Sadraj

1. 2. Uvod ................................................................................................................................... 1 Klasa NP-teka ................................................................................................................... 2 2.1.Definiranje NP klase ........................................................................................................ 2 2.2. 3. Klasa NP-teka ............................................................................................................ 3

Problem trgovakog putnika .............................................................................................. 5 3.1. Opis problema trgovako putnika ................................................................................... 5 3.2. Povijest problema trgovako putnika .............................................................................. 5 3.3. Je li je problem trgovako putnika NP-teak? ................................................................ 8 3.3.4. Dokaz NP-teine TSP problema .............................................................................. 8 3.4. Rjeavanja TSP problema ............................................................................................... 9 3.5. Implementacija algoritma .............................................................................................. 12 3.5.1. Kod algoritma ......................................................................................................... 12

Zakljuak .................................................................................................................................. 14 LITERATURA ......................................................................................................................... 15

1. Uvod

U ovom seminarskom radu e se opisati klasa slonosti NP-teka, iz koje dolaze, danas, problemi velike sloenosti. Opisati e se odnos problema iz NP-teke klase sa pitanjem P=NP, te navesti primjere takvih problema. U radu e se izdvojiti problem trgovakog putnika koji mnogim istraivaima, u zadnjih nekoliko desetljea plijeni mnogo pozornosti. Opisati e se, ukratko, kako je napredovalo rjeavanje toga problema tijekom povijesti. U zavr etku rada e biti navedena jedna implementacija u C jeziku, te izraun sloenosti.

2. Klasa NP-teka
2.1.Definiranje NP klase
Prije definiranja klase NP-teke , u koju spadaju NP-teki problemi, definirati emo samu klasu sloenosti NP koja jedna od osnovnih klasa sloenosti iz raunalne teorije sloenosti koja je povezana sa svim klasama iz NP obitelji, te u nju spada (i u klasu NP-teki i NPpotpuna) i problem trgovakog putnika. Da bi definirali NP1 trebamo objasniti nedeterministiko izvravanje u polinomijalnom vremenu, koja se odnose na probleme iz klase NP, i predstavljaju dva osnovna i bitna obiljeja klase NP (N predstavlja nedeterministiki; eng. nondeterministic i P predstavlja polinomijalno vrijeme; eng. polynomial time). Kaemo da algoritam rjeava problem u polinomijalnom vremenu ako u najgorem sluaju vremenska efikasnost algoritma tei O(p(n)) gdje je p(n) polinom problema ulazne veliine n. 2 Nedeterministiki algoritam je procedura, koja se sastoji od dva koraka, koja uzima kao ulaz instancu I problema odluivanja i radi slijedee. Nedeterministiki (nagaajui) korak: Generira se proizvoljan niz S koji se uzima kao mogue rjeenje za danu instancu problema I (ali moe i biti potpuni promaaj). Deterministiki (provjere) korak: Deterministiki algoritam uzima i I i S kao ulaz i kao izlaz daje da ako S predstavlja rjeenje za instancu I danog problema. (Ako S nije rjeenje, algoritam ili vraa ne ili ne vraa nita.) Kaemo da nedeterministiki algoritam rjeava neki problem, koji je problem odluivanja, ako i samo ako za svaku da instancu problema vraa da pri nekom izvrenju.3 Drugim rijeima reeno, zahtijeva se od nedeterministikog algoritma da bude sposoban pogoditi rjeenje. polinomijalne sloenosti.
1 2

Slijedi da,

za nedeterministiki algoritam kae se da se

izvrava u polinomijalnom vremenu ako je vremenska efikasnost koraka provjere

NP se od sada odnosi na klasu sloenosti NP. Prevedeni dio iz knjige Introduction to the Design & Analysis of Algorithms, str 431-432. [Anany Levitin, 2012] 3 Ibid, str 431.

Dakle problem spada u NP klasu ako je rjeiv u polinomijalnom vremenu nedeterministikim algoritmom.4 [Levitin, 2012., 431.]

