Øvingsforelesning 9 Flytnettverk, maksimum flyt og

Slides:



Advertisements
Liknende presentasjoner
12.Studienreise nach Finnland,
Advertisements

Kvinner og politikk Kvinnelig valgmobilisering i Nord-Norge: Glasstak eller etterslep? Marcus Buck.
1 NTNUs Multimediesenter 1.Integrasjon 2.Produksjon 3.Framtidsvisjon NTNUs Multimediesenter REN Medlemsmøte Trondheim 31. August 2005.
Litt mer om PRIMTALL.
Ti måter å ødelegge en CT-undersøkelse av halsen på
Grafisk design Visuell kommunikasjon
Tekster til kapittel 2.
Kontrollstrukturer (Kapittel 3)
The Travelling Salesperson. LOG530 Distribusjonsplanlegging 2 2 Et forsyningsskip skal starte fra VestBase for å betjene 10 forskjellig installasjoner.
Hobro februar 2010 Kurs om elektrokjemisk tæring
Sentrum og byutvikling: balansens dilemma
Managerial Decision Modeling Cliff Ragsdale 6. edition Rasmus RasmussenBØK350 OPERASJONSANALYSE1 Chapter 5 Network Modeling.
Seksjon psykoser, sykehuset Levanger
Monopolistisk konkurranse og oligopol
Trådløs telefon 7921G Nye Menyer
Øvingsforelesning 9 Flytnettverk, maksimum flyt og maksimum bipartitt matching Jon Marius Venstad Redigert og forelest av Gleb Sizov.
Kundekrav og restordrer. LOG530 Distribusjonsplanlegging 2 2 Vi endrer litt på kundeønskene i eksempel 8, og bruker kapasiteter og etterspørsel fra eksempel.
Kap 05 Betinget sannsynlighet
Presentasjon Fylkesbiblioteket i Akershus. Spørreundersøkelse blant bibliotekansatte i Akershus. 1.
Gjenfinningssystemer og verktøy II
Forside Korteste sti BFS Modifikasjon Dijkstra Eksempel Korrekthet Analyse Øving Spørsmål Dijkstras algoritme Åsmund Eldhuset asmunde *at* stud.ntnu.no.
Dijkstras algoritme Åsmund Eldhuset asmunde *at* stud.ntnu.no
Forelesningsnotater SIF8039/ Grafisk databehandling
1 Øvingsforelesning Andreas Knudsen Nils Grimsmo
Lokalisering av avfallsanlegg - størst minsteavstand.
LOG530 Distribusjonsplanlegging
Maksimal gjennomstrømming. LOG530 Distribusjonsplanlegging 2 2 StartOil må transportere store mengder utstyr og materialer til utbyggingen av et nytt.
Omlasting og direkteleveranser. LOG530 Distribusjonsplanlegging 2 2 Vi har nå utvidet nettverket med direkteleveranser. Distribusjonen går enten via lagrene.
LOG530 Distribusjonsplanlegging
Transport fra lager til kunder. LOG530 Distribusjonsplanlegging 2 2 Lager 1 Lager 1 Lager 2 Lager 2 Lager 3 Lager 3 Kunde 1 Kunde 1 Kunde 2 Kunde 2 Kunde.
P-MP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Lokalisering og minimum maxavstand. LOG530 Distribusjonsplanlegging 2 2 I mange situasjoner ønsker en å finne lokaliseringer som minimerer maksimalavstanden.
Tildeling av snødeponeringssted. LOG530 Distribusjonsplanlegging 2 2 Kommunen skal kommende vinter frakte snø fra 10 soner til 5 deponeringssteder. Snøen.
UFLP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
