![Page 1: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/1.jpg)
Skedulointi, kuormituksen tasaus,robotin navigaatio
Esitelmä algoritmiikan tutkimusseminaarissa17.2.2003
Kimmo Palin
Tietojenkasittelytieteen laitos
Helsingin Yliopisto
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 1
![Page 2: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/2.jpg)
Sisältö
Tällä kertaa tarjolla toisiinsa liittymättömiä käytännön ongelmiaotsikolla ’nice to know’.
Töiden skedulointi.
Rasituksen tasaus.
Robotin navigointi tuntemattomassa ympäristössä.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 2
![Page 3: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/3.jpg)
Merkintöjä
Jonon σ = J1, J2, . . . , Jn työt saapuvat online.
Työllä Jk on aikatarve pk.
Saapuva työ skeduloidaan välittömästi jollekin m koneesta.
Perusongelmasta saadaan eri muunnoksia rippuen siitä,
tunnetaanko pk etukäteen vai ei,
ovatko koneet identtisiä vai ei,
ovatko kaikki koneet aina käytettävissä vai ei,
mitä kohdefunktiota optimoidaan,
. . .
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 3
![Page 4: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/4.jpg)
Skedulointi
Klassisessa tapauksessa prosessin aikatarve tunnetaan jakoneet ovat identtisiä. Tavoitteena on minimoida viimeisen työnvalmistumiseen kuluva aika.
AHNE algoritmi: skeduloi saapuva työ vähiten kuormitetullekoneelle.
Lause 28 AHNE algoritmi on (2− 1m) kilpailukykyinen.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 4
![Page 5: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/5.jpg)
Skedulointi
Klassisessa tapauksessa prosessin aikatarve tunnetaan jakoneet ovat identtisiä. Tavoitteena on minimoida viimeisen työnvalmistumiseen kuluva aika.
AHNE algoritmi: skeduloi saapuva työ vähiten kuormitetullekoneelle.
Lause 28 AHNE algoritmi on (2− 1m) kilpailukykyinen.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 4
![Page 6: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/6.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 7: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/7.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 8: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/8.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 9: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/9.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 10: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/10.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 11: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/11.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 12: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/12.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)
t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 13: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/13.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 14: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/14.jpg)
Todistus
J1
J2
J3
J4
J5
TOPT (σ) TG(σ)t1
t2
TG(σ) työjononvalmistumisaika AHNEalgoritmin skeduloimana.
TOPT (σ) optimaalinenvalmistumisaika.
t1 aika, johon asti kaikki koneetovat käytössä. t2 = TG(σ)− t1.
Osoitetaan, että
TG(σ) ≤ 2TOPT (σ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 5
![Page 15: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/15.jpg)
Todistus
Viimeiseksi valmistuva työ alkaa hetkellä t ≤ t1, joten sen kestoon vähintään t2.
Huomataan t2 ≤ max pk ja t1 ≤ 1m
∑pk.
Selvästi TOPT (σ) ≥ maxt1, t2, joten
TG(σ) = t1 + t2 ≤ 2 maxt1, t2 ≤ 2TOPT (σ)
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 6
![Page 16: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/16.jpg)
Parempia ratkaisuja
AHNE algoritmi pyrkii pitämään kaikkien koneiden rasituksenmahdollisimman tasaisena. Tämä tuottaa ongelmia, kunajettavaksi tulee pitkä työ. Algoritmi IMBALANCE varautuuuusiin töihin kevyesti kuormitetuilla koneilla.
