Selecciona-se dos vértices ainda não seleccionados o vértice v k que está à menor distância de v i,

Tamanho: px
Começar a partir da página:

Download "Selecciona-se dos vértices ainda não seleccionados o vértice v k que está à menor distância de v i,"

Transcrição

1 V. Problema do caixeiro-viajante Grafos - Problema do caixeiro-viajante onsidere-se um grafo em que os vértices representam cidades e as arestas (ou arcos) representam as estradas de uma dada região (a cada aresta está associada a distância entre cidades). O problema é calcular o ciclo de menor distância total que, tendo início e fim na cidade X, passe em todas as cidades uma única vez. Este problema, designado por problema do caixeiro-viajante (travelling salesman problem), implica calcular no grafo um ciclo (ou circuito) de Hamilton de encargo total mínimo. O tempo necessário à resolução deste problema cresce exponencialmente com o número de vértices do grafo. Só o método de enumeração (identificação de todos os ciclos possíveis) garante o cálculo da solução óptima do problema mas tal método é impraticável. Veja-se que se um computador for capaz de tratar cerca de ciclos por segundo, necessitará aproximadamente de 18 segundos para calcular o óptimo num grafo com 10 vértices, 50 dias para um grafo com 15 vértices, 2 anos para um grafo com 16 vértices e anos para um grafo com 20 vértices! É a enormidade destes tempos que tornou este problema um dos mais famosos e não resolvidos problemas matemáticos. Neste texto, apresentam-se, para cálculo, três métodos heurísticos e um método exacto do tipo branch and bound. 1. Método do vértice adjacente mais próximo É um método aproximado que é aplicado do seguinte modo: Selecciona-se arbitrariamente um vértice v i para início do ciclo Selecciona-se dos vértices ainda não seleccionados o vértice v k que está à menor distância de v i, ficando a cadeia v i, v k. Repete-se este procedimento para o último vértice agregado até esgotar todos os vértices do grafo Veja-se a sua aplicação no grafo orientado com a seguinte matriz de distâncias (km): E E Vértice inicial : Vértice, não seleccionado, mais próximo de : (12 km) Vértice, não seleccionado, mais próximo de : E (16 km) Vértice, não seleccionado, mais próximo de E : (12 km) Vértice, não seleccionado, mais próximo de : (20 km) Vértice, não seleccionado, mais próximo de : (14 km) ircuito quase óptimo : ; ; E ; ; ; ; distância total = 74 km Nota: iz-se quase óptimo por não resultar de um método exacto. O circuito óptimo tem distância total de 66 km. INVESTIGÇÃO OPERIONL (MS) V-1

2 Grafos - Problema do caixeiro viajante 2. Método da inserção com menor encargo É um método aproximado que é aplicado do seguinte modo: Selecciona-se o sub ciclo (sub circuito) i, j, i associado a Min {c ij + c ji } (escolha arbitrária se houver empate) No sub ciclo (sub circuito) corrente, calcular para cada ligação do tipo (u,v) a inserção do vértice k (não seleccionado) a que corresponda o aumento mínimo de distância dado por Min {c uk + c kv c uv }. Repetir este procedimento até ter seleccionado todos os vértices do grafo. Veja-se a sua aplicação no grafo orientado com a seguinte matriz de distâncias (km): E E Escolha do sub circuito inicial =26 =30 =32 E=24 =38 =38 E=32 =38 E=28 E=20* Sub circuito a estudar : E com a distância total de 20 km 8 E 12 Inserções possíveis : No par,e ou no par E, 8 E Vértice a inserir umento de distância de para E umento de distância de E para = = 14* = = = 18* = 28 V-2

3 Grafos - Problema do caixeiro-viajante O menor encargo de inserção resulta da escolha do vértice para inserir no par E, ficando o sub circuito E com distância total de 34 km (sub circuito anterior de 20 km, aumentado com 14 km). Sub circuito a estudar : E com distância total de 34 km 8 E 8 18 Inserções possíveis : No par,e ou no par E, ou no par, 8 E Estudo da inserção Vértice a inserir umento de distância de para E umento de distância de E para umento de distância de para = = 14* = 18* = 18* = = 22 O menor encargo de inserção resulta da escolha do vértice para inserir no par E, ficando o sub circuito E com distância total de 48 km (sub circuito anterior de 34 km, aumentado com 14 km). inserção do último vértice no sub circuito corrente conduz aos seguintes circuitos: E com distância total de 66 km ; E com distância total de 68 km ; E com distância total de 74 km ; E com distância total de 70 km ; ircuito quase óptimo : E; distância total = 66 km INVESTIGÇÃO OPERIONL (MS) V-3

4 Grafos - Problema do caixeiro viajante 3. Método da inserção com maior afastamento É um método aproximado que é aplicado do seguinte modo: Selecciona-se o sub ciclo (sub circuito) i, j, i associado a Max {c ij + c ji } (escolha arbitrária se houver empate) Selecciona-se um vértice k dos não inseridos face à regra seguinte: - regista-se a menor distância de cada um dos vértices, já pertencentes ao sub ciclo (sub circuito) corrente, aos vértices k a inserir; - escolhe-se, para inserção, o vértice k onde seja maior a distância registada (máximo dos mínimos); No sub ciclo (sub circuito) corrente, calcular para cada ligação do tipo (u,v) a inserção do vértice k (agora seleccionado) a que corresponda o aumento mínimo de distância dado por Min {c uk + c kv c uv }. Regressar à selecção de novo vértice para inserir até ter seleccionado todos os vértices do grafo. Veja-se a sua aplicação no grafo orientado com a seguinte matriz de distâncias (km): E E Escolha do sub circuito inicial =26 =30 =32 E=24 =38* =38* E=32 =28 E=28 E=20 Sub circuito a estudar : com a maior distância total (38 km; escolha arbitrária pois há empate) Escolha do vértice para inserção istância para vértices inseríveis E Obs Min 10 18* 16 Máximo dos mínimos = 18. Inserir V-4

5 Grafos - Problema do caixeiro-viajante Inserções possíveis : No par, ou no par, Vértice a inserir umento de distância de para E umento de distância de E para = 12* = 16 O menor encargo de inserção é no par, ficando o sub circuito com distância total de 50 km (sub circuito anterior de 38 km, aumentado com 12 km). Sub circuito a estudar : com distância total de 50 km Escolha do vértice para inserção Vértices inseríveis E Obs Min 10 8 Máximo dos mínimos = 10. Inserir Inserções possíveis : No par, ou no par, ou no par, Vértice a inserir umento de distância de para umento de distância de para umento de distância de para = 8* = = 14 O menor encargo de inserção é no par, ficando o sub circuito com distância total de 58 km (sub circuito anterior de 50 km, aumentado com 8 km). inserção do último vértice no sub circuito corrente conduz aos seguintes circuitos: E com distância total de 76 km ; Ecom distância total de 68 km ; Ecom distância total de 60 km ; E com distância total de 66 km ; ircuito quase óptimo : E; distância total = 66 km INVESTIGÇÃO OPERIONL (MS) V-5

