Boros Endre. Rutgers University. XXXII. MOK Június 14.

Hasonló dokumentumok
Mádi-Nagy Gergely * A feladat pontos leírása. Tekintsünk darab tetszõleges eseményt, jelöljük ezeket a következõképpen: ,...,

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

Diszkrét, egészértékű és 0/1 LP feladatok

Matematika alapjai; Feladatok

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.

Opkut deníciók és tételek

A lineáris programozás alapjai

Modellek és Algoritmusok - 2.ZH Elmélet

Operációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás

Az optimális megoldást adó algoritmusok

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

Bonyolultságelmélet. Monday 26 th September, 2016, 18:28

Készítette: Fegyverneki Sándor

Korlátozás és szétválasztás módszere Holló Csaba 2

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0

Funkcionálanalízis. n=1. n=1. x n y n. n=1

Totális Unimodularitás és LP dualitás. Tapolcai János

SZAKDOLGOZAT. Merev körű gráfok alkalmazása a numerikus analízisben és a valószínűségi becslésekben. Szabó Péter

[Biomatematika 2] Orvosi biometria

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás

Szemidenit optimalizálás és az S-lemma

Bonyolultságelmélet. Monday 26 th September, 2016, 18:27. Bonyolultságelmélet

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet

Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/

Az ellipszoid algoritmus

Modern irányzatok a bonyolultságelméletben: éles korlátok és dichotómia tételek

A szimplex algoritmus

Áttekintés LP és geometria Többcélú LP LP és egy dinamikus modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

Diszkrét Matematika MSc hallgatók számára. 11. Előadás. Előadó: Hajnal Péter Jegyzetelő: Szarvák Gábor november 29.

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)

Általános algoritmustervezési módszerek

Fraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk

Mesterséges Intelligencia I. (I602, IB602)

Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése

Diszkrét matematika 2. estis képzés

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

CHT& NSZT Hoeffding NET mom. stabilis november 9.

Az állítást nem bizonyítjuk, de a létezést a Paley-féle konstrukció mutatja: legyen H a

9. Előadás. (9. előadás) Lineáris egyr.(3.), Sajátérték április / 35

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.

Fuzzy halmazok jellemzői

= e i1 e ik e j 1. tenzorok. A k = l = 0 speciális esetben e az R egységeleme. A. e q 1...q s. = e j 1...j l q 1...q s

Fluktuáló terű transzverz Ising-lánc dinamikája

Gazdasági matematika II. tanmenet

0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:.

Algoritmusok bonyolultsága

2014. szeptember 24. és 26. Dr. Vincze Szilvia

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 12.

Vektorok, mátrixok, lineáris egyenletrendszerek

LNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Lineáris algebra. (közgazdászoknak) T C T = ( 1 ) ; , D T D =

A fontosabb definíciók

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER október 15. Irodalom. További ajánlott feladatok

Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé.

Vektorterek. =a gyakorlatokon megoldásra ajánlott

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1

10. Előadás P[M E ] = H

1. Milyen parciális törtekre bontaná az alábbi racionális törtfüggvényt:

Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek

Diszkrét matematika I. gyakorlat

Lineáris algebra numerikus módszerei

5. házi feladat. AB, CD kitér élpárra történ tükrözések: Az ered transzformáció: mivel az origó xpont, így nincs szükség homogénkoordinátás

Dr. Karácsony Zsolt. Miskolci Egyetem november

Lineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla

Numerikus módszerek 1.

Jegyzet. az Operációkutatás II cím tantárgyhoz. Utolsó frissítés: május 20. Király Tamás el adásai alapján készítette Papp Olga

Min. , ha =, , ha = 0 egyébként. Forrás és cél csp-ra vonatkozó kényszerek Köztes csp-ra vonatozó, folyammegmaradási kényszer

Algoritmusok bonyolultsága

Adaptív dinamikus szegmentálás idősorok indexeléséhez

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Determinánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony.

