirtschaft, Berlin (DDR), 1983 - darin: Rundreiseproblem S. 418ff.

Agenda das Rundreiseproblem bisherige Lösungen neue Überlegungen Beispiel mit 6 Knoten Beispiel mit 10 Knoten Beispiel mit 26 Knoten (Ergebnisse) Schlussfolgerungen und Ausblick

das Rundreiseproblem das Rundreiseproblem bisherige Lösungen neue Überlegungen Beispiel mit 6 Knoten Beispiel mit 10 Knoten Beispiel mit 26 Knoten (Ergebnisse) Schlussfolgerungen und Ausblick

das Rundreiseproblem Formulierung des Rundreiseproblems: Gesucht wird die kürzeste Entfernung zwischen n verschiedenen Orten. Dabei soll jeder Ort nur einmal aufgesucht werden und die Rundreise wieder im Ausgangsort enden.

das Rundreiseproblem graphentheoretische Beschreibung: Graph G Knoten xi Kante u(xi,xj) bzw. u<xi,xj> Knotengrad Komponenten eines Graphs Teilgraph eines Graphs (Kantenteilgraph) Graphfamilie und Mächtigkeit

das Rundreiseproblem Laufindexe: Kurz-Schreibweise einer Kante: i = Laufindex des Anfangsknoten xi j = Laufindex des Endknoten xj k = Laufindex des Platzes einer Kante innerhalb eines Graphen Kurz-Schreibweise einer Kante: u(ij)  i-j (Beispiel: u(2;4)  2-4) f(i-j) = Ausprägung der Kante; (z.B.: Länge)

das Rundreiseproblem kleinster Graph: Problem ist nicht die Berechnung des einzelnen Graphen, sondern die mit wachsenden n Knoten um je eine Fakultät ansteigenden Zahl der Graphen. |G| = n ! bei beliebigem Anfangsknoten |G| = (n-1)! , wenn Anfangsknoten x1 ist. |G| = (n-1)! /2 bei Symmetrie

bisherige Lösungen das Rundreiseproblem bisherige Lösungen neue Überlegungen Beispiel mit 6 Knoten Beispiel mit 10 Knoten Beispiel mit 26 Knoten (Ergebnisse) Schlussfolgerungen und Ausblick

bisherige Lösungen bisherige allgemeine optimale Lösungen: (grundsätzlich: Überprüfung aller Lösungen) Voll-Enumeration begrenzte Enumeration branch and bound weitere .... alle allgemeinen optimalen Lösungen nur für kleine n

bisherige Lösungen bisherige suboptimale Lösungen: viele ... viele gute ... viele gute, für die Praxis völlig ausreichend ...

bisherige Lösungen Fazit zu den bisherigen Lösungen: Soweit erkennbar, liegt das wissenschaftliche Interesse seit langem in der Entwicklung und Verbesserung von suboptimalen Lösungen, weil scheinbar optimale Lösungen erschöpfend erforscht sind.

neue Überlegungen ... das Rundreiseproblem bisherige Lösungen Beispiel mit 6 Knoten Beispiel mit 10 Knoten Beispiel mit 26 Knoten (Ergebnisse) Schlussfolgerungen und Ausblick

neue Überlegungen ... aber zuerst eine Aufgabe für Sie: Bitte schreiben Sie in beliebiger Reihenfolge die Zahlen von 1 bis 6 auf. 5 3 6 2 1 4

neue Überlegungen ... Verbindet man die Knoten, so entsteht: 1-komponentiger G mit 6 Kanten mit 6 Knoten jeder Knoten hat den Knotengrad 2 5 5 3 6 2 1 4

neue Überlegungen ... wir erinnern uns: bei n = 6  n! = 720 5 5 3 6 2 1 4

neue Überlegungen ... wir addieren nun die Werte der Kanten: dabei tritt jeder Knoten zweimal auf: 5 5 3 6 2 als Anfangsknoten einer Kante und als Endknoten einer Kante. 1 1 4 Und das ist vom Übel !

