MIP-heuristike (Matheuristike) Hibridi izmedu metaheurističkih i egzaktnih metoda Tatjana Davidović Matematički institut SANU

Слични документи
MIP-heuristike (Matheuristike) Hibridi izmedu metaheurističkih i egzaktnih metoda Tatjana Davidović Matematički institut SANU

EFIKASNO MODELIRANJE REALNIH OPTIMIZACIONIH PROBLEMA Tatjana Davidović Matematički institut SANU tanjad

УНИВЕРЗИТЕТ У НОВОМ САДУ ОБРАЗАЦ 6

Slide 1

Microsoft PowerPoint - C-4-1

P11.3 Analiza zivotnog veka, Graf smetnji

Kombinatorno testiranje

VEŽBE IZ OPERACIONIH ISTRAŽIVANJA

УНИВЕРЗИТЕТ У БЕОГРАДУ МАТЕМАТИЧКИ ФАКУЛТЕТ Бојана Ј. Лазовић Примена метода комбинаторне оптимизације за решавање проблема формирања група у настави

Računarski praktikum I - Vježbe 11 - Funktori

6-8. ČAS Celobrojno programiranje Rešavamo sledeći poblem celobrojnog programiranja: Gde pretpostavljamo da je A celobrojna matrica dimenzije,. Takođe

Programiranje 2 0. predavanje Saša Singer web.math.pmf.unizg.hr/~singer PMF Matematički odsjek, Zagreb Prog2 2019, 0. predavanje p. 1/4

Tutoring System for Distance Learning of Java Programming Language

Рачунарска интелигенција

PowerPoint Presentation

Celobrojno programiranje Rešavamo sledeći poblem celobrojnog programiranja: min c T x Ax = b x 0 x Z n Gde pretpostavljamo da je A celobrojna matrica

Teorija igara

Microsoft PowerPoint - Programski_Jezik_C_Organizacija_Izvornog_Programa_I_Greske [Compatibility Mode]

Microsoft Word - 14Celobrojno.doc

Универзитет у Београду Математички факултет Драган Д. Ђурђевић Поређење егзактних и хеуристичких метода за решавање неких оптимизационих проблема Маст

Приказ најзначајнијих научних резултата 1. Докторска дисертација Назив дисертације: "Генетски алгоритми за решавање неких НП- тешких хаб локацијских п

Konstrukcija i analiza algoritama vežbe 10 Nina Radojičić 15. decembar Algoritamske strategije - podeli pa vladaj (divide and conquer) Ova stra

Mere slicnosti

Razvoj programa, Code::Blocks, struktura programa, printf, scanf, konverzioni karakteri predavač: Nadežda Jakšić

Microsoft PowerPoint - jkoren10.ppt

VEŽBA 5: KLASE I OBJEKTI U C# Cilj ove vežbe je upoznavanje sa osnovama rada sa klasama i objektima u programskom jeziku C#. Pored toga, bide demonstr

PRIRODNO MATEMATIČKI FAKULTET U NIŠU DEPARTMAN ZA RAČUNARSKE NAUKE Utorak, godine PRIJEMNI ISPIT IZ INFORMATIKE 1. Koja od navedenih ekste

Microsoft PowerPoint - 03-Slozenost [Compatibility Mode]

Univerzitet u Novom Sadu Tehnički fakultet Mihajlo Pupin Zrenjanin Seminarski rad Predmet: Konkuretno programiranje doc. dr Dejan Lacmanovic Zorica Br

Microsoft PowerPoint - 13-Funkcije_2.ppt [Compatibility Mode]

Microsoft PowerPoint - Programski_Jezik_C_Organizacija_Izvrsnog_Programa [Compatibility Mode]

Microsoft Word - AIDA2kolokvijumRsmerResenja.doc

Microsoft PowerPoint - 07-DinamickeStrukturePodataka

Uvod u računarstvo 2+2

KDP

Problemi zadovoljavanja ogranicenja.

