Pemecah Soal Penjumlahan Linear

Bagian ini menjelaskan pemecah tugas penjumlahan linear, pemecah masalah khusus untuk soal penetapan sederhana, yang dapat lebih cepat daripada pemecah MIP atau CP-SAT. Namun, pemecah masalah MIP dan CP-SAT dapat menangani array masalah yang jauh lebih luas, sehingga dalam kebanyakan kasus, solusi tersebut adalah opsi terbaik.

Matriks biaya

Biaya untuk pekerja dan tugas diberikan dalam tabel di bawah ini.

Pekerja	Tugas 0	Tugas 1	Tugas 2	Tugas 3
0	90	76	75	70
1	35	85	55	65
2	125	95	90	105
3	45	110	95	115

Bagian berikut menampilkan program Python yang menyelesaikan masalah penetapan menggunakan pemecah tugas penjumlahan linear.

Mengimpor library

Kode yang mengimpor library yang diperlukan ditampilkan di bawah ini.

Python

import numpy as np

from ortools.graph.python import linear_sum_assignment

C++

#include "ortools/graph/assignment.h"

#include <cstdint>
#include <numeric>
#include <string>
#include <vector>

Java

import com.google.ortools.Loader;
import com.google.ortools.graph.LinearSumAssignment;
import java.util.stream.IntStream;

C#

using System;
using System.Collections.Generic;
using System.Linq;
using Google.OrTools.Graph;

Menentukan data

Kode berikut akan membuat data untuk program.

Python

costs = np.array(
    [
        [90, 76, 75, 70],
        [35, 85, 55, 65],
        [125, 95, 90, 105],
        [45, 110, 95, 115],
    ]
)

# Let's transform this into 3 parallel vectors (start_nodes, end_nodes,
# arc_costs)
end_nodes_unraveled, start_nodes_unraveled = np.meshgrid(
    np.arange(costs.shape[1]), np.arange(costs.shape[0])
)
start_nodes = start_nodes_unraveled.ravel()
end_nodes = end_nodes_unraveled.ravel()
arc_costs = costs.ravel()

C++

const int num_workers = 4;
std::vector<int> all_workers(num_workers);
std::iota(all_workers.begin(), all_workers.end(), 0);

const int num_tasks = 4;
std::vector<int> all_tasks(num_tasks);
std::iota(all_tasks.begin(), all_tasks.end(), 0);

const std::vector<std::vector<int>> costs = {{
    {{90, 76, 75, 70}},    // Worker 0
    {{35, 85, 55, 65}},    // Worker 1
    {{125, 95, 90, 105}},  // Worker 2
    {{45, 110, 95, 115}},  // Worker 3
}};

Java

final int[][] costs = {
    {90, 76, 75, 70},
    {35, 85, 55, 65},
    {125, 95, 90, 105},
    {45, 110, 95, 115},
};
final int numWorkers = 4;
final int numTasks = 4;

final int[] allWorkers = IntStream.range(0, numWorkers).toArray();
final int[] allTasks = IntStream.range(0, numTasks).toArray();

C#

int[,] costs = {
    { 90, 76, 75, 70 },
    { 35, 85, 55, 65 },
    { 125, 95, 90, 105 },
    { 45, 110, 95, 115 },
};
int numWorkers = 4;
int[] allWorkers = Enumerable.Range(0, numWorkers).ToArray();
int numTasks = 4;
int[] allTasks = Enumerable.Range(0, numTasks).ToArray();

Array adalah matriks biaya, yang entri i, j-nya adalah biaya pekerja i untuk melakukan tugas j. Ada empat pekerja, sesuai dengan baris matriks, dan empat tugas, sesuai dengan kolom.

Membuat pemecah masalah

Program ini menggunakan pemecah penetapan linear, pemecah khusus untuk soal penetapan.

Kode berikut akan membuat pemecah.

Python

assignment = linear_sum_assignment.SimpleLinearSumAssignment()

C++

SimpleLinearSumAssignment assignment;

Java

LinearSumAssignment assignment = new LinearSumAssignment();

C#

LinearSumAssignment assignment = new LinearSumAssignment();

Catatan: Pemecah penetapan penjumlahan linear hanya menerima nilai bilangan bulat untuk bobot dan nilai. Bagian Menggunakan pemecah dengan data non-bilangan bulat menunjukkan cara menggunakan pemecah jika data Anda berisi nilai non-bilangan bulat.

Menambahkan batasan

Kode berikut menambahkan biaya ke pemecah dengan melakukan loop pada pekerja dan tugas.

