Upload
ilmiyah-elrosa-citra-resmi
View
49
Download
0
Embed Size (px)
Citation preview
5/14/2018 Travelling Salesman Problem2 - slidepdf.com
http://slidepdf.com/reader/full/travelling-salesman-problem2 1/4
Travelling salesman problem
Dari Wikipedia, ensiklopedia bebas
Masalah salesman keliling (TSP) adalah NP-hard masalah optimasi kombinatorial belajar diriset operasi dan ilmu komputer teoritis . Mengingat daftar kota dan jarak berpasangan mereka,
tugas ini adalah untuk mencari kemungkinan tur terpendek yang dilihat setiap kota tepat satu
kali.
Masalahnya adalah pertama kali dirumuskan sebagai masalah matematika pada tahun 1930 dan
merupakan salah satu masalah yang paling intensif dipelajari dalam optimasi. Hal ini
digunakan sebagai patokan untuk metode optimasi banyak. Meskipun masalahnya adalah
komputasi sulit, sejumlah besar heuristik dan metode yang tepat tidak diketahui, sehingga
beberapa hal dengan puluhan ribu kota dapat diselesaikan.
TSP memiliki beberapa aplikasi bahkan dalam formulasi paling murni, seperti perencanaan ,
logistik , dan pembuatan microchip . Sedikit dimodifikasi, tampak sebagai masalah-sub di banyak daerah, seperti sekuensing DNA . Dalam aplikasi ini, konsep mewakili kota, misalnya,
pelanggan, titik solder, atau fragmen DNA, dan jarak konsep merupakan kali perjalanan atau
biaya, atau ukuran kesamaan antara fragmen DNA. Dalam banyak aplikasi, hambatan
tambahan seperti sumber daya yang terbatas atau waktu windows membuat masalah jauh lebih
keras.
Dalam teori kompleksitas komputasi , versi keputusan TSP (dimana, diberi panjang L, tugas ini
adalah untuk memutuskan apakah setiap tur lebih pendek daripada L) termasuk dalam kelas
NP-lengkap masalah. Dengan demikian, kemungkinan bahwa kasus terburuk berjalan waktu
untuk setiap algoritma untuk TSP meningkat secara eksponensial dengan jumlah kota.
Komputasi solusiGaris tradisional serangan untuk masalah NP-hard adalah sebagai berikut:
• Menyusun algoritma untuk mencari solusi yang tepat (mereka akan bekerja cukup cepat
hanya untuk ukuran masalah kecil).
• Merancang "optimal" atau heuristik algoritma , yaitu algoritma yang memberikan baik
tampaknya atau mungkin solusi yang baik, tetapi yang tidak dapat dibuktikan untuk
menjadi optimal.
• Menemukan kasus khusus untuk masalah ("submasalah") yang baik heuristik yang lebih
baik atau sama persis yang mungkin.
Kompleksitas Komputasi
Masalahnya telah terbukti NP-keras (lebih tepatnya, adalah lengkap untuk kelas kompleksitas NP FP, lihat masalah fungsi ), dan persoalan keputusan versi ("mengingat biaya dan nomor x,
memutuskan apakah ada ronde -perjalanan rute lebih murah dari x ") adalah NP-lengkap . The
bottleneck perjalanan salesman problem juga NP-hard. Masalahnya tetap NP-keras bahkan
untuk kasus ketika kota-kota berada di pesawat dengan jarak Euclidean , serta sejumlah kasus
pembatasan lain. Menghapus kondisi mengunjungi setiap kota "hanya sekali" tidak menghapus
NP-kekerasan, karena dengan mudah terlihat bahwa dalam kasus planar ada tur yang optimal
yang dilihat setiap kota hanya sekali (jika tidak, oleh ketimpangan segitiga , jalan pintas yang
melompati sebuah kunjungan ulang tidak akan menambah panjang tur).
Kompleksitas dari pendekatan
5/14/2018 Travelling Salesman Problem2 - slidepdf.com
http://slidepdf.com/reader/full/travelling-salesman-problem2 2/4
Dalam kasus umum, menemukan salesman tur keliling terpendek adalah NPO-selesai. [6] Jika
mengukur jarak adalah metrik dan simetris, masalahnya menjadi APX -lengkap [7] dan Teman-
algoritma Christofides mendekati dalam waktu 1,5. [8]
Jika jarak terbatas untuk 1 dan 2 (tapi masih adalah metrik) rasio pendekatan menjadi 7 / 6.
Dalam metrik, kasus asimetris, kinerja jaminan logaritma hanya diketahui, saat ini algoritma
terbaik mencapai rasio kinerja 0,814 log n; [9] itu adalah sebuah pertanyaan terbuka jika
pendekatan faktor konstan ada.
Masalah maksimalisasi yang sesuai untuk menemukan salesman tur keliling terpanjang adalah
approximable dalam 63/38. [10] Jika fungsi jarak adalah simetris, tur terpanjang dapat didekati
dalam waktu 4 / 3 oleh suatu algoritma deterministik [11] dan dalam (33 + ε) / 25 oleh suatu
algoritma acak. [12]
algoritma Exact
Solusi yang paling langsung akan mencoba semua permutasi (kombinasi memerintahkan) dan
melihat mana yang termurah (menggunakan pencarian brute force ). Waktu berjalan untuk
pendekatan ini terletak dalam faktor polinomial O (n!), Yang faktorial dari beberapa kota,sehingga solusi ini menjadi tidak praktis bahkan untuk hanya 20 kota. Salah satu aplikasi paling
awal pemrograman dinamis adalah algoritma Karp-Dimiliki yang memecahkan masalah dalam
waktu O (n 2 2 n). [13]
Solusi pemrograman dinamis membutuhkan ruang eksponensial. Menggunakan inklusi-
eksklusi , masalah dapat diselesaikan dalam waktu dalam faktor polinomial dari 2 n dan ruang
polinomial. [14]
Meningkatkan batas waktu ini tampaknya akan sulit. Sebagai contoh, ini adalah masalah
terbuka jika terdapat suatu algoritma yang tepat untuk TSP yang berjalan dalam waktu O
(1,9999 n) [15]
pendekatan lain termasuk:
• Berbagai cabang-dan-terikat algoritma, yang dapat digunakan untuk proses TSPS
mengandung 40-60 kota.