IMBALANCE: Olkoon α = 1.945, hi i:ntenä pysähtyvän koneenpysähtymisaika. Olkoon Ai i− 1:n aikaisimmin pysähtyvienkoneiden keskimääräinen pysähtymisaika ja A0 =∞. Skeduloityö Jk viimeiseksi pysähtyvälle koneelle j siten että hj + pk ≤ αAj
Algoritmi IMBALANCE on 1.945 kilpailukykyinen. Paras tunnettudeterministinen algoritmi on 1.9201 kilpailukykyinen ja parassatunnaisalgoritmi on 1.916 kilpailukykyinen [Albers, 2002].Kilpailukyvyn alaraja deterministiselle algoritmilleon 1.852 [Albers, 1999]
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 7
![Page 17: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/17.jpg)
Rajoitetumpia skedulointiongelmia
Identtiset koneet, rajoitettu kaytto m identtistä konetta mutta uusiatöitä annetaan vain rajoitetulle joukolle koneista. AHNEalgoritmi O(log m) kilpailukykyinen.
Samankaltaiset koneet (related machines) Konella on nopeus si.Työn Jk ajoaika on pk/si. AHNE algoritmi O(log m)kilpailukykyinen. Olemassa myös 8 kilpailukykyinen algoritmi.
Erilaiset koneet (unrelated machines) Työn Jk ajo koneella ikestää pk,i. AHNE on m kilpailukykyinen. Olemassamyös O(log m) kilpailukykyinen algoritmi.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 8
![Page 18: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/18.jpg)
Rasituksen tasaus
Työllä Jk on paino w(k) ja työn kesto on tuntematon. Koneen irasitus hetkellä t on li(t).Tavoitteena on minimoida työsarjan σ = J1, . . . , Jn ajostaseuraava maksimaalinen rasitus.
Identtisten koneiden ja rajoitetun käytön tapauksessa,kilpailukyvyllä on Ω(
√m) alaraja, joka saavutetaan esim ROBIN
HOOD algoritmilla.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 9
![Page 19: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/19.jpg)
ROBIN HOOD
ROBIN HOOD: Ylläpidetään arviota L ≤ OPT . Hetkellä t, kone ion rikas, jos li(t) ≥
√mL. Muuten kone on köyhä. Työn Jk
saapuessa, päivitetään
L← maxL,w(k),1
m(w(k) +
m∑
i=1
li(t)).
Jos mahdollista, skeduloi Jk köyhälle koneelle. Muuten skeduloise rikkaalle, joka rikastui viimeksi.
Lause 29 ROBIN HOOD on O(√
m) kilpailukykyinen.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 10
![Page 20: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/20.jpg)
ROBIN HOOD
ROBIN HOOD: Ylläpidetään arviota L ≤ OPT . Hetkellä t, kone ion rikas, jos li(t) ≥
√mL. Muuten kone on köyhä. Työn Jk
saapuessa, päivitetään
L← maxL,w(k),1
m(w(k) +
m∑
i=1
li(t)).
Jos mahdollista, skeduloi Jk köyhälle koneelle. Muuten skeduloise rikkaalle, joka rikastui viimeksi.
Lause 29 ROBIN HOOD on O(√
m) kilpailukykyinen.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 10
![Page 21: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/21.jpg)
ROBIN HOOD
Lemma 5 Korkeintaan d√me konetta voi olla kerrallaan rikkaita.
Muuten d√me√mL ≥ mL, vaikka L ≤ 1m
∑mi=1 li(t).
Lemma 6 Aina L ≤ OPT .
Induktiolla ajossa olevien töiden suhteen kun L muuttuu.Huomataan w(k) ≤ OPT ja 1
m
∑mi=1 li(t) ≤ OPT .
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 11
![Page 22: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/22.jpg)
ROBIN HOOD
Lause 29 ROBIN HOOD on 2d√me kilpailukykyinen.
Tarkastellaan ajan hetkeä t. Osoitetaan, ettäli(t) ≤ d
√me(L + OPT ).
Jos kone i on köyhä, väite on selvä.
Olkoon t0 hetki, jolloin kone i tuli viimeksi rikkaaksi.Olkoon M(t0) koneet, jotka ovat rikkaita hetkellä t ja jotka tulivatrikkaiksi viimeistään hetkellä t0. Olkoon S ne käynnissä olevattyöt, jotka skeduloitiin koneelle i hetken t0 jälkeen.
