Satz 3.1 TSP ∈ NPBeweisskizze: Die Turingmaschine “rät” eine Tour π, berechnet C(π). Ist dieserWert kleiner als α, so akzeptiert die Turingmaschine die <strong>Ein</strong>gabe. Andernfallsverwirft sie sie.Definition 3.3 (≤ m , NP-hart, NP-vollständig) <strong>Ein</strong> Problem A ist NP-hartgenau dann, wenn es für alle Probleme B ∈ NP eine Polynomzeitreduktion vonB auf A gibt, d.h. eine in Polynomzeit berechenbare Funktionso daß gilt:f : Σ ∗ → Σ ∗x ∈ B ⇐⇒ f(x) ∈ A, ∀x ∈ Σ ∗(Polynomial time many-one reducibility), in Zeichen: B ≤ m A.<strong>Ein</strong> Problem A ist NP-vollständig genau dann, wenn A NP-hart ist undA ∈ NP.B ≤ m A bedeutet anschaulich, daß das Problem B “leichter” ist als A undgelöst werden kann, wenn man A löst und zusätzlich noch polynomiell viel Zeitin Anspruch nimmt. Wenn A NP-hart ist, dann bedeutet dies, daß alle Problemein NP mit Hilfe von A gelöst werden können.Um zu zeigen, daß ein Problem A NP-hart ist, reicht es, wegen der Transitivitätvon ≤ m , ein Problem C zu finden, für das bereits bewiesen ist, daß es NPhartist, und zu zeigen: C ≤ m A. Es wird vorausgesetzt, daß das Erfüllbarkeitsproblemfür Boole’sche Formeln in konjunktiver Normalform SAT (Satisfiability)NP-vollständig ist. (Für den Beweis siehe [12, 3]).SAT := {〈F 〉 : F ist n−stellige Boole ′ sche Formel in konjunktiver Normalform∧ ∃x 1 , . . . , x n ∈ {0, L} : F (x 1 , . . . , x n ) = L}Im folgenden soll bewiesen werden, daß SAT ≤ m TSP und damit die NP-Vollständigkeit von TSP. Zunächst werden einige Zwischenergebnisse gezeigt (sieheauch [30]):Satz 3.2SAT ≤ m CLIQUECLIQUE := {〈G, k〉 : G = (V, E) ist ungerichteter Graph und besitzt mindestensk untereinander benachbarte Knoten, d.h. eine k-Clique}20
(x ,1)1(x ,1)2(x ,2)1( x ,3)2Abbildung 3.1: Graph <strong>zur</strong> Boole’schen Formel (x 1 ∨ x 2 ) ∧ x 1 ∧ ¬x 2 mit markierter3-CliqueBeweisskizze: Gesucht ist eine passende Reduktionsfunktion f : Σ ∗ → Σ ∗ .Dabei wird die ungültige Codierung einer Boole’schen Formel auf eine ungültigeCodierung eines Graphen abgebildet.Anderenfalls wird die Boole’sche Formel F = C 1 ∧. . .∧C n , wobei jedes C i eineDisjunktion von Literalen x j bzw. ¬x j ist, abgebildet auf den Graphen G = (V, E)mit:V := {(x, i) : x ist Literal in C i }E := {{(x, i), (y, j)} : x ≠ ¬y, i ≠ j}k := nD.h. F ist erfüllbar genau dann, wenn es einen Satz von n Variablen—jedein einer eigenen Disjunktion—gibt, die unabhängig voneinander belegt werdenkönnen. D.h. die zugehörigen Knoten bilden eine n-Clique (siehe Abb. 3.1).Satz 3.3VERTEX COVER := {〈G ′ , n〉 : G ′ = (V ′ , E ′ ) ist ungerichteter Graph undes gibt Teilmenge von n Knoten (n-Vertex-Cover),so daß jede Kante zu mindestens einem dieser21
