Modélisations du problème du voyageur de commerce
– Formulation MTZ. • Modélisation 2 du voyageur de commerce. – Formulation quadratique. – Linéarisation. MAE41 Modélisations du voyageur de commerce. 2. Page 3
Titre: Problème du voyageur de commerce : une formulation par
Problème du voyageur de commerce : une formulation par programmation linéaire. Auteurs: Authors: Jean-Claude Picard & Maurice Queyranne. Date: 1975. Type
Les problèmes de tournées avec contraintes de fenêtres de temps l
(1984) pour le problème du voyageur de commerce. Le principal intérêt d'une telle formulation est que sa relaxation linéaire ne contient que An contraintes. (y
Optimisation de distribution de biens et services Cas de Nestlé pour
La formulation mathématique du problème du voyageur de commerce (TSP) se définit comme suit : Soit G = (V; E) un graphe où V représente l'ensemble de n
Chapitre 4. Le voyageur de commerce (TSP)
4.1.2 Modélisation linéaire. La formulation linéaire classique du problème est la suivante: on associe à chaque arête e du graphe une variable binaire xe
Les problèmes de tournées avec contraintes de fenêtres de temps l
(1984) pour le problème du voyageur de commerce. Le principal intérêt d'une telle formulation est que sa relaxation linéaire ne contient que An contraintes. (y
Méthodes de décomposition pour la programmation linéaire en
May 6 2014 Formulation 0-1 pour le problème du voyageur de commerce. Un livreur (ou un voyageur de commerce) doit desservir n villes en partant de la ...
Modélisation et résolution de problèmes généralisés de tournées de
Jan 29 2013 voyageur de commerce (GTSP) et le problème généralisé du voyageur de commerce ... mathematical formulation for this problem. We analyze our ...
Résolution du problème du voyageur de commerce asymétrique par
May 13 2011 2.2.2 Relation avec le problème du voyageur de commerce . . . . . . . . . ... Voici sa formulation mathématique : Page 10. 6. CHAPITRE 2 ...
Modélisations du problème du voyageur de commerce
commerce. • Modélisation 1 du voyageur de commerce. – Sous-tour. – Inégalités d'élimination de sous-tour. – Formulation MTZ. • Modélisation 2 du voyageur de
Les problèmes de tournées avec contraintes de fenêtres de temps l
variables sont utilisées dans la formulation mathématique : Miller Tucker et Zemlin (I960)
Application #2 Problème du voyageur de commerce (TSP)
Le probl`eme du voyageur de commerce ou TSP pour. Traveling-Salesman Problem
ECOLE DE TECHNOLOGIE SUPERIEURE UNIVERSITÉ DU
2.3.4 Autres types de problèmes du voyageur de commerce. 14. 2.4 Problème de tournées de véhicules. 17. 2.4.1 Formulation mathématique du problème de
Algorithmes sur les graphes Algorithme de Little
Formulation du problème. ? Problème du voyageur de commerce (Traveling Salesman Problem - TSP) : Calculer une tournée longueur minimale passant une et une
Chapitre 4. Le voyageur de commerce (TSP)
Le problème du voyageur de commerce (ou TSP pour Traveling Salesman Problem) La formulation linéaire classique du problème est la suivante: on associe à ...
Résolution du problème du voyageur de commerce asymétrique par
13 mai 2011 en soit ces deux problèmes de voyageur de commerce sont classés NP Complets [2]
Modélisations du problème du voyageur de commerce
Formulation MTZ. • Modélisation 2 du voyageur de commerce. – Formulation quadratique. – Linéarisation. • Liens avec le problème du serpent.
Méthodes de décomposition pour la programmation linéaire en
6 mai 2014 Formulation 0-1 pour le problème du voyageur de commerce. Un livreur (ou un voyageur de commerce) doit desservir n villes en partant de la ...
Optimisation de distribution de biens et services Cas de Nestlé pour
La formulation mathématique du problème du voyageur de commerce (TSP) se définit comme suit : Soit G = (V; E) un graphe où V représente l'ensemble de n
1/32/3 3/3
Application #2
Probleme du voyageur de commerce (TSP)
MTH6311
S. Le Digabel,
Ecole Polytechnique de Montreal
H2018 (v4)MTH6311: Heuristiques pour le TSP1/34
1/32/3 3/3
Plan1. Introduction
2. Formulations MIP
3. Heuristiques pour le TSP
MTH6311: Heuristiques pour le TSP2/34
1/32/3 3/3
1. Introduction
2. Formulations MIP
3. Heuristiques pour le TSP
MTH6311: Heuristiques pour le TSP3/34
1/32/3 3/3
Introduction
ILe probleme du voyageur de commerce, ou TSP pour
Traveling-Salesman Problem, consiste, pour un graphe donne, de determiner un cycle hamiltonien dont la longueur est minimale. I Pas juste des villes et des distances : le TSP peut se rencontrer dans d'autres contextes, et/ou comme sous-probleme : problemes de logistique, de transport, d'ordonnancement, etc. (voir p roblemedu p ereNo el I Certains problemes rencontres dans l'industrie se modelisent sous la forme d'un TSP, comme l'optimisation de trajectoires de machines outils : comment percer plusieurs points sur une carte electronique le plus vite possible?MTH6311: Heuristiques pour le TSP4/34
1/32/3 3/3
Introduction (suite)
I Un des accomplissements majeurs du TSP est l'aide donnee au domaineMixed-Integer Programming(MIP). Quasiment tout algorithme pour resoudre un MIP a d'abord ete teste sur le TSP. I La theorie de la complexite a ete etablie par W. Cook en 1971 en se basant sur l'exemple du TSP. ILe TSP estNP-dicile.
