Single source shortest path
dijkstra
Single source shortest path
dijkstra
Terminologi
• Dijkstra’s algorithm di pakai untuk menemukan
shortest path dari satu source ke seluruh vertek dalam graph.
• Algo ini menggunakan 2 himp node yaitu S dan C. • Pada himp. S berisi node yang terpilih yang
memiliki jarak minimal dari source.
• Pada himp. C berisi node selain yang terpilih
dalam S, yang belum di ketahui dan merupakan kandidat yang akan di pilih pada langkah
berikutnya
• Dijkstra’s algorithm di pakai untuk menemukan
shortest path dari satu source ke seluruh vertek dalam graph.
• Algo ini menggunakan 2 himp node yaitu S dan C. • Pada himp. S berisi node yang terpilih yang
memiliki jarak minimal dari source.
• Pada himp. C berisi node selain yang terpilih
dalam S, yang belum di ketahui dan merupakan kandidat yang akan di pilih pada langkah
Terminologi
• Dengan demikian kita akan peroleh N=SC
• Pada saat algoritma berhenti, S berisi seluruh
node dari G dan masalah terselesaikan.
• Tiap langkah yang terpilih dalam C merupakan
jarak terkecil pada source dan di tambahkan ke S
• Dengan demikian kita akan peroleh N=SC
• Pada saat algoritma berhenti, S berisi seluruh
node dari G dan masalah terselesaikan.
• Tiap langkah yang terpilih dalam C merupakan
Abstraksi
• Diberikan G={V,E}, directed graph dengan
fungsi l:ER+
• Problem mencari jalur terpendek dari S ke T
0.5
5
• Diberikan G={V,E}, directed graph dengan
fungsi l:ER+
• Problem mencari jalur terpendek dari S ke T
1.1
2
3 3.1
7
S
source
Abstraksi
• Berapa path yang mungkin dari graph G tadi?
• Shortest path = 7.2
8.6
• Berapa path yang mungkin dari graph G tadi?
• Shortest path = 7.2
8.6
7.2
8.1 9
Abstraksi
• Dapatkah kita mencari SP dengan cara seperti
sebelumnya ??? Kenapa ??
• Sebab dalam praktek, mungkin terdapat G
yang besar dengan path yang tidak di ketahui, misal :
• Jika terdapat k diamond, berapa vertek-nya
• Berapa Path??
• Dapatkah kita mencari SP dengan cara seperti
sebelumnya ??? Kenapa ??
• Sebab dalam praktek, mungkin terdapat G
yang besar dengan path yang tidak di ketahui, misal :
• Jika terdapat k diamond, berapa vertek-nya
• Berapa Path??
S T
3k+1
Abstraksi
• Sehingga jika terdapat n vertek, maka terdapat
2 n/3 path
• Lalu bagaimana kita mencari SP pada problem
seperti ini??
• Untuk melakukannya kita harus tahu property
dari SP
• Sehingga jika terdapat n vertek, maka terdapat
2 n/3 path
• Lalu bagaimana kita mencari SP pada problem
seperti ini??
