Samstag, 10. September 2016

Chancen durch das TSP shortcut

Chancen durch das TSP shortcut



Seien Sie gegrüßt!


hier wird kurz über mögliche Chancen durch das altbekannten Travelling Salesman Problem erzählt.
Für nähere Information über TSP und über shortcut, siehe ältere und weiter unten liegende Posts.
Die unten besprochene Lösung (shortcut) ist auf eine positiven Fortschritt ausgelegt. Sind Sie interessiert daran, dass Gegenteil zu beweisen. Dürfen Sie gerne in den unteren Kommentaren Beiträge verfassen.

Die ausschlaggebenden Kriterien des TSP sind:



Häufiges Vorkommen

Viele Anwendungen und Systeme versuchen das TSP zu lösen.
    • Objekt Detektion.
      • Objekt Detektion indem mit einfachem Kantenverfahren die Ecken detektiert werden und anhand der Anordnung der Ecken auf die Form zurück geschlossen wird.
    • Genetic Algorithmen.
      • In S&P500 Stock-Exchanges [2]
      • Airlines revenue management [3]
      • Audio Watermark insertion/detection [3]
      • Bioinformatics: RNA structure prediction [3]
      • und viele mehr - List of applications, see [3]
    • "drilling holes in circuit boards"
    • "scheduling tasks on a computer"
    • "and ordering features of a genome." [1]



Verschiedene Anwendungsgebiete

Das TSP lässt sich an vielen Stellen anwenden.
    • In der statistischen Auswertung von nominalen Daten der Sozialwissenschaftler. (Siehe Detail1)
    • Zur Simulation von Verhalten von Enzymen in der Medizin. (Siehe Detail2)
    • Zur Lösung des Drei-Körper-Problems in der Raumfahrt. (Siehe Detail3)




Individuell anpassbar

Das TSP lässt sich in verschiedener Weise anwenden. Viele Probleme in der Informatik können jederzeit auf das TSP reduziert werden. Ist es nun möglich das TSP schnell und korrekt zu lösen, ist es auch möglich das höhere Problem zu lösen. Das höhere Problem enthält das TSP und konnte daher auf das TSP reduziert werden. Damit ist es möglich verschiedener Orte den selben Algorithmus zu verwenden um unterschiedliche, technische und praktische Aufgaben zu lösen.




Aktuell

Letzte Behandlung des Themas war in einem survey von 2014
"In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation"; William J. Cook; 2014 - siehe [9]




Einzige Lösung

Das hier angebotene Lösungsverfahren ist einzigartig. Während andere bisherige Verfahren immer wieder durch schnellere oder korrektere Verfahren ersetzt wurden und immer nur approximative Lösungen bieten, ist dieses Verfahren einzigartig im Sinne von: geht nicht besser.
Aus der eindimensionalen Sortierung weiß man, das es nur einen optimalen Algorithmus bezüglich Zeit, Qualität und Kosten gibt. Dies trifft auch auf das TSP zu.
Das TSP ist schnellst möglich, mit immer korrektem Ergebnis und dabei mit minimalen Kosten (wie z.B. Strom/Rechenpower/Memory). Das TSP durch shortcut ist einmalig, da es kein anderes Verfahren in der Zukunft geben wird, welches in Geschwindigkeit, über 20%, schneller ist und weniger Speicher, unter 20%, benötigt. Das ergibt sich aus der Erfahrung, die beim eindimensionalen Sortierverfahren beobachtet wurde.




Seit 1930 gesucht


Seit langem wird das TSP versucht zu lösen. Schon 1930 kam das Problem auf. Als sich damals ein Handlungsreisender Gedanken darüber machte, wie man die größten Städte in North-America bereisen kann. Das Problem mit seinen 43 Städten war lange ein akademisches Thema geworden. Intensiv waren die Untersuchungen in den Jahren um 1980 herum, wie es sich aus den Häufigkeiten von dem www.newspapers.com/search ergibt.
Siehe bezüglich der Geschichte von TSP mehr unter [8] [9].




Frei verfügbar

Der Source-Code ist bis zum Jahr 2018 geheim. Daher gibt es nur eine Online-Platform mit einer API, so dass Jeder shortcut ausprobieren kann und auch seine App's gegen die API programmieren kann.




Andere sind daran interessiert

Fragen auf Quora.com:

Aktuell in der Presse thematisiert


The Guardian:
"Technology: how far can it go?
The Press Club is devoting its first monthly gathering of the season to a seminar on artificial intelligence. Toby Simpson, chief technology officer of the global learning company Ososim, will lead the discussion.
He will talk about biologically inspired intelligence, digital genetics and other aspects of machine intelligence. He has become something of a pioneer in the field after starting out in the early 90s as a creator of computer games.
Simpson worked previously with the artificial intelligence company DeepMind, which was acquired by Google in 2014. His talk, at the Corinthia Hotel on 19 September, begins at 6.30pm.
" [7]







Allgegenwertig


Schon jetzt wird das TSP in einer anderen Form, meist durch approximative Verfahren, an vielen Orten verwendet.
    • In Fertigungsanlagen zur Metallfehlerdetektion.
    • An Fließbändern zur Detektion von Fertigungsteilen durch den Industrieroboter.
    •  Auf dem Handy durch Gesichtserkennung von Facebook.




Abgeschaut aus der Natur

"Für viele Optimierungsprobleme aus der realen Welt existieren keine effizienten Lösungsverfahren in Software. So führt bei kombinatorischen Optimierungsproblemen nur die Brute-Force-Methode (dt. rohe Gewalt) zur optimalen Lösung, das heißt das Ausprobieren aller möglichen Kombinationen. Allerdings benötigt sie einen polynomiellen Zeitaufwand. Bei hoher Zahl der Kombinationsmöglichkeiten ist sie aufgrund der benötigten Rechenzeit entweder sehr zeitaufwendig oder sogar aussichtslos." (Heise 2013 [6])
 ... trifft auf Genetische Algorithmen zu, welche sich auf das TSP reduzieren lassen.


Referenzen
[1] https://www.wired.com/2013/01/traveling-salesman-problem/
[2] http://stackoverflow.com/questions/1538235/what-are-good-examples-of-genetic-algorithms-genetic-programming-solutions
[3] https://en.wikipedia.org/wiki/List_of_genetic_algorithm_applications
[4] http://www.vias.org/simulations/simusoft_travsalm.html
[5] https://www.quora.com/Why-cant-we-solve-Travelling-Salesman-Problem-using-Floyd-Warshall-algorithm-with-some-modification-in-polynomial-time
[6] http://www.heise.de/ct/ausgabe/2013-5-Der-Genetische-Algorithmus-2327112.html
[7] https://www.theguardian.com/media/greenslade/2016/sep/07/whither-journalism-what-the-great-and-the-good-have-to-say
[8] "The Traveling Salesman Problem: A Computational Study"; David L. Applegate, Robert E. Bixby, Vasek Chvatal, William J. Cook; Princeton Series in AM; 2007
[9] "In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation"; William J. Cook; 2014


Eingestellt von um

Keine Kommentare:

Kommentar veröffentlichen

Abonnieren Kommentare zum Post (Atom)