The Postmans Problem. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. Dette er et eksempel på den klassiske.
P-CP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Målprogrammering. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.2, men vil nå se på oppfyllelse av flere mål samtidig. Målprogrammering.
Highlights fra markedsundersøkelse Utarbeidet av Inger Marie Brun,
Kap 06 Diskrete stokastiske variable
Øvingsforelesning 9 - Børge Rødsjø
Kap 10 Graf.
Post 4, sykehuset Levanger
Vokabular barneoppdragelse (m) bleie (f/m) blikk (n) bortskjemt (adj.)
Skriv om slik at setningene betyr omtrent det samme
Kapittel 1, oppgave b) å kaste loss å seile uvær (n) kuling (m)
11 IKT-baserte læremidler Arne Ketil Eidsvik Avd. for lærerutdanning.
SINTEF Teknologi og samfunn PUS-prosjektet Jan Alexander Langlo og Linda C. Hald 1 Foreløpig oppsummering – underlag for diskusjon på PUS-forum
INF 295 Forelesning 17 - kap 9 Korteste vei i grafer Hans Fr. Nordhaug (Ola Bø)
Malverk intern produktopplæring
GRØNNALGER BRUNALGER RØDALGER
1 BM-dagen 29.okt BM1 Fysisk miljøplanlegging Studieprogram for Bygg- og miljøteknikk Meny Prosjektoppgaven Arealbruk og befolkning Transport og.
Anvendt statistisk dataanalyse i samfunnsvitenskap
Figur 1 Behov. Figur 2 Behov Figur 3 Prioritering/ressursinnsats.
Kostratall for tjenester Overhalla kommune Av seniorrådgiver Helge Holthe Kristiansund
Samdata 2012 Somatikk.
Lokalisering i to-delt graf. LOG530 Distribusjonsplanlegging 2 2 Vi skal nå beskrive en transhipmentmodell med to varesorter som skal leveres fra to fabrikker.
Magnus Haug Algoritmer og Datastrukturer
Sett inn preposisjoner eller adverb som passer
Maks oppfylte kundekrav og maks resultat. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.1, men gjør trinnene i motsatt rekkefølge: max.
Inflation og produktion 11. Makroøkonomi Teori og beskrivelse 4.udg. © Limedesign
Lokalisering og betjening av greiner. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. De må derfor opprette.
Sett inn riktig form av adjektivene, med artikkel hvis nødvendig
Alg. Dat Øvingsforelesning 11 Dynamisk programmering, grådighet
Kapittel 1, oppgave i) Sett inn preposisjoner eller adverb som passer.
Dagligbankundersøkelsen Fakta Dagligbankundersøkelsen intervju Befolkning 15 år + TNS Gallup Forfatter Bente Pettersen Roar Thorvaldsen.
Sorterings- Algoritmer Algoritmer og Datastrukturer.
Befolkning og arbejdsmarked 7. Mikroøkonomi Teori og beskrivelse © Limedesign
Sett inn preposisjoner eller adverb som passer.
Prioritetskøer Binære heaper Venstrevridde heaper (Leftist) Skeive heaper (Skew) Binomialheaper Fibonacciheaper Prioritetskøer er viktige i bla. operativsystemer.
Basisgrupper en nær professoren-opplevelse Knut Kaasen Nordisk institutt for sjørett Det juridiske fakultet Knut Kaasen 1.
Utskrift av presentasjonen:

Øvingsforelesning 9 Flytnettverk, maksimum flyt og maksimum bipartitt matching Jon Marius Venstad venstad@idi.ntnu.no

Dagens tema Flytnettverk Maksimum bipartitt matching Terminologi Max-flow min-cut teoremet Ford-Fulkersons metode og algoritme Edmond-Karps algoritme Maksimum bipartitt matching Spesialtilfelle av flyt Andre algoritmer

Terminologi: Flytnettverk En graf med kapasitet på kantene Ønsker å sende flyt fra en kildenode s (source) til en sluknode t (terminal/sink)

Flytnettverk Eksempler Væske som flyter gjennom et rørsystem til en destinasjon Varer igjennom et varehus, produksjonslinjer Informasjon gjennom et datanettverk Strøm gjennom strømledninger

Flytnettverk Flyt og kapasitet på kanter benevnes f/c Flyt inn i en node = flyt ut (unntatt for s og t) f(v, u) = - f(u, v) f(u,v) = 4 c(u,v) = 5 f(v,u) = -4 c(v,u) = 0

Residual nettverk En graf som viser hvor mye man kan øke flyten med, til man når kapasiteten på kantene Kalles Gf = (V,Ef) for flytnettverket G = (V,E) cf(u,v) er residualkapasiteten for en kant (u,v) Dvs. hvor mye mer flyt kan man sende over kanten før man når kapasiteten. (Eller: Hvor mye flyt man kan kansellere, for motsatt retning.)

Residual nettverk cf(u,v) = c(u,v) – f(u,v) der f(u,v) er flyten for kanten (u,v) c(u,v) = 7 f(u,v) = 3 cf(u,v) = 7 – 3 = 4 c(v,u) = 0 f(v,u) = -3 cf(v,u) = 0 – (-3) = 3

Residual nettverk Lettere å finne flytforøkende stier i Gf enn i G Flytforøkende sti er en sti fra s til t der alle kanter har tilgjengelig kapasitet

Residual nettverk Lettere å finne flytforøkende stier i Gf enn i G Flytforøkende sti er en sti fra s til t der alle kanter har tilgjengelig kapasitet

Superkilde og supersluk Hva hvis flytnettverket har flere kilder og flere sluker? Superkilde og supersluk

Snitt i flytnettverk Vi kan dele opp grafen i to partisjoner, ved å ta et snitt (S,T), der mengden S inneholder kilden s og T inneholder sluket t Kan ha mange snitt på en graf

Snitt-terminologi Flyt over et snitt: f(S,T) Flyt fra S til T: legges til f(S,T) Flyt fra T til S: trekkes fra f(S,T) Kapasitet over et snitt: c(S,T) Legger bare til kapasiteter fra S til T Minimum-snitt (min-cut) på et flytnettverk: det snittet som har lavest kapasitet av alle snitt Netto flyt over ethvert snitt er det samme, nemlig flyten | f |

Snitt i flytnettverk Partisjonerer flytnettverket i to deler: S = { s, u } T = { v, w, x, t } f(S,T) = 4 + 2 + 1 - 0 = 7 c(S,T) = 3 + 5 + 5 = 13 snitt1 er ikke et min-cut

Max-flow min-cut teoremet Viktig! Max-flow min-cut teoremet Anta flytnettverk G = (V,E) med kilde s og sluk t. Da er følgende utsagn ekvivalente: f er maksimal flyt i G Residualnettverket Gf har ingen flytforøkende sti | f | = c(S,T) for et snitt (S,T) av G Et slikt snitt er et min-cut av G

Max-flow min-cut teoremet G er fylt opp med maksflyt 9 Gf har ingen flytforøkende stier min-cut har kapasitet 9

Max-flow min-cut teoremet min-cut angir en flaskehals i flytnettverket Kan ikke sende mer flyt igjennom nettverket enn det vi kan sende gjennom flaskehalsen Kan ikke finne noen flytforøkende sti over flaskehalsen

Ford-Fulkerson metoden Ford-Fulkerson-Method(G, s, t) Initialiser all flyt f til 0 så lenge det finnes en flytforøkende sti p øk flyten f langs p returner f En generell metode for å finne maksimal flyt i et flytnettverk

Ford-Fulkerson algoritmen Ford-Fulkerson(G, s, t) sett all flyt til 0 så lenge p er en sti fra s til t i Gf cf(p) = min{ cf(u,v) : (u,v) i p } for hver (u,v) i p f[u,v] = f[u,v] + cf(p) f[v,u] = -f[u,v] p er en flytforøkende sti cf(p) er residualkapasiteten til den ”minste” kanten i p Kjøretid O(E*| f’ |) Der f’ er maksflyten funnet i algoritmen