PASCAL UVOD 2 II razred gimnazije

Електротехнички факултет Универзитета у Београду Катедра за рачунарску технику и информатику Kолоквијум из Интелигентних система Колоквију

Algoritmi SŠ P1

Drveta odlucivanja - algoritmi

PowerPoint Presentation

Slide 1

Programiranje u C-u ili C++-u Pseudo-slučajni brojevi; Dinamička alokacija memorije 1 ZADACI SA ČASA Zadatak 1 Napraviti funkciju koja generišlučajan

1. OPĆE INFORMACIJE 1.1. Naziv kolegija Programiranje 1.6. Semestar Nositelj kolegija dr.sc. Bruno Trstenjak, v. pred Bodovna vrijednost

MergedFile

Funkcije predavač: Nadežda Jakšić

Slide 1

Matematka 1 Zadaci za vežbe Oktobar Uvod 1.1. Izračunati vrednost izraza (bez upotrebe pomoćnih sredstava): ( ) [ a) : b) 3 3

P1.1 Analiza efikasnosti algoritama 1

Verovatnoća - kolokvijum 17. decembar Profesor daje dva tipa ispita,,,težak ispit i,,lak ispit. Verovatnoća da student dobije težak ispit je

The real problem is that programmers have spent far too much time worrying about efficiency in the wrong places and at the wrong times; premature opti

DR DRAGOŚ CVETKOVIC DR SLOBODAN SIMIC DISKRETNA MATEMATIKA MATEMATIKA ZA KOMPJUTERSKE NAUKĘ DRUGO ISPRAYLJENO I PROSIRENO IZDANJE HMUJ

Konstrukcija i analiza algoritama Nina Radojičić februar Analiza algoritama, rekurentne relacije 1 Definicija: Neka su f i g dve pozitivne fun

Tutoring System for Distance Learning of Java Programming Language

Grananje u programu predavač: Nadežda Jakšić

Programski jezik C

Mathcad - MCADMod MCD

08 RSA1

Postavka 2: Osnovni graf algoritmi 1 DISTRIBUIRANI ALGORITMI I SISTEMI Iz kursa CSCE 668 Proleće 2014 Autor izvorne prezentacije: Prof. Jennifer Welch

Програмирај!

Slide 1

PowerPoint Presentation

Programiranje 1

Microsoft PowerPoint - vezbe 4. Merenja u telekomunikacionim mrežama

3.Kontrlne (upravlja~ke) strukture u Javi

Model podataka

P1.2 Projektovanje asemblera

KATUŠIĆ ANTONIO.pdf

Funkcije predavač: Nadežda Jakšić

PowerPoint Presentation

P1.3 Projektovanje makroasemblera

Algoritmi

Microsoft PowerPoint - Predavanje3.ppt

Predlozak za PhD studente

Техничко решење: Метода мерења ефективне вредности сложенопериодичног сигнала Руководилац пројекта: Владимир Вујичић Одговорно лице: Владимир Вујичић

Microsoft PowerPoint - Datoteke [Compatibility Mode]

УНИВЕРЗИТЕТ У БЕОГРАДУ ФАКУЛТЕТ ОРГАНИЗАЦИОНИХ НАУКА Јасенка Д. Ђикановић ИНТЕГРИСАНИ МОДЕЛ ЛОГИСТИКЕ СНАБДЕВАЊА И ПОВРАТНЕ ЛОГИСТИКЕ ЗАСНОВАН НА ВИШЕ

Microsoft PowerPoint - Bitovi [Compatibility Mode]

2015_k2_z12.dvi

ПА-4 Машинско учење-алгоритми машинског учења

Programiranje 1 IEEE prikaz brojeva sažetak Saša Singer web.math.pmf.unizg.hr/~singer PMF Matematički odsjek, Zagreb Prog1 2018, IEEE p

ELEKTROTEHNIČKI FAKULTET, UNIVERZITET U BEOGRADU KATEDRA ZA ELEKTRONIKU UVOD U ELEKTRONIKU - 13E041UE LABORATORIJSKA VEŽBA Primena mikrokontrolera

