Тип работы:
Предмет:
Язык работы:


Алгоритмизация труднорешаемой задачи размещения графа

Работа №120004

Тип работы

Магистерская диссертация

Предмет

информатика

Объем работы91
Год сдачи2018
Стоимость4980 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
44
Не подходит работа?

Узнай цену на написание


СОДЕРЖАНИЕ 2
ВВЕДЕНИЕ 4
Глава 1 АНАЛИЗ ЛИТЕРАТУРЫ 9
1.1 Современная математическая модель 11
1.3 Алгоритмы решения задачи размещения графа 15
1.4 Выводы проведенного анализа литературы 16
Глава 2 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 17
2.1 Разработка математической модели 17
2.1.1 Термины и определения 17
2.1.2 Об NP-полноте задачи размещения графа 21
2.1.3 Вспомогательные результаты 23
2.2 Алгоритмы решения задачи размещения графа 26
2.2.1 Алгоритм локального поиска 26
2.2.2 Алгоритм имитации отжига 27
2.2.3 Генетический алгоритм 31
2.3 Вспомогательный метод оптимизации 36
2.4 Выводы проведенного анализа предметной области 39
Глава 3 РЕАЛИЗАЦИЯ АЛГОРИТМОВ РЕШЕНИЯ ЗАДАЧИ РАЗМЕЩЕНИЯ ГРАФА 41
3.1 Реализация алгоритмов решения задачи размещения графа 41
3.1.1 Реализация алгоритма имитации отжига и алгоритма
локального поиска 41
3.1.2 Реализация генетического алгоритма 42
3.1.3 Эвристический алгоритм Hebene 44
3.1.4 Стохастический алгоритм Hebene 46
3.2 Разработка программного обеспечения 47
3.3 Демонстрация программного обеспечения 52
3.4 Сбор данных для вычислительных экспериментов 55
3.4.1 Генерация случайных графов 56
3.4.2 Получение попарно неизоморфных графов 59
3.4.3 Способы хранения большого количества графов 61
3.5 Выводы 69
Глава 4 ПРОВЕДЕНИЕ ВЫЧИСЛИТЕЛЬНЫХ ЭКСПЕРИМЕНТОВ 71
4.1 Сравнение скорости работы алгоритмов 71
4.2 Сравнение поисковых способностей алгоритмов 74
4.2.1 Сравнение поисковых способностей алгоритмов на графах
малых порядков 74
4.2.2 Сравнения поисковых способностей алгоритмов для графов
больших порядков 76
4.3. Некоторые вспомогательные вычислительные эксперименты 84
4.3.1 Оценка решений графов на отклонение от оптимальных решений 84
4.3.2 Пример размещения графа в сетке 85
4.4 Выводы проведенных вычислительных экспериментов 86
ЗАКЛЮЧЕНИЕ 88
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 89