• Untuk melakukannya kita harus tahu property
dari SP
S
T 0.5 1
1.1 0.2
0.3 0.4
Property SP
(single short shortest path)
• Di berikan path dalam G, dari s ke t
• X salah satu vertek dalam path s-t, sehingga
terdapat path s-x dalam s-t, dimana merupakan SP
• Jadi Algoritma yang akan di bicarakan adalah
SP dalam setiap vertek dalam GSSSP
s x t
• Di berikan path dalam G, dari s ke t
• X salah satu vertek dalam path s-t, sehingga
terdapat path s-x dalam s-t, dimana merupakan SP
• Jadi Algoritma yang akan di bicarakan adalah
SP dalam setiap vertek dalam GSSSP
contoh
• Misal l1<l2<l3, merupakan adj vertek dari s ke v1,v2,v3
• Dikatakan bahwa sp dari s –v1 adalah l1, dan
berlaku untuk semua path dari s ke setiap v
dalam G, karena l adalah bernilai positive
• Dinotasikan distance/jarak pada
d[v1]=l1,d[v2]<=l2, dst
• Misal l1<l2<l3, merupakan adj vertek dari s ke v1,v2,v3
• Dikatakan bahwa sp dari s –v1 adalah l1, dan
berlaku untuk semua path dari s ke setiap v
dalam G, karena l adalah bernilai positive
• Dinotasikan distance/jarak pada
d[v1]=l1,d[v2]<=l2, dst
s
l3 l2 l1
v1
v2
IDE SSSP
• D[v1]=0.7, karena hanya terdapat 1 path
• D[v2]=1.11.2, ada path lain (s-v1-v2) tp tdk update • D[v3]=2.3 1,ada path lain(s-v1-v3)
– Path d[v2] dan d[v3] mengalami update utk mendapatkan
shortest path
• D[v4]=1.1
• D[v5]=1.2
s
2.3 1.1 0.7
v1
v2
v3
v4
v5 0.4
0.5 0.5
0.3
• D[v1]=0.7, karena hanya terdapat 1 path
• D[v2]=1.11.2, ada path lain (s-v1-v2) tp tdk update • D[v3]=2.3 1,ada path lain(s-v1-v3)
– Path d[v2] dan d[v3] mengalami update utk mendapatkan
shortest path
• D[v4]=1.1
• D[v5]=1.2
Algoritma
procedure Dijkstra;
{ Dijkstra menghitung cost shortest path dr vertex 1 ke tiap vertex dr directed graph }
begin
1. S := {1};
2. for i := 2 to n do
3. D[i] := C[1, i]; { inisialkan D }
4. for i := 1 to n-1 do begin
5. Pilih vertex w dlm V-S sedemikian sehingga D[w] adlh minimum;
6. Tambahkan w ke S;
7. for tiap vertex v dlm V-S do
8. D[v] := min(D[v], D[w] + C[w, v])
end
end; { Dijkstra }
procedure Dijkstra;
{ Dijkstra menghitung cost shortest path dr vertex 1 ke tiap vertex dr directed graph }
begin
1. S := {1};
2. for i := 2 to n do
3. D[i] := C[1, i]; { inisialkan D }
4. for i := 1 to n-1 do begin
5. Pilih vertex w dlm V-S sedemikian sehingga D[w] adlh minimum;
6. Tambahkan w ke S;
7. for tiap vertex v dlm V-S do
8. D[v] := min(D[v], D[w] + C[w, v])
end
SSSP Manual
• Misalkan source 1, maka
1 2 5
50
45
10
4
1 2 5
3
50
35
15 20
3
6
10
10 20
15
SSSP Manual
• Cari Source Ke Akhir simpul, ternyata ada:
– 1-2,1-3,1-4,1-5
• Cari jalur terpendek dari tiap-tiap simpul yang
berhubungan dr source ke akhir
– 1-2
• 1-2 =50
• 1-3-4-2 =45, terpendek
• 1-5-4-2 =95
• Cari Source Ke Akhir simpul, ternyata ada:
– 1-2,1-3,1-4,1-5
• Cari jalur terpendek dari tiap-tiap simpul yang
berhubungan dr source ke akhir
– 1-2
• 1-2 =50
• 1-3-4-2 =45, terpendek
SSSP Manual
– 1-3
• 1-3 =10
• 1-2-3 =65, terpendek
• 1-2-5-4-2-3 =125
• 1-5-4-2-3 =110
– 1-4
• 1-3-4 =25, terpendek
• 1-2-5-4 =90
• 1-2-3-4 =80
• 1-5-4 =75
– 1-3
• 1-3 =10
• 1-2-3 =65, terpendek
• 1-2-5-4-2-3 =125
• 1-5-4-2-3 =110
– 1-4
• 1-3-4 =25, terpendek
• 1-2-5-4 =90
• 1-2-3-4 =80
SSSP Manual
– 1-5
• 1-5 =45,terpendek
• 1-2-5 =60
• 1-3-4-2-5 =65
• 1-3-4-5 =60
• Kumpulkan jalur terpendek dari
masing-masing simpul yang berhubungan dr source ke akhir
– 1-5
• 1-5 =45,terpendek
• 1-2-5 =60
• 1-3-4-2-5 =65
• 1-3-4-5 =60
• Kumpulkan jalur terpendek dari
SSSP Manual-Hasil Akhir
Jalur Jarak
1-3 10
1-3-4 25
1-3-4-2 45
1-5 45 45
4
1 2 5
3
20 10
15
Problem
• Di ketahui G=(V,E), directed and weighted.