ILiens :
site du TSP etTSP interactif
.MTH6311: Heuristiques pour le TSP5/341/32/3 3/3
Notations
IG= (V;E).
IChaque sommet represente une ville.jVj=n.
I On considere que le graphe est complet :jEj=n(n1)=2. I Gest non-oriente mais les solutions doivent tenir compte d'une orientation. I cij: co^ut (distance) de l'arc(i;j)2E. On suppose que c ij=cjipour tout(i;j)2E. I On peut supposer aussi que les distances sont positives et respectent l'inegalite triangulaire c ij+cjkcikpour tousi;j;k2V. IPour un tourTE, on note le co^ut du tourc(T) =P
e2Tc(e).MTH6311: Heuristiques pour le TSP6/341/32/3 3/3
Histoire non-exhaustive du TSP
IPremieres references en 1832.
I1859, W.R. Hamilton : enonce avec un voyageur de commerce.
I1949, J.B. Robinson,\On the Hamiltonian game (a
traveling-salesman problem)". Premiere reference sous sa forme moderne. I Annees 30-50 : popularise dans la communaute mathematique par M. Flood et les chercheurs du RAND. I1954, RAND : G. Dantzig, R. Fulkerson, et S. Johnson,
\Solution of a large-scale traveling-salesman problem". Solution exacte pour les 49 capitales des etats americains (introduction des coupes et du B&B).MTH6311: Heuristiques pour le TSP7/34
1/32/3 3/3
Histoire non-exhaustive du TSP (suite)
I1962, M. Held et R.M. Karp : introduction d'heuristiques
basees sur la programmation dynamique. I1973 : Heuristique de Lin and Kernighan.
I1976 : Heuristique de Christodes.
I Annees 80 { aujourd'hui : diverses heuristiques et metaheuristiques.MTH6311: Heuristiques pour le TSP8/34
1/32/3 3/3
Tailles des instances resolues
Annee Chercheursn1954 Dantzig, Fulkerson, Johnson 491971 Held, Karp 64
1975 Camerini, Fratta, Maoli 67
1977 Grotschel 120
1980 Crowder, Padberg 318
1987 Padberg, Rinaldi 532
1987 Grotschel, Holland 666
1987 Padberg, Rinaldi 2,392
1994 Applegate, Bixby, Chvatal, Cook 7,397
1998 Applegate, Bixby, Chvatal, Cook 13,509
2001 Applegate, Bixby, Chvatal, Cook 15,112
2004 Applegate, Bixby, Chvatal, Cook, Helsgaun 24,978
2005 Cook et al. 33,810
2006 Cook et al. 85,900
MTH6311: Heuristiques pour le TSP9/34
1/32/3 3/3
Probleme ouvert : le World TSP
IInstance den= 1;904;711villes.
I www.tsp.gatech.edu/world/index.html. IMeilleure borne actuelle (2007) :7;512;218;268.
I Meilleure solution actuelle (2011) :7;515;778;188:gapd'au plus 0.0474%.MTH6311: Heuristiques pour le TSP10/34
1/32/3 3/3
1. Introduction
2. Formulations MIP
3. Heuristiques pour le TSP
MTH6311: Heuristiques pour le TSP11/34
1/32/3 3/3
Une premiere formulation MIP
On utilise deux variables binairesxijetxjipour chaque ar^ete (i;j)2E. La variablexijvaut1si on emprunte l'ar^ete deiversj,0sinon.
min xP (i;j)2Ec ij(xij+xji) P i2Vi6=jx ij= 18j2V(entrer une seule fois dans chaque ville) P j2V j6=ix ij= 18i2V(sortir une seule fois de chaque ville) x ijetxji2 f0;1g 8(i;j)2EMTH6311: Heuristiques pour le TSP12/341/32/3 3/3
Une premiere formulation MIP
On utilise deux variables binairesxijetxjipour chaque ar^ete (i;j)2E. La variablexijvaut1si on emprunte l'ar^ete deiversj,0sinon.
minxP (i;j)2Ec ij(xij+xji) P i2Vi6=jx ij= 18j2V(entrer une seule fois dans chaque ville) P j2V j6=ix ij= 18i2V(sortir une seule fois de chaque ville) x v1v2+xv2v3+:::+xvtv1t18S=fv1;v2;:::;vtg V (elimination des sous-tours) x ijetxji2 f0;1g 8(i;j)2EMTH6311: Heuristiques pour le TSP12/341/32/3 3/3
Une premiere formulation MIP (suite)
IContraintes d'elimination des sous-tours :
I Imposent une tournee reliant tous les sommets deG. IPourt= 2, revient axij+xji1.