Ford-Fulkerson algoritmen Eksempelkjøring av algoritmen Jukser litt, initialiserer ikke flyten til 0 først

Ford-Fulkerson algoritmen Residualnettverk Etter flytforøkning Initialsteg | f | = 7

Ford-Fulkerson algoritmen Residualnettverk Etter flytforøkning Flytforøkning | f | = 8

Ford-Fulkerson algoritmen Residualnettverk Etter flytforøkning Flytforøkning | f | = 9

Ford-Fulkerson algoritmen Residualnettverk Etter flytforøkning Ingen flere flytførkende stier | f | = 9 Vi har funnet maks-flyt og er ferdige

Ford-Fulkerson algoritmen Algoritmen avhenger av hvordan man finner den flytforøkende stien p, fra s til t Ford-Fulkerson algoritmen kjører raskt hvis maksflyt er liten, men for stor |f’| blir kjøretiden O(E*|f’|) dårlig Hvis man bruker BFS til å finne flytforøkende sti i Gf, ender vi opp med Edmonds-Karps algoritme

Edmonds-Karps algoritme Bruker BFS for å finne korteste flytforøkende sti i Gf, og øker flyten langs denne stien BFS kan finne korteste vei fra s til t, ved å ha enhetslengde på kantene (unit-length) Ellers er Edmonds-Karp slik som Ford-Fulkersons algoritme Kjøretid O(V*E2)

Edmonds-Karps algoritme Edmonds-Karp(G, s, t) sett all flyt til 0 bruk BFS og finn korteste sti p, som går fra fra s til t i Gf cf(p) = min{ cf(u,v) : (u,v) i p } for hver (u,v) i p f[u,v] = f[u,v] + cf(p) f[v,u] = -f[u,v] p er en flytforøkende sti cf(p) er residualkapasiteten til den ”minste” kanten i p Kjøretid O(V*E2)

Maksimum bipartitt matching Terminologi Hvordan finne maksimum bipartitt matching

Maksimum bipartitt matching Hva er en bipartitt graf? En graf der nodene kan deles opp i to mengder L og R, slik at: Nodene i R bare har kanter til noder i L Nodene i L bare har kanter til noder i R

Maksimum bipartitt matching Eksempel Jenter som skal danse med gutter, noen vil danse med mange, mens noen vil danse med bare én annen. Ikke lov til å danse med samme kjønn. Hvordan få flest mulig personer ut på dansegulvet?

Maksimum bipartitt matching Hva er bipartitt matching? Anta G=(V,E) er en bipartitt graf, og M er en undermengde av E, slik at for grafen G’ = (V,M) holder følgende egenskap: For alle noder v i V, deg(v) ≤ 1 Så hver node kan ha maks 1 nabo Ønsker å maksimere |M| Maksimum bipartitt matching er når |M| er størst mulig

Maksimum bipartitt matching G = (V,E) V = {a,b,c,d,e,f} M = {} |M| = 0

Maksimum bipartitt matching G = (V,E) V = {a,b,c,d,e,f} M = {(a,d), (c,b) (e,f)} |M| = 3

Maksimum bipartitt matching Hvordan får vi til maskimum bipartitt matching? Dvs. hvordan maksimerer vi |M| ? Bygger på grafen litt slik at vi får ett flytnettverk Legger til en kilde s, sluk t, retninger på kantene fra L til R, og makskapasitet på hver kant til 1 Kilden har en kant til hver node i L, og hver node i R har en kant til sluken

Maksimum bipartitt matching Har en bipartitt graf

Maksimum bipartitt matching Legger til kilde s og sluk t, og rettede kanter fra s til t

Maksimum bipartitt matching Legger på kapasitet 1 på kantene

Maksimum bipartitt matching Etter man har gjort disse stegene, kan man kjøre en flytalgoritme på flytnettverket Da vil maksflyten |f| = |M|, og vi har løst problemet med maskimal bipartitt matching Brukes Ford-Fulkersens metode blir kjøretiden O(V*E)