• Hitung panjang (cost) shortest path dari node 1
ke setiap node dalam G.
• source node 1 ke 3. Ada beberapa paths (1 > 4
-> 3, 1 --> 2 --> 3, dst.), tetapi shortest dari path tsb adalah 1 -> 4 -> 2 ->3 dg panjang 9.
• Tugas kita adalah bagaimana menemukan . • Di ketahui G=(V,E), directed and weighted.
• Hitung panjang (cost) shortest path dari node 1
ke setiap node dalam G.
• source node 1 ke 3. Ada beberapa paths (1 > 4
-> 3, 1 --> 2 --> 3, dst.), tetapi shortest dari path tsb adalah 1 -> 4 -> 2 ->3 dg panjang 9.
Algoritma Semi-Greedy
• Kompleksitas O(n*lg(lg(n))) hingga O(n2).
• Ambil cost dari shortest path ke seluruh node
dan tandai dengan infinity (). Dan..
• Tandai panjang (cost) shortest path pada
source dengan 0.
• Kompleksitas O(n*lg(lg(n))) hingga O(n2).
• Ambil cost dari shortest path ke seluruh node
dan tandai dengan infinity (). Dan..
• Tandai panjang (cost) shortest path pada
Algoritma (lanj.)
• Pilih node yg terdekat dg source dan blm
optimal dan yang menjanjikan adalah path ke node 2 dan 4.
• Update cost pada 2 dan 4
– 20+10=10
– 40+5=5 (node terpilih)
• Pilih node yg terdekat dg source dan blm
optimal dan yang menjanjikan adalah path ke node 2 dan 4.
• Update cost pada 2 dan 4
– 20+10=10
• Dari 4 kita akan update cost node 2, 3 dan 5,
yaitu:
• 2 5+2=7 (node terpilih)
• 35+9=14
• 55+2=7
Algoritma (lanj.)
• Dari 4 kita akan update cost node 2, 3 dan 5,
yaitu:
• 2 5+2=7 (node terpilih)
• 35+9=14
Algoritma (lanj.)
• Dari 2 kita akan update cost node 3 :
• 2 5+2=7 (node terpilih)
• 35+9=14
• 55+2=7
• Dari 2 kita akan update cost node 3 :
• 2 5+2=7 (node terpilih)
• 35+9=14
Algoritma (lanj.)