2.2. Klasa NP-teka

Za neki problem kaemo da je NP-teki (nedeterministiki u polinomijalnom vremenu teki ) problem ako se je jedan od rjeavajui algoritama, toga problema, moe svesti na jedan takav da rjeava bilo koji NP-problem. To znai da je NP-teki problemi u najmanju ruku teki kao bilo koji NP-problem, ili tei.5 Dakle, NP-teki problemi ne moraju biti unutar NP klase; niti moraju biti problemi odluivanja nego mogu biti i problemi pretraivanja i problemi optimizacije. Grafiki prikaz odnosa izmeu klasa NP i NP-teke su prikazani na slici 1 pomou Eulerovih dijagrama.

Slika 1: Grafiki prikaz odnosa NP-klasa.

Primjeri nekih od problema koji spadaju u klasu NP-tekih problema: 4

problem trgovakog putnika problem sume podskupova problem zadovoljivosti (SAT) problem bojanja grafa problem naprtnjae popularna igrica minolovac (minesweeper) problem sortiranja zagorenih palainki6

Takoer treba napomenuti da se esto u definicijama umjesto nedeterministki algoritam koristi se naziv nedeterministiki Turinog stroj. 5 Weisstein, Eric W. "NP-Hard Problem." , Math World, http://mathworld.wolfram.com/NP-HardProblem.html,
6

Pogledati: http://www.i-programmer.info/news/112-theory/3280-pancake-flipping-is-hard-np-hard.html.

Iz gore navedene definicije navedeno je kako su NP-teki problemi teki barem kao svaki NP problem, ili jo tei. to to znai? Koliko su NP-teki problemi zaista teki? Ako neki problem iz klase NP-tekih problema to ne znai da ga je tee rijeiti od bilo kojeg problema iz klase NP, nego da e vrijeme izvrenja algoritma za NP-teki problem biti vee od vremena izvrenja (vremenska sloenost) za algoritam NP problema. Slijedee pitanje koje se namee je: Koje je vrijeme sloenosti problema iz NP klase, pa onda i iz NP-teke klase?. Naime konanog odgovarana na to pitanje trenutno nema. Mnogi algoritmi iz NP klase su polinomijalne sloenosti, ali oni najtei, koji spadaju u NP-potpunu klasu, nisu polinomijalne sloenosti, ali njihova rjeenja mogu biti provjerena u polinomijalnom vremenu. Danas ne postoji niti jedan algoritam za NP-teki problem koji rjeava taj problem u polinomijalnom vremenu, ali kao to je reeno to ne znai da ga nema i to je otvoreno pitanje danas. To pitanje glasi: Da li je P=NP?. Odgovor na to pitanje e imati veliki utjecaj na raunalnu znanost.

Ako se ispostavi da je P=NP kreiranjem nekoga algoritma, koji je polinomijalne vremenske sloenosti, za NP-potpuni (npr. 3SAT) problem; bi bili u mogunosti razbiti veinu kriptografski sustava danas. To bi utjecalo na mnoge znanosti u kojima se javljaju takvi problemi (logistika, biologija, matematika itd.). Ipak taj odgovor ne bi odgovorio na pitanje mogu li se problemi iz NP-teke klase svesti na algoritme polinomijalne sloenosti. Ako se ispostavi da je PNP, onda je sigurno da problemi iz NP-teke klase nemaju algoritme koje rjeavaju takve probleme u polinomijalnom vremenu. Danas se uvelike sumnja da je to odgovor na pitanje P=NP7, ali nitko jo nije ponudio valjan dokaz za to; ipak neke istraivae to nije sprijeilo da svoja istraivanja usmjere u tom smjeru (gdje je PNP).

Istraivanje miljenja znanstvenika o pitanju P=NP: http://www.cs.umd.edu/~gasarch/papers/poll.pdf .