neue Überlegungen ... wenn jeder Knoten nur einmal auftritt, so entsteht aus dem ganzen Graphen: ein Teilgraph mit allen 6 Knoten, aber nur mit 3 Kanten: z.B. Kanten: 1-6, 5-3, 2-4 5 5 3 6 2 1 4

neue Überlegungen ... ... übrig bleibt ein Komplement-Teilgraph mit derselben Struktur wie der Teilgraph ! Kanten: 1-4, 2-3, 5-6 5 5 3 6 2 1 4

neue Überlegungen ... Der Graph setzt sich also zusammen: aus dem Teilgraphen mit Kanten:1-6,5-3,2-4 und dem Teilgraphen mit Kanten:1-4,2-3,5-6 5 5 3 6 2 1 4

neue Überlegungen ... Wegen derselben Struktur der Teilgraphen muss die Zahl der Knoten gradzahlig sein. (ggf. ist ein Pseudo-Knoten einzufügen.) 5 5 3 6 2 1 4

neue Überlegungen ...  f(1-6) + f(5-3) + f(2-4) Symmetrie-Regel: Der Anfangsknoten einer Kante hat den kleineren Laufindex als der Endknoten i < j:  f(1-6) + f(5-3) + f(2-4) = f(1-6) + f(3-5) + f(2-4) 5 5 3 6 2 1 4

neue Überlegungen ... Sortier-Regel: die Kanten werden nach dem Laufindex ihres Anfangsknoten sortiert. 1. Kante 2. Kante 3. Kante  f(1-6) + f(3-5) + f(2-4) = f(1-6) + f(2-4) + f(3-5) 5 5 3 6 2 1 4

neue Überlegungen ... wir erinnern uns: Bei n = 6 gibt es insgesamt 120 Graphen bzw. 60 symmetrische Graphen wieviele Teilgraphen gibt es eigentlich ? 1. Teilgraph 1 - 2 3 - 4 5 - 6 2. Teilgraph 1 - 2 3 - 5 4 - 6 3. Teilgraph 1 - 2 3 - 6 4 - 5 4. Teilgraph 1 - 3 2 - 4 5 - 6 5. Teilgraph 1 - 3 2 - 5 4 - 6 6. Teilgraph 1 - 3 2 - 6 4 - 5 7. Teilgraph 1 - 4 2 - 3 5 - 6 8. Teilgraph 1 - 4 2 - 5 3 - 6 9. Teilgraph 1 - 4 2 - 6 3 - 5 10. Teilgraph 1 - 5 2 - 3 4 - 6 11. Teilgraph 1 - 5 2 - 4 3 - 6 12. Teilgraph 1 - 5 2 - 6 3 - 4 13. Teilgraph 1 - 6 2 - 3 4 - 5 14. Teilgraph 1 - 6 2 - 4 3 - 5 15. Teilgraph 1 - 6 2 - 5 3 - 4 mehr nicht !

neue Überlegungen ... Bei Anwendung der Symmetrieregel und der Sortierregel läßt sich jeder der 120 Graphen in 2 der 15 Teilgraphen zerlegen. 1. Teilgraph 1 - 2 3 - 4 5 - 6 2. Teilgraph 1 - 2 3 - 5 4 - 6 3. Teilgraph 1 - 2 3 - 6 4 - 5 4. Teilgraph 1 - 3 2 - 4 5 - 6 5. Teilgraph 1 - 3 2 - 5 4 - 6 6. Teilgraph 1 - 3 2 - 6 4 - 5 7. Teilgraph 1 - 4 2 - 3 5 - 6 8. Teilgraph 1 - 4 2 - 5 3 - 6 9. Teilgraph 1 - 4 2 - 6 3 - 5 10. Teilgraph 1 - 5 2 - 3 4 - 6 11. Teilgraph 1 - 5 2 - 4 3 - 6 12. Teilgraph 1 - 5 2 - 6 3 - 4 13. Teilgraph 1 - 6 2 - 3 4 - 5 14. Teilgraph 1 - 6 2 - 4 3 - 5 15. Teilgraph 1 - 6 2 - 5 3 - 4 Probieren Sie es bitte an Ihrem eigenen Beispiel aus.

