Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hasonló dokumentumok
Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Döntéselőkészítés. VII. előadás. Döntéselőkészítés. Egyszerű Kőnig-feladat (házasság feladat)

HÁLÓZAT Maximális folyam, minimális vágás

Idõ-ütemterv há lók - I. t 5 4

Idő-ütemterv hálók - I. t 5 4

A Szállítási feladat megoldása

Analízis előadás és gyakorlat vázlat

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés

Hálózati folyamok. Tétel: A maximális folyam értéke megegyezik a minimális vágás értékével.

Diszkrét matematika 2. estis képzés

Kereskedési rendszerek kétoldalú szerződésekkel

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007

Az optimális megoldást adó algoritmusok

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje

Számítógép hálózatok, osztott rendszerek 2009

Diszkrét matematika 2.C szakirány

Algoritmuselmélet 11. előadás

Diszkrét matematika 2. estis képzés

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Hálózati folyamok. A használt fogalmak definiálása

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

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

Gráfelmélet/Diszkrét Matematika MSc hallgatók számára. 3. Előadás

Térinformatikai algoritmusok Elemi algoritmusok

Nagy Gábor compalg.inf.elte.hu/ nagy

Operációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit

Diszkrét matematika 2.C szakirány

Térinformatikai algoritmusok Elemi algoritmusok

Operációkutatás vizsga

Algoritmusok bonyolultsága

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

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr.

Nagy Gábor compalg.inf.elte.hu/ nagy ősz

Diszkrét matematika 2.C szakirány

GPK M1 (BME) Interpoláció / 16

Diszkrét matematika gyakorlat 1. ZH október 10. α csoport

Diszkrét matematika 2.

A lineáris programozás alapjai

Nagy Gábor compalg.inf.elte.hu/ nagy ősz

Online migrációs ütemezési modellek

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány

A L Hospital-szabály, elaszticitás, monotonitás, konvexitás

Előfeltétel: legalább elégséges jegy Diszkrét matematika II. (GEMAK122B) tárgyból

Nagy Gábor compalg.inf.elte.hu/ nagy ősz

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba

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

Metrikus terek, többváltozós függvények

Diszkrét matematika I.

2. Reprezentáció-függvények, Erdős-Fuchs tétel

Gyakorló feladatok Alkalmazott Operációkutatás vizsgára. További. 1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén!

Matematika alapjai; Feladatok

Diszkrét matematika I.

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék

Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra:

Vállalati modellek. Előadásvázlat. dr. Kovács László

Sorozatok. 5. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Sorozatok p. 1/2

Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra:

A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma

Markov-láncok stacionárius eloszlása

Kétszemélyes játékok

Dinamikus programozás - Szerelőszalag ütemezése

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Diszkrét matematika 1. estis képzés

Diszkrét matematika 2. estis képzés

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

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

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Trigonometria II.

Döntéstámogató módszerek segédlet

Dinamikus programozás II.

10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai

Diszkrét matematika 2. estis képzés

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben

Függvények ábrázolása, jellemzése II. Alapfüggvények jellemzői

Ütemezés gyakorlat. Termelésszervezés

Összefoglalás és gyakorlás

az Energetikai Szakközépiskola és Kollégium kisérettségiző diákjai számára

HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: (

ANALÍZIS III. ELMÉLETI KÉRDÉSEK

BOOLE ALGEBRA Logika: A konjunkció és diszjunkció tulajdonságai

Operációkutatás példatár

Analízis I. beugró vizsgakérdések

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

Modern matematikai paradoxonok

DÖNTÉSTÁMOGATÓ MÓDSZEREK segédlet I. rész

SZAKIPARI (BEFEJEZŐ) MUNKÁK TECHNOLÓGIAI FOLYAMATÁNAK TERVEZÉSE

1. Szerencsére elmúlt a veszély, pánikra semmi ok. Luke Skywalker ugyan kivont lézerkarddal ment órára a jediképzőben, de a birodalmi gárda

HALMAZELMÉLET feladatsor 1.

a = 2 + [ i] b = ahol 1 i 162 a hallgató sorszáma a csatolt névsorban, [x] az x szám

Nagyordó, Omega, Theta, Kisordó

Diszkrét matematika II. gyakorlat

A szimplex tábla. p. 1

Algoritmizálás, adatmodellezés tanítása 8. előadás

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

Elérhetőségi probléma egyszerűsítése: Állapottér és struktúra redukció Petri-háló alosztályok

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

Átírás:

Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Maximális folyam 7 7 9 3 2 7 source 8 4 7 sink 7 2 9 7 5 7 6

Maximális folyam feladat Adott [N, A] digráf (irányított élhalmaz), és egy élein értelmezett egész szám. Nevezzük ezt a számot kapacitásnak Keressünk maximális folyamot egy kijelölt forrás és nyelő között.