3. Problem trgovakog putnika

3.1. Opis problema trgovako putnika

U problemu trgovakog putnika (skraeno TSP problem, od end. traveling salesman problem) radi se o tome da imamo trgovakog putnika koji mora obii tono jednom sve zadane gradove po to jeftinijoj cijeni ili najkraim putem (ovisno kako je ve problem zadan). Pravilo je jednostavno, mora obii sve gradove jednom i vratiti se u poetni grad iz kojega je krenuo. Postoje dvije vrste TSP problema: simetrina i asimetrina. Kod simetrine vrste problema cijena rute izmeu dva grada je ista u oba smjera, dok kod asimetrina to ne mora biti, tj. mogu biti razliite. To je problem iz teorije grafova koji ve dugo privlai mnoge panje, i jedan je od najprouavanijih, ako ne i najprouavaniji, problem iz podruja raunalne matematike8. Jedan od razloga velikoga zanimanja za TSP problem je taj da se moe uzeti kao polazite za dobivanje openitih metoda koje se mogu primijeniti u rjeavanju irokog opsega diskretnih optimizacijskih problema9. Praktina primjena TSP problema je nemala, ak i u istoj njegovoj formi, kao to je logistika, planiranje, proizvodnja mikroipova. Malo modificiran on se pojavljuje i u mnogim drugim podrujima kao to je izraun DNA sekvence.

3.2. Povijest problema trgovako putnika

Izvornost problema trgovakog putnika, i tko je nazvao taj problem tako, je nepoznata. Mnogi su se trgovci na cesti zaista zanimali za strateko planiranje to ekonominije rute do podruja njihovih klijenata, tako se problem prvi put spominje u priruniku jednoga njemakog trgovakog putnika iz 1832. godine10. U njemu Commis-Voyageur je opisao problem, iako ne matematiki, i dao je primjer pet rute kroz podruje Njemake i vicarske. Samo je jedan od tih ruta zaista bila TSP ruta jer se u ostalim etirima rutama putnik vraa ponovo u neke gradove. Na slici 2 moe se vidjeti Commis-Voyageur ruta opisana u tom priruniku kroz podruje Njemake.
8 9

Applegate, Bixby, Chvatal, Cook, Traveling Salesman Problem, Princeton University Press, 2007., str 1. Izvor: http://www.tsp.gatech.edu/apps/index.html, (valjanost izvora: autor stranice je William Cook jedan od sukreatora algoritma pla89500). 10 Applegate, Bixby, Chvatal, Cook, Traveling Salesman Problem, Princeton University Press, 2007., str 2.

esto se ruta trgovakog putnika naziva i (najkrai) hamiltonov ciklus po, jednom od najvanijih matematiara 19. stoljea, Williamu Rowanu Hamiltonu. Hamilton je izmislio igru Icosian koja se sastojala od 20 toaka (vrhova) koje je trebalo sve povezati posjeujui svaki samo jednom i na kraju se vratiti u poetku toku tj. nai hamiltonov ciklus. Poslije su Hamilton i Thomas Penyngton Kirkman objavili nekoliko radova11 u kojima su obraivali matematike principe koji su vezani uz problem trgovakog putnika.

Slika 2: Commis-Voyageur ruta

Opi oblik TSP problema prvi je poeo prouavati Karl Menger i on ga je 1930. opisao u matematikom smislu. Nedugo nakon toga Hassler Whitney sa Sveuilita u Princetonu je uveo pojam problem trgovakog putnika. Tijekom 1940-tih problem biva prouavan od strane statistiara (Mahalanobis (1940), Jessen (1942), Gosh (1948), Marks (1948))12. Od toga razdoblja popularnost problema raste te 50-tih i 60-tih 20. stoljea postaje veoma popularan u europskim i amerikim znanstvenim krugovima. Znaaj doprinos daju 1954. godine George Dantzig, Ray Fulkerson, i Selmer Johnson, iz korporacije RAND, koji objavljuju opis metode za rjeavanje TSP problema i dajui primjer rjeavanja problema od 49 instanci to je u to vrijeme bilo zapanjujui uspjeh. U narednom razdoblju zanimanje za TSP problem raste jo vie te se istraivai iz raznih podruja znanosti (matematike, raunarstva, fizike, kemije itd.) poinju baviti TSP problemom.
11