• Algoritma berhenti karena semua node sudah
di kunjungi dan terupdate optimal cost
step Dari A 1 2 3
SSSP Greedy
A B 50 F C 10 10 20 40 10 20 20 A 80 A 90 A A B 20 A 30 B 80
A
90 A
Cost selected
Current lowest cost
B C D E F G H
F 40 F 70 F 20 A 90 A 30 B 3 4 5 6 7 8 A E G D H 50 30 90 20 20 80 40 10 10
20 F 20A 40F 70F 30B 90A
C 60 C 50 C 20 A 40 F 30 B 90 A D 70 D 20 A 40 F 50 C 30 B 60 C H 70 D 20 A 40 F 50 C 30 B 60 C G 70 D 20 A 40 F 50 C 30 B 60 C
E= artinya tidak ada path lagi,walau ada edge
Ke B dan G tapi cost update tidak lebih baik Dari yang sekarang
Algoritma Knapsack
• Ada beberapa versi dari masalah klasik ini. Salah satunya bisa
diilustrasikan sebagai berikut. Diberikan n objek dan sebuah ransel (knapsack). Masing-masing objek i mempunyai berat wi dan vi. Ransel tersebut bisa memuat objek maksimal
seberat W. Masalah yang harus dipecahkan adalah bagaimana mengisi ransel dengan objek yang nilai maksimal tanpa
melewati batas kapasitas dari ransel. Dalam versi ini, diasumsikan bahwa masing-masing objek dapat dibagi menjadi bagian yang lebih kecil, sehingga kita dapat memutuskan untuk hanya membawa sebagian objek i
sebanyak x1.Dengan demikian, algoritma untuk masalah ini dapat disusun sebagai berikut.
• Ada beberapa versi dari masalah klasik ini. Salah satunya bisa
diilustrasikan sebagai berikut. Diberikan n objek dan sebuah ransel (knapsack). Masing-masing objek i mempunyai berat wi dan vi. Ransel tersebut bisa memuat objek maksimal
seberat W. Masalah yang harus dipecahkan adalah bagaimana mengisi ransel dengan objek yang nilai maksimal tanpa
melewati batas kapasitas dari ransel. Dalam versi ini, diasumsikan bahwa masing-masing objek dapat dibagi menjadi bagian yang lebih kecil, sehingga kita dapat memutuskan untuk hanya membawa sebagian objek i
Algoritma
• n adalah jumlah objek wi adalah variabel yang
menyatakan berat dari objek i, vi adalah
variabel yang menyatakan nilai dari objek i, xi
adalah pecahan yang menyatakan beberapa bagian dari objek i yang dimasukkan dalam ransel. Variabel berat menyatakan jumlah berat objek yagn sudah dimasukkan dalam ransel, sedangkan W adalah kapasitas dari ransel.
• n adalah jumlah objek wi adalah variabel yang
menyatakan berat dari objek i, vi adalah
variabel yang menyatakan nilai dari objek i, xi
Secara Matematis
• Fungsi Utama/Tujuan/Objektif
– Fungsi yg mjd penyelesaian masalah dengan
mendapatkan solusi optimal, yaitu mendapatkan nilai profit yg maksimal utk sejumlah obyek yang akan di muat dalam ransel yg sesuai kapasitasnya
• Fungsi Pembatas/Subyektif
– Bertujuan memberikan batas maksimal setiap
obyek untuk di muatkan dalam ransel sesuai kapasitasnya
• Fungsi Utama/Tujuan/Objektif
– Fungsi yg mjd penyelesaian masalah dengan
mendapatkan solusi optimal, yaitu mendapatkan nilai profit yg maksimal utk sejumlah obyek yang akan di muat dalam ransel yg sesuai kapasitasnya
• Fungsi Pembatas/Subyektif
– Bertujuan memberikan batas maksimal setiap
rumus
i
n
i
i
X
P
1
Fungsi Tujuan
i
n
i
i
X
P
1
M
X
W
i
n
i
1
Fungsi Pembatas
0
,
0
,
1
Solusi Greedy
• Pilih obyek dengan nilai Pi maksimal
• Pilih obyek dengan bobot Wi minimal
• Pilih obyek dengan perbandingan Pi/Wi
terbesar
• Pilih obyek dengan nilai Pi maksimal
• Pilih obyek dengan bobot Wi minimal
• Pilih obyek dengan perbandingan Pi/Wi
Algoritma Knapsack Greedy
void GREEDY(int n,int c, int p[],int w[]){ int cc,jj,j;
cc=c; zg=0; jj=1; for(j=1;j<n;j++){
if (w[j]>cc) x[j]=0; else { x[j] = 1; cc=cc-w[j];
zg=zg+p[j]; }
if (p[j]>p[jj]) jj=j; }
if (p[jj]>zg){ zg=p[jj];
for (j=1;j<n;j++) x[j]=0; x[jj]=1;
} }
void GREEDY(int n,int c, int p[],int w[]){ int cc,jj,j;
cc=c; zg=0; jj=1; for(j=1;j<n;j++){
if (w[j]>cc) x[j]=0; else { x[j] = 1; cc=cc-w[j];
zg=zg+p[j]; }
if (p[j]>p[jj]) jj=j; }
if (p[jj]>zg){ zg=p[jj];
for (j=1;j<n;j++) x[j]=0; x[jj]=1;
Psuedocode Algoritma
– Inisiasi
• Untuk setiap i, set xi = 0
• Set berat = 0
– Selama berat < W lakukan
• Pilih i, yaitu objek yang paling potensial (lihat keterangan di
bawah) dari objek yang tersisa.