6 Grafos - Problema do caixeiro viajante 4. Método de Little 1 a. Generalidades O grafo da figura representa uma rede rodoviária tendo associada a cada uma das arestas a distância (km) entre os vértices extremos. Uma viatura de uma empresa situada em "" necessita entregar encomendas em,,, E (clientes) e regressar à empresa Se pretender passar uma e só uma vez em cada vértice e percorrer a menor distância total qual o(s) itinerário(s) a E 7 utilizar? onsidere-se por exemplo o ciclo hamiltoniano " E" de distância total 51 km. Se associarmos ao grafo um problema de afectação podemos dizer que "" é afectado a "", "" a "",, "E" a "". Se calcularmos a afectação óptima no quadro da matriz do grafo obtêm-se os pares assinalados sendo o valor de Min f(x) = 45 km. afectação óptima é - - E que sendo um ciclo de Hamilton de valor óptimo 45 km é o itinerário de menor distância a escolher para a viatura da empresa. Se a afectação óptima constituir um ciclo de Hamilton este pode ser calculado E E por esta via. Infelizmente uma situação deste tipo é rara não sendo útil na vida prática onde problemas deste tipo são comuns na distribuição de bens, processamento de dados em computador, horários escalonados etc. b. Matriz reduzida Na aplicação deste algoritmo considera-se que uma matriz está reduzida quando em cada fila (linha/coluna) há pelo menos um elemento nulo. Para reduzir uma matriz, subtrai-se a cada linha o menor dos seus elementos e na matriz resultante subtrai-se a cada coluna o menor dos seus elementos. Se na matriz reduzida for possível uma afectação óptima (solução de valor nulo) o seu valor é igual à soma dos elementos subtraídos. c. Penalidade do Regresso O cálculo de um ciclo envolve a agregação de arestas. dmita-se que nesta matriz reduzida se coloca o problema de escolher ou não escolher a aresta (peso 0) para construir um ciclo de Hamilton de valor mínimo. Quais as consequências de não escolher? Para construir o ciclo será necessário: ligar "" a outro vértice; o mais favorável é "" pois a aresta tem peso 5; ligar um vértice a ""; o mais favorável é "" pois a aresta tem peso 2; aresta tem peso nulo. Se não é escolhida, o Regresso a "" conduz, pelo menos, ao agravamento de 7 no valor total do ciclo. Este agravamento denomina-se Penalidade do Regresso a "". 1 Little J..., Murty K.G., Sweeny., Karel., n algorithm for the TSP (Traveling Salesman Problem) V-6

7 Grafos - Problema do caixeiro-viajante Numa matriz reduzida as Penalidades do Regresso são calculadas para todas as arestas de valor nulo somando os menores valores das linha e coluna daquelas arestas. Na matriz anterior as Penalidades do Regresso são: em, 2 +2 = 4 ; em, =7 ; em, 2 +0 = 2 ; em, 0 +4 = 4 ; em, 0 +0 = 0 Na aplicação do algoritmo será necessário calcular as Penalidades do Regresso em matrizes reduzidas que podem ser registadas como mostra a figura seguinte ( 0 k ): (notar que a matriz está reduzida) onsiderando nesta matriz as Penalidades do Regresso, a aresta seria escolhida para o ciclo de Hamilton por estar associada à maior penalidade. INVESTIGÇÃO OPERIONL (MS) V-7

8 Grafos - Problema do caixeiro viajante d. lgoritmo de Little É um algoritmo exacto que utiliza a técnica de branch and bound. onsidere-se o grafo da figura e respectiva matriz de distâncias (km): E E E 146 O primeiro passo é reduzir a matriz do grafo obtendo-se a matriz R 0. O total dos valores subtraídos em linha e coluna é 192 km pelo que o valor de qualquer ciclo hamiltoniano é pelo menos igual a esta soma. E R 0 = * 190 (192) E onsidere-se S 0 =192 km a raiz da arborescência das soluções a calcular. Na matriz R 0 (matriz reduzida associada a S 0 ) calculando as Penalidades do Regresso tem-se: E R 0 = (192) E maior Penalidade do Regresso é 210 km que ocorre em e. omo há empate a escolha da aresta para o ciclo é arbitrária. onsidere-se a escolha de. primeira separação dos ciclos de Hamilton é feita considerando ou não a inclusão da aresta : S com sem S 1 S 2 Foram criados dois sucessores de S 0 : S 1 : conjunto dos ciclos hamiltonianos com a aresta S 2 : conjunto dos ciclos hamiltonianos sem a aresta Os ciclos hamiltonianos pertencentes a S 2 têm pelo menos o valor de S 0 aumentado da penalidade associada à não inclusão de, ou seja, = km. No que respeita às soluções pertencentes a S 1 é necessário organizar a matriz reduzida R 1 (a partir de R 0 porque S 1 é sucessora de S 0 ). V-8

9 Grafos - Problema do caixeiro-viajante Os aspectos a considerar para organizar R 1 são os seguintes: eliminar em R 0 a linha "" e a coluna "" porque S 1 inclui a aresta. impedir a formação de ciclo "parasita" considerando = este modo obtém-se a seguinte matriz: E Necessita ser reduzida E Para obter R 1 é necessário reduzir a matriz subtraindo 51 na linha e posteriormente 159 na coluna sendo de 210 a soma dos valores subtraídos. matriz reduzida R 1 é então: E R 1 = (210) E pelo que as soluções pertencentes a S 1 têm pelo menos o valor de: S 0 + Encargo de redução de R 1 = = km Nota: a igualdade de S 1 e S 2 é mera coincidência. Temos agora as soluções da figura sendo necessário decidir nova separação para prosseguir o cálculo do ciclo. S Esta separação deve ser feita na solução com sem com menor valor (estamos calculando um mínimo) decidindo-se arbitrariamente quando há empate (como está a suceder). S 1 S 2 Seleccionando S 2 é necessária a matriz reduzida R 2 (associada a S 2 ) para calcular Penalidades do Regresso e fazer escolha de nova aresta. Na organização de R 2 a partir de R 0 (porque S 2 é sucessora de S 0 ) tem-se em atenção que: S 2 é solução sem pelo que em R 2 deve figurar = ; em S 2 já foi considerada a Penalidade do Regresso a "" pelo que em R 0 devem ser subtraídos nas linha "" e coluna "" o menor dos valores da respectiva fila (a penalidade 210 já foi considerada para o cálculo do valor de S 2 ). INVESTIGÇÃO OPERIONL (MS) V-9

10 Grafos - Problema do caixeiro viajante Vejamos, passo a passo, a reconstituição de R 2 partindo de R 0 : E R 0 = * 190 (192) E Subtraindo 104 na linha "", 106 na coluna "" e considerando = tem-se a matriz reduzida R 2 : E R 2 = (0) E Nota: se nesta matriz for feita afectação tem-se, E,,, E. Somando o valor associado a estas arestas, =, tem-se o valor de S 2 já disponível do antecedente. Para efectuar a separação em S 2 há que calcular as Penalidades do Regresso em R 2 : E Maior penalidade é 210 km R 2 = Separação em (0) E Em S 2 a separação dos ciclos de Hamilton é feita considerando ou não a inclusão da aresta : S 2 com sem S 3 S 4 Foram criados dois sucessores de S 2 : S 3 : conjunto dos ciclos hamiltonianos com a aresta S 4 : conjunto dos ciclos hamiltonianos sem a aresta Os ciclos hamiltonianos pertencentes a S 4 têm pelo menos o valor de S 2 + Penalidade do Regresso a, ou seja, +210 = 612 km. Para avaliar as soluções pertencentes a S 3 é necessário organizar a matriz reduzida R 3 (a partir de R 2 porque S 3 é sucessora de S 2 ) Para organizar R 3 é necessário: eliminar em R 2 a linha "" e a coluna "" porque se escolheu a aresta. V-10

11 Grafos - Problema do caixeiro-viajante impedir a formação de ciclo "parasita" considerando = (já considerado em R 2 ) este modo obtém-se a matriz seguinte: E R 3 = Maior penalidade é 52 km (0) Separação em ou E E matriz obtida é R 3 porque já está reduzida (encargo de redução nulo). Tem-se o valor de S 3 = S = km. Em R 3 foram já calculadas as Penalidades do Regresso, para decidir a separação das soluções. Temos agora as soluções: S 2 com sem S 3 S nova separação é feita em S 3 ou S 1 (ambas com valor km). dmita-se a decisão de continuar escolhendo S 3 para separação dos ciclos de Hamilton considerando ou não a inclusão da aresta (podia ser E porque tem igual Penalidade do Regresso). Foram criados dois sucessores de S 3 : S 5 : conjunto dos ciclos hamiltonianos com a aresta S 6 : conjunto dos ciclos hamiltonianos sem a aresta Os ciclos hamiltonianos pertencentes a S 6 têm pelo menos o valor de S 3 + Penalidade do Regresso a "", ou seja, +52 = 454 km. Para avaliar as soluções pertencentes a S 5 é necessário organizar a matriz reduzida R 5 a partir de R 3 (porque S 5 é sucessora de S 3 ). Para organizar R 5 é necessário: eliminar em R 3 a linha "" e a coluna "" porque se escolheu a aresta. impedir a formação de ciclo "parasita" considerando = INVESTIGÇÃO OPERIONL (MS) V-11