Raspravu o ranim njihovim radovima se moe nai u knjizi Graph Theory 1736 -1936, N.L. Biggs, E. K. Loyd, R.J. Wilson, Clarendom Press, Oxford, 1976. 12 Applegate, Bixby, Chvatal, Cook, Traveling Salesman Problem, Princeton University Press, 2007., str 11.-12.

Richard M. Karp

1972. godine dokazuje da prominentan broj kombinatorikih

problema NP-teko, ukljuujui i problem trgovakog putnika13. Napredak u efikasnosti rjeavanja raste tako da Padberg i Rinaldi (1987) nalaze optimalnu rutu za 532 grada, Groetschel and Holland 1987. god. za 666 instanci, Padberg i Rinaldi 1987. nalaze optimalnu rutu za 2.392 instanci. U 90-tim, Applegate, Bixby, Chvatal i Cook razvijaju program Concorde14 koji je koriten za rjeavanje mnogih sluajeva sa rekordnim brojem instanci. Gerhard Reinelt je 1991. objavio TSPLIB15, zbirku benchmarka instanci razliite teine, koja se koristi od strane mnogih istraivakih skupina za usporeivanje rezultata. Cook i ostali, su 2006. uspjeli izraunati pomoi Concordea i Domino-paritya optimalnu rutu za do sada rekordnu veliinu instance od 85.900(pla85900)16. Za dobivanje rjeenja pla85900 trebalo je priblino 136 procesorski godina skalirano na 2.4 Ghz AMD Opteron17. To dovoljno govori o teini problema TSP i vanosti pronalaenja efikasnog algoritma za taj problem.

Slika 3: Grafiki prikaz rjeenja pla85900

13 14

Ibid, str. 49. Concorde je pisao u programskom jeziku C i ima oko 130.000 linija koda. Kod programa i popratna dokumentacija se moe skinuti sa http://www.tsp.gatech.edu . 15 TSPLIB je dostupan ovdje http://comopt.ifi.uni-heidelberg.de/software/TSPLIB95/ . 16 Pogledati: http://www2.isye.gatech.edu/~wcook/papers/proof.pdf . 17 Pogledati: http://www.tsp.gatech.edu/pla85900/compute/cpu.htm .

3.3. Je li je problem trgovako putnika NP-teak?

Da bi dokazali da je neki problem NP-teak potrebno je metodom redukcije u polinomijalnom vremenu pokazati da se neki stari problem, za kojeg je poznato da je NPpotpun ili NO-teak, moe reducirati u polinomijalnom vremenu na taj novi problem. Dokaz je valjan, jer ako bi se novi problem mogao rijeiti u polinomijalnom vremenu, tada bi se i stari problem primjenom redukcije mogao rijeiti u polinomijalnom vremenu, pa bi zbog NP-potpunosti ili NP-teine starog problema vrijedilo P=NP. [Robert Manger, prezentacije sa FESB-a] Problem, koji se moe reducirati na problem trgovakog putnika je problem hamiltonovih ciklusa za koje je dokazano da je NP-teki problem i to je posve intuitivno, jer ruta trgovakog putnika je zapravo najkrai Hamiltonov ciklus. NP-teina hamiltonovih ciklusa je takoer dokazana redukcijom na drugi NP-teki problem, i tako dalje sve do cirkularnog SAT problema ija je NP-teina dokazana matematiki, a onda su se dokazi drugih NP-tekih problema svodili na reduciranje toga problema kao to se slici 4.
Slika 4: Prikaz toka dokazivanje nekih NP-potpunih problema

3.3.4. Dokaz NP-teine TSP problema Dakle, znamo da je problem nalaenja Hamiltonovog ciklusa NP-teak. Teorem glasi: problem trgovakog putnika je NP-teak. Dokaz teorema18: Neka graf G odreuje primjerak problema hamiltonovih ciklusa. Konstruiramo u polinomijalnom vremenu potpuni graf G' kojeg shvatimo kao primjerak problema trgovakog putnika:
18

Pogledati: http://www.cs.mun.ca/~kol/courses/6743-f07/lec10.pdf .