Работа посвящена алгоритмизации задачи размещения графа. Приложением задачи размещения графа является задача размещения элементов СБИС.
Эта задача может помочь уменьшить время проектирования и достижения желаемых электрических параметров микросхемы.
Кроме того, алгоритмизация задачи размещения графа может помочь в решении других труднорешаемых задач, таких как задача коммивояжера, задача поиска гамильтонова цикла и т. д., так как они имеют много общего.
Проблема
На текущий момент для задачи размещения графа не существует эффективных алгоритмов ее решения. Это, прежде всего, связано с тем, что задача является труднорешаемой. Для решения задачи размещения графа применяют мультиэвристические алгоритмы такие, как генетические алгоритмы и другие. Применение этого класса алгоритмов вызывает трудности в эффективном исследовании этих алгоритмов, так как они в основном являются стохастическими и рассматривают задачу без ее конкретной структуры.
Кроме того, на данный момент неизвестно является ли задача размещения графа NP-полной, а лишь известно, что нет алгоритмов решающих ее эффективно.
Также не существует оценок, которые могли бы дать возможность оценивать решения для задачи размещения графа.
Объект и предмет исследования
Объектом исследования является задача размещения графа.
Предметом исследования является доказательство NP-полноты задачи размещения графа, разработка детерминированного эвристического алгоритма, нахождение оценки ее решений.
Цель исследования
Доказать NP-полноту задачи размещения.
Разработать эвристический алгоритм решения задачи размещения графа.
Выявить возможную оценку для решений задачи размещения графа.
Гипотеза исследования
Для доказательства NP-полноты нужна математическая модель на основании аппарата теории NP-полноты.
Существует эвристический алгоритм решения задачи размещения графа, который может быть сравним с существующими методами, но не являться стохастическим.
Существует оценка для решений задачи размещения графа на отклонение от оптимальный решений.
Задачи исследования
Рассмотрим этапы и задачи исследования, возникающие в процессе:
• анализ необходимости эвристического подхода;
о построение математической модели с использованием аппарата теории NP-полноты;
о доказательство NP-полноты задачи;
• построение эвристического алгоритма;
о анализ существующих алгоритмов решения;
о построение алгоритма решения;
• построение существующих алгоритмов для сравнения их результата с разработанным алгоритмом;
о построение существующих алгоритмов решения для сравнительного анализа с разработанным алгоритмом;
• сбор данных для вычислительных экспериментов;
о сбор всех попарно неизоморфных графов малых порядков для проведения сравнительного анализа алгоритма;
о разработка алгоритма генерации случайных графов с для анализа алгоритма на больших размерностях графов;
о разработка способа хранения большого количества графов;
Теоретическая основа
В связи с тем, что задача размещения графа является труднорешаемой, исследования в данной области направлены на нахождения эффективных эвристических и стохастических алгоритмов решения задачи.
Текущее состояние проблемы таково, что силы исследователей направлены на подбор параметров для существующих мультиэвристических алгоритмов.
Например, авторы [9], [1], [12] в своих работах используют различные мультиэвристические алгоритмы для решения задачи размещения графа.
Некоторые авторы [24], не заостряя свое внимание на конкретной задаче размещения графа, выделяют общие свойства графов, которые могут помочь в построении эффективных алгоритмов решения.
Методологическая основа
В качестве методологической основы использовались такие разделы, как теория формальных языков, теория NP-полноты, теория графов и теория алгоритмов.
Основные этапы исследования и апробация результатов
Этапы исследования:
• анализ необходимости эвристического подхода;
• построение эвристического алгоритма;
• построение существующих алгоритмов для сравнения их результата с разработанным алгоритмом;
• сбор данных для вычислительных экспериментов;
Для апробации результатов проводились сравнительные вычислительные эксперименты разработанного алгоритма с другими известными алгоритмами.