12 Grafos - Problema do caixeiro viajante este modo obtém-se a matriz seguinte: E Necessita ser reduzida E 0 32 O encargo da redução desta matriz é de 16 (subtracção na 2ª coluna) e a matriz reduzida R 5 é a seguinte: E Maior penalidade é 69 km R 5 = Separação em E (16) E Tem-se o valor de S 5 = S = + 16 =418. Em R 5 foram já calculadas as Penalidades do Regresso, para decidir a separação das soluções. Temos agora as soluções: S 3 com sem S 5 S nova separação é feita em S 5 (como a matriz dos sucessores será de ordem 2 há condições para atingir já uma solução admissível ou concluir pela inexistência de ciclo pelo que não se passa para S 1 ). Escolhendo S 5 para separação dos ciclos de Hamilton considerando ou não a inclusão da aresta E criam-se dois sucessores de S 5 : S 7 : conjunto dos ciclos hamiltonianos com a aresta E S 8 : conjunto dos ciclos hamiltonianos sem a aresta E Os ciclos hamiltonianos pertencentes a S 8 têm pelo menos o valor de S 5 + Penalidade do Regresso a "", ou seja, = 487 km. Para avaliar as soluções pertencentes a S 7 é necessário organizar a matriz reduzida R 7 a partir de R 5 (porque S 7 é sucessora de S 5 ). Para organizar R 7 é necessário: eliminar em R 5 a linha "E" e a coluna "" porque se escolheu a aresta E. impedir a formação de ciclo "parasita" considerando E= E V-12

13 Grafos - Problema do caixeiro-viajante este modo obtém-se a matriz seguinte: E R 7 = 0 Já está reduzida (0) 0 Tem-se o valor de S 7 = S = = 418 km. s Penalidades do Regresso são nulas pelo que se acrescentam ao ciclo as arestas E e obtendo-se a primeira solução admissível com valor 418 km que passa a constituir limite para eliminar de análise as soluções correntes S 4 =612 km ; S 6 = 454 km ; S 8 = 487 km porque têm valor superior. solução S 7 é um ciclo de Hamilton com valor 418 km E 146 É necessário explorar a solução S 1 = km pois pode gerar um ciclo de valor inferior ao já calculado. matriz R 1 com Penalidades do Regresso é a seguinte: E Maior penalidade é 52 km R 1 = Separação em ou E (210) E Em S 1 a separação dos ciclos de Hamilton é feita considerando ou não a inclusão da aresta (podia ser E), criando dois sucessores: S 9 : conjunto dos ciclos hamiltonianos com a aresta S 10 : conjunto dos ciclos hamiltonianos sem a aresta Os ciclos hamiltonianos pertencentes a S 10 têm pelo menos o valor de S 1 + Penalidade do Regresso a "", ou seja, +52 = 454 km (superior a 418 km; eliminar de análise posterior). Para avaliar as soluções pertencentes a S 9 é necessário organizar a matriz reduzida R 9 a partir de R 1 (porque S 9 é sucessora de S 1 ). Para organizar R 9 é necessário: eliminar em R 1 a linha "" e a coluna "" porque se escolheu a aresta. impedir a formação de ciclo "parasita" considerando = INVESTIGÇÃO OPERIONL (MS) V-13

14 Grafos - Problema do caixeiro viajante este modo obtém-se a matriz seguinte: E 53 0 Necessita ser reduzida E 0 0 O encargo da redução desta matriz é de 16 (subtracção na 2ª linha) e a matriz reduzida R 9 é a seguinte: E Maior penalidade é 69 km R 9 = Separação em E (16) E Tem-se o valor de S 9 = S = + 16 = 418 km. Em R 9 foram já calculadas as Penalidades do Regresso, para decidir a separação das soluções. Temos agora as soluções: S 1 com sem S 9 S separação em S 9 é feita considerando ou não a inclusão da aresta E criando dois sucessores: S 11 : conjunto dos ciclos hamiltonianos com a aresta E S 12 : conjunto dos ciclos hamiltonianos sem a aresta E Os ciclos hamiltonianos pertencentes a S 12 têm pelo menos o valor de S 9 + Penalidade do Regresso a "E", ou seja, = 487 km (superior a 418 km; eliminar de análise posterior). Para avaliar as soluções pertencentes a S 11 é necessário organizar a matriz reduzida R 11 a partir de R 9 (porque S 11 é sucessora de S 9 ). Para organizar R 11 é necessário: eliminar em R 9 a linha "" e a coluna "E" porque se escolheu a aresta E. impedir a formação de ciclo "parasita" considerando E = E este modo obtém-se a matriz reduzida R 11 : R 11 = 0 Não necessita redução (0) E 0 V-14

15 Grafos - Problema do caixeiro-viajante Tem-se o valor de S 11 = S = = 418 km. s Penalidades do Regresso são nulas pelo que se acrescentam ao ciclo as arestas e E obtendo-se outra solução admissível com valor 418 km. solução S 11 é um ciclo de Hamilton com valor 418 km. Trata-se do mesmo ciclo de S 7 pelo que o ciclo óptimo é único com valor 418 km. Nota: o grafo é não orientado E 146 Na figura seguinte encontra-se a arborescência S com sem S 1 S 2 com sem com sem S 10 S S 3 S com E sem E com sem S 11 (MISSIVEL) S 12 S 5 S com E sem E S 7 (MISSIVEL) 418 S construída durante o cálculo do(s) ciclo(s). INVESTIGÇÃO OPERIONL (MS) V-15

16 Grafos - Problema do caixeiro viajante 5. uto Teste a. Um agente de fiscalização de parquímetros de uma autarquia é responsável por 5 zonas de parqueamento (,,,,E). movimentação eficaz do agente supõe que este após fiscalizar uma zona não volte à mesma antes de ter fiscalizado as restantes. Por outro lado importa que cada uma das zonas seja fiscalizada com a maior frequência possível. O departamento de tráfego da autarquia, após visita de estudo à área dispõe agora dos tempos (minutos) que o agente necessitará para fiscalizar uma zona e atingir a zona seguinte (ver matriz): Tempo entre zonas (min.) E E Que tipo de problema clássico lhe sugere esta situação? Que instruções daria ao fiscal? b. Numa empresa de metalomecânica é necessário executar 6 tipos de tarefas diferentes na mesma máquina. Para iniciar qualquer das tarefas é necessário preparar a máquina (montagem de acessórios e afinações) o que consome tempo (custo). Estes custos de preparação para dada tarefa variam consoante a natureza da tarefa terminada, ou seja, para iniciar a tarefa "" o custo de preparação pode ou não ser o mesmo consoante a tarefa terminada seja "", "", de "n" tarefas. No grafo da figura os vértices representam as tarefas e os valores associados às arestas representam custos de preparação associados aos vértices adjacentes. ssim se a tarefa "" for imediatamente anterior à tarefa "", o custo de preparação é de 6 u.m E 7 Qual a sequência de execução das tarefas de modo a minimizar os custos totais de preparação (setup)? c. dmita que no exercício da alínea a. o agente pretende fiscalizar todas as zonas iniciando o percurso em e terminando em E. Que instruções daria ao fiscal para que o percurso fosse o mais rápido possível? V-16