G' ima ste vrhove kao G, duljine onih bridova u G' koji postoje i u G su 1, duljine ostalih bridova u G' su 2.

Tada G ima Hamiltonov ciklus ako i samo ako Hamiltonov ciklus minimalne duljine u G' ima duljinu n.

3.4. Rjeavanja TSP problema

Traenje to efikasnijeg algoritma za TSP problem je vano radi njegove velike primjerne i mnogi se time bave. Kako se nasluuje da rjeenje na veliku dilemu da li je P=NP je negativan, to povlai da ne postoje sigurno algoritmi koji rjeavaju NP-teke probleme u polinonomijalnom vremenu, a tako niti za TSP problem, pa je vano nai to efikasniji algoritam. Za rjeavanje NP-tekih problema koriste se tri vrste algoritama koje se dalje dijele u pod vrste: Egzaktni algoritam: rjeava odreene kombinatorne probleme dajui globalni minimum. o Algoritam odsijecajuih ravnina: problem se formulira kao problem cjelobrojnog linearnog programiranja, te se rjeava simplex metodom. o Dinamiko programiranje: temelji se na rjeavanju niz primjeraka problema iste vrste, ali manje veliine toga problema; koristiti se memoizacija. o Backtracking: algoritam se temelji na rekurzivnom nainu pretraivanja itavoga prostora stanja i problema, kako bi se nalo n-torku koja predstavlja rjeenje ili se utvrdilo da je nema; mogu se rezati pojedina podstabla, koja kre ogranienja (ne vode do rjeenja), to ubrzava pretraivanje. o Metoda grananja sa ogranienjima: poboljana verzija backtrackinga, primjenjiva je na optimizacijske probleme; u stablu prostora stanja i problema reu se grane koje ne vode do dopustivog rjeenja, ali i one koje ne vode do boljeg rjeenja. Za ovaj algoritam je potrebno je dobro odrediti poetno rjeenje koje e nam biti mjerilo valjanosti ostalih rjeenja. Aproksimacijski algoritmi: u polinomijalnom vremenu daju priblino rjeenje, te daju i garanciju da je to rjeenje blizu optimalnog. 9

o Apsolutntne aproksimacije: priblini algoritmi koji daju neku garanciju da je apsolutna greka u odnosu na egzaktno rjeenje, koje je optimalno, manje od neke konstante. o Relativne aproksimacije: priblini algoritmi daju garanciju da je relativna pogreka u odnosu na egzaktno rjeenje manje od neke konstante. o Aproksimacijske sheme: parametrizirane varijante relativnih aproksimacija, koje mijenjanjem parametara omoguuju smanjenje relativne pogreke, ali to dovodi poveanja sloenosti algoritma. Heuristike: algoritmi koji brzim i jednostavnim raunanjem daju priblino rjeenje, koje se obino pokazuju zadovoljavajuim unato nedostatku garancije njegove dobrote. o Heuristike specifinih problema: to su heuristini algoritmi koji su namijenjeni za rjeavanje tono odreenih problema. o Metaheuristiki algoritmi19: obuhvaaju iroki skup algoritama

namijenjenih optimizacijskim problemima. Pokazali su se izuzetno dobrim u rjeavanju NP-tekih problema nerjeivih egzaktnim algoritmima u stvarnom vremenu.