neue Überlegungen ... Beispiel: 1-2, 3-4, 5-6 insgesamt 8 (= 2 x 4) Wie viele Teilgraphen „passen“ zu einem Teilgraphen, d.h. bilden zusammen wieder einen Gesamt-Graphen ? Beispiel: 1-2, 3-4, 5-6 1. Teilgraph 1 - 2 3 - 4 5 - 6 2. Teilgraph 1 - 2 3 - 5 4 - 6 3. Teilgraph 1 - 2 3 - 6 4 - 5 4. Teilgraph 1 - 3 2 - 4 5 - 6 5. Teilgraph 1 - 3 2 - 5 4 - 6 6. Teilgraph 1 - 3 2 - 6 4 - 5 7. Teilgraph 1 - 4 2 - 3 5 - 6 8. Teilgraph 1 - 4 2 - 5 3 - 6 9. Teilgraph 1 - 4 2 - 6 3 - 5 10. Teilgraph 1 - 5 2 - 3 4 - 6 11. Teilgraph 1 - 5 2 - 4 3 - 6 12. Teilgraph 1 - 5 2 - 6 3 - 4 13. Teilgraph 1 - 6 2 - 3 4 - 5 14. Teilgraph 1 - 6 2 - 4 3 - 5 15. Teilgraph 1 - 6 2 - 5 3 - 4 insgesamt 8 (= 2 x 4) Nr.5, 6, 8, 9, 10, 11, 13, 14

neue Überlegungen ... Wie erhält man den kleinsten Graphen ? 1. Schritt: man ermittelt den kleinsten Teilgraphen 2. Schritt: man ermittelt den zugehörigen kleinsten Kompl.-Teilgraphen. 1. Teilgraph 1 - 2 3 - 4 5 - 6 2. Teilgraph 1 - 2 3 - 5 4 - 6 3. Teilgraph 1 - 2 3 - 6 4 - 5 4. Teilgraph 1 - 3 2 - 4 5 - 6 5. Teilgraph 1 - 3 2 - 5 4 - 6 6. Teilgraph 1 - 3 2 - 6 4 - 5 7. Teilgraph 1 - 4 2 - 3 5 - 6 8. Teilgraph 1 - 4 2 - 5 3 - 6 9. Teilgraph 1 - 4 2 - 6 3 - 5 10. Teilgraph 1 - 5 2 - 3 4 - 6 11. Teilgraph 1 - 5 2 - 4 3 - 6 12. Teilgraph 1 - 5 2 - 6 3 - 4 13. Teilgraph 1 - 6 2 - 3 4 - 5 14. Teilgraph 1 - 6 2 - 4 3 - 5 15. Teilgraph 1 - 6 2 - 5 3 - 4

neue Überlegungen ... Damit ist vielleicht der kleinste Graph gefunden ! aber nur: vielleicht!

neue Überlegungen ... Weitere Überlegungen: Der kleinste (Gesamt-)Graph setzt sich zusammen: entweder: aus den beiden gefundenen Teilgraphen (kleinster Teilgraph mit zugehörigem kleinsten Kompl.-Teilgraph) oder: aus zwei dazwischen liegenden Teilgraphen.

neue Überlegungen ... Zahlenbeispiel: kleinster Teilgraph hat die Kantenlänge: 20 der kleinste zugehörige Kompl.-Teilgraph: 40 ergibt einen Gesamtgraphen: 60 interessant sind damit nur noch die Teilgraphen mit Kantenlängen zwischen 20 und 40.

neue Überlegungen ... Zahlenbeispiel: kleinster Teilgraph hat die Kantenlänge: 20 der kleinste zugehörige Kompl.-Teilgraph: 40 ergibt einen Gesamtgraphen: 60 Außerdem: ein Gesamtgraph mit einer Kantenlänge < 60 muß mindestens aus einem Teilgraphen mit einer Kantenlänge < 30 zusammengesetzt sein.

neue Überlegungen ... Zahlenbeispiel: kleinster Teilgraph hat die Kantenlänge: 20 der kleinste zugehörige Kompl.-Teilgraph: 40 ergibt einen Gesamtgraphen: 60 d.h., nur Teilgraphen (und zugehörige Kompl.-Teilgraphen) mit Kantenlängen zwischen 20 und < 30 sind zu prüfen.