17 Grafos - Problema do caixeiro-viajante 6. Solução do uto Teste a. Trata-se do problema do caixeiro-viajante sendo necessário calcular um circuito de Hamilton (o grafo é orientado) num grafo fortemente conexo em que os vértices são as zonas de parqueamento e aos arcos estão associados os tempos de fiscalização e deslocação entre as mesmas. Pode aplicar-se o algoritmo de Little para o que se reduz a matriz obtendo R 0 e uma solução S 0 raiz da arborescência a construir. matriz R 0, com encargo de redução e Penalidades do Regresso é a seguinte: E R 0 = Maior Penalidade é 6 (62) Separação em E S 0 = 62 min. Em S 0 : separação em ; S 1 com ; S 2 sem. S 2 = S = = 68 min. S 1 : necessária matriz reduzida R 1 R 1 : construir a partir de R 0 eliminando linha e coluna ; = ; reduzida E 0 4 * 2 4 Maior Penalidade é 4 R 1 = Separação em (0) E S 1 = S = 62 min. Em S 1 : separação em ; S 3 com ; S 4 sem S 4 = S = = 66 min. S 3 : necessária matriz reduzida R 3 R 3 : construir a partir de R 1 eliminando linha e coluna ; = ; reduzida E R 3 = Maior Penalidade é 8 (0) Separação em E E S 3 = S = 62 min. Em S 3 : separação em E ; S 5 com E ; S 6 sem E S 6 = S = = 70 min. S 5 : necessária matriz reduzida R 5 INVESTIGÇÃO OPERIONL (MS) V-17

18 Grafos - Problema do caixeiro viajante R 5 : construir a partir de R 3 eliminando linha e coluna E ; E = ; reduzida 6 reduzir E 0 2 R 5 = 0 (6) E 0 S 5 = S = 68 min. 1ª solução admissível : E (valor do circuito é S 5 = 68 min.) ispondo deste limite superior, as soluções S 2 = 68 min.e S 6 = 70 min. não são sujeitas a separação dado não poderem gerar soluções com valor inferior ao limite superior S 5 = 68 min. É necessário examinar as soluções de S 4 = 66 min para o que se reconstitui a matriz R 4 a partir de R 1 : considerando o valor de (,) = atendendo a que a Penalidade do Regresso pela não inclusão do arco (,) já está considerada no valor de S 4 Sendo R 1 : E 0 4 * 2 4 R 1 = tem-se a matriz : E E Está reduzida; é R 4 R 4 = Maior Penalidade é Separação em ou E Em S 4 : separação em ; S 7 com ; S 8 sem S 8 = S = = 70 min. (não explorar por que excede limite superior 68 min.) S 7 : necessária matriz reduzida R 7 R 7 : construir a partir de R 4 eliminando linha e coluna ; = ; reduzida E R 7 = Maior Penalidade é 2 (0) Separação em ou E E S 7 = S = 66 min. Em S 7 : separação em ; S 9 com ; S 10 sem S 10 = S = = 68 min. S 9 : necessária matriz reduzida R 9 V-18

19 Grafos - Problema do caixeiro-viajante R 9 : construir a partir de R 7 eliminando linha e coluna ; = ; reduzida E R 9 = 0 (0) E 0 S 9 = S = 66 min. Seleccionar os arcos E e E. 2ª solução admissível : E (valor do circuito é S 9 = 66 min.) solução óptima é S 9 = 66 min., tempo mínimo entre inícios de fiscalização da área. b. Trata-se de um problema típico de ciclo de Hamilton. O ciclo óptimo é E com custo mínimo de 26 u.m. Notar que o trabalho na máquina pode iniciar-se com qualquer das tarefas desde que se obedeça à sequência calculada. c. É necessário calcular um caminho elementar, com todos os vértices do grafo e comprimento igual a "n-1" (caminho de Hamilton). Para detectar o caminho hamiltoniano de a E, calcula-se o ciclo de Hamilton de "" a "" mas modifica-se a matriz inicial do seguinte modo: No vértice inicial do caminho (vértice ) Impedir a ligação ao vértice final do caminho (vértice E) Impedir a ligação dos vértices intermédios do caminho (, e ) ao vértice inicial () No vértice final do caminho (vértice E) Ligação ao vértice inicial do caminho (vértice ) com valor nulo Impedir a ligação aos vértices intermédios do caminho (, e ) matriz para cálculo do ciclo é então: E Nota: Pode eliminar-se a coluna de "" (partida) e a linha de "E" (chegada) aminho óptimo E E 0 Tempo óptimo = 60 minutos INVESTIGÇÃO OPERIONL (MS) V-19

C 3 C 3. De acordo com o teorema de Euler, um grafo não orientado admite um ciclo de Euler se e só for conexo e não tiver vértices de grau ímpar.

C 3 C 3. De acordo com o teorema de Euler, um grafo não orientado admite um ciclo de Euler se e só for conexo e não tiver vértices de grau ímpar. rafos ircuito e iclo de uler X. ircuito e iclo de uler Um grafo orientado diz-se euleriano se há um circuito que contenha todos os seus arcos uma e só uma vez (circuito euleriano ).O grafo da figura é

Leia mais

MÓDULO 3 - PROBLEMAS DE COBERTURAS DE ARCOS E NÓS

MÓDULO 3 - PROBLEMAS DE COBERTURAS DE ARCOS E NÓS MÓULO 3 - PROBLEMAS E COBERTURAS E ARCOS E NÓS 1. CONCEITOS INICIAIS Área contida na Pesquisa Operacional. Pode ser considerada como uma teoria baseada na interligação de pontos e linhas, utilizada principalmente

Leia mais

Grafos Hamiltonianos e o Problema do Caixeiro Viajante. Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá

Grafos Hamiltonianos e o Problema do Caixeiro Viajante. Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá Grafos Hamiltonianos e o Problema do Caixeiro Viajante Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá Grafo Hamiltoniano Definição: Um circuito hamiltoniano em um

Leia mais

Considere-se a relação dos exames requeridos, na mesma época, pelos alunos de uma escola: Número do Cadeiras requeridas

Considere-se a relação dos exames requeridos, na mesma época, pelos alunos de uma escola: Número do Cadeiras requeridas X. olorir os Vértices de um Grafo a. Número cromático do grafo onsidere-se que um aluno necessita frequentar as cadeiras, e. Quantos momentos diferentes necessitam ser reservados no horário para que o

Leia mais

W 8. Nas colunas "k =1 a n" executar: Nas linhas "i =1 a m" executar: Em cada linha "i" de "j=1 a n" executar: z = c ik + c kj

W 8. Nas colunas k =1 a n executar: Nas linhas i =1 a m executar: Em cada linha i de j=1 a n executar: z = c ik + c kj VI. Encaminhamentos de encargo total mínimo Considere-se um grafo (orientado ou não) em que se associa a cada um dos seus arcos (arestas) um dado encargo real (distância, custo, tempo, etc.); admita-se

Leia mais

Árvore de Suporte de Comprimento Mínimo Minimal Spanning Tree

Árvore de Suporte de Comprimento Mínimo Minimal Spanning Tree Investigação Operacional Árvore de Suporte de Comprimento Mínimo Minimal Spanning Tree Slide Transparências de apoio à leccionação de aulas teóricas Maria Antónia Carravilla José Fernando Oliveira Árvore

Leia mais

PERCURSOS. André Falcão, Carlos Augusto, Rafael Broédel e Lucas Dipré

PERCURSOS. André Falcão, Carlos Augusto, Rafael Broédel e Lucas Dipré PERCURSOS André Falcão, Carlos Augusto, Rafael Broédel e Lucas Dipré Serra 2011 Índice 1...O que é caminho e circuito 1.1...Caminho 1.2...Circuito 1.3...Classificação 2...Caminhos Eulerianos 2.1...Definição

Leia mais

Problemas de Fluxo em Redes

Problemas de Fluxo em Redes CAPÍTULO 7 1. Conceitos fundamentais de grafos Em muitos problemas que nos surgem, a forma mais simples de o descrever, é representá-lo em forma de grafo, uma vez que um grafo oferece uma representação

Leia mais

Escola Básica e Secundária Mouzinho da Silveira. MACS 11.º Ano Problema do Caixeiro Viajante

