WikiDer > Интервальное планирование

Interval scheduling

Интервальное планирование это класс проблем в Информатика, особенно в области алгоритм дизайн. Задачи рассматривают комплекс задач. Каждая задача представлена интервал описывающее время, в которое он должен быть выполнен. Например, задача A может выполняться с 2:00 до 5:00, задача B - с 4:00 до 10:00, а задача C - с 9:00 до 11:00. Подмножество интервалов совместимый если не перекрываются два интервала. Например, подмножество {A, C} совместимо, как и подмножество {B}; но ни {A, B}, ни {B, C} не являются совместимыми подмножествами, потому что соответствующие интервалы внутри каждого подмножества перекрываются.

В задача максимизации интервального планирования (ISMP) - найти самый большой совместимый набор - набор неперекрывающихся интервалов максимального размера. Цель здесь - выполнить как можно больше задач.

В обновленной версии задачи интервалы разбиты на группы. Подмножество интервалов совместимый если никакие два интервала не перекрываются, и, более того, никакие два интервала не принадлежат одной и той же группе (т. е. подмножество содержит не более одного репрезентативного интервала каждой группы).

В проблема решения группового интервального планирования (GISDP) должен решить, существует ли совместимый набор, в котором представлены все группы. Цель здесь - выполнить одну репрезентативную задачу от каждой группы. GISDPk - это ограниченная версия GISDP, в которой количество интервалов в каждой группе не превышает k.

В задача максимизации группового интервального планирования (GISMP) - найти наибольший совместимый набор - набор неперекрывающихся представителей максимального размера. Цель здесь - выполнить репрезентативную задачу из как можно большего числа групп. GISMPk - это ограниченная версия GISMP, в которой количество интервалов в каждой группе не превышает k. Эту проблему часто называют JISPk, где J означает Работа.

GISMP - самая общая проблема; две другие проблемы можно рассматривать как частные случаи:

ISMP - это особый случай, когда каждая задача принадлежит к своей группе (то есть равна GISMP1).
GISDP - это проблема определения, равен ли максимум количеству групп.

Максимизация интервального планирования

^[1]

Несколько алгоритмов, которые на первый взгляд могут показаться многообещающими, на самом деле не находят оптимального решения:

Выбор самых ранних интервалов не является оптимальным решением, потому что, если самый ранний интервал окажется очень длинным, принятие его заставит нас отклонить многие другие более короткие запросы.
Выбор самых коротких интервалов или интервалов с наименьшим количеством конфликтов также не является оптимальным.

Жадное полиномиальное решение

Следующее жадный алгоритм находит оптимальное решение:

Выберите интервал, Икс, с самой ранней время окончания.
удалять Икс, и все интервалы, пересекающие Икс, из набора интервалов-кандидатов.
Повторяйте, пока набор подходящих интервалов не станет пустым.

Всякий раз, когда мы выбираем интервал на шаге 1, нам может потребоваться удалить много интервалов на шаге 2. Однако все эти интервалы обязательно пересекают время окончания Икс, и, таким образом, все они пересекаются друг с другом (см. рисунок). Следовательно, в оптимальном решении может находиться не более 1 из этих интервалов. Следовательно, для каждого интервала в оптимальном решении есть интервал в жадном решении. Это доказывает, что жадный алгоритм действительно находит оптимальное решение.

Более формальное объяснение дает Аргумент зарядки.

Жадный алгоритм может быть выполнен за время O (п журнал п), где п - количество задач с использованием шага предварительной обработки, на котором задачи сортируются по времени их завершения.

Решение о групповом интервальном планировании

NP-полный, когда некоторые группы содержат 3 и более интервалов

GISDPk является NP-полным, когда ${displaystyle kgeq 3}$ ,^[2] даже если все интервалы имеют одинаковую длину.^[3] Это может быть показано сокращением из следующей версии Проблема логической выполнимости:

Позволять

{displaystyle X = {x_ {1}, x_ {2}, ..., x_ {p}}}

набор булевых переменных. Позволять

{displaystyle C = {c_ {1}, c_ {2}, ..., c_ {q}}}

быть набором

статьи по Икс такие, что (1) каждый пункт в C имеет не более трех литералов и (2) каждая переменная может появляться один или два раза положительно и один раз отрицательно в целом в C. Решите, есть ли присвоение переменным Икс так что каждый пункт в C имеет хотя бы один настоящий литерал.

Эта версия была показана ^[4] быть НП-полный аналогично неограниченной версии.