В работе [8] автором были опубликованы результаты построения математической модели и доказательство NP-полноты задачи.
В работах [13, 22] был представлен разработанный детерминированный эвристический алгоритм Hebene.
Научная новизна, теоретическая и практическая значимость
Во время исследования впервые была доказана NP-полнота задачи размещения графа.
Был построен эвристический алгоритм. Это, в первую очередь, означает, что требуются дальнейшие исследования этого алгоритма с целью выявления механизма его работы, которые могут помочь решению задач подобного рода.
Была получена оценка решений для задачи размещения графа. Такая оценка является полезной при исследовании алгоритмов для задачи, так как позволяет оценить приближенное отклонение найденного решения от оптимального.
Разработанный алгоритм может применяться для решения задачи размещения элементов СБИС.
Основные положения
Доказано, что задача размещения графа является NP-полно.
Разработан эвристический алгоритм решения задачи размещения графа.
Получена оценка оптимальных решений задачи.
Разработан специальный формат хранения большого количества графов graph7.
Объем и структура
Работа изложена на 91 страницах, содержит 41 рисунок и 6 таблиц.
Диссертационное исследование состоит из следующих глав.
Глава 1 АНАЛИЗ ЛИТЕРАТУРЫ
В этой главе делается анализ существующих публикаций по теме исследования, приводятся методы и алгоритмы, которые используют другие авторы.
Глава 2 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ
В этой главе приводится разработанная математическая модель для задачи размещения графа. Вводятся термины и определения. Доказывается теорема об NP-полноте задачи размещения графа. Проводится анализ существующих алгоритмов решения, их параметров и особенностей.
Глава 3 РЕАЛИЗАЦИЯ АЛГОРИТМОВ РЕШЕНИЯ ЗАДАЧИ РАЗМЕЩЕНИЯ ГРАФА
В этой главе приводится реализации существующих алгоритмов, а также описываются разработанный алгоритм.
Приводятся методы сбора данных для вычислительных экспериментов.
Описывается разработанный формат хранения графов graph7.
Глава 4 ПРОВЕДЕНИЕ ВЫЧИСЛИТЕЛЬНЫХ ЭКСПЕРИМЕНТОВ
В этой главе анализируется эффективность реализованных алгоритмов в сравнении с реализованным эвристическим алгоритмом.
ЗАКЛЮЧЕНИЕ
В заключении приводятся основные результаты работы, а также результаты проведенных вычислительных экспериментов.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В результате проведенного исследования была построена математическая модель задачи размещения графа, и, на ее основе, доказана теорема об NP- полноте задачи.
Была доказана теорема о том, что решение оптимизационной задачи размещения графа влечет за собой решение задачи размещения графа как задачи распознавания свойств для одной целевой функции.
Были разработаны два алгоритма, решающие задачу размещения графа. Алгоритм Hebene и стохастический алгоритм Hebene. Во время проведения вычислительных экспериментов, разработанные алгоритмы оказались сравнимы (или лучше) других алгоритмов решения задачи. В частности, при проведении вычислительных экспериментов на малых размерностях графов стохастический алгоритм Hebene показал 99% попадания в оптимум. В это же время алгоритм Hebene показал 72% попадания в оптимум, что оказалось сравнимо с результатами алгоритма локального поиска и генетического алгоритма, но оказался хуже, чем алгоритм имитации отжига - 94%. С увеличением размерности графов ситуация стабилизировалась и алгоритм Hebene оказался сравним с другими алгоритмами или оказался лучше них.
Для проведения вычислительных экспериментов были собраны попарно неизоморфные графы порядка 6, 7, 8 и 9, и разработан алгоритм генерации случайных графов. Кроме того, был разработан специальный формат хранения графов graph7, который позволяет хранить большое количество графов с минимальной избыточностью данных. Формат graph7 оказался более успешным, чем формат graph6: есть возможность хранить разные типы графов, место, занимаемое одним графов, не зависит от порядка этого графа.
Была получена оценка, позволяющая оценивать решения на их отклонение от оптимального решения для одной целевой функции.