• Jika berat + wi ≤ maka xi = 1
Berat = berat + wi Jika tidak maka
xi = (W – berat) / wi berat = W
– Inisiasi
• Untuk setiap i, set xi = 0
• Set berat = 0
– Selama berat < W lakukan
• Pilih i, yaitu objek yang paling potensial (lihat keterangan di
bawah) dari objek yang tersisa.
• Jika berat + wi ≤ maka xi = 1
Berat = berat + wi Jika tidak maka
Contoh Soal
• Diketahui
– n=3 dengan Wi(18,15,10) dan Pi(25,24,15) dan
M=20
• Ditanyakan
– Tentukan berat tiap-tiap barang yang dpt di muat
dalam ransel dengan kapasitas M ?
• Diketahui
– n=3 dengan Wi(18,15,10) dan Pi(25,24,15) dan
M=20
• Ditanyakan
– Tentukan berat tiap-tiap barang yang dpt di muat
Secara Matematika
i
i
i
X
P
3
1
i
i
i
X
P
3
1
20
3
1
i
i
X
W
0
,
0
,
1
0
X
i
P
i
W
i
Step 1
• Tentukan solusi feasibel yaitu 2 X n dari batas
bawah dan atas, lalu hitung sesuai kapasitas M<=20, untuk masing masing bobotnya
X1=0,X2=1,X3=? 18X1+15X2+10X320 18.0+15.1+10.X3 20 10X3 20-15
X3=1/2
X1=1,X2=0,X3=? 18X1+15X2+10X320 18.1+15.0+10.X3 20 10X3 20-18
X3=1/5
X1=1,X2=?,X3=0 18X1+15X2+10X320 18.1+15X2+10.0 20 15X2 20-18
X2=2/15
X1=0,X2=1,X3=? 18X1+15X2+10X320 18.0+15.1+10.X3 20 10X3 20-15
X3=1/2
X1=1,X2=0,X3=? 18X1+15X2+10X320 18.1+15.0+10.X3 20 10X3 20-18
X3=1/5
X1=1,X2=?,X3=0 18X1+15X2+10X320 18.1+15X2+10.0 20 15X2 20-18
X2=2/15
X1=0,X2=?,X3=1 18X1+15X2+10X320 18.0+15. X2+10.1 20 15X2 20-10
X2=2/3
X1=?,X2=1,X3=0 18X1+15X2+10X320 18X1+15.1+10.0 20 18X1 20-15
X1=5/18
X1=?,X2=0,X3=1 18X1+15X2+10X320 18X1+15.0+10.1 20 18X1 20-10
Step 2
• Buat tabel Untuk solusi fisibel
Solusi ke (X1,X2,X3) WiXi PiXi
Profit
1 (0,1,1/2) 20 31.5 solusi fisibel 1 (0,1,1/2) 20 31.5
2 (1,0,1/5) 20 28
3 (1,2/15,1) 20 28.2
4 (0,2/3,1) 20 31
5 (5/18,1,0) 20 30.9
6 (5/9,0,1) 20 28.8
Metode Greedy
• Pilih barang dengan nilai profit Maksimal – P1=25 x1=1, batas atas fungsi
– P2=24 x2=2/15, hasil perhit. fungsi pembatas – P3=15 x3=0, batas bawah fungsi
• Pilih barang dengan berat Minimal
– W1=18 x1=0, batas bawah fungsi
– W2=15 x2=2/3, hasil perhit. fungsi pembatas – W3=10 x3=1, batas atas fungsi