Microsoft PowerPoint - 13 PIK (Mentor Graphic ASIC).ppt

1. GRUPA Pismeni ispit iz MATEMATIKE Prezime i ime broj indeksa 1. (15 poena) Rexiti matriqnu jednaqinu 3XB T + XA = B, pri qemu

Microsoft Word - MySQL_3.doc

070-ALIP2-udzbenik.indb

Microsoft PowerPoint - Topic04-Serbian.ppt

Programski jezici i strukture podataka 2018/2019. Programski jezici i strukture podataka Računarske vežbe vežba 10 Zimski semestar 2018/2019. Studijsk

Dinamičko programiranje Primer 1: Za dati niz naći njegov najduži neopadajući podniz. Defnicija: podniz nekog niza je niz koji se dobija izbacivanjem

PROGRAMIRANJE Program je niz naredbi razumljivih računalu koje rješavaju neki problem. Algoritam je postupak raščlanjivanja problema na jednostavnije

Logicko projektovanje racunarskih sistema I

Школа Ј. Ј. Змај Свилајнац МЕСЕЧНИ ПЛАН РАДА ЗА СЕПТЕМБАР Школска 2018 /2019. Назив предмета: Информатика и рачунарство Разред: 5. Недељни број часова

Microsoft PowerPoint - 10-Jednodimenzionalni nizovi.ppt [Compatibility Mode]

Programiranje II Beleške sa vežbi Smer Informatika Matematički fakultet, Beograd Sana Stojanović 1

Aksiomatska semantika kroz primere Seminarski rad u okviru kursa Verifikacija softvera Matematički fakultet Nikola Katić, 1094/2017

PowerPoint Presentation

Tutoring System for Distance Learning of Java Programming Language

Pojačavači

PowerPoint Presentation

STABILNOST SISTEMA

Транскрипт:

MIP-heuristike (Matheuristike) Hibridi izmedu metaheurističkih i egzaktnih metoda Tatjana Davidović Matematički institut SANU http://www.mi.sanu.ac.rs/ tanjad (tanjad@mi.sanu.ac.rs) 21. januar 2013. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 1 / 16

Šta su MATHEURISTIKE? Naziv matheuristike je skraćenica za matematičke heuristike (math-heuristic); Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 2 / 16

Šta su MATHEURISTIKE? Naziv matheuristike je skraćenica za matematičke heuristike (math-heuristic); To su hibridi izmedu metaheuristika i metoda zasnovanih na matematičkom programiranju; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 2 / 16

Šta su MATHEURISTIKE? Naziv matheuristike je skraćenica za matematičke heuristike (math-heuristic); To su hibridi izmedu metaheuristika i metoda zasnovanih na matematičkom programiranju; Nova rešenja dobijaju se manipulacijama nad matematičkim modelom datog problema; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 2 / 16

Šta su MATHEURISTIKE? Naziv matheuristike je skraćenica za matematičke heuristike (math-heuristic); To su hibridi izmedu metaheuristika i metoda zasnovanih na matematičkom programiranju; Nova rešenja dobijaju se manipulacijama nad matematičkim modelom datog problema; U opštem slučaju i to su egzaktne metode, tj. ako im se da dovoljno vremena pronaći će optimalno rešenje; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 2 / 16

Šta su MATHEURISTIKE? Naziv matheuristike je skraćenica za matematičke heuristike (math-heuristic); To su hibridi izmedu metaheuristika i metoda zasnovanih na matematičkom programiranju; Nova rešenja dobijaju se manipulacijama nad matematičkim modelom datog problema; U opštem slučaju i to su egzaktne metode, tj. ako im se da dovoljno vremena pronaći će optimalno rešenje; Soyster-ov algoritam za probleme 0-1 programiranja iz 1978. godine bio je jedna od prvih matheuristika. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 2 / 16