Escola Básica e Secundária Mouzinho da Silveira. MACS 11.º Ano Problema do Caixeiro Viajante Escola Básica e Secundária Mouzinho da Silveira MACS 11.º Ano Problema do Caixeiro Viajante Problema do Caixeiro Viajante Trata-se de um problema matemático que consiste, sendo dado um conjunto de cidades

Leia mais

Problemas de Optimização em redes

Problemas de Optimização em redes Problemas de ptimização em Redes V., V.Lobo, N / ISGI, 8 Problemas de ptimização em redes Problemas de optimização em redes onceito de grafo Muitos problemas Muitas aplicações aminho mais curto Qual o

Leia mais

Problemas de Transportes e de Afectação

Problemas de Transportes e de Afectação CAPÍTULO 6 Problemas de Transportes e de Afectação 1. Problema de Transporte Este problema, que é um dos particulares de PL, consiste em determinar a forma mais económica de enviar um bem disponível, em

Leia mais

Modelos matemáticos para resolução de problemas de afectação de operações a recursos produtivos

Modelos matemáticos para resolução de problemas de afectação de operações a recursos produtivos Métodos de Análise de Sistemas Produtivos Modelos matemáticos para resolução de problemas de afectação de operações a recursos produtivos 17 de Maio de 2002 Alunos: Álvaro Magalhães Bernardo Ribeiro João

Leia mais

Aula nº / Outubro/ 07. Problema do carteiro chinês

Aula nº / Outubro/ 07. Problema do carteiro chinês ula nº 10 2011/ Outubro/ 07 Problema do carteiro chinês efinição: Um ciclo de Hamilton (ou circuito de Hamilton) num grafo, é um ciclo que passa por todos os vértices desse grafo. efinição: Um grafo de

Leia mais

Teoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada.

Teoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada. Teoria dos Grafos Valeriano A de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilceunespbr, socorro@ibilceunespbr Grafos Hamiltonianos Preparado a partir do texto: Rangel, Socorro

Leia mais

Investigação Operacional

Investigação Operacional Métodos de Programação Linear: Big M, Fases, S Dual (Licenciatura) Tecnologias e Sistemas de Informação http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas 1 Simplex

Leia mais

Teoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada

Teoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada Teoria dos Grafos Valeriano A de Oliveira, Socorro Rangel, Silvio A de Araujo Departamento de Matemática Aplicada Capítulo 12: Grafos Hamiltonianos Preparado a partir do texto: Rangel, Socorro Teoria do

Leia mais

Cap. 2 Conceitos Básicos em Teoria dos Grafos

Cap. 2 Conceitos Básicos em Teoria dos Grafos Teoria dos Grafos e Aplicações 8 Cap. 2 Conceitos Básicos em Teoria dos Grafos 2.1 Grafo É uma noção simples, abstrata e intuitiva, usada para representar a idéia de alguma espécie de relação entre os

Leia mais

NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016

NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 Metaheurística: São técnicas de soluções que gerenciam uma interação entre técnicas de busca local e as estratégias de nível superior para criar um processo de

Leia mais

Grafos: caminhos mínimos

Grafos: caminhos mínimos quando o grafo é sem pesos, a determinação de um caminho mais curto pode ser feita através de uma busca em largura caminho mais curto é aquele que apresenta o menor número de arestas quando o grafo tem

Leia mais

Problema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST)

Problema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST) Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 45 Problema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST) Alguns problemas de otimização combinatória podem ser formulados

Leia mais

Lista de Exercícios Programação Inteira. x 2 0 e inteiros.

Lista de Exercícios Programação Inteira. x 2 0 e inteiros. Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + 2 y s.a x + y 2 x + y 5 x, y 0, x e y inteiros b) Max z = 2 x + y s.a x + 2y 0 x + y 25 x, y

Leia mais

Problema de Optimização. Metodologias de Apoio à Decisão 1. Slide 1

Problema de Optimização. Metodologias de Apoio à Decisão 1. Slide 1 Metodologias de Apoio à Decisão Optimização Combinatória Slide Transparências de apoio à leccionação de aulas teóricas José Fernando Oliveira Maria Antónia Carravilla Problemas de Optimização Instância

Leia mais

Matemática Discreta - Exercícios de Grafos

Matemática Discreta - Exercícios de Grafos UALG - 0/0 1. Seja G o grafo cuja matriz de adjacência é: 1 8 9 1 8 9 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 1 1 0 1 1 0 1 0 1 0 1 1 0 1 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0

Leia mais

MÓDULO 2 - OTIMIZAÇÃO DE REDES

MÓDULO 2 - OTIMIZAÇÃO DE REDES MÓUL - TIMIZÇÃ RS s problemas de otimização de redes podem ocorrer em várias áreas, mas geralmente são encontrados nas áreas de transportes e comunicações. Um problema típico de transporte consiste em

Leia mais

76) 1.1 Sim 1.2 Não 1.3 Não

76) 1.1 Sim 1.2 Não 1.3 Não 6) 1.1 Sim 1.2 Não 1. Não 2.1 2.2 2.. Os grafos dos exercícios 2.1 e 2.2 são conexos, pois existe sempre uma sequência de arestas a unir quaisquer dois vértices. 4.1 Grafo I vértices: ; arestas: 2 Grafo

Leia mais

2. Desenhe o grafo orientado G = (X, Γ) para: 3. Em cada alínea dois grafos são iguais. Identifique-os. (a) (b) (c)

2. Desenhe o grafo orientado G = (X, Γ) para: 3. Em cada alínea dois grafos são iguais. Identifique-os. (a) (b) (c) 1. Desenhe o grafo não orientado G = (X, Γ) para: (a) X = {a, b, c, d} e Γ = {{a, b}, {b, c}, {c, d}}. (b) X = {a, b, c, d} e Γ = φ. (c) X = {1, 2, 3, 4, 5, 6, 7, 8} e Γ = {{1, 2}, {2, 2}, {2, 3}, {3,

Leia mais

Módulo 2 OTIMIZAÇÃO DE REDES

Módulo 2 OTIMIZAÇÃO DE REDES Módulo 2 OTIMIZAÇÃO DE REDES Grafos e Redes Está contida na área de Pesquisa Operacional. Pode ser considerada como uma teoria baseada na interligação de pontos e linhas, utilizada principalmente na solução

Leia mais

Resolução de problemas difíceis de programação linear através da relaxação Lagrangeana

Resolução de problemas difíceis de programação linear através da relaxação Lagrangeana problemas difíceis de programação linear através da relaxação Lagrangeana Ana Maria A.C. Rocha Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho arocha@dps.uminho.pt http://www.norg.uminho.pt/arocha

Leia mais

Circuitos Hamiltorianos

Circuitos Hamiltorianos Circuitos Hamiltorianos Vimos que o teorema de euler resolve o problema de caracterizar grafos que tenham um circuito em que cada aresta apareça exatamente uma vez. Vamos estudar aqui uma questão relacionada.

Leia mais

O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste

O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste material e a resolução (por parte do aluno) de todos os

Leia mais

GRAFOS Aula 04 Caminhos, Conexidade e Distância Max Pereira

GRAFOS Aula 04 Caminhos, Conexidade e Distância Max Pereira Ciência da Computação GRAFOS Aula 04 Caminhos, Conexidade e Distância Max Pereira Um grafo é dito conexo se for possível visitar qualquer vértice, partindo de um outro qualquer, passando pelas suas arestas.