1. Балюк, Л. В. Генетические алгоритмы решения задачи размещения элементов СБИС // Известия Южного федерального университета. Технические науки, 2006. - С. 65-71.
2. Александров А.Ю. Математическое моделирование и исследование устойчивости биологических сообществ: учеб. пособие / А.Ю. Александров, А.В. Платонов, В.Н. Старков, Н.А. Степенко. — СПб.: Издательство «Лань», 2016. — 272 с.
3. Жабко А.П. Дифференциальные уравнения и устойчивость: учебник / А.П. Жабко, Е.Д. Котина, О.Н. Чижова. — СПб.: Издательство «Лань», 2015. — 320 с.
4. Прасолов А.В. Математические методы экономической динамики: учеб. пособие / А.В. Прасолов. — СПб: Издательство «Лань», 2015. — 352 с.
5. Бондаренко, И. Б., Каляева, Е. А., Кокшаров, Д. Н. Адаптация параметров генетического алгоритма для оптимизации сложных функций // Известия высших учебных заведений. Приборостроение №9, 2011.
6. Борознов, В. О. Исследование решения задачи коммивояжера // Вестник астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика, №2, 2009.
7. Громкович, Ю., Мельников, Б. Ф. Алгоритмизация труднорешаемых задач. Часть I. Простые примеры и простые эвристики // Философские проблемы информационных технологий и киберпространства, 2013.
8. Громкович, Ю., Мельников, Б. Ф. Алгоритмизация труднорешаемых задач. Часть II. Более сложные эвристики // Философские проблемы информационных технологий и киберпространства, №1, 2014.
9. Гэри, М., Вычислительные машины и труднорешаемые задачи / М. Гэри, Д. Джонсон - М.: Мир, 1982.
10. Дудников, В. А. Генетический алгоритм решения оптимизационной задачи размещения вершин графа в линейке // Эвристические алгоритмы и распределённые вычисления, №2, 2015. - С. 60-68.
11. Дудников, В. А., Мельников, Б. Ф. Об NP -полноте задачи размещения графа // Прикладная математика и информатика: современные исследования в области естественных и технических наук, 2017.
12. Емельянов, В. В. Теория и практика эволюционного моделирования / В. В. Емельянов, В. В. Курейчик, В. М. Курейчик. - М.: Физматлит, 2003.
13. Лисяк, М. В. Гибридный алгоритм многокритериального размещения элементов СБИС // Известия Южного федерального университета. Технические науки, №7, 2012. - С. 77-84.
14. Кострова, В. Н., Шендрик, В. А. Генетический алгоритм многокритериальной оптимизации комбинированных графиков для производственной системы на основе гибкого цеха поточного производства // Вестник Воронежского государственного технического университета, 2009.
15. Курейчик, В. В., Запорожцев, Д. Ю. Современные проблемы при размещении элементов СБИС // Известия Южного федерального университета. Технические науки, 2011. - С. 65-71.
16. Мельников, Б. Ф., Дудников, В. А. О Задаче псевдооптимального размещения графа на плоскости и эвристиках ее решения // Информатизация и связь, №1, 2018. - С. 63-70.
17. Мельников, Б. Ф., Сайфулина, Е. Ф. Генерация графов с заданным вектором степеней второго порядка и задача проверки изоморфизма // Стохастическая оптимизация в информатике, №2, 2014.
18. Мельников, Б. Ф., Сайфулина, Е. Ф. Применение мультиэвристического подхода для случайной генерации графа с заданным вектором степеней // Известия высших учебных заведений. Поволжский регион, №3, 2013.
19. Назаров, М. Н. Альтернативные подходы к описанию классов изоморфных графов // Прикладная дискретная математика, №3, 2014.
20. Носов, Ю. Л. Индекс Винера максимальных внешнеплоских графов // Прикладная дискретная математика, №4, 2014.
21. Савин, А. М., Тимофеева, Н. Е. Применение алгоритма оптимизации методом имитации отжига на системах параллельных и распределённых вычислений // Известия Саратовского университета. Новая серия. Серия Математика. Механика. Информатика, №1, 2012.
Электронные ресурсы
22. McKay's, B. graph formats // Brendan McKay's Home Page URL [Электронный ресурс]: https://users .cecs. anu. edu. au/~bdm/data/formats.html Литература на иностранных языках
23. Alan Cobham, The intrinsic computational difficulty of functions. North- Holland Publishing Company, 1964.
24. Boris F. Melnikov, Elena A. Melnikova, Svetlana V. Pivneva, Nadezhda P. Churikova, Vladislav A. Dudnikov, Michael Y. Prus, Multi-heuristic and game approaches in search problems of the graph theory. Предприятие "Новая техника" (Самара), 2018.
25. Boris F. Melnikov, Vladislav A. Dudnikov, The problem of pseudo-optimal placement of a graph on a plane. Предприятие "Новая техника" (Самара), 2018.
26. John H. Holland, Adaptation in natural and artificial systems. University of Michigan Press, 1975.
27. Juraj Hromkovic, Algorithmics for Hard Problems. Springer, 2004.
28. Robert S. Garfinkel, Minimizing Wallpaper Waste, Part 1: A Class of Traveling Salesman Problems // Operations Research, №25, 1977.
29.Sean Luke, Essentials of Metaheuristics. Lulu, 2013.
30.Stephen A. Cook, The Complexity of Theorem-Proving Procedures. University of Toronto, 1971.


Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