Najjednostavniji algoritam koji se moe napraviti za rjeavanje TSP problema je onaj koji jednostavno provjeriti sve moguu permutacije traei najkrau rutu, tj. koristiti brute force pretraivanje prostora stanja i problema. Takav algoritam je izuzetno neefikasan jer ima sloenost O((0n-1)!), to je i za dananja raunala veliki problem. Bolji algoritam, od toga, metodom dinamikog programiranja nali su 1962. godine Michael Held i Richard Karp. Taj algoritam osigurava sloenost O(n22n), to je puno bolje od (n-1)!, ali je opet i taj algoritam za instance veliine 100 zahtijeva raunanje sa veoma velikim brojevima. Razliiti algoritmi grananja i ogranienja uspjeno rjeavaju instance veliine od 40 do 60. Progresivno implementirani algoritmi uz pomo linearnog programiranja radi dobro do 200 instanci. Implementacije algoritma, grananja sa ogranienjima zajedno sa generatom za odsijecanja grana (grananje i odsijecanje, eng. branch and cut), se danas koristi za rjeavanje

19

Pogledati: http://www.zemris.fer.hr/~golub/ga/studenti/seminari/2007_radanovic/podjela.html.

10

velikih instanci problema i sa tim algoritmom su rijeene, do danas, rekordne instance (33810 i 85900)20.

100000 90000 80000 70000 60000 50000 40000 pal33810 sw24978 20000 usa13509 d15112 10000 pla7397 dantzig49 hk64 gr120 lin318 att532 0 gr666 pr2392 1954 1971 1977 1980 1987 1987 1987 1994 1998 2001 2004 2005 2006 30000 pla85900

Graf prikazuje napredak u rjeavanju TSP problema. Ipak, danas se uz pomo heuristikih algoritama moe odrediti priblino optimalna ruta sa danim postotkom najvee pogreke. Tako su si istraivai 2001. godine dali za problem, da rijee instancu veliine 1,904,711-gradova, tj. lokacija diljem svijeta i taj problem su nazvali World TSP. Taj problem je trenutno veoma teko rijeiti egzaktnim algoritmima, ali trenutno najbolje rjeenje je dao Keld Helsgaun21 koristei varijantu LKH heuristikog algoritma. Raunalni program Concorde, koji je pronaao optimalnu rutu za pla85900, je izraunao da Keld Helsgaun-ova ruta je, u najgorem sluaju, 0.474% vea od optimalne rute.

20 21

Za detalje pogledati: http://www2.isye.gatech.edu/~wcook/papers/proof.pdf. Pogledati: http://www.tsp.gatech.edu/world/index.html.

11

3.5. Implementacija algoritma

3.5.1. Kod algoritma

Kod je napisan u programskom jeziku C.

#include <stdio.h> #define MAX 100 #define INFINITY 999 int TSP_al (int c[][MAX], int ruta[], int pocetak, int n); int main() { int n; int i, j; int c[MAX][MAX]; */ int ruta[MAX]; int cost;

/* Broj gradova. */ /* Brojai u petljama. */ /* Matrica koja prikazuje cijenu putova izmeu gradova. /* Matrica rute. */ /* Najmanja cijena. */

printf ("Problem putujeceg trgovca - dinamicko programiranje."); printf ("\nBroj gradova? "); scanf ("%d", &n); printf ("Unesite matricu troskova: (999: ne postoji veza)\n"); for (i=0; i<n; i++) for (j=0; j<n; j++) scanf ("%d", &c[i][j]); for (i=0; i<n; i++) ruta[i] = i; cost = TSP_al (c, ruta, 0, n); printf ("Minimalni trosak: %d.\nTour: ", cost); for (i=0; i<n; i++) printf ("%d ", ruta[i]+1); printf ("1\n"); } int TSP_al (int c[][MAX], int ruta[], int pocetak, int n) { int i, j, k; int mem[MAX]; int minimalna[MAX]; int mincijena; 12