Definicija problema 0-1 mešovitog celobrojnog programiranja (0-1 MIP) max(min){ν(ξ) = c T ξ ξ X }, (1) gde je X = {ξ R N Aξ b; ξ j {0, 1} za j B; ξ j Z + 0 za j G; ξ j 0 za j C} dopustivi skup (skup dopustivih rešenja), N = C G B skup indeksa svih promenljivih, C skup indeksa neprekidnih promenljivih, G skup indeksa celobrojnih promenljivih (koje nisu binarne), a B skup indeksa binarnih promenljivih, C G =, C B =, G B =, B. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 3 / 16

Rastojanje u 0-1 MIP prostoru rešenja S Prostor rešenja za 0-1 MIP problem P; S Prostor rešenja za LP relaksaciju LP(P) problema P; Definicija. Rastojanje izmedu x S i y S definiše se kao δ(x, y) = x j y j, j B a može se linearizovati na sledeći način (Fischetti & Lodi, 2003): δ(x, y) = j B x j (1 y j ) + y j (1 x j ). Kada x, y {0, 1} n, δ(x, y) je ekvivalentno Hamingovom rastojanju. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 4 / 16

Lokalno grananje (Local Branching, LB) (Fischetti & Lodi, 2003) Učita se problem i postave vrednosti parametara; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 5 / 16

Lokalno grananje (Local Branching, LB) (Fischetti & Lodi, 2003) Učita se problem i postave vrednosti parametara; Nade se prvo dopustivo rešenje x ; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 5 / 16

Lokalno grananje (Local Branching, LB) (Fischetti & Lodi, 2003) Učita se problem i postave vrednosti parametara; Nade se prvo dopustivo rešenje x ; Ograniči se pretraga na ona rešenja x za koja važi δ(x, x ) k, gde je k početna vrednost parametra LB metode; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 5 / 16

Lokalno grananje (Local Branching, LB) (Fischetti & Lodi, 2003) Učita se problem i postave vrednosti parametara; Nade se prvo dopustivo rešenje x ; Ograniči se pretraga na ona rešenja x za koja važi δ(x, x ) k, gde je k početna vrednost parametra LB metode; Egzaktni MIP solver (CPLEX) se poziva da reši dobijeni podproblem u zadatom vremenskom intervalu; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 5 / 16

Lokalno grananje (Local Branching, LB) (Fischetti & Lodi, 2003) Učita se problem i postave vrednosti parametara; Nade se prvo dopustivo rešenje x ; Ograniči se pretraga na ona rešenja x za koja važi δ(x, x ) k, gde je k početna vrednost parametra LB metode; Egzaktni MIP solver (CPLEX) se poziva da reši dobijeni podproblem u zadatom vremenskom intervalu; Zavisno od rezultata koje vrati CPLEX, rastojanje k se povećava ili smanjuje i proces ponavlja do zadovoljenja kriterijuma zaustavljanja. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 5 / 16

LB pseudokod Procedure LocBra(P, x, k ) (1) Initialisation. Set proceed true, k k ; (2) Main step. while (proceed) do Add cuts: c t x c t x, δ(x, x) k; Set x MIPSOLVE(P, x ); switch status do case optsolfound : reverse last pseudo-cut into δ(x, x) k + 1; x x ; k k ; case feasiblesolfound : replace last pseudo-cut with δ(x, x) 1; x x ; k k ; case proveninfeasible : reverse last pseudo-cut into δ(x, x) k + 1; k k + k /2 ; case nofeasiblesolfound : delete last pseudo-cut δ(x, x) k; k k k /2 ; end end (3) Output. return x ; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 6 / 16

Matheuristike zasnovane na metodi promenljivih okolina Variable Neighborhood Search (VNS) Pravila VNS metode koriste se za definisanje podproblema; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 7 / 16

Matheuristike zasnovane na metodi promenljivih okolina Variable Neighborhood Search (VNS) Pravila VNS metode koriste se za definisanje podproblema; CPLEX se poziva da u vremenskom ograničenju reši podproblem; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 7 / 16

Matheuristike zasnovane na metodi promenljivih okolina Variable Neighborhood Search (VNS) Pravila VNS metode koriste se za definisanje podproblema; CPLEX se poziva da u vremenskom ograničenju reši podproblem; Dakle, CPLEX igra ulogu LS koraka u VNS metodi; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 7 / 16