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

Differenciaegyenletek

Vektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit

1. Absztrakt terek 1. (x, y) x + y X és (λ, x) λx X. műveletek értelmezve vannak, és amelyekre teljesülnek a következő axiómák:

Algoritmuselmélet gyakorlat (MMN111G)

Boros Zoltán február

Algoritmusok bonyolultsága

Infobionika ROBOTIKA. X. Előadás. Robot manipulátorok II. Direkt és inverz kinematika. Készült a HEFOP P /1.0 projekt keretében

Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) Halmazok 1

Mat. A2 3. gyakorlat 2016/17, második félév

1. Oldja meg a z 3 (5 + 3j) (8 + 2j) 2. Adottak az A(1,4,3), B(3,1, 1), C( 5,2,4) pontok a térben.

3. előadás. Programozás-elmélet. A változó fogalma Kiterjesztések A feladat kiterjesztése A program kiterjesztése Kiterjesztési tételek Példa

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.

Diszkrét matematika I.

Analízis. 1. fejezet Normált-, Banach- és Hilbert-terek. 1. Definíció. (K n,, ) vektortér, ha X, Y, Z K n és a, b K esetén

definiálunk. Legyen egy konfiguráció, ahol és. A következő három esetet különböztetjük meg. 1. Ha, akkor 2. Ha, akkor, ahol, ha, és egyébként.

GROVER-algoritmus. Sinkovicz Péter. ELTE, MSc II dec.15.

KOVÁCS BÉLA, MATEMATIKA I.

ADATBÁZISOK ELMÉLETE 5. ELŐADÁS 3/22. Az F formula: ahol A, B attribútumok, c érték (konstans), θ {<, >, =,,, } Példa:

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31

Átírás:

Diszkrét Momentum Problémák Boros Endre Rutgers University XXXII. MOK 2017. Június 14.

Prékopa András (1929-2016) emlékére

Valószínűségi korlátok (Boole 1854, 1868 (1850)) E 1 = (A B C) (A B C) (A B C) P rob(e 1 ) = 1 3 E 2 = (A B) (A B) P rob(e 2 ) = 1 2 E 3 = (A B) C P rob(e 3 ) = 5 6 E 4 = (A B) (A C) (B C) P rob(e 4 ) =? Milyen nagy (kicsi) lehet P rob(e 4 )?

Valószínűségi korlátok (Boole 1854, 1868 (1850)) E 1 = (A B C) (A B C) (A B C) P rob(e 1 ) = 1 3 E 2 = (A B) (A B) P rob(e 2 ) = 1 2 E 3 = (A B) C P rob(e 3 ) = 5 6 E 4 = (A B) (A C) (B C) P rob(e 4 ) =? Lehetséges ez? Milyen nagy (kicsi) lehet P rob(e 4 )?

Valószínűségi korlátok (Boole 1854, 1868 (1850)) E 1 = (A B C) (A B C) (A B C) P rob(e 1 ) = 1 3 E 2 = (A B) (A B) P rob(e 2 ) = 1 2 E 3 = (A B) C P rob(e 3 ) = 5 6 E 4 = (A B) (A C) (B C) P rob(e 4 ) =? Milyen nagy (kicsi) lehet P rob(e 4 )?

Valószínűségi korlátok (Boole 1854, 1868 (1850)) E 1 = (A B C) (A B C) (A B C) P rob(e 1 ) = 1 3 E 2 = (A B) (A B) P rob(e 2 ) = 1 2 E 3 = (A B) C P rob(e 3 ) = 5 6 E 4 = (A B) (A C) (B C) P rob(e 4 ) =? Milyen nagy (kicsi) lehet P rob(e 4 )?