• Peningkatan progresif algoritma yang menggunakan teknik mengingatkan pada
pemrograman linear . Bekerja dengan baik untuk 200 kota.
• Implementasi dari generasi memotong cabang-dan-terikat dan masalah-spesifik, ini
adalah metode pilihan untuk menyelesaikan kasus besar. Pendekatan ini memegang
rekor saat ini, penyelesaian sebuah contoh dengan 85900 kota, lihat Applegate et al.
(2006) .
Solusi yang tepat untuk 15.112 kota di Jerman dari TSPLIB ditemukan pada tahun 2001 denganmenggunakan pesawat metode pemotongan yang diusulkan oleh George Dantzig , Ray
Fulkerson , dan Selmer Johnson pada tahun 1954, berdasarkan pemrograman linear .
Perhitungan dilakukan pada jaringan dari 110 prosesor terletak di Rice University dan
Princeton University (lihat external link Princeton). Total perhitungan waktu ini setara dengan
22,6 tahun pada tunggal 500 MHz processor Alpha . Pada bulan Mei 2004, masalah salesman
keliling mengunjungi seluruh kota-kota di Swedia 24978 diselesaikan: tur panjang sekitar
72.500 kilometer ditemukan dan sudah terbukti bahwa tidak ada pendek ada tur. A [16]
Pada bulan Maret 2005, masalah salesman keliling mengunjungi seluruh 33.810 poin dalam
papan sirkuit diselesaikan menggunakan Concorde TSP Solver : sebuah tur panjang 66.048.945
unit ditemukan dan sudah terbukti bahwa tidak ada tur pendek ada. Perhitungan mengambilsekitar 15,7 CPU-tahun (Cook et al 2006.). Pada bulan April 2006 sebuah contoh dengan
5/14/2018 Travelling Salesman Problem2 - slidepdf.com
http://slidepdf.com/reader/full/travelling-salesman-problem2 3/4
85.900 poin diselesaikan menggunakan Concorde TSP Solver, mengambil alih 136-tahun CPU,
lihat Applegate et al. (2006) .
heuristik dan algoritma aproksimasi
Berbagai heuristik dan algoritma aproksimasi , yang cepat menghasilkan solusi yang baik telah
dirancang. metode modern dapat menemukan solusi untuk masalah yang sangat besar (jutaankota) dalam waktu yang wajar yang dengan probabilitas tinggi hanya 2-3% dari solusi optimal.
Kinerja manusia pada TSP
TSP, khususnya Euclidean varian dari masalah, telah menarik perhatian para peneliti dalam
psikologi kognitif . Hal ini mengamati bahwa manusia mampu menghasilkan kualitas solusi
yang baik dengan cepat. Isu pertama dari Journal of Pemecahan Masalah dikhususkan untuk
topik kinerja manusia di TSP.
TSP jalan panjang untuk pointset acak di sebuah lapangan
Misalkan N poin acak dalam 1 x 1 persegi dengan N>> 1. Pertimbangkan kotak seperti itu.
Misalkan kita ingin mengetahui rata-rata panjang jalur terpendek (TSP yaitu solusi) dari persegi
masing-masing.
Lower terikat
adalah batas bawah diperoleh dengan mengasumsikan i menjadi titik dalam urutan tur
dan saya memiliki tetangga terdekat sebagai berikutnya pada path.
adalah lebih baik batas bawah diperoleh dengan mengasumsikan i s i s
berikutnya adalah terdekat, dan i s i s sebelumnya adalah kedua terdekat.
adalah lebih baik batas bawah diperoleh dengan membagi urutan jalur menjadi dua
bagian sebagai before_i dan after_i dengan setiap bagian yang mengandung N / 2 poin, dan
kemudian menghapus bagian before_i membentuk pointset dilusian (lihat diskusi).
• David S. Johnson [25] memperoleh batas bawah oleh eksperimen komputer:
, Dimana 0,522 berasal dari titik dekat batas persegi yang memiliki
tetangga lebih sedikit.
• Christine L. Valenzuela dan J. Antonia Jones [26] diperoleh rendah lain terikat oleh
eksperimen komputer:
Upper terikat
5/14/2018 Travelling Salesman Problem2 - slidepdf.com
http://slidepdf.com/reader/full/travelling-salesman-problem2 4/4
Dengan menerapkan metode simulated annealing pada sampel N 40000, = analisis komputer
menunjukkan batas atas
, Di mana 0,72 berasal dari efek batas.
Karena solusi yang sebenarnya hanya jalan terpendek, untuk tujuan pencarian program lain
batas atas adalah panjang dari setiap pendekatan yang sebelumnya ditemukan.
Masalah perjalanan salesman's Analyst
Ada masalah analog dalam ukuran teori geometris yang meminta sebagai berikut: di bawah
kondisi apa mungkin E subset dari ruang Euclidean terkandung dalam kurva yg dpt diperbaiki
(yaitu, kapan ada kurva berkesinambungan yang dilihat setiap titik di E)? Masalah ini dikenal
sebagai masalah perjalanan salesman's analis .