Matheuristike zasnovane na metodi promenljivih okolina Variable Neighborhood Search (VNS) Pravila VNS metode koriste se za definisanje podproblema; CPLEX se poziva da u vremenskom ograničenju reši podproblem; Dakle, CPLEX igra ulogu LS koraka u VNS metodi; Najpoznatije su sledeće dve matheuristike: 1 Grananje kroz promenljive okoline (Variable Neighborhood Branching, VNB) Hansen & Mladenović & Urošević, 2006; 2 Dekompozicija kroz promenljive okoline za 0-1 MIP (VNDS for 0-1 MIPs) Lazić et al., 2010. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 7 / 16

VNS koncept) f f(x) x x N 1 (x) Global minimum Local minimum N (x) k x Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 8 / 16

VNB - ideja metode Nade se prvo dopustivo rešenje i proglasi za trenutno najbolje; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 9 / 16

VNB - ideja metode Nade se prvo dopustivo rešenje i proglasi za trenutno najbolje; Razmatraju se samo rešenja na odredenom rastojanju od trenutno najboljeg; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 9 / 16

VNB - ideja metode Nade se prvo dopustivo rešenje i proglasi za trenutno najbolje; Razmatraju se samo rešenja na odredenom rastojanju od trenutno najboljeg; Rastojanja se menjaju u skladu sa VNS pravilima (od k min do k max sa korakom k step ; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 9 / 16

VNB - ideja metode Nade se prvo dopustivo rešenje i proglasi za trenutno najbolje; Razmatraju se samo rešenja na odredenom rastojanju od trenutno najboljeg; Rastojanja se menjaju u skladu sa VNS pravilima (od k min do k max sa korakom k step ; Kao LS se koristi metoda promenljivog spusta (Variable neighborhood descent, VND), naravno opet na zadatom rastojanju; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 9 / 16

VNB - ideja metode Nade se prvo dopustivo rešenje i proglasi za trenutno najbolje; Razmatraju se samo rešenja na odredenom rastojanju od trenutno najboljeg; Rastojanja se menjaju u skladu sa VNS pravilima (od k min do k max sa korakom k step ; Kao LS se koristi metoda promenljivog spusta (Variable neighborhood descent, VND), naravno opet na zadatom rastojanju; Raspon rastojanja za VND se zadaje posebnim parametrom; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 9 / 16

VNB - ideja metode Nade se prvo dopustivo rešenje i proglasi za trenutno najbolje; Razmatraju se samo rešenja na odredenom rastojanju od trenutno najboljeg; Rastojanja se menjaju u skladu sa VNS pravilima (od k min do k max sa korakom k step ; Kao LS se koristi metoda promenljivog spusta (Variable neighborhood descent, VND), naravno opet na zadatom rastojanju; Raspon rastojanja za VND se zadaje posebnim parametrom; Razmrdavanje (shaking) se vrši nalaženjem prvog dopustivog rešenja u disk-prstenu veličine k do k + k step. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 9 / 16

VNB - pseudokod Procedure VNB(P, k min, k step, k max, k vnd ) 1 Set proceed true; Set solutionlimit = 1; 2 x MIPSolve(P, solutionlimit); 3 solutionlimit ; x x ; 4 while (proceed) do 5 Q P; x VND-MIP(Q, k vnd, x ); 6 if (c t x < c t x ) then 7 x x ; k k min ; 8 else k k + k step ; 9 x Shake(P, x, k, k step, k max ) //If no feasible solutions are found, return current (infeasible) solution. 10 if (x = x ) then break; 11 Update proceed; 12 endwhile 13 return x ; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 10 / 16

