Branch and Bound Das Verfahren zur Lösung von IP-Problemen

Slides:



Advertisements
Ähnliche Präsentationen
Entscheidungsunterstützungssysteme -
Advertisements

Christian Scheideler SS 2009
PG Air Seminararbeit März 2002 Jürgen Wieners
Fachdidaktik Seminar – Kernideen der Mathematik
Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
Algorithmus für die Palettierung
Algorithmische Anwendung
WS 05/06Automatische Akquisition linguistischen Wissens1 Partielles Wissen erweitern 1.Zusammenhang mit bisherigen Algorithmen 2.Vom offensichtlichen zum.
Die 1-Baum-Relaxation des TSP mit der Subgradientenmethode
Wie lösen wir ILPs exakt?
The Dynamic Single File Allocation Problem
Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen
Verifizieren versus Berechnen
Algorithmen und Komplexität
Einsatz von Excel zur Lösung von Optimierungsaufgaben
Anwendung und Visual Basic
Objektorientierter Entwurf (OOD) Teil 3: Qualitätsmodell
Informierte Suche.
Spielbäume Richard Göbel.
FH-Hof Künstliche Intelligenz - Suchbäume Richard Göbel.
Motivation Richard Göbel.
Algorithmentheorie 6 – Greedy-Verfahren
Prof.Dr.S. Albers Prof. Dr. Th. Ottmann
1WS 06/07 Organisatorisches 1.Vorlesung am Montag, : 9-11 Uhr in Gebäude 106, Raum Podcasts: Probleme mit der Videoqualität sind behoben.
Dynamische Programmierung (2) Matrixkettenprodukt
Prinzipien des Algorithmenentwurfs Backtracking Prof. Dr. Th. Ottmann
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (10 - Suchverfahren) T. Lauer.
WS Algorithmentheorie 08 – Dynamische Programmierung (2) Matrixkettenprodukt Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Algorithmentheorie 7 – Bin Packing
Seminar parallele Programmierung SS 2003
Ganzzahligkeit in LP-Modellen
High Performance = Innovative Computer Systems + Efficient Algorithms Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen.
Algorithmen und Komplexität
Christian Schindelhauer
Minimum Spanning Tree: MST
PowerPoint-Folien zur 7. Vorlesung „Evolutionsstrategie II“
Teil II: Informierte Suche
Konzeption und Realisierung von DSS
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung 1 SS 2001 Algorithmus von Dijkstra.
Operations Research Rundreiseaufgaben Marc Schwärzli SS 2011.
Entstehung & Einflüsse Ideen, Wünsche, eigene Überlegungen bisheriges Dateisystem Einschrän- kungen: - technisch - zeitlich - fachlich Literatur, ältere.
Computational Thinking Online Algorithmen [Was ist es wert, die Zukunft zu kennen?] Kurt Mehlhorn Konstantinos Panagiotou.
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
Christian Scheideler Institut für Informatik Universität Paderborn
Analyse von Ablaufdiagrammen
Algorithmen und Datenstrukturen Übungsmodul 3
BuFaTa ET – AK Grundlagen. Arbeitskreise (AKs) Wichtigste Inhalt der BuFaTa ET Verschiedener Art Austausch AKs Brainstorming AKs Problemlösungs-AKs Arbeits-Aks.
Das Traveling Salesman Problem (TSP)
Management, Führung & Kommunikation
IntelliVideo1 / 25 IntelliVideo Der intelligente Videorekorder.
Optimierungs- Algorithmen
Der A*-Algorithmus.
Gliederung der Vorlesung
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Theory of Programming Prof. Dr. W. Reisig Was heißt „Korrektheit“? W. Reisig Workshop Modellierung Hamburg, März 2015.
Programmiersprachen II Fortsetzung Datenstrukturen Balancierte Bäume 1 Prof. Dr. Reiner Güttler Fachbereich GIS HTW.
CL Tree MW 31.1 Business Intelligence Wintersemester 2015 / 2016 Stanislav Prokupetz.
Seminar Softwareproduktlinien Domänenspezifische Sprachen Sascha Draffehn von.
gesucht ist die Geradengleichung
 Präsentation transkript:

Branch and Bound Das Verfahren zur Lösung von IP-Problemen Idee * Entscheidungsbaum * Lösungen Branch and Bound 1

Branching = Verzweigen Eine sinnvolle Verzweigung muss ein im Prinzip in einfacher zu lösende Probleme erfolgen. Beim Verzweigen durch Problemteilung darf keine relevante Lösung verloren gehen. Branch and Bound 2

Bounding = Beschränken Für Max-Probleme sucht man obere Schranken Für Min-Probleme untere Schranken Das relaxierte Problem liefert immer eine obere bzw. untere Schränke Branch and Bound 3

Entscheidungsbaum Branch and Bound 4

FC1: L(LPj) = Ø → L(IPj) = Ø Abbruchkriterien (1) FC1: L(LPj) = Ø → L(IPj) = Ø FC2: Lösung des LPj ist schlechter als die beste bisher bekannte Lösung des IP: zj ≤ zlfd FC3: Falls die Lösung von LPj eine Lösung des IPj ist, wird geprüft, ob sie besser ist als die beste bekannte Losung: zj > zlfd → zlfd*= zj Branch and Bound 5

Abbruchkriterien (2) Branch and Bound 6

Branch and Bound – Beispiel LP0

B&B – Graph LP0 Branch and Bound 8

B&B – LP11 und LP12 Branch and Bound 9

B&B – Graph LP11 und LP12 Branch and Bound 10

B&B – Baumtiefe 1 Branch and Bound 11

B&B – Graph LP21 und LP22 Branch and Bound 12

B&B – Baumtiefe 2 FC1 Branch and Bound 13

B&B – Grph LP31 und LP 32 Branch and Bound 14

B&B – Baumtiefe 3 FC1 FC3 Branch and Bound 15

B&B – Graph LP41 und LP42 Branch and Bound 16

B&B – Vollständiger Entscheidungsbaum Branch and Bound 17

…es wurde nachgewiesen, dass die Lösung wirklich optimal ist. B&B – Problemlösung Da alle Knoten abgearbeitet sind, ist die gesuchte Lösung erreicht und … …es wurde nachgewiesen, dass die Lösung wirklich optimal ist. Branching: Grundsätzlich auch in mehr als einen Knoten möglich. Alle so erzeugten Knoten kommen in die sog. Kandidatenliste. Bounding: An dieser Stelle können alle Hilfsmittel eingesetzt werden, um eine möglichst Schranke zu berechnen. Branch and Bound 18

B&B – Vor- und Nachteile Anbindung an den LP-Modul Gestaltungsfreiheit des Baumbaus Heuristische Unterstützung Verwendbarkeit der Lösung bei Abbruch Hoher Speicheraufwand Hoher Rechenaufwand Veränderliche Problemgröße Branch and Bound 19