Kap2 1-CVRP

Kapitel 2: Klassische Varianten des VRP
Literatur
Folien zur Vorlesung1

Transportlogistik
Prof. Timo Gschwind, Prof. Stefan Irnich, Dr. Christian Tilk
1
Version 2.0.1
1 / 44
Kapitel 2.1: Capacitated VRP
Literatur
Lesen Sie...
(Domschke und Scholl, 2010): Abschnitt 5.2

(Irnich u. a., 2014)
2 / 44
Literatur
Lernziele
Lernziele:
Klassische Varianten des VRP kennen und unterscheiden
können
Verschiedene grundlegende Typen von Modellen für VRPs und
ihre Struktur kennen
Stärken und Schwächen der Modelltypen kennen
3 / 44
Literatur
Erinnerung: Familie der Vehicle Routing Probleme (VRPs)
1 3
2 4
8 Gegeben
Transportaufträge
7 Fahrzeuge
6 5
Aufgabe Bestimme eine optimale Menge von Fahrzeugrouten, so dass

alle (oder einige) Transportaufträge ausgeführt werden,
→ Welches Fahrzeug übernimmt welchen Auftrag?
→ In welcher Reihenfolge werden die Aufträge abgearbeitet?
alle Fahrzeugrouten zulässig ausgeführt werden können.
4 / 44
Literatur
Allgemeine Notation und Begriffe

Beschreibung mit Hilfe eines bewerteten Digraphen G = (V , A, c):
Knotenmenge V = {0} ∪ N
→ Menge der Transportaufträge N = {1, 2 . . . , n} (Kundenmenge)
→ Depot 0 (=Start- und Endpunkt aller Touren)
5 / 44
Literatur

die möglichen Bewegungen der Fahrzeuge werden modelliert mit Hilfe der
Bogenmenge A = {(i, j) : i, j ∈ V , und i 6= j}
5 / 44
Literatur

für jeden Bogen (i, j) ∈ A ist eine Bogenbewertung in Form von Kosten
(synonym: Distanz, Strecke, Abstand) cij gegeben
5 / 44
Literatur

wir bezeichnen mit δ + (S) = {(i, j) ∈ A : i ∈ S, j ∈
/ S} die Menge aller
ausgehenden Bögen aus der Menge S ⊆ V
→ analog: eingehende Bögen δ − (S) = {(i, j) ∈ A : i ∈ / S, j ∈ S}
→ für einelementige Mengen: δ + (i) := δ + ({i}) und δ − (i) := δ − ({i})
→ Bögen innerhalb einer Menge S ⊆ V : A(S) = {(i, j) ∈ A : i, j ∈ S}
5 / 44
Literatur

Am Depot 0 steht eine Flotte K von Fahrzeugen zur Ausführung der
Transportaufträge bereit.
5 / 44
Literatur

Am Depot 0 steht eine Flotte K von Fahrzeugen zur Ausführung der
Transportaufträge bereit.
Bemerkung: Wenn nicht explizit angegeben, betrachten wir den
asymmetrischen Fall.
5 / 44
Literatur
Tour
Definition (Tour)
Ein Kreis R = (v0 , v1 , ..., vp , v0 ) in G, welcher das Depot 0 enthält, heißt VRP-
Tour, Tour oder Route. Eine Route, die alle intra-route Bedingungen der be-
trachteten VRP-Variante einhält, heisst zulässig.
6 / 44
Literatur
Tour
Definition (Tour)
Bemerkungen:
Üblicherweise ist die Pendeltour T = (0, v , 0) zulässig, die leere Tour
(0, 0) ist in manchen Varianten hingegen nicht zugelassen.
6 / 44
Literatur
Tour
Definition (Tour)
Bemerkungen:
Üblicherweise ist die Pendeltour T = (0, v , 0) zulässig, die leere Tour
(0, 0) ist in manchen Varianten hingegen nicht zugelassen.
Nachfolgend wird angenommen, dass |K | Fahrzeuge zur Verfügung stehen