neue Überlegungen ... Zahlenbeispiel: kleinster Teilgraph hat die Kantenlänge: 20 der kleinste zugehörige Kompl.-Teilgraph: 40 ergibt einen Gesamtgraphen: 60 d.h., (a+b) < c  a und/oder b < (c/2) und a < b oder a = b  a < (c/2)

neue Überlegungen ... Weitere Iterationsschritte: (bis zur halben Kantenlänge des bisher kleinsten gefundenen Gesamt-Graphen) ausgehend vom kleinsten Teilgraphen wird jeweils der nächst größere Teilgraph mit seinem Komplement-Teilgraph überprüft, ob daraus ein kleinerer Gesamt-Graph zusammengesetzt werden kann. wenn ja, ist der neue Gesamt-Graph Ausgangswert für weitere Iterationsschritte. wenn nein, ist der kleinste Graph bereits gefunden.

Beispiel mit 6 Knoten: das Rundreiseproblem bisherige Lösungen neue Überlegungen Beispiel mit 6 Knoten Beispiel mit 10 Knoten Beispiel mit 26 Knoten (Ergebnisse) Schlussfolgerungen und Ausblick

nach 1 nach 2 nach 3 nach 4 nach 5 nach 6 Beispiel mit 6 Knoten: Gegeben seien 6 Knoten mit den zugehörigen Entfernungen: nach 1 nach 2 nach 3 nach 4 nach 5 nach 6 von 1 - 12 25 30 28 22 von 2 - 16 20 22 10 von 3 - 23 26 21 von 4 - 31 18 von 5 - 14 von 6 -

Beispiel mit 6 Knoten: Þ kleinster Graph Kleinster Teilgraph: Nr. 1 mit Kantenlänge = 49 Nr. 1.K. 2.K. 3.K. K.-Länge 1. 1 - 2 3 - 4 5 - 6 49 2. 1 - 2 3 - 5 4 - 6 56 3. 1 - 2 3 - 6 4 - 5 64 4. 1 - 3 2 - 4 5 - 6 59 5. 1 - 3 2 - 5 4 - 6 65 6. 1 - 3 2 - 6 4 - 5 66 7. 1 - 4 2 - 3 5 - 6 60 8. 1 - 4 2 - 5 3 - 6 73 9. 1 - 4 2 - 6 3 - 5 66 10. 1 - 5 2 - 3 4 - 6 62 11. 1 - 5 2 - 4 3 - 6 69 12. 1 - 5 2 - 6 3 - 4 61 13. 1 - 6 2 - 3 4 - 5 69 14. 1 - 6 2 - 4 3 - 5 68 15. 1 - 6 2 - 5 3 - 4 67 Komp.-Teilgraphen: Nr. 5, 6, 8, 9, 10, 11, 13 u.14 davon der kleinste: Nr. 10 mit Kantenlänge = 62 Länge des Graphen: 111 (49 + 62) : 2 = 55,5 Þ kleinster Graph

Beispiel mit 10 Knoten: das Rundreiseproblem - Fragestellung Problem und bisherige Lösungen neue Überlegungen Beispiel mit 6 Knoten Beispiel mit 10 Knoten Beispiel mit 26 Knoten (Ergebnisse) Schlussfolgerungen und Ausblick

Beispiel mit 10 Knoten: Entwicklung der ZIP-Formel bei n = 10: 1 · 3 · 5 · 7 · 9 = 1 · 2 · 3 · 4 · 5 · 6 · 7 · 8 · 9 ————————————— = 2 · 4 · 6 · 8 9! ————————————— = (1 · 2) · (2 · 2) · (3 · 2) · (4 · 2) 9! ————————————— = ( 1 · 2 · 3 · 4 ) · ( 2 · 2 · 2 · 2 ) 9! ————————————— = 4! · 24

Beispiel mit 10 Knoten: (n – 1)! ————————— ( n/2 – 1 ) ! · 2 n/2 - 1 davon: { ( n/2 – 1 ) ! } (Sortierregel) Teilgraph: — — — — — (Kantenzahl =n/2) 1 x 2 x 2 x 2 x 2 (Symmetrie) Anfangsknoten = x1