Egy fontos speciális eset Események: A i Ω, i V = {1, 2,..., n} Adottak: p I = P rob ( i I A i) I V, I m, (p = 1) Probléma: Talaljunk alsó és felő korlátokat ezen n esemény uniójának a valószínűségére: ( ) LB (p I I V, I m) P rob A i UB (p I I V, I m) i V

Egy fontos speciális eset Események: A i Ω, i V = {1, 2,..., n} Adottak: p I = P rob ( i I A i) I V, I m, (p = 1) Probléma: Talaljunk alsó és felő korlátokat ezen n esemény uniójának a valószínűségére: ( ) LB (p I I V, I m) P rob A i UB (p I I V, I m) i V

Egy fontos speciális eset Események: A i Ω, i V = {1, 2,..., n} Adottak: p I = P rob ( i I A i) I V, I m, (p = 1) Probléma: Talaljunk alsó és felő korlátokat ezen n esemény uniójának a valószínűségére: ( ) LB (p I I V, I m) P rob A i UB (p I I V, I m) i V

LP model (Hailperin, 1965) Események: A i Ω, i V = {1, 2,..., n} Adottak: p I = P rob ( i I A i) I V, I m, (p = 1) ( ) Változók: x J = P rob A i A i J V i J i J Ezzel a jelöléssel a céfüggvény és a feltételek így írhatók: ( ) P rob A i = i V =J V x J és p I = V J I x J I V, I m

LP model (Hailperin, 1965) Események: A i Ω, i V = {1, 2,..., n} Adottak: p I = P rob ( i I A i) I V, I m, (p = 1) ( ) Változók: x J = P rob A i A i J V i J i J Ezzel a jelöléssel a céfüggvény és a feltételek így írhatók: ( ) P rob A i = i V =J V x J és p I = V J I x J I V, I m

LP model (Hailperin, 1965) LBm = min x J és UBm = max =J V =J V x J x J = p I V J I x J 0 I V, I m J V Megoldhatóság: NP-nehéz. (Georgakopoulos, Kavvadias és Papadimitriou 1988) Oszlop generálás: NP-nehéz (már m = 2-re is). (Jaumard, Hansen és Poggi de Aragão 1991)

LP model (Hailperin, 1965) LBm = min x J és UBm = max =J V =J V x J x J = p I V J I x J 0 I V, I m J V Megoldhatóság: NP-nehéz. (Georgakopoulos, Kavvadias és Papadimitriou 1988) Oszlop generálás: NP-nehéz (már m = 2-re is). (Jaumard, Hansen és Poggi de Aragão 1991)

LP model (Hailperin, 1965) LBm = min x J és UBm = max =J V =J V x J x J = p I V J I x J 0 I V, I m J V Megoldhatóság: NP-nehéz. (Georgakopoulos, Kavvadias és Papadimitriou 1988) Oszlop generálás: NP-nehéz (már m = 2-re is). (Jaumard, Hansen és Poggi de Aragão 1991)

Binomiális Momentum Probléma (Prékopa 1988) S k = I V I =k p I a k-dik binomiális momentuma az n eseménynek. Ha ξ jelöli az előforduló események számát, akkor [ (ξ ) ] S k = Exp. k

Binomiális Momentum Probléma (Prékopa 1988) S k = I V I =k p I a k-dik binomiális momentuma az n eseménynek. Ha ξ jelöli az előforduló események számát, akkor [ (ξ ) ] S k = Exp. k

Binomiális Momentum Probléma (Prékopa 1988) { LB m min{1, ŨBm} } = { min max } n y j j=1 n ( j y j = S k k) j=1 k = 1,..., m y j 0 j = 1,..., n Theorem 1 (Prékopa (1988)) Egy m elemű részhalmaz I {1, 2,..., n} egy duálisan megengedett bázist definiál akkor és csak akkor ha a struktúrája a követkeő: m even m odd min {i, i + 1,..., t, t + 1} {i, i + 1,..., t, t + 1, n} max {1, i, i + 1,..., t, t + 1, n} {1, i, i + 1,..., t, t + 1}