Leia mais

Investigação Operacional

Investigação Operacional nvestigação Operacional Optimização em Redes e rafos Licenciatura em ngenharia ivil Licenciatura em ngenharia do Território Licenciatura em ngenharia e rquitectura Naval / ntrodução à Teoria dos rafos

Leia mais

Aula 12: Programação Inteira

Aula 12: Programação Inteira Aula 12: Programação Inteira Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Aula de Hoje 1 Programação Inteira: A Formulação

Leia mais

Problemas de Decisão em Redes 18

Problemas de Decisão em Redes 18 Problemas de Decisão em Redes 8 Problemas de Fluxo Máximo Slide Problemas de Fluxo Máximo Definição: Dada uma rede, com um nó de entrada e um nó de saída, com capacidades associadas a cada ramo, pretende-se

Leia mais

MÓDULO 3 - PROBLEMAS DE TRANSPORTE

MÓDULO 3 - PROBLEMAS DE TRANSPORTE UNESA Sistemas de Transportes Currículo 08 / 009- MÓDULO 3 - PROBLEMAS DE TRANSPORTE. PROBLEMA CLÁSSICO DE TRANSPORTE O Problema de Transporte constitui uma das principais aplicações da PL para auxiliar

Leia mais

Os Problemas de Optimização Combinatória e a Teoria da Complexidade

Os Problemas de Optimização Combinatória e a Teoria da Complexidade Metodologias de Apoio à Decisão Os Problemas de Optimização Combinatória e a Teoria da Complexidade Programação Inteira Mista Programação Linear Programação Binária Mista Programação Inteira Slide Fluxos

Leia mais

Ciclos hamiltonianos e o problema do caixeiro viajante

Ciclos hamiltonianos e o problema do caixeiro viajante Ciclos hamiltonianos e o problema do caixeiro viajante Algoritmos em Grafos Marco A L Barbosa cba Este trabalho está licenciado com uma Licença Creative Commons - Atribuição-CompartilhaIgual 4.0 Internacional.

Leia mais

Oalgoritmo de Dijkstra

Oalgoritmo de Dijkstra Dijkstra Oalgoritmo de Dijkstra O algoritmo de Dijkstra, concebido pelo cientista da computação holandês Edsger Dijkstra em 1956 e publicado em 1959, soluciona o problema do caminho mais curto num grafo

Leia mais

Definição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos.

Definição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos. 1 Árvores Definição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos. Um grafo simples sem ciclos mas não conexo (em que cada componente conexa é portanto uma árvore) chama-se uma floresta. Numa

Leia mais

ANÁLISE DE ALGORITMOS (INF 1721)

ANÁLISE DE ALGORITMOS (INF 1721) PUC-Rio Departamento de Informática Prof. Marcus Vinicius S. Poggi de Aragão (3WA) Horário: 2as. e 4as. 9-11hs (3WA) 3 de dezembro de 2016 Período: 2016.2 ANÁLISE DE ALGORITMOS (INF 1721) 3 a Lista de

Leia mais

Algoritmos em Grafos COM11087-Tópicos Especiais em Programação I

Algoritmos em Grafos COM11087-Tópicos Especiais em Programação I Algoritmos em Grafos COM11087-Tópicos Especiais em Programação I edmar.kampke@ufes.br Introdução Teoria dos Grafos é o estudo das propriedades e estruturas dos grafos. O objetivo é, após modelar um problema

Leia mais

Projeto e Análise de Algoritmos NP Completude. Prof. Humberto Brandão

Projeto e Análise de Algoritmos NP Completude. Prof. Humberto Brandão Projeto e Análise de Algoritmos NP Completude Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas versão da aula: 0.4 Introdução Problemas intratáveis ou difíceis são comuns

Leia mais

Resolução do problema do caixeiro viajante assimétrico (e uma variante) através da relaxação Lagrangeana

Resolução do problema do caixeiro viajante assimétrico (e uma variante) através da relaxação Lagrangeana Resolução do problema do caixeiro viajante assimétrico (e uma variante) através da relaxação Ana Maria A.C. Rocha e João Luís C. Soares Departamento de Produção e Sistemas Escola de Engenharia Universidade

Leia mais

Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21

Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Três objetivos i. Redução de custos (custos variáveis) ii. iii. Redução de capital (investimento, custos fixos) Melhoria do serviço

Leia mais

ª Fase. 16 pontos

ª Fase. 16 pontos 007.ª Fase 16 pontos 007.ª Fase 4 pontos 15 pontos 007.ª Fase 007.ª Fase 0 pontos 5 pontos 007.ª Fase 5 pontos 10 pontos 0 pontos 007.ª Fase 0 pontos 0 pontos 5 pontos TOTAL 00 pontos Prova Escrita de

Leia mais

Problemas de otimização

Problemas de otimização Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,

Leia mais

4. O Makespan com Tempos de Preparação de Máquina Dependentes da Sequência

4. O Makespan com Tempos de Preparação de Máquina Dependentes da Sequência 40 4. O Makespan com Tempos de Preparação de Máquina Dependentes da Sequência Para problemas de sequenciamento em um única máquina com todos os r j = 0 e tempos de preparação de máquinas (tempos de set

Leia mais

Análise e Síntese de Algoritmos

Análise e Síntese de Algoritmos Análise e Síntese de Algoritmos Algoritmos de Aproximação CLRS, Cap. 35 Resumo Algoritmos de aproximação Algoritmos, com complexidade polinomial, que calculam soluções aproximadas para problemas de optimização

Leia mais

Otimização Combinatória - Parte 3

Otimização Combinatória - Parte 3 Graduação em Matemática Industrial Otimização Combinatória - Parte 3 Prof. Thiago Alves de Queiroz Unidade de Matemática e Tecnologia - CAC/UFG 2/2016 Thiago Queiroz (DM) Parte 3 2/2016 1 / 23 Problemas

Leia mais

04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II

04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II 04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2011/1 Moacir Ponti Jr.

Leia mais

1. Realizou-se uma Assembleia-geral de uma associação cultural, com o objectivo de

1. Realizou-se uma Assembleia-geral de uma associação cultural, com o objectivo de 1. Realizou-se uma Assembleia-geral de uma associação cultural, com o objectivo de eleger uma pessoa para representar a associação em sessões oficiais. Apresentaram-se três candidatos, o Rui, o Luís e

Leia mais

Pesquisa Operacional. Teoria dos Grafos

Pesquisa Operacional. Teoria dos Grafos Pesquisa Operacional Teoria dos Grafos 1 Sumário Introdução Histórico Aplicações de modelos em grafos Conceitos e Notação Representações de um grafo G Tipos de grafos Algoritmos Algoritmo de Djisktra Algoritmo

Leia mais

Estruturas de Dados Grafos

Estruturas de Dados Grafos Estruturas de Dados Grafos Prof. Eduardo Alchieri (introdução) Grafo é um conjunto de pontos e linhas que conectam vários pontos Formalmente, um grafo G(V,A) é definido pelo par de conjuntos V e A, onde:

Leia mais

Grafos Orientados (digrafos)

Grafos Orientados (digrafos) Grafos Orientados (digrafos) Grafo Orientado ou digrafo Consiste em um grafo G = (V,A) onde V = {v 1,, v n } é um conjunto de vértices e A = {a 1,, a k } é um conjunto de arcos tais que a k, k=1,,m é representado

Leia mais

Programação Linear/Inteira

Programação Linear/Inteira Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 7 Thiago Queiroz (IMTec) Aula 7 Aula 7 1 / 25 Problemas de Caixeiro Viajante Envolvem um conjunto

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Linear (PL) Aula 10: Método Simplex Técnica das variáveis artificias Método das penalidades ( Big M ). Método das duas fases. 2 Modificando o Exemplo Protótipo. Suponha-se que é modificado

Leia mais

Simplex. Investigação Operacional José António Oliveira Simplex

Simplex. Investigação Operacional José António Oliveira Simplex 18 Considere um problema de maximização de lucro relacionado com duas actividades e três recursos. Na tabela seguinte são dados os consumos unitários de cada recurso (A, B e C) por actividade (1 e 2),

Leia mais

Teoria da Complexidade Computacional

Teoria da Complexidade Computacional Teoria da Complexidade Computacional Letícia Rodrigues Bueno UFABC Motivação Motivação I can t find an efficient algorithm, I guess I m just too dumb. Fonte: GAREY, M. R. e JOHNSON, D. S. Computers and

