DAL- SINIR ALGORİTMASI

Tam sayılı programlama problemlerinin çözülmesi için geliştirilen yöntemlerin

başında yuvarlama yaklaşımı geliyor.
Yani, tam sayılı modelin doğrusal gevşetmesi (tam sayılı programlama kısıdının
kaldırılması) çözüldüğünde elde edilen çözüm, tam sayı kısıdını sağlamazsa,
küsuratlı değişkenlerin değerleri tam sayıya yuvarlanarak çözüm elde ediliyor.
Fakat aşağıda gösterilen iki örnek bu yaklaşımın her zaman başarılı olmadığını
kanıtlamaktadır:
ÖRNEK:

Kısıtlar:

.
Bu problemin doğrusal programlama gevşetmesinin (yani, kısıdının kaldırılması) optimal çözümü
(3/2, 2)’dir.

x2

4
3 (3/2, 2)
2 (1,2) (2,2)
1
(0,1)
-1 0 1 2 3 4 x1
-1
 tam sayı olmadığından, onun aşağıya ve yukarıya yuvarlanmış değerlerinde , (1,2) ve
(2,2) çözümleri elde edilir ki, bunların her ikisi de uygun çözüm alanı dışındadır. Yani,
yuvarlama yöntemi başarılı değildir.
Aşağıdaki örnekte ise yuvarlama sonucu elde edilen çözümün uygun çözüm alanı içinde
olmasına rağmen optimal olmayacağını görebiliriz:
ÖRNEK:

Kısıtlar:

.
D.P. gevşetmesinin optimal çözümü olan () noktasının yuvarlama sonucu (2,1) veya (2,2)
noktaları olarak ortaya çıkar. Bunlardan (2,2) noktası uygun çözüm alanı dışında, (2,1)
noktası ise uygun çözüm alanı içerisinde olmasına rağmen tam sayılı modelin optimal
çözümü değildir. Tam sayılı modelin optimal çözümü (0,2) noktasıdır.
 x2

5 (1,5)
4
3
(optimal çözüm) (0,2)
1 (2, 1.8) (D.P. Gevşetilmiş problemin çözümü)

0 1 2 3 4 x1
-1
Tam sayılı modellerin kesin çözüm yöntemleri ile çözülmesi oldukça zor olduğundan, bu
problemlerin çözülmesi sezgisel algoritmalar kullanılarak gerçekleştirilir. Dal- sınır
algoritması tümüyle sezgisele dayanarak bulunmuş uygun çözümlere göre daha iyi
çözümlerin bulunmasını öngören bir algoritmadır. Fakat eldeki çözümden daha iyi bir
çözüm her zaman bulunmaya bilir.
METASEZGİSELLER:
Genelde, kullanılan ve en iyi bilinen metasezgisel algoritmalar aşağıdakilerdir:
- Yasaklı arama (tabu search).
Bu yaklaşım, iyileştirmenin olmayacağına inanılan uygun çözüm alanlarının
yasaklanması ile daha iyi çözümlerin elde edilmesini vaat eden bir yaklaşımdır.
- Tavlama Benzetme;
- Genetik algoritma.
Sezgisel ve metasezgisel algoritmalarla elde edilen çözümlerin optimal çözüme
yakınsaklığı ispatlanmamıştır. Bu algoritmaların cazip yönü, çok sayıda uygun çözüm
üreterek, içlerinden (varsa) amaç fonksiyonuna daha iyi değer sağlayanlarının
seçilmesini kolaylaştırmaktır.
 DAL- SINIR ALGORİTMASI
Dal-sınır algoritması, uygun çözüm alanının bölünerek daha küçük parçalar için
çözümlerin bulunması fikrine dayanmaktadır.
- Bölme (uygun çözüm alanının bölünmesi): Değişkenlerin değerine bağlı
dallandırma yöntemi ile uygun çözüm alanının daha küçük alt kümelere
bölünmesini öngörür.
- Fethetme (conquering): Uygun çözüm alanının alt kümelere bölünmesiyle elde
edilen alt problemler için aşağıdaki durumlardan birinin ortaya çıkma nedeniyle
sonraki dallanmalara gerek kalmadığını gösteren durumdur.
1. durum: Alt problemin üst sınırı, diğer alt problemlerin üst sınırlarına göre daha
kötü değere sahiptir. Buna F1 testi denir.
2. durum: Alt problemin uygun çözüm alanı boş kümedir. Bu durumda ileri
dallanmaya gerek kalmamaktadır. Buna F2 testi denir.
3. durum: Alt problemin doğrusal gevşetmesi için tam sayılı optimal çözüm
bulunmuştur. Bu durumda daha sonraki dallanmalara gerek kalmamaktadır. Buna
F3 testi denir.
Algoritma aşağıdaki şekilde ifade edilir:
Herhangi bir değişken seçilip, onu dallandırıyoruz. «all» olarak problemin D.P. optimal çözümünü bulup
yazıyoruz;
için gevşetilmiş simpleks yöntem uygulanarak çözüm bulunuyor;
için de aynı şekilde simpleks yöntem uygulanarak bir çözüm bulunuyor;
Sonra bu çözümler test ediliyor. Görevini tamamlayan dal varsa, o dallanma durduruluyor, diğer
noktalardan dallanmalar yapılıyor.
Tam sayı olmayan amaç fonksiyonu değerleri aşağıya doğru yuvarlanıyor.

ÖRNEK:

s.t. (1)
(2)
(3)
(4)