Python

assignment.add_arcs_with_cost(start_nodes, end_nodes, arc_costs)

C++

for (int w : all_workers) {
  for (int t : all_tasks) {
    if (costs[w][t]) {
      assignment.AddArcWithCost(w, t, costs[w][t]);
    }
  }
}

Java

// Add each arc.
for (int w : allWorkers) {
  for (int t : allTasks) {
    if (costs[w][t] != 0) {
      assignment.addArcWithCost(w, t, costs[w][t]);
    }
  }
}

C#

// Add each arc.
foreach (int w in allWorkers)
{
    foreach (int t in allTasks)
    {
        if (costs[w, t] != 0)
        {
            assignment.AddArcWithCost(w, t, costs[w, t]);
        }
    }
}

Memanggil pemecah masalah

Kode berikut memanggil pemecah.

Python

status = assignment.solve()

C++

SimpleLinearSumAssignment::Status status = assignment.Solve();

Java

LinearSumAssignment.Status status = assignment.solve();

C#

LinearSumAssignment.Status status = assignment.Solve();

Menampilkan hasil

Kode berikut menampilkan solusi.

Python

if status == assignment.OPTIMAL:
    print(f"Total cost = {assignment.optimal_cost()}\n")
    for i in range(0, assignment.num_nodes()):
        print(
            f"Worker {i} assigned to task {assignment.right_mate(i)}."
            + f"  Cost = {assignment.assignment_cost(i)}"
        )
elif status == assignment.INFEASIBLE:
    print("No assignment is possible.")
elif status == assignment.POSSIBLE_OVERFLOW:
    print("Some input costs are too large and may cause an integer overflow.")

C++

if (status == SimpleLinearSumAssignment::OPTIMAL) {
  LOG(INFO) << "Total cost: " << assignment.OptimalCost();
  for (int worker : all_workers) {
    LOG(INFO) << "Worker " << std::to_string(worker) << " assigned to task "
              << std::to_string(assignment.RightMate(worker)) << ". Cost: "
              << std::to_string(assignment.AssignmentCost(worker)) << ".";
  }
} else {
  LOG(INFO) << "Solving the linear assignment problem failed.";
}

Java

if (status == LinearSumAssignment.Status.OPTIMAL) {
  System.out.println("Total cost: " + assignment.getOptimalCost());
  for (int worker : allWorkers) {
    System.out.println("Worker " + worker + " assigned to task "
        + assignment.getRightMate(worker) + ". Cost: " + assignment.getAssignmentCost(worker));
  }
} else {
  System.out.println("Solving the min cost flow problem failed.");
  System.out.println("Solver status: " + status);
}

C#

if (status == LinearSumAssignment.Status.OPTIMAL)
{
    Console.WriteLine($"Total cost: {assignment.OptimalCost()}.");
    foreach (int worker in allWorkers)
    {
        Console.WriteLine($"Worker {worker} assigned to task {assignment.RightMate(worker)}. " +
                          $"Cost: {assignment.AssignmentCost(worker)}.");
    }
}
else
{
    Console.WriteLine("Solving the linear assignment problem failed.");
    Console.WriteLine($"Solver status: {status}.");
}

Output di bawah menunjukkan penetapan optimal pekerja ke tugas.

Total cost = 265
Worker 0 assigned to task 3.  Cost = 70
Worker 1 assigned to task 2.  Cost = 55
Worker 2 assigned to task 1.  Cost = 95
Worker 3 assigned to task 0.  Cost = 45
Time = 0.000147 seconds

Grafik berikut menunjukkan solusinya sebagai tepi putus-putus dalam grafik. Angka di samping tepi putus-putus adalah biayanya. Total waktu tunggu penetapan ini adalah jumlah biaya untuk tepi putus-putus, yaitu 265.

Dalam teori grafik, sekumpulan tepi dalam grafik bipartit yang mencocokkan setiap node di kiri dengan tepat satu node di sebelah kanan disebut pencocokan sempurna.

Seluruh program

Ini adalah keseluruhan program.

Python

"""Solve assignment problem using linear assignment solver."""
import numpy as np

from ortools.graph.python import linear_sum_assignment


def main():
    """Linear Sum Assignment example."""
    assignment = linear_sum_assignment.SimpleLinearSumAssignment()

    costs = np.array(
        [
            [90, 76, 75, 70],
            [35, 85, 55, 65],
            [125, 95, 90, 105],
            [45, 110, 95, 115],
        ]
    )

    # Let's transform this into 3 parallel vectors (start_nodes, end_nodes,
    # arc_costs)
    end_nodes_unraveled, start_nodes_unraveled = np.meshgrid(
        np.arange(costs.shape[1]), np.arange(costs.shape[0])
    )
    start_nodes = start_nodes_unraveled.ravel()
    end_nodes = end_nodes_unraveled.ravel()
    arc_costs = costs.ravel()

    assignment.add_arcs_with_cost(start_nodes, end_nodes, arc_costs)

    status = assignment.solve()

    if status == assignment.OPTIMAL:
        print(f"Total cost = {assignment.optimal_cost()}\n")
        for i in range(0, assignment.num_nodes()):
            print(
                f"Worker {i} assigned to task {assignment.right_mate(i)}."
                + f"  Cost = {assignment.assignment_cost(i)}"
            )
    elif status == assignment.INFEASIBLE:
        print("No assignment is possible.")
    elif status == assignment.POSSIBLE_OVERFLOW:
        print("Some input costs are too large and may cause an integer overflow.")