- Seite 1 und 2: Heuristiken zurEin-Depot-Tourenplan
- Seite 3: Ich versichere, daß ich diese Dipl
- Seite 6 und 7: A Verzeichnis der Bezeichnungen 83B
- Seite 8 und 9: 7.1 Beispiele für Probleme, bei de
- Seite 10 und 11: 1.2 GIS-gestützte TourenplanungDie
- Seite 12 und 13: 2231,52312,541,5118521,51,563972Abb
- Seite 14 und 15: 231456Abbildung 2.2: Beispiel für
- Seite 16 und 17: Dabei sind die x ij die oberen Schr
- Seite 18 und 19: Neben der Kostenfunktion c wird ein
- Seite 20 und 21: Einsatzzeit16Abbildung 2.3: Beispie
- Seite 22 und 23: ⎛m(f k∑ k∑∑ v)t E (i, j)
- Seite 26 und 27: 12VertexCover4Clique3Abbildung 3.2:
- Seite 28 und 29: Beweis: Aus den Sätzen 3.2, 3.3, 3
- Seite 30 und 31: 3.2 Exaktes TSP und VRP als Entsche
- Seite 32 und 33: 11 23 211neueTour4 (3,4) 4(3,2) (3,
- Seite 34 und 35: • Über die vorhergehende Kante i
- Seite 36 und 37: aM + C c (b,y)ByxM + cA(a,x)bG AG
- Seite 38 und 39: Beweisskizze: Sei s := ∑ v 1 ,v 2
- Seite 40 und 41: Kapitel 4Berechnung derStop-Distanz
- Seite 42 und 43: 2231,522,5431,51R811,5 2G6 35 9s 1,
- Seite 44 und 45: 23121121103 113401404Abbildung 4.2:
- Seite 46 und 47: Kapitel 5Heuristiken für TSPFür d
- Seite 48 und 49: Abbildung 5.2: Momentaufnahmen beim
- Seite 50 und 51: Minimal spannenderBaum mit Matching
- Seite 52 und 53: Kapitel 6Heuristiken für VRPHeuris
- Seite 54 und 55: Fahrzeug 1Fahrzeug 4Fahrzeug 2 Fahr
- Seite 56 und 57: Gib die übriggebliebenen Stops wie
- Seite 58 und 59: Abbildung 6.2: Ablauf des simultane
- Seite 60 und 61: Abbildung 6.3: Ablauf des sequentie
- Seite 62 und 63: while(es gibt noch Stops in S)Wähl
- Seite 64 und 65: Kern-Stop ist der Stop mit der aktu
- Seite 66 und 67: 6.4 Giant TourBeim Giant-Tour-Verfa
- Seite 68 und 69: Im folgenden wird der Ablauf einer
- Seite 70 und 71: Komponente 2DDDDKomponente 3DKompon
- Seite 72 und 73: 7.1.2 Meßwerte/ErgebnisseDie Meßw
- Seite 74 und 75:
• inhomogen6. Verteilung der Tran
- Seite 76 und 77:
Länge(opt.Touren) = ∑ Länge(Pen
- Seite 78 und 79:
kann auch zu Problemen führen, da
- Seite 80 und 81:
42 113123333123 FahrzeugeKapazitat
- Seite 82 und 83:
ClusterDepotAbbildung 7.5: Fehlverh
- Seite 84 und 85:
Giant TourTour 1 Tour 2DAbbildung 7
- Seite 86 und 87:
7.4.7 Zusammenfassung der Ergebniss
- Seite 88 und 89:
V Knotenmenge von GX Matrix eines g
- Seite 90 und 91:
Anhang BMeßwerte/ErgebnisseZu jede
- Seite 92 und 93:
Anhang CFarb-AbbildungenDie folgend
- Seite 94 und 95:
[12] Cook, S.A.: The Complexity of
- Seite 96:
[41] Potvin, J.-Y.; Lapalme, G.; Ro