Beispiel mit 10 Knoten:

Beispiel mit 10 Knoten: lfd.Nr. K.-Länge 1. Kante 2.Kante 3.Kante 4.Kante 5.Kante Bemerk. min. TG 1 76 1 - 2 3 - 7 4 - 6 5 - 8 9 -10 2 77 1 - 5 2 - 9 3 - 8 4 - 6 7 -10 3 79 1 - 5 2 -10 3 - 7 4 - 6 8 - 9 4 83 1 - 5 2 - 7 3 - 8 4 - 6 9 -10 5 92 1 - 2 3 - 5 4 - 6 7 -10 8 - 9 6 93 1 - 2 3 - 9 4 - 6 5 - 8 7 -10 7 96 1 - 2 3 - 6 4 - 9 5 - 8 7 -10 8 96 1 - 8 2 - 5 3 - 7 4 - 6 9 -10 9 97 1 - 5 2 - 3 4 - 6 7 -10 8 - 9 10 100 1 - 2 3 - 6 4 - 5 7 -10 8 - 9 11 100 1 - 5 2 - 7 3 - 6 4 -10 8 - 9 min.TGkomp 12 101 1 - 8 2 - 9 3 - 5 4 - 6 7 -10 13 103 1 - 3 2 - 9 4 - 6 5 - 8 7 -10 .... Sortierung der 945 Teilgraphen nach Kantenlänge bis 945 min. TG + min.Tgkomp = 176; 176 / 2 = 88

Beispiel mit 10 Knoten: .... lfd.Nr. K.-Länge 1. Kante 2.Kante 3.Kante Bemerk. 1 76 1 - 2 3 - 7 4 - 6 5 - 8 9 -10 2 77 1 - 5 2 - 9 3 - 8 4 - 6 7 -10 3 79 1 - 5 2 -10 3 - 7 4 - 6 8 - 9 4 83 1 - 5 2 - 7 3 - 8 4 - 6 9 -10 5 92 1 - 2 3 - 5 4 - 6 7 -10 8 - 9 6 93 1 - 2 3 - 9 4 - 6 5 - 8 7 -10 7 96 1 - 2 3 - 6 4 - 9 5 - 8 7 -10 8 96 1 - 8 2 - 5 3 - 7 4 - 6 9 -10 9 97 1 - 5 2 - 3 4 - 6 7 -10 8 - 9 10 100 1 - 2 3 - 6 4 - 5 7 -10 8 - 9 11 100 1 - 5 2 - 7 3 - 6 4 -10 8 - 9 12 101 1 - 8 2 - 9 3 - 5 4 - 6 7 -10 13 103 1 - 3 2 - 9 4 - 6 5 - 8 7 -10 .... bis 945

Beispiel mit 10 Knoten: .... lfd.Nr. K.-Länge 1. Kante 2.Kante 3.Kante Bemerk. 1 76 1 - 2 3 - 7 4 - 6 5 - 8 9 -10 2 77 1 - 5 2 - 9 3 - 8 4 - 6 7 -10 3 79 1 - 5 2 -10 3 - 7 4 - 6 8 - 9 4 83 1 - 5 2 - 7 3 - 8 4 - 6 9 -10 5 92 1 - 2 3 - 5 4 - 6 7 -10 8 - 9 6 93 1 - 2 3 - 9 4 - 6 5 - 8 7 -10 7 96 1 - 2 3 - 6 4 - 9 5 - 8 7 -10 8 96 1 - 8 2 - 5 3 - 7 4 - 6 9 -10 9 97 1 - 5 2 - 3 4 - 6 7 -10 8 - 9 10 100 1 - 2 3 - 6 4 - 5 7 -10 8 - 9 11 100 1 - 5 2 - 7 3 - 6 4 -10 8 - 9 12 101 1 - 8 2 - 9 3 - 5 4 - 6 7 -10 13 103 1 - 3 2 - 9 4 - 6 5 - 8 7 -10 .... bis 945