Leia mais

ALGORITMO DE DIJKSTRA

ALGORITMO DE DIJKSTRA LGORITMO IJKSTR por runo Miguel Pacheco Saraiva de arvalho epartamento de ngenharia Informática Universidade de oimbra oimbra, Portugal brunomig@student.dei.uc.pt Resumo escreve-se o funcionamento do algoritmo

Leia mais

Redes. ADSA António Câmara

Redes. ADSA António Câmara Redes ADSA António Câmara Redes Método do caminho mais curto Localização de equipamentos Minimum spanning tree Carteiro chinês Caixeiro viajante Links Redes Redes são sistemas de linhas (arcos) ligando

Leia mais

Otimização em Grafos

Otimização em Grafos Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 33 Definição do Problema Dado: um grafo ponderado G = (V, E), orientado ou não, onde d : E R + define as distâncias

Leia mais

Introdução. Introdução. Introdução. Distância euclidiana. Superfícies de custo

Introdução. Introdução. Introdução. Distância euclidiana. Superfícies de custo Introdução aos Sistemas de Informação Geográfica ula Superfícies de custo lexandre Gonçalves DECivil - IST alexandre.goncalves@tecnico.ulisboa.pt Superfícies de custo. Introdução. Matrizes de distâncias,

Leia mais

MATEMÁTICA DISCRETA. Patrícia Ribeiro 2018/2019. Departamento de Matemática, ESTSetúbal 1 / 47

MATEMÁTICA DISCRETA. Patrícia Ribeiro 2018/2019. Departamento de Matemática, ESTSetúbal 1 / 47 1 / 47 MATEMÁTICA DISCRETA Patrícia Ribeiro Departamento de Matemática, ESTSetúbal 2018/2019 2 / 47 1 Combinatória 2 Aritmética Racional 3 3 / 47 Capítulo 3 4 / 47 não orientados Um grafo não orientado

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Linear (PL) Aula 8 : O método Simplex. Casos particulares. Empate no critério de entrada. Óptimo não finito. Soluções óptimas alternativas. Degenerescência. INÍCIO Forma Padrão Faculdade

Leia mais

Análise e Síntese de Algoritmos. Programação Dinâmica CLRS, Cap. 15

Análise e Síntese de Algoritmos. Programação Dinâmica CLRS, Cap. 15 Análise e Síntese de Algoritmos Programação Dinâmica CLRS, Cap. 15 Contexto Revisões [CLRS, Cap. 1-10] Algoritmos em Grafos [CLRS, Cap. 22-26] Algoritmos elementares Árvores abrangentes Caminhos mais curtos

Leia mais

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. X Programação por Metas

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. X Programação por Metas INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. X Programação por Metas António Carlos Morais da Silva Professor de I.O. i Cap. X Programação por Metas - Exercícios X. Programação por Metas.

Leia mais

Capítulo 2- Modelos de grafos.

Capítulo 2- Modelos de grafos. Capítulo 2- Modelos de grafos. 2.1- Introdução (pág. 8) [Vídeo 24] Grafo- é um esquema constituído por pontos (ou vértices) e por segmentos (ou arestas). (8) Exemplo 1(pág.8) Um grafo diz-se conexo se

Leia mais

Algoritmos Combinatórios: Introdução

Algoritmos Combinatórios: Introdução lucia@site.uottawa.ca UFSC, Fevereiro, 2010 Estruturas e Problemas Combinatórios Introdução a Algoritmos Combinatórios O que são: Estruturas Combinatórias? Algoritmos Combinatórios? Problemas Combinatórios?

Leia mais

ESTRUTURAS DISCRETAS (INF 1631) GRAFOS. 1. O que é um grafo? Defina um grafo orientado. Defina um grafo não-orientado.

ESTRUTURAS DISCRETAS (INF 1631) GRAFOS. 1. O que é um grafo? Defina um grafo orientado. Defina um grafo não-orientado. PUC-Rio Departamento de Informática Profs. Marcus Vinicius S. Poggi de Aragão Período: 0. Horário: as-feiras e as-feiras de - horas de maio de 0 ESTRUTURAS DISCRETAS (INF 6) a Lista de Exercícios Procure

Leia mais

Lista de Exercícios Programação Inteira. x 2 0 e inteiros.

Lista de Exercícios Programação Inteira. x 2 0 e inteiros. Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + y s.a x + y x + y 5 b) Max z = x + y s.a x + y 0 x + y 5 c) Max z = x + y s.a x + 9y 6 8 x +

Leia mais

PROPOSTA DE RESOLUÇÃO DA PROVA DO ENSINO SECUNDÁRIO DE MATEMÁTICA APLICADA Às CIÊNCIAS SOCIAIS (CÓDIGO DA PROVA 835) 1ª FASE 23 DE JUNHO 2016

PROPOSTA DE RESOLUÇÃO DA PROVA DO ENSINO SECUNDÁRIO DE MATEMÁTICA APLICADA Às CIÊNCIAS SOCIAIS (CÓDIGO DA PROVA 835) 1ª FASE 23 DE JUNHO 2016 PROPOSTA DE RESOLUÇÃO DA PROVA DO ENSINO SECUNDÁRIO DE MATEMÁTICA APLICADA Às CIÊNCIAS SOCIAIS (CÓDIGO DA PROVA 835) 1ª FASE 23 DE JUNHO 2016 1. Considerando as preferências dos 900 internautas considerados

Leia mais

Pesquisa Operacional II. Professor João Soares de Mello

Pesquisa Operacional II. Professor João Soares de Mello Pesquisa Operacional II Professor João Soares de Mello http://www.uff.br/decisao/notas.htm Ementa Teoria dos grafos (pré-requisitos: PO I, Álgebra Linear) Programação não linear (pré-requisitos: PO I,

Leia mais

Problemas Intratáveis ou computação eficiente X computação ineficiente

Problemas Intratáveis ou computação eficiente X computação ineficiente Problemas Intratáveis ou computação eficiente X computação ineficiente Problemas Tratáveis Os problemas que podem ser resolvidos em tempo polinomial em um computador típico são exatamente os mesmos problemas

Leia mais

Departamento de Engenharia de Produção UFPR 22

Departamento de Engenharia de Produção UFPR 22 Departamento de Engenharia de Produção UFPR 22 Geralmente, temos três objetivos i. Redução de custos (custos variáveis) Redução de capital (investimento, custos fixos) i Melhoria do serviço (pode conflitar

Leia mais

1. Dos grafos seguintes, qual representa também o problema de Königsberg?

1. Dos grafos seguintes, qual representa também o problema de Königsberg? Matemática plicada às iências Sociais 1. os grafos seguintes, qual representa também o problema de Königsberg?. Vão realizar-se, na escola, reuniões de onselho de turma. Na tabela que se segue, o símbolo

Leia mais

Arquitecturas Paralelas I Computação Paralela em Larga Escala LESI - 4º Ano. Desenvolvimento de Aplicações Paralelas

Arquitecturas Paralelas I Computação Paralela em Larga Escala LESI - 4º Ano. Desenvolvimento de Aplicações Paralelas Arquitecturas Paralelas I Computação Paralela em Larga Escala LESI - 4º Ano Desenvolvimento de Aplicações Paralelas (gec.di.uminho.pt/lesi/ap10203/aula06aplicaçõespar.pdf) João Luís Ferreira Sobral Departamento

Leia mais

Problema do Caixeiro Viajante (The Travelling Salesman Problem-TSP) (Problema Del viajante)

Problema do Caixeiro Viajante (The Travelling Salesman Problem-TSP) (Problema Del viajante) Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 78 Problema do Caixeiro Viajante (The Travelling Salesman Problem-TSP) (Problema Del viajante) Suponhamos que a qualquer momento em que

Leia mais

Estrutura de Dados e Algoritmos e Programação e Computadores II. Aula 10: Introdução aos Grafos

Estrutura de Dados e Algoritmos e Programação e Computadores II. Aula 10: Introdução aos Grafos Estrutura de Dados e Algoritmos e Programação e Computadores II Aula 10: Introdução aos Grafos História O assunto que se constitui no marco inicial da teoria de grafos é na realidade um problema algorítmico.