(bzw. |K | Touren gebildet werden müssen; Unterschied?).
6 / 44
Literatur
Tourenplan
Definition (Tourenplan)
Eine Menge {T 1 , . . . , T |K | } mit |K | Touren wird als Tourenplan P bezeichnet:
Die i-te Tour T i = (vi0 , vi1 , ..., vipi , vi0 ) enthält das Depot vi0 = 0 und die
pi ∈ N0 besuchten Kunden vi1 , ..., vipi ∈ N
Ein Tourenplan P = {T 1 , . . . , T |K | } ist zulässig, falls
→ alle Touren T 1 , . . . , T |K | zulässig sind
→ alle weiteren Bedingungen der betrachteten Variante
eingehalten werden
7 / 44
Literatur
Tourenplan
Definition (Tourenplan)
Eine Menge {T 1 , . . . , T |K | } mit |K | Touren wird als Tourenplan P bezeichnet:
Die i-te Tour T i = (vi0 , vi1 , ..., vipi , vi0 ) enthält das Depot vi0 = 0 und die
pi ∈ N0 besuchten Kunden vi1 , ..., vipi ∈ N
Ein Tourenplan P = {T 1 , . . . , T |K | } ist zulässig, falls
→ alle Touren T 1 , . . . , T |K | zulässig sind
→ alle weiteren Bedingungen der betrachteten Variante
eingehalten werden
Eine Lösung des VRP ist damit durch einen Tourenplan beschrieben. Seine
Kosten sind üblicherweise durch die Summe der Kosten seiner Touren gegeben.
7 / 44
Literatur
Lesen Sie...
(Semet u. a., 2014)

(Poggi und Uchoa, 2014)
(Baldacci u. a., 2004)
(Pessoa u. a., 2008)
8 / 44
Literatur
Capacitated Vehicle Routing Problem (CVRP)
1 3
2 4
8 Gegeben
Depot
Kunden mit Nachfragen
7
Fahrzeuge mit Kapazität
6 5
9 / 44
Literatur
Capacitated Vehicle Routing Problem (CVRP)
1 3
2 4
8 Gegeben
Depot
Kunden mit Nachfragen
7
Fahrzeuge mit Kapazität
6 5
Aufgabe Bestimme eine distanz-minimale Menge von Fahrzeugrouten für

die homogenen Fahrzeuge, so dass
alle Kunden exakt einmal besucht werden,
die Fahrzeugkapazität ausreicht, um die gesamte
Nachfrage aller Kunden auf einer Route zu transportieren
(entweder einzusammeln oder auszuliefern).
9 / 44
Literatur
Zusätzliche Notation und Daten
Im Capacitated Vehicle Routing Problem (CVRP) sind folgende

zusätzliche Daten gegeben:
Jeder Kunde i ∈ N hat eine Nachfrage qi ∈ Z0
→ dem Depotknoten wird eine Nachfrage q0 = 0 zugeordnet
Die homogenen Fahrzeuge haben eine Kapazität von Q ∈ Z+
10 / 44
Literatur
Im Capacitated Vehicle Routing Problem (CVRP) sind folgende

zusätzliche Daten gegeben:
Jeder Kunde i ∈ N hat eine Nachfrage qi ∈ Z0
→ dem Depotknoten wird eine Nachfrage q0 = 0 zugeordnet
Die homogenen Fahrzeuge haben eine Kapazität von Q ∈ Z+
Abkürzung der Schreibweise:

Für eine Teilmenge S ⊆PN der Kunden ist die Gesamtnachfrage
definiert durch q(S) := i∈S qi .
Ebenso bezeichne q(R) die Gesamtnachfrage der Kunden eine
Route R.
10 / 44
Literatur