Maximális folyam feladat Keresendő olyan v folyam érték, hogy ija v maximális, feltéve, hogy v, ha i s f ij - f ji 0, ha i N \ s,t jia - v, ha i t 0 f, ija ij k ij

Minimális vágás 7 7 S 9 3 2 7 T source 8 4 7 sink 7 2 9 7 5 7 6

Alsó felső korlátos folyam Feladat: keresendő olyan v folyam érték, hogy v maximális, feltéve, hogy ija l ij v, ha i s f ij - f ji bi, ha i N \ jia - v, ha i t f k ( i, j) A ij ij s,t

Megoldás. megengedett megoldás cirkulációvá alakítjuk a hálózatot Vezessünk be egy új folyamot f ' ij f ij 0 Írjuk át a feltételi halmazt. l ij ija ' f ij - f jia ' ij b i - ija l ij jia l ji b ' i, ha i N 0 ' ' f k l k ( i, j) ij ij ij ij A

Megoldás 2. ha van megengedett megoldás akkor optimális megoldást keresünk

Alsó felső korlátos maximális folyam 3,9 3 4,2 4,8 4 3,7 2 Transzformáljuk több forrást, több nyelőt tartalmazó feladatra. Megengedett megoldást keresünk 2. Maximális folyamot Építéskivitelezési és keresünk Szervezési Tanszék, 6,9

Hálózati folyamok alkalmazásai Repülőjáratok ütemezése Munkák ütemezése Projektek kiválasztása

Néhány építőipari alkalmazás Alsó felső korlátos folyam König feladat/házassági feladat/ hozzárendelési feladat Futószalag modell Általánosított Kőnig feladat/ földszállítási feladat Általános szűk keresztmetszet feladat Evakuálási modellek Költségtervezési feladat

Kőnig Dénes Kőnig Gyula matematikaprofesszor, rektor Kőnig Dénes matematika tanár (Kőnig-Hall tétel)

Kőnig feladat Kőnig Dénes 884. szeptember 2-én született Budapesten. 936-ban Lipcsében jelent meg A véges és végtelen gráfok elmélete című műve.

Adott I, I 2,, I m személy (munkás) és J, J 2,, J n munka (mn) Minden munkásnak adjunk munkát! J J 2 J 3 J 4 I * * I 2 * * I 3 * * I 4 * *

Kőnig tétel Vagy., minden munkást el tudunk látni munkával vagy 2., létezik a munkásoknak egy olyan részhalmaza (P), hogy a P számossága nagyobb, mint az általuk elvégezhető munkák számossága. P > J(P).

A feladat folyam modellje I J s I 2 J 2 t I 3 J 3 I 4 J 4

A feladat folyam modellje S I J s I 2 J r t I p J r+ I i J n T I m m>m-p+r p>r

Futószalag modell Adottak továbbá a ij 0 (i=, m) (j=, n) nem negatív egész számok, amelyek azt az időt jelentik, amennyi idő alatt az I i munkás a J j munkahelyi feladatot ellátja. Valamely hozzárendelés esetén a futószalag sebességét az határozza meg, hogy mennyi a leghosszabb ideig dolgozó munkás munkaideje.

Futószalag modell példa Célunk olyan hozzárendelés megvalósítása, amelynél a leghosszabb ideig dolgozó munkás munkaideje minimális. Az alábbi táblában adottak a tevékenységidők. Az első kiosztásban a 2 időegység lett a legnagyobb, a következőkben ennél jobb lehetőséget keresünk. J J 2 J 3 J 4 I 8 7 6 8 I 2 2 8 9 I 3 7 2 0 3 I 4 4 0 9 8

Futószalag modell példa 2 Töröljük a 2 és annál nagyobb időegységeket tartalmazó cellákból a számokat. Az így megváltozott táblázatban keressünk összerendelést. A hol nincs szám az az összerendelés nem lehetséges. Az alábbi táblázatban mutatunk egy összerendelést amelyben 0 a legnagyobb időegység. J J 2 J 3 J 4 I 8 7 6 8 I 2 8 9 I 3 7 0 I 4 0 9 8

Futószalag modell példa 3 Töröljük a 0 és annál nagyobb időegységeket tartalmazó cellákból a számokat. Az így megváltozott táblázatban keressünk összerendelést. A hol nincs szám az az összerendelés nem lehetséges. Az alábbi táblázatban mutatunk egy összerendelést amelyben 0 a legnagyobb időegység. Egy összerendelés az valójában egy Kőnig feladat. J J 2 J 3 J 4 I 8 7 6 8 I 2 8 9 I 3 7 I 4 9 8

Általánosított Kőnig feladat α Legyenek adottak az I.I m földnyerő helyek melyek kapacitása α. és a J. J n építési földlerakó helyek, amelyek kapacitása β β 7 8 6 7 J J 2 J 3 J 4 6 I * * 9 I 2 * * 7 I 3 * * 6 I 4 * * m i i n j j