Для данного экземпляра этой проблемы выполнимости постройте следующий экземпляр GISDP. Все интервалы имеют длину 3, поэтому достаточно представить каждый интервал его начальным временем:

Для каждой переменной ${displaystyle x_ {i}}$ (для я=1,...,п), создайте группу с двумя интервалами: один начинается с ${displaystyle 50i-10}$ (представляющий задание ${displaystyle x_ {i} = false}$ ) и еще один, начиная с ${displaystyle 50i + 10}$ (представляющий задание ${displaystyle x_ {i} = true}$ ).
Для каждого пункта ${displaystyle c_ {j}}$ $c_ {j}$ (для j=1,...,q), создайте группу со следующими интервалами:
- Для каждой переменной ${displaystyle x_ {i}}$ что положительно сказывается на первый время в C - интервал, начинающийся с ${displaystyle 50i-12}$ .
- Для каждой переменной ${displaystyle x_ {i}}$ что положительно сказывается на второй время в C - интервал, начинающийся с ${displaystyle 50i-8}$ . Обратите внимание, что оба этих интервала пересекают интервал ${displaystyle 50i-10}$ , связан с ${displaystyle x_ {i} = false}$ .
- Для каждой переменной ${displaystyle x_ {i}}$ что выглядит отрицательно - интервал, начинающийся с ${displaystyle 50i + 8}$ . Этот интервал пересекает интервал ${displaystyle 50i + 10}$ связан с ${displaystyle x_ {i} = true}$ .

Обратите внимание, что интервалы в группах, связанных с разными предложениями, не перекрываются. Это обеспечивается, поскольку переменная появляется не более двух раз положительно и один раз отрицательно.

Построенный GISDP имеет допустимое решение (то есть расписание, в котором представлена каждая группа), тогда и только тогда, когда данный набор логических предложений имеет удовлетворительное назначение. Следовательно, GISDP3 является NP-полным, как и GISDPk для каждого ${displaystyle kgeq 3}$ .

Полиномиальный, когда все группы содержат не более 2 интервалов

GISDP2 может быть решена за полиномиальное время следующей редукцией к 2-выполнимость проблема:^[3]

Для каждой группы я создать две переменные, представляющие два его интервала: ${displaystyle x_ {i}}$ и ${displaystyle y_ {i}}$ .
Для каждой группы я, создайте пункты: ${displaystyle x_ {i} чашка y_ {i}}$ и ${displaystyle например {x_ {i}} чашка например {y_ {i}}}$ , которые представляют собой утверждение, что следует выбрать ровно один из этих двух интервалов.
Для каждых двух пересекающихся интервалов (т.е. ${displaystyle x_ {i}}$ и ${displaystyle y_ {j}}$ ) создайте предложение: ${displaystyle например {x_ {i}} чашка например {y_ {j}}}$ , которые представляют собой утверждение, что следует выбрать не более одного из этих двух интервалов.

Эта конструкция содержит не более O (п²) пункты (по одному для каждого пересечения интервалов, плюс два для каждой группы). Каждое предложение содержит 2 литерала. Выполнимость таких формул может быть решена во времени, линейном по количеству пунктов (см. 2-СБ). Следовательно, GISDP2 может быть решена за полиномиальное время.

Максимизация группового интервального планирования

MaxSNP-complete, когда некоторые группы содержат 2 и более интервалов

GISMPk является NP-полным, даже если ${displaystyle kgeq 2}$ .^[5]

Более того, GISMPk MaxSNP-полный, т. е. не имеет PTAS, если P = NP. Это можно доказать, продемонстрировав сокращение с сохранением приближения от MAX 3-SAT-3 до GISMP2.^[5]

Полиномиальное 2-приближение

Следующий жадный алгоритм находит решение, которое содержит не менее 1/2 оптимального количества интервалов:^[5]

Выберите интервал, Икс, с самой ранней время окончания.
удалять Икс, и все интервалы, пересекающие Икс, и все интервалы в одной группе Икс, из набора интервалов-кандидатов.
Продолжайте, пока набор интервалов-кандидатов не станет пустым.

Формальное объяснение дает Аргумент зарядки.

Фактор приближения 2 является точным. Например, в следующем экземпляре GISMP2:

Группа №1: {[0..2], [4..6]}
Группа № 2: {[1..3]}

Жадный алгоритм выбирает только 1 интервал [0..2] из группы №1, в то время как оптимальное планирование состоит в том, чтобы выбрать [1..3] из группы №2, а затем [4..6] из группы №1.

Алгоритмы аппроксимации на основе LP

Используя технику Расслабление линейного программирования, можно приблизить оптимальное расписание с немного лучшими коэффициентами приближения. Коэффициент аппроксимации первого такого алгоритма асимптотически равен 2, когда k большой, но когда k = 2 алгоритм достигает коэффициента аппроксимации 5/3.^[5] Фактор аппроксимации для произвольных k позже был улучшен до 1.582.^[6]

Графические представления

Проблема интервального планирования может быть описана граф пересечений, где каждая вершина представляет собой интервал, а между двумя вершинами существует ребро тогда и только тогда, когда их интервалы перекрываются. В этом представлении задача интервального планирования эквивалентна нахождению максимального независимый набор в этом графе пересечений. В обычных графах найти максимальное независимое множество NP-сложно. Поэтому интересно, что в графах пересечений интервалов это можно сделать точно за полиномиальное время.^{[нужна цитата]}

Задача группового интервального планирования, то есть GISMPk, может быть описана подобным графом пересечений интервалов с дополнительными ребрами между каждыми двумя интервалами одной и той же группы, т. Е. Это объединение ребер интервального графа и графа, состоящего из n непересекающиеся клики размера k.