Bemerkungen:
Eine Route R ist zulässig, wenn q(R) ≤ Q gilt.
Notwendig für die Existenz einer zulässigen CVRP-Lösung ist, dass
qi ≤ Q für alle i ∈ N gilt.
Die Nachfrage der Kunden ist eine eindimensionale Größe, die durch
eine einzige Maßeinheit, wie z.B. Gewicht, Standardbehälter,
Paletten u.ä. beschrieben werden kann. Die Fahrzeuge haben jeweils
eine Kapazität gemessen in derselben Maßeinheit.
11 / 44
Literatur

Bemerkungen:
Eine Route R ist zulässig, wenn q(R) ≤ Q gilt.
Notwendig für die Existenz einer zulässigen CVRP-Lösung ist, dass
qi ≤ Q für alle i ∈ N gilt.
Die Nachfrage der Kunden ist eine eindimensionale Größe, die durch
eine einzige Maßeinheit, wie z.B. Gewicht, Standardbehälter,
Paletten u.ä. beschrieben werden kann. Die Fahrzeuge haben jeweils
eine Kapazität gemessen in derselben Maßeinheit.
11 / 44
Literatur
Beispielinstanz
Instanz P-n19-k2.vrp:
Fahrzeuganzahl unbeschränkt
Q = 160
Kundenkoordinaten und Nachfrage:
i x y qi
0 30 40 –
1 37 52 19
2 49 43 30
3 52 64 16
4 31 62 23
5 52 33 11
6 42 41 31
7 52 41 15
8 57 58 28
9 62 42 14
10 42 57 8
11 27 68 7
12 43 67 14
13 58 27 19
14 37 69 11
15 61 33 26
16 62 63 17
17 63 69 6
18 45 35 15
12 / 44
Literatur
Beispielinstanz
Instanz P-n19-k2.vrp:
Optimale Lösung:
Fahrzeuganzahl unbeschränkt
Q = 160
Kundenkoordinaten und Nachfrage:
i x y qi
0 30 40 –
1 37 52 19
2 49 43 30
3 52 64 16
4 31 62 23
5 52 33 11
6 42 41 31
7 52 41 15
8 57 58 28
9 62 42 14
10 42 57 8
11 27 68 7
12 43 67 14
13 58 27 19
14 37 69 11
15 61 33 26
16 62 63 17
17 63 69 6
18 45 35 15
12 / 44
Literatur
Minimale Fahrzeugzahl
Definition (minimale Fahrzeugzahl γ(S))

Für eine Teilmenge S ⊆ N der Kunden bezeichnen wir die minimale Anzahl
an Fahrzeugen, die eine Bedienung der Kunden S ermöglicht, mit γ(S).
13 / 44
Literatur
Definition (minimale Fahrzeugzahl γ(S))

Für eine Teilmenge S ⊆ N der Kunden bezeichnen wir die minimale Anzahl
an Fahrzeugen, die eine Bedienung der Kunden S ermöglicht, mit γ(S).
Eine einfache untere Schranke für γ(S) kann aus der kontinuierlichen
Aufteilung des Bedarfs auf Fahrzeuge angegeben werden. Es gilt also:

q(S)
γ(S) ≥ .
Q
13 / 44
Literatur
Beispielinstanz: Wegen Q = 160 und q(N) = 310 ist

q(N) 310
γ(N) = γ({1, 2, . . . , 18}) ≥ = = 2,
Q 160
also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.
14 / 44
Literatur

q(N) 310
γ(N) = γ({1, 2, . . . , 18}) ≥ = = 2,
Q 160

Die optimale Lösung (vgl. Folie 12) nutzt ebenfalls nur 2 Fahrzeuge.
14 / 44
Literatur

q(N) 310
γ(N) = γ({1, 2, . . . , 18}) ≥ = = 2,
Q 160

l m
Gibt es immer eine Lösung mit q(N) Q Fahrzeugen? siehe Tafel!
14 / 44
Literatur

q(N) 310
γ(N) = γ({1, 2, . . . , 18}) ≥ = = 2,
Q 160

l m
Gegenbeispiel: N = {1, 2, 3}, (qi )i∈N = (6 6 6), Q = 10.
14 / 44
Literatur

q(N) 310
γ(N) = γ({1, 2, . . . , 18}) ≥ = = 2,
Q 160

l m
Gegenbeispiel: N = {1, 2, 3}, (qi )i∈N = (6 6 6), Q = 10. Es gilt:

18
γ(N) ≥ = 2,
10
14 / 44
Literatur

q(N) 310
γ(N) = γ({1, 2, . . . , 18}) ≥ = = 2,
Q 160

l m

18
γ(N) ≥ = 2,
10
aber offensichtlich ist die minimale Fahrzeuganzahl 3!
14 / 44
Literatur

q(N) 310
γ(N) = γ({1, 2, . . . , 18}) ≥ = = 2,
Q 160

l m

18
γ(N) ≥ = 2,
10

Was für eine Aufgabe muss eigentlich gelöst werden? siehe Tafel!
14 / 44
Literatur

q(N) 310
γ(N) = γ({1, 2, . . . , 18}) ≥ = = 2,
Q 160

l m

18
γ(N) ≥ = 2,
10

Was für eine Aufgabe muss eigentlich gelöst werden? siehe Tafel!
Bin-Packing-Problem
14 / 44
Literatur
Die Zahl γ(S) kann auch exakt durch Lösen eines Bin-Packing-Problems
für die Kunden S ermittelt werden:
X
γ(S) = min yj
j∈S
X
so dass qi zij ≤ Qyj für alle j ∈ S
i∈S
X
zij = 1 für alle i ∈ S
j∈S
yj ∈ {0, 1} für alle j ∈ S
zij ∈ {0, 1} für alle i, j ∈ S
Kontrollfrage: Wofür stehen hier die Variablen yj und zij ? siehe Tafel!
15 / 44
Literatur
X
γ(S) = min yj
j∈S
X
i∈S
X
j∈S
yj : Fahrzeug j wird benutzt oder nicht
zij : Kunde i wird von Fahrzeug j bedient oder nicht
15 / 44
Literatur
X
γ(S) = min yj
j∈S
X
i∈S
X
j∈S
yj : Fahrzeug j wird benutzt oder nicht
zij : Kunde i wird von Fahrzeug j bedient oder nicht
Bemerkung: Auch das Bin-Packing-Problem ist N P -schwer, praktisch

jedoch deutlich besser lösbar als das VRP.
15 / 44
Literatur
Überblick CVRP Modelle
2-Index (Vehicle-Flow) Formulierung

→ Formulierung mit Subtour Elimination Constraints (SECs)
→ Formulierung mit MTZ-Bedingungen
3-Index (Vehicle-Flow) Formulierung
→ Formulierung mit Subtour Elimination Constraints (SECs)
→ Formulierung mit MTZ-Bedingungen
2-Commodity-Flow Formulierung (Baldacci u. a., 2004)
Capacity-Indexed Formulierung (Pessoa u. a., 2008)
Pfadbasierte Formulierung (Extensive Formulation)
16 / 44
Literatur
2-Index Formulierung mit SECs

Entscheidungsvariablen:
xij Binäre Variable mit xij = 1 genau dann, wenn sich ein Fahrzeug direkt
von i zu j bewegt, d.h. den Bogen (i, j) ∈ A benutzt, und xij = 0 sonst.
17 / 44
Literatur

xij Binäre Variable mit xij = 1 genau dann, wenn sich ein Fahrzeug direkt
von i zu j bewegt, d.h. den Bogen (i, j) ∈ A benutzt, und xij = 0 sonst.
CVRP
X
z2I−SEC = min cij xij (1)
(i,j)∈A
X
so dass xij = 1 für alle i ∈ N (2)
(i,j)∈δ + (i)
X
xij = 1 für alle j ∈ N (3)
(i,j)∈δ − (j)
X
xij ≤ |K | (4)
(i,j)∈δ + (0)
X
xij ≤ |K | (5)
(i,j)∈δ − (0)
X
xij ≥ γ(S) für alle S ⊆ N, 2 ≤ |S| (6)
(i,j)∈δ + (S)
xij ∈ {0, 1} für alle (i, j) ∈ A (7)
17 / 44
Literatur
(1) Minimiere die Gesamtdistanz (‘gesamten Routingkosten’)