Joukon S työt voitiin skeduloida vain joukon M(t0) koneille sillämuuten ne olisi skeduloitu köyhille koneille eikä koneelle i.Selvästi OPT ≥ 1
|M(t0)|
∑Jk∈S w(k).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 12
![Page 23: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/23.jpg)
ROBIN HOOD
Lause 29 ROBIN HOOD on 2d√me kilpailukykyinen.
Tarkastellaan ajan hetkeä t. Osoitetaan, ettäli(t) ≤ d
√me(L + OPT ). Jos kone i on köyhä, väite on selvä.
Olkoon t0 hetki, jolloin kone i tuli viimeksi rikkaaksi.Olkoon M(t0) koneet, jotka ovat rikkaita hetkellä t ja jotka tulivatrikkaiksi viimeistään hetkellä t0. Olkoon S ne käynnissä olevattyöt, jotka skeduloitiin koneelle i hetken t0 jälkeen.
Joukon S työt voitiin skeduloida vain joukon M(t0) koneille sillämuuten ne olisi skeduloitu köyhille koneille eikä koneelle i.Selvästi OPT ≥ 1
|M(t0)|
∑Jk∈S w(k).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 12
![Page 24: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/24.jpg)
ROBIN HOOD
Lause 29 ROBIN HOOD on 2d√me kilpailukykyinen.
Tarkastellaan ajan hetkeä t. Osoitetaan, ettäli(t) ≤ d
√me(L + OPT ). Jos kone i on köyhä, väite on selvä.
Olkoon t0 hetki, jolloin kone i tuli viimeksi rikkaaksi.Olkoon M(t0) koneet, jotka ovat rikkaita hetkellä t ja jotka tulivatrikkaiksi viimeistään hetkellä t0. Olkoon S ne käynnissä olevattyöt, jotka skeduloitiin koneelle i hetken t0 jälkeen.
Joukon S työt voitiin skeduloida vain joukon M(t0) koneille sillämuuten ne olisi skeduloitu köyhille koneille eikä koneelle i.Selvästi OPT ≥ 1
|M(t0)|
∑Jk∈S w(k).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 12
![Page 25: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/25.jpg)
ROBIN HOOD
Olkoon Jq työ, joka aiheutti koneen i rikastumisen. Oletetaanaluksi, että |M(t0)| ≤ d
√me − 1. Nyt
li(t) ≤ d√
meL + w(q) +∑
Jk∈S
w(k) ≤ d√
me(L + OPT ).
Viimeinen epäyhtälö seuraa siitä, että w(q) ≤ OPT ja∑w(k) ≤ |M(t0)|OPT .
Jos |M(t0)| = d√
me niin li(t0) =√
mL. Muuten jouduttaisiinristiriitaan, että yhteisrasitus olisi suurempi kuin mL vaikka L onvähintään keskimääräinen rasitus konetta kohti. Tästä seuraa
li(t) ≤√
mL +∑
Jk∈S
w(k) ≤ d√
me(L + OPT ).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 13
![Page 26: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/26.jpg)
Robotin navigointi
Navigaatio ongelmassa on tarkoitus löytää reitti lähteestä skohteeseen t.
Kartoitusongelmassa on tarkoitus rakentaa koko ympäristönkartta.
Molemmissa tapauksissa tavoitteena on minimoida kuljettumatka.
Navigaatioalgoritmi on c kilpailukykyinen, jos robotin kulkemamatka on korkeintaan c kertaa lyhimmän s:n ja t:n välisenpolun pituus.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 14
![Page 27: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/27.jpg)
Sokea robotti suoralla
Tarkastellaan robotin navigointia 1 ulotteisessa avaruudessa.Robotti on aluksi origossa s = 0 eikä tiedä kummassasuunnassa t sijaitsee. Robotti havaitsee vain saavuttaneensa t:n.