Binomiális Momentum Probléma (Prékopa 1988) { LB m min{1, ŨBm} } = { min max } n y j j=1 n ( j y j = S k k) j=1 k = 1,..., m y j 0 j = 1,..., n Theorem 1 (Prékopa (1988)) Egy m elemű részhalmaz I {1, 2,..., n} egy duálisan megengedett bázist definiál akkor és csak akkor ha a struktúrája a követkeő: m even m odd min {i, i + 1,..., t, t + 1} {i, i + 1,..., t, t + 1, n} max {1, i, i + 1,..., t, t + 1, n} {1, i, i + 1,..., t, t + 1}

Binomiális momentumokon alapuló korlátok S 1 S 2 + S 2s LB 2s and ŨB 2s+1 S 1 S 2 + + S 2s+1 (Bonferroni 1937) LB 2 = 2 i+1 S 1 2 i(i+1) S 2, i = 1 + 2S2 S 1 (Dawson és Sankoff 1967; Kwerel 1975; Galambos 1977) ŨB 2 = S 1 2 n S 2 (Kwerel 1975; Sathe, Pradhan és Shah 1980; Platz 1985)

Binomiális momentumokon alapuló korlátok S 1 S 2 + S 2s LB 2s and ŨB 2s+1 S 1 S 2 + + S 2s+1 (Bonferroni 1937) LB 2 = 2 i+1 S 1 2 i(i+1) S 2, i = 1 + 2S2 S 1 (Dawson és Sankoff 1967; Kwerel 1975; Galambos 1977) ŨB 2 = S 1 2 n S 2 (Kwerel 1975; Sathe, Pradhan és Shah 1980; Platz 1985)

Binomiális momentumokon alapuló korlátok S 1 S 2 + S 2s LB 2s and ŨB 2s+1 S 1 S 2 + + S 2s+1 (Bonferroni 1937) LB 2 = 2 i+1 S 1 2 i(i+1) S 2, i = 1 + 2S2 S 1 (Dawson és Sankoff 1967; Kwerel 1975; Galambos 1977) ŨB 2 = S 1 2 n S 2 (Kwerel 1975; Sathe, Pradhan és Shah 1980; Platz 1985)

Binomiális momentumokon alapuló korlátok LB 3 = i+2n 1 (i+1)n S 1 2(2i+n 2) i(i+1)n S 2 + 6 i(i+1)n S 3, ŨB 3 = S 1 2(2i 1) i(i+1) S 2 + 6 i(i+1) S 3, where i = 1 + 2(n 2)S2 6S3 (n 1)S 1 2S 2, where i = 1 + 3S3 S 2 (Kwerel 1975; B és Prékopa 1989) ŨB 4 = S 1 2((i 1)(i 2)+(2i 1)n) i(i+1)n S 2 + 6(2i+n 4) i(i+1)n S 3 24 i(i+1)n S 4, where i = 1 + 2(n 2)S2+3(n 5)S3 12S4 (n 2)S 2 3S 3 (B és Prékopa 1989)

Binomiális momentumokon alapuló korlátok LB 3 = i+2n 1 (i+1)n S 1 2(2i+n 2) i(i+1)n S 2 + 6 i(i+1)n S 3, ŨB 3 = S 1 2(2i 1) i(i+1) S 2 + 6 i(i+1) S 3, where i = 1 + 2(n 2)S2 6S3 (n 1)S 1 2S 2, where i = 1 + 3S3 S 2 (Kwerel 1975; B és Prékopa 1989) ŨB 4 = S 1 2((i 1)(i 2)+(2i 1)n) i(i+1)n S 2 + 6(2i+n 4) i(i+1)n S 3 24 i(i+1)n S 4, where i = 1 + 2(n 2)S2+3(n 5)S3 12S4 (n 2)S 2 3S 3 (B és Prékopa 1989)