if __name__ == "__main__":
    main()

C++

#include "ortools/graph/assignment.h"

#include <cstdint>
#include <numeric>
#include <string>
#include <vector>

namespace operations_research {
// Simple Linear Sum Assignment Problem (LSAP).
void AssignmentLinearSumAssignment() {
  SimpleLinearSumAssignment assignment;

  const int num_workers = 4;
  std::vector<int> all_workers(num_workers);
  std::iota(all_workers.begin(), all_workers.end(), 0);

  const int num_tasks = 4;
  std::vector<int> all_tasks(num_tasks);
  std::iota(all_tasks.begin(), all_tasks.end(), 0);

  const std::vector<std::vector<int>> costs = {{
      {{90, 76, 75, 70}},    // Worker 0
      {{35, 85, 55, 65}},    // Worker 1
      {{125, 95, 90, 105}},  // Worker 2
      {{45, 110, 95, 115}},  // Worker 3
  }};

  for (int w : all_workers) {
    for (int t : all_tasks) {
      if (costs[w][t]) {
        assignment.AddArcWithCost(w, t, costs[w][t]);
      }
    }
  }

  SimpleLinearSumAssignment::Status status = assignment.Solve();

  if (status == SimpleLinearSumAssignment::OPTIMAL) {
    LOG(INFO) << "Total cost: " << assignment.OptimalCost();
    for (int worker : all_workers) {
      LOG(INFO) << "Worker " << std::to_string(worker) << " assigned to task "
                << std::to_string(assignment.RightMate(worker)) << ". Cost: "
                << std::to_string(assignment.AssignmentCost(worker)) << ".";
    }
  } else {
    LOG(INFO) << "Solving the linear assignment problem failed.";
  }
}

}  // namespace operations_research

int main() {
  operations_research::AssignmentLinearSumAssignment();
  return EXIT_SUCCESS;
}

Java

package com.google.ortools.graph.samples;
import com.google.ortools.Loader;
import com.google.ortools.graph.LinearSumAssignment;
import java.util.stream.IntStream;

/** Minimal Linear Sum Assignment problem. */
public class AssignmentLinearSumAssignment {
  public static void main(String[] args) {
    Loader.loadNativeLibraries();
    LinearSumAssignment assignment = new LinearSumAssignment();

    final int[][] costs = {
        {90, 76, 75, 70},
        {35, 85, 55, 65},
        {125, 95, 90, 105},
        {45, 110, 95, 115},
    };
    final int numWorkers = 4;
    final int numTasks = 4;

    final int[] allWorkers = IntStream.range(0, numWorkers).toArray();
    final int[] allTasks = IntStream.range(0, numTasks).toArray();

    // Add each arc.
    for (int w : allWorkers) {
      for (int t : allTasks) {
        if (costs[w][t] != 0) {
          assignment.addArcWithCost(w, t, costs[w][t]);
        }
      }
    }

    LinearSumAssignment.Status status = assignment.solve();

    if (status == LinearSumAssignment.Status.OPTIMAL) {
      System.out.println("Total cost: " + assignment.getOptimalCost());
      for (int worker : allWorkers) {
        System.out.println("Worker " + worker + " assigned to task "
            + assignment.getRightMate(worker) + ". Cost: " + assignment.getAssignmentCost(worker));
      }
    } else {
      System.out.println("Solving the min cost flow problem failed.");
      System.out.println("Solver status: " + status);
    }
  }

  private AssignmentLinearSumAssignment() {}
}

C#

using System;
using System.Collections.Generic;
using System.Linq;
using Google.OrTools.Graph;

public class AssignmentLinearSumAssignment
{
    static void Main()
    {
        LinearSumAssignment assignment = new LinearSumAssignment();

        int[,] costs = {
            { 90, 76, 75, 70 },
            { 35, 85, 55, 65 },
            { 125, 95, 90, 105 },
            { 45, 110, 95, 115 },
        };
        int numWorkers = 4;
        int[] allWorkers = Enumerable.Range(0, numWorkers).ToArray();
        int numTasks = 4;
        int[] allTasks = Enumerable.Range(0, numTasks).ToArray();

        // Add each arc.
        foreach (int w in allWorkers)
        {
            foreach (int t in allTasks)
            {
                if (costs[w, t] != 0)
                {
                    assignment.AddArcWithCost(w, t, costs[w, t]);
                }
            }
        }