Optimaalinen strategia on edetä kerralla i origostamatka f(i) = (−2)i. Kun etäisyys t− s = n, saadaan
2
blog nc+1∑
i=1
2i + n ≤ 9n.
Tarkastellaan seuraavaksi pelkästään tuntoaistia käyttäväärobottia 2 ulotteisessa avaruudessa.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 15
![Page 28: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/28.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 29: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/29.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Lähteen ja kohteen etäisyys on n. Kohde sijaitsee äärettömänleveällä seinällä.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 30: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/30.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Robotti etenee kohti t:tä. Etäisyyden 1 jälkeen eteen tulee este.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 31: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/31.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Kaikkien esteiden leveys on 12 ja pituus 2n
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 32: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/32.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Jossain vaiheessa robotti kiertää esteen ja etenee oikealle.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 33: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/33.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Kun robotti on edennyt matkan 1 oikealle, sen eteen asetetaanuusi este.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 34: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/34.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Näin asetetaan n estettä.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 35: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/35.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Näin asetetaan n estettä.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 36: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/36.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Näin asetetaan n estettä.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 37: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/37.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Näin asetetaan n estettä.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 38: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/38.jpg)
Alaraja robottinavigoinnille
Lause 30: Jokaisen deterministisen online navigointialgoritminkilpailukyky on vähintään Ω(
√n), mikäli avaruudessa on n
suorakulmaista ja akselien suuntaista estettä.
s
t
2n
12
Robotti joutuu kulkemaan vähintään matkan O(n2).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 16
![Page 39: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/39.jpg)
Alaraja robottinavigoinnille
Koska avaruudessa on vain n estettä, jollain y–koordinaatinarvolla, joka on korkeintaan n3/2 sivussa s:stä, edessä onvain
√n estettä. Tämä nähdään siitä, että 2n levyisiä viipaleita
voidaan peittää√
n esteellä korkeintaan n/√
n =√
n kappaletta.Yhteensä peitetty alue siis on 2n
√n = 2n3/2.
Yhä edessä olevien√
n esteen kiertäminen vaatiikorkeintaan n · √n = n3/2 matkan. Näin ollen mikä tahansadeterministinen online algoritmi on Ω(
√n) huonompi kuin paras
offline algoritmi.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 17
![Page 40: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/40.jpg)
Robottinavigointi
Blum et.al. kehitti rajan O(√
n) saavuttavan deterministisenonline navigointialgoritmin vuonna 1991. Samana vuonnaPapadimitriou et.al. todisti itse alarajan. Bergman esitti vuonna
1996 satunnaisalgoritmin, joka saavuttaa välinpitämätöntävastustajaa kohti kilpailukyvyn O(n4/9 log n).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 18
![Page 41: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/41.jpg)
Harjoitustehtävät
1. Todista että erilaisilla koneilla AHNE algoritmin kilpailukykyon Ω(n).
2. Todista että erilaisilla koneilla AHNE algoritmin kilpailukykyon O(n).
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 19
![Page 42: Skedulointi, kuormituksen tasaus, robotin navigaatio · robotin navigaatio Esitelmä algoritmiikan tutkimusseminaarissa 17.2.2003 Kimmo Palin Tietojenkasittelytieteen¨ laitos Helsingin](https://reader035.vdocuments.net/reader035/viewer/2022070110/6049846121e1e95a15754bdc/html5/thumbnails/42.jpg)
Kirjallisuus
References
[Albers, 1999] Albers, S. (1999). Better bounds for onlinescheduling. SIAM Journal on Computing, 29(2):459–473.
[Albers, 2002] Albers, S. (2002). On randomized onlinescheduling. In Proceedings of the thiry-fourth annual ACMsymposium on Theory of computing, pages 134 – 143.
Skedulointi, kuormituksen tasaus, robotin navigaatio – p. 20