IPourt= 3,xij+xjk+xki2ou bienxik+xkj+xji2
(elimine les deux tours dans un triangle). I Au pire2ncontraintes de bris de sous-tours. A-t-on besoin de toutes ces contraintes? Peut-on les generer iterativement quand un sous-tour appara^t dans une tournee? I Resolution par la technique de separation et evaluation (Branch and Bound) ou techniques plus specialisees.MTH6311: Heuristiques pour le TSP13/341/32/3 3/3
Une deuxieme formulation MIP (
ots et etapes) On utilise un indice supplementaires2 f1;2;:::;ng(l'etape) : la variablexij;svaut1si on va deiaja l'etapes,0sinon : min xn P i=1n P j=1 j6=in P s=1c ijxij;s n P i=1x ij;snP i=1xji;s%n+1= 08jets2 f1;2;:::;ng ot entrant = ot sortant) nP j=1n P s=1x ij;s= 18i2 f1;2;:::;ng(passer une fois par chaque ville) x ij;s2 f0;1g 8i;j;s2 f1;2;:::;ng On n'a plus besoin des contraintes d'elimination des sous-tours, mais cette formulation requiertn3variables : 50 villes donnent125,000 variables!
MTH6311: Heuristiques pour le TSP14/34
1/32/3 3/3
1. Introduction
2. Formulations MIP
3. Heuristiques pour le TSP
MTH6311: Heuristiques pour le TSP15/34
1/32/3 3/3
Introduction
IOn voit ici deux types d'heuristiques :
I Celles qui construisent une tournee en ne partant de rien (from scratch). I Celles, plus ecaces, qui ameliorent une tournee deja existante. I Les heuristiques vues ici sont dediees au TSP et ne sont donc pas des metaheuristiques. Cependant plusieurs notions, comme les voisinages, peuvent ^etre utilisees pour denir des metaheuristiques. I Ensemble d'instances :TSPLIB.MTH6311: Heuristiques pour le TSP16/341/32/3 3/3
Voisin le plus proche
Nearest Neighbour (NN)[1]Choisir un sommetv12VPoserk 1[2]Tant quek < nk k+ 1choisirvkdansVn fv1;v2;:::;vk1gqui minimisecvk1;vkRetourner le tour(v1;v2;:::;vn)MTH6311: Heuristiques pour le TSP17/34
1/32/3 3/3
Voisin le plus proche (suite)
IFacile a implementer. Complexite enO(n2).
I Sur les problemes de laTSPLIB, en moyenne,NNdonne des tours de co^ut 1.26 fois plus eleve que la valeur optimale, noteNN/OPT= 1:26.
IPire comportement connu :NN/OPT2logn3loglogn
(environ3pourn= 100,4pourn= 10;000, etc.)
I Borne garantie sur la solution optimale(Rosenkrantz, Stearns, Lewis, 1977) : Si les distances sont positives et respectent l'inegalite triangulaire, alorsNN=OPT12
dlog2ne+12 (4:5pourn= 100,7:5pourn= 10;000, etc.)MTH6311: Heuristiques pour le TSP18/341/32/3 3/3
Methodes d'insertion
On commence avec deux noeuds et on ajoute les autres noeuds un a un. Contrairement aNN, a chaque etape, on a un tour.Insertion Method (IM)[1]Choisirv1etv22Vet poserT= (v1;v2)(typiquement on maximisecv1v2)Poserk 2[2]Tant quek < nk k+ 1choisirvkdansVnTinserervkdansTRetournerTMTH6311: Heuristiques pour le TSP19/34
1/32/3 3/3
Methodes d'insertion (suite)
Pour un noeudvkhors du tourT:
I La quantitedT(vk) = minv2Tcvk;vrepresente la distance au tour.quotesdbs_dbs8.pdfusesText_14[PDF] formulation peinture pdf
[PDF] formulation produit alimentaire
[PDF] formulation produit cosmétique
[PDF] formulation shampoing pdf
[PDF] formulation variationnelle des problèmes elliptiques
[PDF] formulation variationnelle éléments finis
[PDF] formulation variationnelle exemple
[PDF] formulation variationnelle problème de neumann
[PDF] formule a connaitre en gestion finance
[PDF] formule acompte devis
[PDF] formule actuariat vie
[PDF] formule aliment poule pondeuse pdf
[PDF] formule alimentaire poules pondeuses
[PDF] formule amortissement constant excel