A feladat folyam modellje 6 I J 7 s 9 7 I 2 J 2 6 8 t 6 I 3 J 3 7 I 4 J 4

Kőnig tétel Vagy., minden földet el tudunk szállítani vagy 2., létezik a földnyerő helyeknek egy olyan részhalmaza, hogy az onnan elhelyezni kívánt föld mennyisége nagyobb mint az elfogadható földlerakó helyek kapacitása. P J(P)

A feladat folyam modellje S I J β α β r s α I 2 J r t α p Β r+ α i I p J r+ β n α,m I i J n T Minden földet el tudunk szállítani vagy I m ip i ij (P) i

Szűk keresztmetszet feladat Adottak még a τ (i=,,m) (j=,,n) értékek, amelyek a I helyről a J helyre történő szállítás idejét jelölik. Feladat: Döntsük el, hogy a föld elszállítható-e az adott helyekről az elfogadható földlerakó helyekre és adjunk egy olyan lehetséges szállítási politikát, amelyre a maximális szállítási idő is minimális.

Épület Evakuálási Modellek

Modellek Maximális dinamikus folyam Time expended modell Leggyorsabb út (quickest path) Leggyorsabb folyam (quickest flow) Univerzális maximális dinamikus folyam

Evakuálási modellek/ max. dinamikus folyam Helység Helység 3 Helység 2

Evakuálási modellek/ max. dinamikus folyam Helység Helység 3 Helység 2 4

A modell Adott a struktúra (háló) Minden helységhez a kezdetben ott tartózkodók szám, és a maximális befogadóképesség Pld.. helységben (3,7). Minden élre az utazási idő és az átviteli kapacitás időegységenként Pld.: (2,3): 2 időegység az áthaladás egyszerre maximum 3 embernek Feladat: - Adott T időhöz a maximális folyam - Adott v folyam értékhez Építéskivitelezési a minimálisan és Szervezési Tanszék, szükséges idő.

Maximális Dinamikus folyamok példa 4,6 2 2,3,2,2 4,5 0, 3 4,5,2 3,7

t tér 4 4 4 4 3 3 5 5 5 3 3 3 2 2 2 6 6 6 2 2 2 3 2 4 4 7 7 7 3 s idő

Time expended modell - Világos interpretáció - Több csomópont és él van mint az eredeti hálóban, lassú algoritmus.

Általánosítások Adott T időegység alatt mennyi ember tud kijutni? A maximális folyam, hogyan alakul az idő függvényében t=,2,...t? (Universal maximum flow) Csökken a kapacitás az idő előrehaladtával

Eredményekből kapható információk Maximális folyam (min. vágás) értéke Egy maximális folyamrendszer Minimális vágás helye

Felhasználható ingyenes szoftverek http://users.iems.northwestern.edu/~giden/ Giden www.scilab.org (metanet toolbox) http://www.r-project.org/ (igraph package)

Feladat Helység 4 Helység Helység 3 Helység 2

Feladat s 4 Helység 4. 5 fő 2,3 Helység. 7 fő,2,2 3 Helység 3. 6 fő 2 Helység 2. 8 fő,2,2,2 t

Feladat s 4 Helység 4. 5 fő, max. 6 fő 2,3 Helység. 7 fő, max,2,2 3 Helység 3. 6 fő 2 Helység 2. 8 fő,2,2,2 t

t 5 5 5 4 4 4 4 3 3 3 3 2 2 2 2 s

Leggyorsabb út / Quickest path Adott: a hálózat az utazási időkkel és a kapacitásokkal Feladat: Adott mennyiségű folyamot a leggyorsabban eljuttatni s-ből t-be egy úton keresztül. Összutazási idő: T= Utazási idők összege az úton+ átküldendő folyam/legkisebb út kapacitás

Quickest path/ példa 5,4 2 5,4 4 2,4 5 6,0 3 6,0 20 egységnyi folyam mennyi idő alatt juthat el -ből 4-be?

Quickest path/ példa 5,4 2 5,4 4 2,4 5 6,0 3 6,0 20 egységnyi folyam mennyi idő alatt juthat el -ből 4-be? T(,2,4)=20/4+5+5=5 T(,3,4)=20/0+6+6=4

Quickest path/ példa 5,4 2 5,4 4 2,4 5 6,0 3 6,0 20 egységnyi folyam mennyi idő alatt juthat el -ből 5-be? T(,2,4,5)=5+5+2+20/4=7 T(,3,4,5)=6+6+2+20/4=9

Felhasznált irodalom H. W. Hamacher, S. A. Tjandra, Mathematical Modelling of Evacuation Problems: A State of Art

Keressünk maximális folyamot -6 9 3 6 5 0 2 5 7 6 2 5 4

Köszönöm a figyelmet! Mályusz Levente BME Építéskivitelezési Tanszék