Binomiális momentumokon alapuló korlátok LB 3 = i+2n 1 (i+1)n S 1 2(2i+n 2) i(i+1)n S 2 + 6 i(i+1)n S 3, ŨB 3 = S 1 2(2i 1) i(i+1) S 2 + 6 i(i+1) S 3, where i = 1 + 2(n 2)S2 6S3 (n 1)S 1 2S 2, where i = 1 + 3S3 S 2 (Kwerel 1975; B és Prékopa 1989) ŨB 4 = S 1 2((i 1)(i 2)+(2i 1)n) i(i+1)n S 2 + 6(2i+n 4) i(i+1)n S 3 24 i(i+1)n S 4, where i = 1 + 2(n 2)S2+3(n 5)S3 12S4 (n 2)S 2 3S 3 (B és Prékopa 1989)

Erősebb korlátok LB m=2 LB 2(GK) = n α i p i, ahol p i = P (A i ), p i,j = P (A i A j ) és i=1 α j p i,j = (1 α i )p i for i = 1,..., n. (Gallot 1966; Kounias 1968) j i LB 2 LB 2(dC) = LB 2 LB 2 (KAT ) = LB 2, where θ i = i V p 2 i p i + j i p LB 2, (de Caen 1997) i,j ( ) θ i p 2 i (2 θ i V i )p i + (1 θ i )p 2 i j i p + i,j (1 θ i )p i + j i p i,j j i p i,j j i p i,j (Kuai, Alajai és Takahara 2000) p i p i

Erősebb korlátok LB m=2 LB 2(GK) = n α i p i, ahol p i = P (A i ), p i,j = P (A i A j ) és i=1 α j p i,j = (1 α i )p i for i = 1,..., n. (Gallot 1966; Kounias 1968) j i LB 2 LB 2(dC) = LB 2 LB 2 (KAT ) = LB 2, where θ i = i V p 2 i p i + j i p LB 2, (de Caen 1997) i,j ( ) θ i p 2 i (2 θ i V i )p i + (1 θ i )p 2 i j i p + i,j (1 θ i )p i + j i p i,j j i p i,j j i p i,j (Kuai, Alajai és Takahara 2000) p i p i

Erősebb korlátok LB m=2 LB 2(GK) = n α i p i, ahol p i = P (A i ), p i,j = P (A i A j ) és i=1 α j p i,j = (1 α i )p i for i = 1,..., n. (Gallot 1966; Kounias 1968) j i LB 2 LB 2(dC) = LB 2 LB 2 (KAT ) = LB 2, where θ i = i V p 2 i p i + j i p LB 2, (de Caen 1997) i,j ( ) θ i p 2 i (2 θ i V i )p i + (1 θ i )p 2 i j i p + i,j (1 θ i )p i + j i p i,j j i p i,j j i p i,j (Kuai, Alajai és Takahara 2000) p i p i

Erősebb korlátok UB 2 UB 2 (Ko) = S 1 i k p i,k (k adott) (Kounias 1968) UB 2 UB 2 (HW ) = S 1 UB 3 UB 3 (BP ) = S 1 (i,j) T p i,j ŨB 2, ahol T egy feszítő fa (Hunter 1976; Worsley 1982) a legjobb feszítő fa polinom időben meghatározható (i,j) E p i,j + (i,j,k) C p {i,j,k} ŨB 3, ahol (E, C) egy cseresznye fa (Bukszár és Prékopa 2001) a legjobb cseresznye fa meghatározása NP-nehéz (Scozzari és Tardella, 2017)

Erősebb korlátok UB 2 UB 2 (Ko) = S 1 i k p i,k (k adott) (Kounias 1968) UB 2 UB 2 (HW ) = S 1 UB 3 UB 3 (BP ) = S 1 (i,j) T p i,j ŨB 2, ahol T egy feszítő fa (Hunter 1976; Worsley 1982) a legjobb feszítő fa polinom időben meghatározható (i,j) E p i,j + (i,j,k) C p {i,j,k} ŨB 3, ahol (E, C) egy cseresznye fa (Bukszár és Prékopa 2001) a legjobb cseresznye fa meghatározása NP-nehéz (Scozzari és Tardella, 2017)