• Hitung Wi/Pi
– P1/W1=25/18 karena terkecil, maka x1=0, batas bawah fungsi – P2/W2=24/15 karena terbesar, maka x2=1, batas atas fungsi
– P3/W3=15/10 di hit dengan F pembatas x3=1/2
• Pilih barang dengan nilai profit Maksimal – P1=25 x1=1, batas atas fungsi
– P2=24 x2=2/15, hasil perhit. fungsi pembatas – P3=15 x3=0, batas bawah fungsi
• Pilih barang dengan berat Minimal
– W1=18 x1=0, batas bawah fungsi
– W2=15 x2=2/3, hasil perhit. fungsi pembatas – W3=10 x3=1, batas atas fungsi
• Hitung Wi/Pi
– P1/W1=25/18 karena terkecil, maka x1=0, batas bawah fungsi – P2/W2=24/15 karena terbesar, maka x2=1, batas atas fungsi
– P3/W3=15/10 di hit dengan F pembatas x3=1/2
0
,
0
,
1
0
X
i
P
i
W
i
Metode Greedy
• Buat Tabel
Solusi ke (X1,X2,X3) WiXi PiXi
Profit
Pi max (1,2/15,0) 20 28.2
Pi max (1,2/15,0) 20 28.2
Wi min (1,2/3,1) 20 31
Algortima Greedy
• Sorting Descending thd Pi/Wi
– P1/W1=25/18 =1.39 urutan 3
– P2/W2=24/15 =1.60 urutan 1
– P3/W3=15/10 =1.50 urutan 2
– Shg di peroleh urutan terhadap P dan W sbb:
• W1,W2,W3 15,10,18
• P1,P2,P3 24,15,25
• Sorting Descending thd Pi/Wi
– P1/W1=25/18 =1.39 urutan 3
– P2/W2=24/15 =1.60 urutan 1
– P3/W3=15/10 =1.50 urutan 2
– Shg di peroleh urutan terhadap P dan W sbb:
• W1,W2,W3 15,10,18
Running Algorithm
• Di Inputkan ke algo Knapsak Greedy
X(1:n)0 Isi20 Mulai iterasi i=1
W(i)>isi ? 15>20, tidak, maka
x(1)1, brg dpt dimuat seluruhnya dari W(1)=15 isi=20-15, kapasitas ransel berkuran mjd 5
i=2
W(2)>isi ? 5>10, ya, maka
x(2)5/10=1/2, brg dpt dimuat sebanyak ½ bagian saja dari W(2)=10 isi=5-5, kapasitas ransel habis
i=3, X(3)=0, isi=0, selesai, karena isi=0
• Menghitung Profit
(P1+P2+P3)=(24*1+15*1/2+18*0)=31.5
• Di Inputkan ke algo Knapsak Greedy
X(1:n)0 Isi20 Mulai iterasi i=1
W(i)>isi ? 15>20, tidak, maka
x(1)1, brg dpt dimuat seluruhnya dari W(1)=15 isi=20-15, kapasitas ransel berkuran mjd 5
i=2
W(2)>isi ? 5>10, ya, maka
x(2)5/10=1/2, brg dpt dimuat sebanyak ½ bagian saja dari W(2)=10 isi=5-5, kapasitas ransel habis
i=3, X(3)=0, isi=0, selesai, karena isi=0
• Menghitung Profit