int trencijena; /* Rubni uvjet rekurzije. */ if (pocetak == n - 2) return c[ruta[n-2]][ruta[n-1]] + c[ruta[n-1]][0]; /* Izraunava rutu poevi od trenutnog grada. */ mincijena = INFINITY; for (i = pocetak+1; i<n; i++) { for (j=0; j<n; j++) mem[j] = ruta[j]; mem[pocetak+1] = ruta[i]; mem[i] = ruta[pocetak+1]; if (c[ruta[pocetak]][ruta[i]] + (trencijena = TSP_al (c, mem, pocetak+1, n)) < mincijena) { mincijena = c[ruta[pocetak]][ruta[i]] + trencijena; for (k=0; k<n; k++) minimalna[k] = mem[k]; } } for (i=0; i<n; i++) ruta[i] = minimalna[i]; return mincijena; } 3.5.2. Sloenost algoritma

Analizom koda dobio sam: ( ) ( ) ( ( ( ) ))

Prve inicijalizacije varijabli, provjeravanje uvjeta i poziv funkcije return su konstante. Prva petlja ide do n, a druga unutar if uvjeta takoer ide do n. S obzirom da svakim pozivom rekurzije, tj. dolaskom u novi grad otvaraju nam se mogunosti odlaenja u druge gradove iz toga grada, a da ih prethodno nismo posjetili. Ukupno svih tih mogunosti ima 2n, dalje onda imamo (n-1) se smanjuje do 1 s obzirom da varijabla pocetak raste i to je vea iteracija u prvoj petlji je sve manji te ga moemo zanemariri. ( )

13

Zakljuak
Rjeavanje NP-tekih problema nije lako, ali traiti za njih efikasne algoritme ja jako teko; tako da svako poboljanje, koje e smanjiti eksponencijalnu sloenost, takvih algoritma je veoma vrijedno. Perfomanse raunala stalno rastu, ali to nije dovoljno za efikasno rjeavanje veoma velikih instanci takvih problema, i s obzirom na to, bitno je traiti bolje algoritme za takve probleme. Od takvih problema definitivno se istie problem trgovakog putnika koji je u zadnjih nekoliko desetljea moda najprouavaniji NP-teki problem. Zanimljiv je radi svoje upeatljive sloenosti i praktike primjene. Mnogi se nadaju da e nalaenjem algoritma, vremenske polinomijalne sloenosti, za TSP problem okonati otvoreno pitanje P=NP, ali takvo rjeenje jo nije niti na vidiku; a mnogi kau da i nee nikada biti, zbog toga to se sumnja da je PNP.

14

LITERATURA
1. Anany Levitin (2011): Introduction to The Design and Analysis of Algorithms Pearson 2. David L. Applegate, Robert E. Bixby, Vasek Chvtal & William J. Cook (2007): The Traveling Salesman Problem - Princeton University Press 3. Lane A. Hemaspaandra: SIGACT News Complexity Theory Column 36 - Dept. of Computer Science, University of Rochester (znanstveni lanak) 4. David L. Applegate, Robert E. Bixby, Vaek Chvatal, William Cook, Daniel G. Espinoza, Marcos Goycoolea, Keld Helsgaun: Certication of an optimal TSP tour through 85,900 cities (znanstveni lanak) 5. Gerhard J. Woueginger: Exact algorithms for NP-hard problems: A survey (znanstveni lanak) 6. http://www.cs.mun.ca/~kol/courses/6743-f07/lec10.pdf, uitano 22.1.2013. 7. http://valis.cs.uiuc.edu/~sariel/teach/courses/473/notes/03_npc_notes.pdf, 22.1.2013. 8. http://www.e-drustvo.org/proceedings/YuInfo2011/html/pdf/024.pdf, 22.1.2013. 9. http://www.fer.unizg.hr/_download/repository/Predavanja_1-2_%5BHR%5D__Uvod_u_optimizacije.pdf, uitano 22.1.2013. 10. http://www.tsp.gatech.edu/world/index.html, uitano 22.1.2013. 11. http://www.tsp.gatech.edu/, uitano 22.1.2013. uitano uitano

15