LB i VNB Podešavanje parametara koji zavise od problema LB k = 0.20 B VNB k max = 0.5 B k min = k step = k vnd = 0.05 B tlim - dozvoljeno vreme za rad svake od metoda (kriterijum zaustavljanja) tsub - dozvoljeno vreme za podproblem (CPLEX) tsub = tlim/10.0 Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 11 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x k k+kstep x x k+2kstep x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - ideja metode Neka je x optimalno rešenje za LP(P), a p = B. Neka je δ j = x j x j, j B, pri čemu su (x j ) uredeni tako da važi δ 1 δ 2... δ p. δ x 0 x 1 x 2 x x x k k+kstep k+2kstep x x x n 2kstepn kstep n Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) x 21. januar 2013. 12 / 16

VNDS za 0-1 MIPs - pseudokod VNDS-MIP(P, d, x, k vnd ) 1 Find an optimal solution x of LP(P); 2 Set proceed1 true, proceed2 true; 3 while (proceed1) 4 δ j x j x j, j B; index variables x j, j B, so that δ 1 δ 2... δ p, p = B ; 5 Set n d {j B δ j 0}, k step [n d /d], k p k step; 6 while (proceed2 and k > 0) 7 Fix values of x 1,..., x k ; 8 x MIPSOLVE(P, x); 9 Release x 1,..., x k ; 10 if (c T x > c T x) then 11 Q P; x VND-MIP(Q, k vnd, x ); break; 12 else 13 if (k k step > p n d ) then k step max{[k/2], 1}; 14 Set k k k step; 15 Update proceed1 and proceed2; 16 endwhile 17 endwhile 18 return x. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 13 / 16

Opšte napomene Efikasnost metoda zavisi od prirode problema i pravilnog podešavanja parametara; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 14 / 16

Opšte napomene Efikasnost metoda zavisi od prirode problema i pravilnog podešavanja parametara; Metode ne zalaze u prirodu problema niti koriste a priori znanje o pojedinim primerima; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 14 / 16

Opšte napomene Efikasnost metoda zavisi od prirode problema i pravilnog podešavanja parametara; Metode ne zalaze u prirodu problema niti koriste a priori znanje o pojedinim primerima; Ulaz za sve metode su datoteka koja sadrži LP formulaciju problema (uključujući i ulazne podatke za konkretan primer) i izabrane vrednosti parametara; Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 14 / 16

Opšte napomene Efikasnost metoda zavisi od prirode problema i pravilnog podešavanja parametara; Metode ne zalaze u prirodu problema niti koriste a priori znanje o pojedinim primerima; Ulaz za sve metode su datoteka koja sadrži LP formulaciju problema (uključujući i ulazne podatke za konkretan primer) i izabrane vrednosti parametara; Jedina merila složenosti problema (tj. konkretnog primera) su njegova veličina iskazana kroz broj promenljivih i broj ograničenja. Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 14 / 16

Neke primene Standardni problemi za testiranje 0-1 MIP solvera: 29 grupa test primera (VNDS-MIP); Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 15 / 16

Neke primene Standardni problemi za testiranje 0-1 MIP solvera: 29 grupa test primera (VNDS-MIP); Problem rutiranja rečnih kontejnerskih brodova: 20 slučajnih test primera različitih dimenzija (VNB); Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 15 / 16

Neke primene Standardni problemi za testiranje 0-1 MIP solvera: 29 grupa test primera (VNDS-MIP); Problem rutiranja rečnih kontejnerskih brodova: 20 slučajnih test primera različitih dimenzija (VNB); Problem dodele vezova brodovima u luci (BAP): dve grupe primera različitih dimenzija (VNDS-MIP); Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 15 / 16

Neke primene Standardni problemi za testiranje 0-1 MIP solvera: 29 grupa test primera (VNDS-MIP); Problem rutiranja rečnih kontejnerskih brodova: 20 slučajnih test primera različitih dimenzija (VNB); Problem dodele vezova brodovima u luci (BAP): dve grupe primera različitih dimenzija (VNDS-MIP); Problem zajedničkih vožnji (Carpooling problem): dva realna primera sa Politehničkog fakulteta u Milanu (VNB). Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 15 / 16

Hvala na pažnji! Pitanja? Tatjana Davidović (MI SANU) MIP-heuristike (Matheuristike) 21. januar 2013. 16 / 16