Authors: Kandyba-Chimani, Maria
Title: Exact algorithms for network design problems using graph orientations
Language (ISO): en
Abstract: Gegenstand dieser Dissertation sind exakte Lösungsverfahren für topologische Netzwerkdesignprobleme. Diese kombinatorischen Optimierungsprobleme tauchen in unterschiedlichen realen Anwendungen auf, wie z.B. in der Telekommunikation und der Energiewirtschaft. Die grundlegende Problemstellung dabei ist die Planung bzw. der Ausbau von Netzwerken, die Kunden durch physikalische Leitungen miteinander verbinden. Im Allgemeinen lassen sich solche Probleme graphentheoretisch wie folgt beschreiben: Gegeben eine Menge von Knoten (Kunden, Straßenkreuzungen, Router u.s.w.), eine Menge von Kanten (potenzielle Verbindungsmöglichkeiten) und eine Kostenfunktion auf den Kanten und/oder Knoten. Zu bestimmen ist eine Teilmenge von Knoten und Kanten, so dass die Kostensumme der gewählten Elemente minimiert wird und dabei Nebenbedingungen wie Zusammenhang, Ausfallsicherheit, Kardinalität o.ä. erfüllt werden. In dieser Dissertation behandeln wir zwei spezielle Klassen von topologischen Netzwerkdesignproblemen, nämlich das k-Cardinality Tree Problem (KCT) und das {0,1,2}-Survivable Netzwerkdesignproblem ({0,1,2}- SND) mit Knotenzusammenhang. Diese Probleme sind im Allgemeinen NP-schwer, d.h. nach derzeitigem Stand der Forschung kann es für solche Probleme keine Algorithmen geben die eine optimale Lösung berechnen und dabei für jede mögliche Instanz eine effiziente (d.h. polynomielle) Laufzeit garantieren. Die oben genannten Probleme lassen sich als ganzzahlige lineare Programme (ILPs) formulieren, d.h. als Systeme aus linearen Ungleichungen, ganzzahligen Variablen und einer linearen Zielfunktion. Solche Modelle lassen sich mit Methoden der sogenannten mathematischen Programmierung lösen. Dass die entsprechenden Lösungsverfahren im Allgemeinen sehr zeitaufwendig sein können, war ein oft genutztes Argument für die Entwicklung von (Meta-)Heuristiken um schnell eine Lösung zu erhalten, wenn auch auf Kosten der Optimalität. In dieser Dissertation zeigen wir, dass es, unter Ausnutzung gewisser graphentheoretischer Eigenschaften der zulässigen Lösungen, durchaus möglich ist große anwendungsnahe Probleminstanzen der von uns betrachteten Probleme beweisbar optimal und praktisch-effizient zu lösen. Basierend auf Orientierungseigenschaften der optimalen Lösungen, formulieren wir neue, beweisbar stärkere ILPs und lösen diese anschließend mit Hilfe maßgeschneiderter Branch-and-Cut Algorithmen. Durch umfangreiche polyedrische Analysen können wir beweisen, dass diese Modelle einerseits formal stärkere Beschreibungen der Lösungsräume liefern als bisher bekannte Modelle und andererseits für Branch-and-Cut Verfahren viele praktische Vorteile besitzen. Im Kontext des {0,1,2}-SND geben wir zum ersten Mal eine Orientierungseigenschaft zweiknotenzusammenhängender Graphen an, die zu einer beweisbar stärkeren ILP-Formulierung führt und lösen damit ein in der Literatur seit langem offenes Problem. Unsere experimentellen Ergebnisse für beide Problemklassen zeigen, dass während noch vor kurzem nur Instanzen mit weniger als 200 Knoten in annehmbarer Zeit berechnet werden konnten unsere Algorithmen das optimale Lösen von Instanzen mit mehreren tausend Knoten erlauben. Insbesondere für das KCT Problem ist unser exaktes Verfahren oft sogar schneller als moderne Metaheuristiken, die i.d.R. keine optimale Lösungen finden.
The subject of this thesis are exact solution strategies for topological network design problems. These combinatorial optimization problems arise in various real-world scenarios, as, e.g., in the telecommunication and energy industries. The prime task thereby is to plan or extend networks, physically connecting customers. In general we can describe such problems graph-theoretically as follows: Given a set of nodes (customers, street crossings, routers, etc.), a set of edges (potential connections, e.g., cables), and a cost function on the edges and/or nodes. We ask for a subset of nodes and edges, such that the sum of the costs of the selected elements is minimized while satisfying side-conditions as, e.g., connectivity, reliability, or cardinality. In this thesis we concentrate on two special classes of topological network design problems: the k-cardinality tree problem (KCT) and the f0,1,2g-survivable network design problem (f0,1,2g-SND) with node-connectivity constraints. These problems are in general NP-hard, i.e., according to the current knowledge, it is very unlikely that optimal solutions can be found efficiently (i.e., in polynomial time) for all possible problem instances. The above problems can be formulated as integer linear programs (ILPs), i.e., as systems of linear inequalities, integral variables, and a linear objective function. Such models can be solved using methods of mathematical programming. Generally, the corresponding solutions methods can be very time-consuming. This was often used as an argument for developing (meta-)heuristics to obtain solutions fast, although at the cost of their optimality. However, in this thesis we show that, exploiting certain graph-theoretic properties of the feasible solutions, we are able to solve large real-world problem instances to provable optimality efficiently in practice. Based on orientation properties of optimal solutions we formulate new, provably stronger ILPs and solve them via specially tailored branch-and-cut algorithms. Our extensive polyhedral analyses show that these models give tighter descriptions of the solution spaces and also offer certain algorithmic advantages in practice. In the context of f0,1,2g-SND we are able to present the first orientation property of 2-node-connected graphs which leads to a provably stronger ILP formulation, thereby answering a long standing open research question. Until recently, both our problem classes allowed optimal solutions only for instances with roughly up to 200 nodes. Our experimental results show that our new approaches allow instances with thousands of nodes. Especially for the KCT problem, our exact method is often even faster than state-of-the-art metaheuristics, which usually do not find optimal solutions.
Subject Headings: Network design
Kombinatorische Optimierung
Exakte Algorithmen
K-cardinality tree
Survivable Netzwerk Design
URI: http://hdl.handle.net/2003/27701
http://dx.doi.org/10.17877/DE290R-8832
Issue Date: 2011-04-15
Appears in Collections:LS 11

Files in This Item:
File Description SizeFormat 
Dissertation.pdfDNB2.53 MBAdobe PDFView/Open


This item is protected by original copyright



All resources in the repository are protected by copyright.