Вариации

Важным классом алгоритмов планирования является класс алгоритмов динамического приоритета. Когда ни один из интервалов не перекрывается, оптимальное решение тривиально. Оптимум для невзвешенной версии можно найти с помощью самый ранний крайний срок первое планирование. Планирование с взвешенными интервалами - это обобщение, в котором каждой выполняемой задаче присваивается значение, а цель - максимизировать общее значение. Решение не обязательно должно быть уникальным.

Задача интервального планирования является одномерной - имеет значение только временное измерение. В Максимальный непересекающийся набор проблема - это обобщение до двух или более измерений. Это обобщение тоже NP-полно.

Другой вариант - это распределение ресурсов, при котором набор интервалов s планируется с использованием ресурсов. k такой, что k сводится к минимуму. То есть все интервалы должны быть запланированы, но цель состоит в том, чтобы максимально сократить количество ресурсов.

Другой вариант - когда есть м процессоры вместо одного процессора. Т.е., м разные задачи могут выполняться параллельно.^[2]

Смотрите также

Источники

^ Клейнберг, Джон; Тардос, Ева (2006). Разработка алгоритма. ISBN 978-0-321-29535-4.
^ ^а ^б Накадзима, К .; Хакими, С. Л. (1982). «Результаты сложности для планирования задач с дискретным временем начала». Журнал алгоритмов. 3 (4): 344. Дои:10.1016 / 0196-6774 (82) 90030-Х.
^ ^а ^б Марк Кейл, Дж. (1992). «О сложности планирования задач с дискретным временем запуска». Письма об исследованиях операций. 12 (5): 293–295. Дои:10.1016 / 0167-6377 (92) 90087-к.
^ Papadimitriou, Christos H .; Стейглиц, Кеннет (Июль 1998 г.). Комбинаторная оптимизация: алгоритмы и сложность. Дувр. ISBN 978-0-486-40258-1.CS1 maint: ref = harv (ссылка на сайт)
^ ^а ^б ^c ^d Спиексма, Ф. С. Р. (1999). «Об аппроксимируемости задачи интервального планирования». Журнал планирования. 2 (5): 215–227. CiteSeerX 10.1.1.603.5538. Дои:10.1002 / (sici) 1099-1425 (199909/10) 2: 5 <215 :: aid-jos27> 3.0.co; 2 года. цитируя Колена в личном общении
^ Чужой, Дж.; Островского, Р.; Рабани, Ю. (2006). «Алгоритмы приближения для задачи выбора рабочего интервала и связанных задач планирования». Математика исследования операций. 31 (4): 730. CiteSeerX 10.1.1.105.2578. Дои:10.1287 / moor.1060.0218.

[KleinbergTardos-1] Клейнберг, Джон; Тардос, Ева (2006). Разработка алгоритма. ISBN 978-0-321-29535-4.

[NakajimaHakimi-2] а ^б Накадзима, К .; Хакими, С. Л. (1982). «Результаты сложности для планирования задач с дискретным временем начала». Журнал алгоритмов. 3 (4): 344. Дои:10.1016 / 0196-6774 (82) 90030-Х.

[Keil-3] а ^б Марк Кейл, Дж. (1992). «О сложности планирования задач с дискретным временем запуска». Письма об исследованиях операций. 12 (5): 293–295. Дои:10.1016 / 0167-6377 (92) 90087-к.

[4] Papadimitriou, Christos H .; Стейглиц, Кеннет (Июль 1998 г.). Комбинаторная оптимизация: алгоритмы и сложность. Дувр. ISBN 978-0-486-40258-1.CS1 maint: ref = harv (ссылка на сайт)

[Spieksma-5] а ^б ^c ^d Спиексма, Ф. С. Р. (1999). «Об аппроксимируемости задачи интервального планирования». Журнал планирования. 2 (5): 215–227. CiteSeerX 10.1.1.603.5538. Дои:10.1002 / (sici) 1099-1425 (199909/10) 2: 5 <215 :: aid-jos27> 3.0.co; 2 года. цитируя Колена в личном общении

[ChuzoiEtAl-6] Чужой, Дж.; Островского, Р.; Рабани, Ю. (2006). «Алгоритмы приближения для задачи выбора рабочего интервала и связанных задач планирования». Математика исследования операций. 31 (4): 730. CiteSeerX 10.1.1.105.2578. Дои:10.1287 / moor.1060.0218.

[1]

[2]

[3]

[4]

[5]

[6]

Navigation