Beispiel mit 10 Knoten: min. TG + min.Tgkomp = 175; 175 / 2 = 87,5 lfd.Nr. K.-Länge 1. Kante 2.Kante 3.Kante 4.Kante 5.Kante Bemerk. 1 76 1 - 2 3 - 7 4 - 6 5 - 8 9 -10 2 77 1 - 5 2 - 9 3 - 8 4 - 6 7 -10 3 79 1 - 5 2 -10 3 - 7 4 - 6 8 - 9 min. TG 4 83 1 - 5 2 - 7 3 - 8 4 - 6 9 -10 5 92 1 - 2 3 - 5 4 - 6 7 -10 8 - 9 6 93 1 - 2 3 - 9 4 - 6 5 - 8 7 -10 7 96 1 - 2 3 - 6 4 - 9 5 - 8 7 -10 min.TGkomp 8 96 1 - 8 2 - 5 3 - 7 4 - 6 9 -10 9 97 1 - 5 2 - 3 4 - 6 7 -10 8 - 9 10 100 1 - 2 3 - 6 4 - 5 7 -10 8 - 9 11 100 1 - 5 2 - 7 3 - 6 4 -10 8 - 9 12 101 1 - 8 2 - 9 3 - 5 4 - 6 7 -10 13 103 1 - 3 2 - 9 4 - 6 5 - 8 7 -10 .... bis 945 min. TG + min.Tgkomp = 175; 175 / 2 = 87,5

Beispiel mit 10 Knoten: .... lfd.Nr. K.-Länge 1. Kante 2.Kante 3.Kante Bemerk. 1 76 1 - 2 3 - 7 4 - 6 5 - 8 9 -10 2 77 1 - 5 2 - 9 3 - 8 4 - 6 7 -10 3 79 1 - 5 2 -10 3 - 7 4 - 6 8 - 9 opt. TG opt.TGkomp 4 83 1 - 5 2 - 7 3 - 8 4 - 6 9 -10 5 92 1 - 2 3 - 5 4 - 6 7 -10 8 - 9 6 93 1 - 2 3 - 9 4 - 6 5 - 8 7 -10 7 96 1 - 2 3 - 6 4 - 9 5 - 8 7 -10 8 96 1 - 8 2 - 5 3 - 7 4 - 6 9 -10 9 97 1 - 5 2 - 3 4 - 6 7 -10 8 - 9 10 100 1 - 2 3 - 6 4 - 5 7 -10 8 - 9 11 100 1 - 5 2 - 7 3 - 6 4 -10 8 - 9 12 101 1 - 8 2 - 9 3 - 5 4 - 6 7 -10 13 103 1 - 3 2 - 9 4 - 6 5 - 8 7 -10 .... bis 945

Beispiel mit 10 Knoten: Summe der Kantenlängen Anzahl der Teilgraphen Summe der Kantenlängen nach dem 1.Durchlauf: nur noch 11 von 945 Teilgraphen bei insgesamt 181.440 Gesamt-Graphen

Beispiel mit 10 Knoten: Von insgesamt 945 Teilgraphen scheiden beim back tracking der begrenzten Enumeration aus: Abbruch nach der 5. Kante: 0 Abbruch nach der 4. Kante: 1 Abbruch nach der 3. Kante: 3 Abbruch nach der 2. Kante: 15 Abbruch nach der 1. Kante: 105 Þ möglichst frühzeitiger Abbruch !!

Beispiel mit 10 Knoten: Beziehung zwischen Anfangsknoten und Kantenplatz: 1. Kante 2. Kante 3. Kante 4. Kante 5. Kante 1-2...1-10 2-3...2-10 3-4...3-10 4-5...4-10 5-6...5-10 oder oder oder oder 3-4...3-10 4-5...4-10 5-6...5-10 6-7...6-10 oder oder oder 5-6...5-10 6-7...6-10 7-8...7-10 oder oder oder 7-8...7-10 8-9...8-10 oder i = k für k = 1 9-10. i = k, k + 1 , ... , 2k -1 für k > 1

Beispiel mit 10 Knoten:

Beispiel mit 10 Knoten: weitere Überlegungen: Numerierungsregel (die größten Abweichungen nach vorn) Minimalkantenregel (Berechnung der noch ausstehenden kleinsten Kante für jeden einzelnen Kantenplatz; nicht mehr für alle)

Beispiel mit 10 Knoten: Beispiel: Knoten xi mit seinen 5 Kanten Minimalkantenregel Numerierungsregel

Beispiel mit 26 Knoten: das Rundreiseproblem - Fragestellung Problem und bisherige Lösungen neue Überlegungen Beispiel mit 6 Knoten Beispiel mit 10 Knoten Beispiel mit 26 Knoten (Ergebnisse) Schlussfolgerungen und Ausblick

Beispiel mit 26 Knoten: Weihnachtsrätsel: Das Institut für Rechnergestützte Wissenverarbeitung (KBS) der Universität Hannover hat 1996 als „Weihnachtsrätsel“ die Aufgabe gestellt, für 26 europäische Hauptstädte die kürzeste Rundreise zu finden. Die Aufgabe mit Lösungen finden Sie leider nicht mehr im Internet

Beispiel mit 26 Knoten: Ergebnisse: Zahl aller Graphen (25!): 15.511.210.043.330.985.984.000.000 Zahl der symm. Graphen: 7.755.605.021.665.492.992.000.000 Zahl aller Teilgraphen : 7.905.853.580.625 Ergebnisse: kl.Teilgraph + kl.Komp.-Teilgraph: 6.845 km + 9.912 km = 16.757 km heuristisch gefundener kl. Graph: 7.331 km + 8.858 km = 16.189 km davon die Hälfte : 16.189 km / 2 = 8.094 km

Beispiel mit 26 Knoten:

Beispiel mit 26 Knoten: Geographische Darstellung des opimalen Graphen 1. Amsterdam 2. Athen 3. Barcelona 4. Belgrad 5. Berlin 6. Brüssel 7. Bucarest 8. Budapest 9. Frankfurt/M 10. Genf 11. Helsinki 12. Istanbul 13. Kopenhagen 14. Lissabon 15. London 16. Madrid 17. Mailand 18. Oslo 19. Paris 20. Prag 21. Rom 22. Sofia 23. Stockholm ... 1. Lissabon 2. Helsinki 3. Madrid 4. Istanbul 5. Athen 6. Bucarest 7. Sofia 8. Stockholm 9. Oslo 10. Belgrad 11. Budapest 12. Kopenhagen 13. Rom 14. Warschau 15. Wien 16. Berlin 17. Amsterdam 18. London 19. Brüssel 20. Prag 21. Mailand 22. Zürich 23. Barcelona ... Geographische Darstellung des opimalen Graphen

Schlussfolgerungen und Ausblick das Rundreiseproblem - Fragestellung Problem und bisherige Lösungen neue Überlegungen Beispiel mit 6 Knoten Beispiel mit 10 Knoten Beispiel mit 26 Knoten (Ergebnisse) Schlussfolgerungen und Ausblick

Schlussfolgerungen diese algebraische Lösung ist offensichtlich neu das Weihnachtsrätsel mit 26 Orten ist optimal gelöst es kann gesagt werden, ob eine optimale Lösung gefunden wurde. Symmetrie wird voll ausgenutzt ..... und ...

Schlussfolgerungen bis ca. 10 Knoten (ggf. mehr) lassen sich symmetrische Graphen mit der Voll-Enumeration optimal lösen. bis ca. 30 Knoten (ggf. mehr) lassen sich symmetrische Graphen mit der begrenzten Enumeration optimal lösen. Für alle TSP-Verfahren gilt: Können bekannte Lösungen nicht nur auf Graphen sondern auch auf Teilgraphen angewandt werden, so bringt die ZIP-Methode den entscheidenden Quantensprung der rechentechnischen Vereinfachung.

Ausblick es bleibt zu prüfen, ob der neue Lösungsansatz auch auf andere Optimierungsprobleme angewandt werden kann. Alle Aspekte des neuen Lösungsansatzes sind sicherlich noch nicht geklärt und sollten weiter untersucht werden.

traveling salesman problem Vielen Dank für Ihre Aufmerksamkeit