13
Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 1 Heuristické optimalizačné procesy Prototypové problémy [email protected] http://neuron.tuke.sk/~machm Február, 2013

Heuristick é optimalizačné procesy

  • Upload
    blake

  • View
    54

  • Download
    0

Embed Size (px)

DESCRIPTION

Heuristick é optimalizačné procesy. Prototypové problémy Marian.Mach @ tuke.sk http ://neuron.tuke.sk/~machm Febru ár , 2013. SAT – problém splniteľnosti. je daná formula vo výrokovej logike riešením je mapovanie logických hodnôt na výrokové premenné, pri ktorom je - PowerPoint PPT Presentation

Citation preview

Page 1: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 1

Heuristické optimalizačné procesy

Prototypové problémy

[email protected]://neuron.tuke.sk/~machm

Február, 2013

Page 2: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 2

SAT – problém splniteľnosti

je daná formula vo výrokovej logike riešením je mapovanie logických hodnôt na

výrokové premenné, pri ktorom je formula považovaná za pravdivú

prototyp kombinatorického priradzovania

Page 3: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 3

SAT – formálne vyjadrenie

syntax konštanty: C = {┬, ┴} premenné: V = {xi | i = 1,…,n} operátory: O = {¬, Λ, V, →, ↔} tvorba formúl

┬, ┴, xi ¬F, F1ΛF2, F1VF2

sémantika (pri mapovaní a) Val(┬,a)= ┬, Val(xi,a)=a(xi), Val(¬F,a)=¬Val(F,a) model formuly CNF = ekvivalencia/reštrikcia

k-CNF

Page 4: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 4

SAT - charakteristika

veľkosť inštancie: n (počet premenných) veľkosť priestoru:

2n kandidátov = úplné priradenie 3n kandidátov = úplné aj parciálne priradenie

typ problému rozhodovací problém

hľadací variant = hľadanie modelu počet podmienok: 1, viac

optimalizačný problém – tvar MAXSAT

Page 5: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 5

SAT - príklad

F =

(¬x1 V x2)

Λ (¬x2 V x1)

Λ (¬x1 V ¬x2 V ¬x3)

Λ (x1 V x2)

Λ (¬x4 V x3)

Λ (¬x5 V x3)

Page 6: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 6

TSP – problém obchodného cestujúceho

interpretácia: predstava obchodného cestujúceho abstraktná formulácia:

daný graf s váženými hranami orientovaný – asymetrický TSP neorientovaný – symetrický TSP

úlohou je nájsť Hamiltonovský cyklus s minimálnou váhou

prototyp kombinatorického usporiadania

Page 7: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 7

TSP – formálne vyjadrenie

hranovo vážený graf G={V, E, w} E = podmnožina VxV w: E → R+

cesta (v1, v2, …, vk) cyklus, Hamiltonovský cyklus

váha cesty w(v1, v2, …, vk) = w(v1, v2) + … + w(vk-1, vk)

kompletnosť grafu nekompletný → kompletný

Page 8: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 8

TSP - charakteristika

veľkosť inštancie: n (počet vrcholov) veľkosť priestoru:

n! / 2n (pre úplný graf)

typ problému kombinovaný problém

cieľová funkcia – dĺžka cyklickej cesty podmienka – cyklus je Hamiltonovský

Page 9: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 9

TSP - príklad

v1

v3

v4v5

v2

Page 10: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 10

GC – farbenie grafov

abstraktná formulácia: daný neorientovaný graf úlohou je zafarbiť každý uzol jednou farbou tak, aby dva uzly, spojené hranou, boli zafarbené rôznymi farbami

prototyp kombinatorického zoskupovania

Page 11: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 11

GC – formálne vyjadrenie

hranovo neorientovaný graf G={V, E} V = {v1, v2, …, vn} E = podmnožina VxV

mapovanie a: V → {1,2,…,k}, k < n (u,v) je z V → a(u) ≠ a(v)

riešenia s permutovanými farbami sú izomorfnými riešeniami

Page 12: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 12

GC - charakteristika

veľkosť inštancie: n (počet vrcholov) veľkosť priestoru:

kn (k = maximálny možný počet farieb)

typ problému rozhodovací – k-farbenie

podmienka – rôznosť farieb susedných vrcholov kombinovaný – nájsť chromatické číslo

cieľová funkcia – počet použitých farieb podmienka – rôznosť farieb susedných vrcholov

Page 13: Heuristick é  optimalizačné procesy

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 13

GC - príklad

v1

v3 v6

v4

v5v2