Leia mais

Prof. Marco Antonio M. Carvalho

Prof. Marco Antonio M. Carvalho Prof. Marco Antonio M. Carvalho Lembretes! Lista de discussão! Endereço:! programaacao@googlegroups.com! Solicitem acesso:! http://groups.google.com/group/programaacao! Página com material dos treinamentos!

Leia mais

Ensino Médio - 1º ano

Ensino Médio - 1º ano Centro Universitário UNIVATES Pró-Reitoria de Pesquisa, Extensão e Pós-Graduação PROPEX Centro de Ciências Exatas e Tecnológicas Laboratório de Matemática Apoio: CNPq Ensino Médio - 1º ano IDENTIFICAÇÃO:

Leia mais

Matemática Aplicada às Ciências Sociais- 11º ano (Versão: para o manual a partir de 2016/17)

Matemática Aplicada às Ciências Sociais- 11º ano (Versão: para o manual a partir de 2016/17) Matemática Aplicada às Ciências Sociais- 11º ano (Versão: para o manual a partir de 2016/17) Professor: Pedro Nóia Livro adotado: Matemática Aplicada às Ciências Sociais- 11º ano Elisabete Longo e Isabel

Leia mais

Teoria dos Grafos. Aula 5 - Estruturas de Dados para Grafos. Profª. Alessandra Martins Coelho. março/2013

Teoria dos Grafos. Aula 5 - Estruturas de Dados para Grafos. Profª. Alessandra Martins Coelho. março/2013 Teoria dos Grafos Aula 5 - Estruturas de Dados para Grafos Profª. Alessandra Martins Coelho março/2013 Estrutura é o que caracteriza o próprio grafo e independe da forma como ele é representado. A representação

Leia mais

Problema do Caixeiro Viajante

Problema do Caixeiro Viajante Problema do Caixeiro Viajante 1 Introdução Minimizar o custo de um ciclo hamiltoniano em um grafo completo (William R. Hamilton,1857,Around The World); Solução por enumeração: R( n ) = ( n - 1 )! Um computador

Leia mais

Programação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e

Programação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento

Leia mais

CAPÍTULO 4. Teoria da Dualidade

CAPÍTULO 4. Teoria da Dualidade CAPÍTULO 4 1. Introdução Uma dos conceitos mais importantes em programação linear é o de dualidade. Qualquer problema de PL tem associado um outro problema de PL, chamado o Dual. Neste contexto, o problema

Leia mais

PROPOSTA DE RESOLUÇÃO DA PROVA DO ENSINO SECUNDÁRIO DE MATEMÁTICA APLICADA Às CIÊNCIAS SOCIAIS (CÓDIGO DA PROVA 835) 1ª FASE 23 DE JUNHO 2016

PROPOSTA DE RESOLUÇÃO DA PROVA DO ENSINO SECUNDÁRIO DE MATEMÁTICA APLICADA Às CIÊNCIAS SOCIAIS (CÓDIGO DA PROVA 835) 1ª FASE 23 DE JUNHO 2016 Associação de Professores de Matemática Contactos: Rua Dr. João Couto, n.º 27-A 1500-236 Lisboa Tel.: +351 21 716 36 90 / 21 711 03 77 http://www.apm.pt email: geral@apm.pt PROPOSTA DE RESOLUÇÃO DA PROVA

Leia mais

Complexidade computacional

Complexidade computacional Complexidade computacional Marina Andretta ICMC-USP 15 de setembro de 2015 Baseado no livro Uma introdução sucinta a Algoritmos de Aproximação, de M. H. Carvalho, M. R. Cerioli, R. Dahab, P. Feofiloff,

Leia mais

Pesquisa em profundidade. 1 - Grafos não dirigidos

Pesquisa em profundidade. 1 - Grafos não dirigidos Pesquisa em profundidade void dfs( Vertex v ) //epth-first search v.visited = true; for each w adjacent to v if(! w.visited ) dfs( w ); generalização da travessia em pré-ordem squema básico da pesquisa

Leia mais

Grafos: aplicações. Grafos: árvore geradora mínima

Grafos: aplicações. Grafos: árvore geradora mínima árvore geradora mínima caminhos mínimos problemas tipo 1 desejase conectar todos os computadores em um prédio usando a menor quantidade possível de cabos uma companhia aérea deseja voar para algumas cidades

Leia mais

Introdução. Introdução. Introdução. Distância euclidiana. Superfícies de custo

Introdução. Introdução. Introdução. Distância euclidiana. Superfícies de custo aos Sistemas de Informação Geográfica ula Superfícies de custo Superfícies de custo... Usando distância euclidiana ou célulaacélula Com custos uniformes ou variáveis Superfícies de custo lexandre Gonçalves

Leia mais

Sistemas de Equações Lineares

Sistemas de Equações Lineares Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 998/99 Sistemas de Equações Lineares PROBLEMAS Considere o seguinte sistema de equações da forma Ax = b : 3 2 3 2 2 2 2 x x

Leia mais

x y Grafo Euleriano Figura 1

x y Grafo Euleriano Figura 1 Grafo Euleriano Um caminho simples ou um circuito simples é dito euleriano se ele contém todas as arestas de um grafo. Um grafo que contém um circuito euleriano é um grafo euleriano. Um grafo que não contém

Leia mais

GRAFOS BUSCAS E MENOR CAMINHO. Prof. André Backes

GRAFOS BUSCAS E MENOR CAMINHO. Prof. André Backes 8//6 GRAFOS BUSCAS E MENOR CAMINHO Prof. André Backes Busca em grafos Definição Consiste em explorar o grafo de uma maneira bem específica. Trata-se de um processo sistemático de como caminhar por seus

Leia mais

Teoria da Computação. Complexidade computacional classes de problemas

Teoria da Computação. Complexidade computacional classes de problemas Teoria da Computação Complexidade computacional classes de problemas 1 Universo de problemas Problemas indecidíveis ou não-computáveis Não admitem algoritmos Problemas intratáveis Não admitem algoritmos

Leia mais

Otimização. Otimização em Redes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2

Otimização. Otimização em Redes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2 Otimização Otimização em Redes Paulo Henrique Ribeiro Gabriel phrg@ufu.br Faculdade de Computação Universidade Federal de Uberlândia 2016/2 Paulo H. R. Gabriel (FACOM/UFU) GSI027 2016/2 1 / 51 Conteúdo

Leia mais

Aula 19: Lifting e matrizes ideais

Aula 19: Lifting e matrizes ideais Aula 19: Lifting e matrizes ideais Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Branch-and-bound Formulações

Leia mais

ESTRUTURAS DE DADOS. prof. Alexandre César Muniz de Oliveira. 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8.

ESTRUTURAS DE DADOS. prof. Alexandre César Muniz de Oliveira. 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8. ESTRUTURAS DE DADOS prof. Alexandre César Muniz de Oliveira 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8. Grafos Sugestão bibliográfica: ESTRUTURAS DE DADOS USANDO C Aaron

Leia mais

A Dualidade em Programação Linear

A Dualidade em Programação Linear Investigação Operacional- 2009/10 - Programas Lineares 14 A Dualidade em Programação Linear Para melhor ilustrar este conceito vamos estudar dois problemas intimamente relacionadas: o problema da dona

Leia mais

Modelos e Algoritmos. Transparências de apoio à leccionação de aulas teóricas. c 2001 José Fernando Oliveira, Maria Antónia Carravilla FEUP

Modelos e Algoritmos. Transparências de apoio à leccionação de aulas teóricas. c 2001 José Fernando Oliveira, Maria Antónia Carravilla FEUP Optimização Combinatória: Modelos e Algoritmos Transparências de apoio à leccionação de aulas teóricas Versão 1 c 2001 José Fernando Oliveira, Maria Antónia Carravilla FEUP Modelos de Optimização Combinatória

Leia mais