        LinearSumAssignment.Status status = assignment.Solve();

        if (status == LinearSumAssignment.Status.OPTIMAL)
        {
            Console.WriteLine($"Total cost: {assignment.OptimalCost()}.");
            foreach (int worker in allWorkers)
            {
                Console.WriteLine($"Worker {worker} assigned to task {assignment.RightMate(worker)}. " +
                                  $"Cost: {assignment.AssignmentCost(worker)}.");
            }
        }
        else
        {
            Console.WriteLine("Solving the linear assignment problem failed.");
            Console.WriteLine($"Solver status: {status}.");
        }
    }
}

Solusi saat pekerja tidak dapat melakukan semua tugas

Pada contoh sebelumnya, kita berasumsi bahwa semua pekerja dapat melakukan semua tugas. Namun, tidak selalu demikian - pekerja mungkin tidak dapat melakukan satu atau beberapa tugas karena berbagai alasan. Namun, untuk menangani hal ini, mudah untuk memodifikasi program di atas.

Sebagai contoh, anggaplah pekerja 0 tidak dapat melakukan tugas 3. Untuk mengubah program agar mempertimbangkan hal ini, lakukan perubahan berikut:

1. Ubah entri 0, 3 dari matriks biaya ke string 'NA'. (String apa pun bisa digunakan.)

   cost = [[90, 76, 75, 'NA'],
       [35, 85, 55, 65],
       [125, 95, 90, 105],
       [45, 110, 95, 115]]

2. Di bagian kode yang menetapkan biaya kepada pemecah masalah, tambahkan baris if cost[worker][task] != 'NA':, seperti yang ditunjukkan di bawah ini.

   for worker in range(0, rows):
   for task in range(0, cols):
     if cost[worker][task] != 'NA':
       assignment.AddArcWithCost(worker, task, cost[worker][task])

   Baris yang ditambahkan mencegah tepi yang entrinya dalam matriks biaya 'NA' ditambahkan ke pemecah.

Setelah melakukan perubahan ini dan menjalankan kode yang telah diubah, Anda akan melihat output berikut:

Total cost = 276
Worker 0 assigned to task 1.  Cost = 76
Worker 1 assigned to task 3.  Cost = 65
Worker 2 assigned to task 2.  Cost = 90
Worker 3 assigned to task 0.  Cost = 45

Perhatikan bahwa total biaya sekarang lebih tinggi daripada masalah awal. Hal ini tidak mengherankan, karena dalam masalah awal, solusi optimal menetapkan pekerja 0 ke tugas 3, sedangkan dalam masalah yang dimodifikasi, penetapan tidak diizinkan.

Untuk mengetahui apa yang terjadi jika ada lebih banyak pekerja yang tidak dapat melakukan tugas, Anda dapat mengganti lebih banyak entri matriks biaya dengan 'NA', untuk menunjukkan pekerja tambahan yang tidak dapat melakukan tugas tertentu:

cost = [[90, 76, 'NA', 'NA'],
        [35, 85, 'NA', 'NA'],
        [125, 95, 'NA','NA'],
        [45, 110, 95, 115]]

Ketika Anda menjalankan program kali ini, Anda mendapatkan hasil negatif:

No assignment is possible.

Artinya, tidak ada cara untuk menetapkan pekerja ke tugas sehingga setiap pekerja melakukan tugas yang berbeda. Anda dapat mengetahui alasannya dengan melihat grafik untuk menemukan masalah (yang tidak memiliki tepi yang sesuai dengan nilai 'NA' dalam matriks biaya).

Karena node untuk tiga pekerja 0, 1, dan 2 hanya terhubung ke dua node untuk tugas 0 dan 1, tugas yang berbeda tidak dapat ditetapkan kepada pekerja tersebut.

Teorema Pernikahan

Terdapat hasil yang terkenal dalam teori grafik, yang disebut The Marriage Theorem, yang memberi tahu dengan tepat kapan Anda dapat menetapkan setiap node di sebelah kiri ke node yang berbeda di sebelah kanan, dalam grafik bipartit seperti di atas. Tugas semacam ini disebut pencocokan sempurna. Singkatnya, teorema mengatakan hal ini dimungkinkan jika tidak ada subset node di sebelah kiri (seperti yang ada pada contoh sebelumnya) yang tepinya mengarah ke kumpulan node yang lebih kecil di sebelah kanan.

Lebih tepatnya, teorema mengatakan bahwa grafik bipartit memiliki kecocokan yang sempurna jika dan hanya jika untuk subset S node di sisi kiri grafik, kumpulan node di sisi kanan grafik yang terhubung oleh tepi ke node di S setidaknya sebesar S.