Erősebb korlátok UB 2 UB 2 (Ko) = S 1 i k p i,k (k adott) (Kounias 1968) UB 2 UB 2 (HW ) = S 1 UB 3 UB 3 (BP ) = S 1 (i,j) T p i,j ŨB 2, ahol T egy feszítő fa (Hunter 1976; Worsley 1982) a legjobb feszítő fa polinom időben meghatározható (i,j) E p i,j + (i,j,k) C p {i,j,k} ŨB 3, ahol (E, C) egy cseresznye fa (Bukszár és Prékopa 2001) a legjobb cseresznye fa meghatározása NP-nehéz (Scozzari és Tardella, 2017)

Részleges aggregáció (Prékopa és Gao, 2005) Legyen S ik = 1 k I V, I =k i I p I. Tekintsük a következő részlegesen aggregált LP-t: { } { } LBm (P G) min = = y UB m (P G) max ij i V j V j V ( ) j y ij = S ik i V, és k = 1,..., m. k Theorem 2 (Prékopa és Gao, 2005) LB 2 (P G) = LB 2 (KAT ) és UB 2 (P G) = UB 2 (KW ) = ŨB 2.

Részleges aggregáció (Prékopa és Gao, 2005) Legyen S ik = 1 k I V, I =k i I p I. Tekintsük a következő részlegesen aggregált LP-t: { } { } LBm (P G) min = = y UB m (P G) max ij i V j V j V ( ) j y ij = S ik i V, és k = 1,..., m. k Theorem 2 (Prékopa és Gao, 2005) LB 2 (P G) = LB 2 (KAT ) és UB 2 (P G) = UB 2 (KW ) = ŨB 2.

Részleges aggregáció (Prékopa és Gao, 2005) Legyen S ik = 1 k I V, I =k i I p I. Tekintsük a következő részlegesen aggregált LP-t: { } { } LBm (P G) min = = y UB m (P G) max ij i V j V j V ( ) j y ij = S ik i V, és k = 1,..., m. k Theorem 2 (Prékopa és Gao, 2005) LB 2 (P G) = LB 2 (KAT ) és UB 2 (P G) = UB 2 (KW ) = ŨB 2.

A duális feladat megszorítása A primális relaxaciójához a duális megszorításával is eljuthatunk. Bizonyos megszorítások a duális feladatot megkönnyítik. Tekintsuk a követkeő lineáris programot LP (F), ahol F egy konvex halmaz: { LBm (F) UB m (F) } = { max min } I S y I = I V 1 I m { p I y I } 1 S V, S y F Legyen M = n + ( n 2) + ( n m), és definiáljuk F N = {y R M y I 0 1 < I m} { F D = y R M y I = z I z i ahol i 1,..., zm i R n i V i I }

A duális feladat megszorítása A primális relaxaciójához a duális megszorításával is eljuthatunk. Bizonyos megszorítások a duális feladatot megkönnyítik. Tekintsuk a követkeő lineáris programot LP (F), ahol F egy konvex halmaz: { LBm (F) UB m (F) } = { max min } I S y I = I V 1 I m { p I y I } 1 S V, S y F Legyen M = n + ( n 2) + ( n m), és definiáljuk F N = {y R M y I 0 1 < I m} { F D = y R M y I = z I z i ahol i 1,..., zm i R n i V i I }

A duális feladat megszorítása A primális relaxaciójához a duális megszorításával is eljuthatunk. Bizonyos megszorítások a duális feladatot megkönnyítik. Tekintsuk a követkeő lineáris programot LP (F), ahol F egy konvex halmaz: { LBm (F) UB m (F) } = { max min } I S y I = I V 1 I m { p I y I } 1 S V, S y F Legyen M = n + ( n 2) + ( n m), és definiáljuk F N = {y R M y I 0 1 < I m} { F D = y R M y I = z I z i ahol i 1,..., zm i R n i V i I }

A duális feladat megszorítása A primális relaxaciójához a duális megszorításával is eljuthatunk. Bizonyos megszorítások a duális feladatot megkönnyítik. Tekintsuk a követkeő lineáris programot LP (F), ahol F egy konvex halmaz: { LBm (F) UB m (F) } = { max min } I S y I = I V 1 I m { p I y I } 1 S V, S y F Legyen M = n + ( n 2) + ( n m), és definiáljuk F N = {y R M y I 0 1 < I m} { F D = y R M y I = z I z i ahol i 1,..., zm i R n i V i I }

A duális feladat megszorítása Theorem 3 (B, Scozzari, Tardella, és Veneziani, 2015) Az LP (F N ) és LP (F D ) problémák polinomiális időben megoldhatók, és az ebből eredő korlátok legalább olyan jók, mint bármely más jelenleg ismert polinom időben kiszámítható korlát. Például a következő relációk teljesülnek: UB 2 (F N ) = UB 2 (HW ) UB 2 (F D ) = UB 2 (K0), UB m (F D ) UB m (P G), és LB m (F D ) LB m (P G).

LP (F N ) felső korlát max P rob( n i=1 A i) P rob(a i ) = p i i = 1,..., n P rob( i I A i) p I I V, I m Ennek a feladatnak az optimuma egybeesik az LP (F N ) felső korláttal. Polinomiális időben meghatározható.

LP (F N ) felső korlát max P rob( n i=1 A i) P rob(a i ) = p i i = 1,..., n P rob( i I A i) p I I V, I m Ennek a feladatnak az optimuma egybeesik az LP (F N ) felső korláttal. Polinomiális időben meghatározható.

LP (F N ) felső korlát max P rob( n i=1 A i) P rob(a i ) = p i i = 1,..., n P rob( i I A i) p I I V, I m Ennek a feladatnak az optimuma egybeesik az LP (F N ) felső korláttal. Polinomiális időben meghatározható.

LP (F N ) felső korlát az m = 2 esetben min i V p i w 1 i + i,j V p i,j w 2 i,j wi 1 + wi,j 2 1 S V, S i S i,j S w 2 i,j 0 i, j V Theorem 4 (B, Scozzari, Tardella, és Veneziani, 2015) A megengedett megoldások poliéderének csúcsai pontosan a következő (w 1, w 2 ) vektor párok: ahol T egy feszítő fa. Érdekes, nem intuitív tény: w 1 = (1,..., 1) és w 2 = χ(t ) Az eredeti, nem megszorított, duális feladat optimumában a w 2 vektornak lehetnek pozitív komponensei!

LP (F N ) felső korlát az m = 2 esetben min i V p i w 1 i + i,j V p i,j w 2 i,j wi 1 + wi,j 2 1 S V, S i S i,j S w 2 i,j 0 i, j V Theorem 4 (B, Scozzari, Tardella, és Veneziani, 2015) A megengedett megoldások poliéderének csúcsai pontosan a következő (w 1, w 2 ) vektor párok: ahol T egy feszítő fa. Érdekes, nem intuitív tény: w 1 = (1,..., 1) és w 2 = χ(t ) Az eredeti, nem megszorított, duális feladat optimumában a w 2 vektornak lehetnek pozitív komponensei!

LP (F N ) felső korlát az m = 2 esetben min i V p i w 1 i + i,j V p i,j w 2 i,j wi 1 + wi,j 2 1 S V, S i S i,j S w 2 i,j 0 i, j V Theorem 4 (B, Scozzari, Tardella, és Veneziani, 2015) A megengedett megoldások poliéderének csúcsai pontosan a következő (w 1, w 2 ) vektor párok: ahol T egy feszítő fa. Érdekes, nem intuitív tény: w 1 = (1,..., 1) és w 2 = χ(t ) Az eredeti, nem megszorított, duális feladat optimumában a w 2 vektornak lehetnek pozitív komponensei!

Köszönöm szépen a figyelmüket!