(2)+(3) Jeder Kunde hat genau einen Vorgänger und Nachfolger
(4)+(5) Die Anzahl der Touren ist höchstens |K |
(6) Subtour Elimination Constraints (SECs) und Capacity
Constraints (CCs)
18 / 44
Literatur

Die SECs
X
xij ≥ γ(S) für alle S ⊆ N, 2 ≤ |S|
(i,j)∈δ + (S)
sind äquivalent zu
X
xij ≤ |S| − γ(S) für alle S ⊆ N, 2 ≤ |S|
(i,j)∈A(S)
Beweis: siehe Tafel!
19 / 44
Literatur

Die SECs
X
(i,j)∈δ + (S) ‘mindestens γ(S) Verbindungen aus S heraus’
sind äquivalent zu
X
(i,j)∈A(S) ‘höchstens |S| − γ(S) Verbindungen innerhalb von S’
Beweis: siehe Tafel!
19 / 44
Literatur

Die SECs
X
sind äquivalent zu
X
P
Beweis: Für eine beliebige Bogenmenge B ⊆ A schreiben wir kurz x (B) statt xij . siehe Tafel!
(i,j)∈B
19 / 44
Literatur

Die SECs
X
sind äquivalent zu
X
P
(i,j)∈B
Wegen den Knotengradbedingungen (2) ist 1 = x (δ + (i)).
19 / 44
Literatur

Die SECs
X
sind äquivalent zu
X
P
(i,j)∈B
Wegen den Knotengradbedingungen (2) ist 1 = x (δ + (i)). Summiert über alle i ∈ S ergibt dies:
(|S| − γ(S)) + γ(S) = |S|

X
+
= x (δ (i)) = x ({(i, j) : i ∈ S, j ∈ V , j 6= i})
i∈S
= x ({(i, j) : i ∈ S, j ∈ S, j 6= i}) + x ({(i, j) : i ∈ S, j ∈ V \ S})

+
= x (A(S)) + x (δ (S))
19 / 44
Literatur

Die SECs
X
sind äquivalent zu
X
P
(i,j)∈B
Wegen den Knotengradbedingungen (2) ist 1 = x (δ + (i)). Summiert über alle i ∈ S ergibt dies:
(|S| − γ(S)) + γ(S) = |S|

X
+
= x (δ (i)) = x ({(i, j) : i ∈ S, j ∈ V , j 6= i})
i∈S
= x ({(i, j) : i ∈ S, j ∈ S, j 6= i}) + x ({(i, j) : i ∈ S, j ∈ V \ S})

+
= x (A(S)) + x (δ (S))
Also x (A(S)) ≤ |S| − γ(S) genau dann, wenn x (δ + (S)) ≥ γ(S).
19 / 44
Literatur

1 3
2 4
8
6 5
20 / 44
Literatur

1 3
2 4
8
6 5
1 Kreis nicht mit Depot verbunden, siehe Tafel!
2 Kreis kapazitiv unzulässig,
3 Kreis kapazitiv zulässig.
20 / 44
Literatur

1 3
2 4
8
6 5

S = {3, 4, 5}, γ(S) = 1,
x34 + x43 + x35 + x53 + x45 + x54 = 3 6≤ |S| − γ(S) = 2 ⇒ wird verhindert!
20 / 44
Literatur

1 3
2 4
8
6 5

S = {3, 4, 5}, γ(S) = 1,
S = {6, 7, 8}, γ(S) = 2,
20 / 44
Literatur

1 3
2 4
8
6 5

S = {3, 4, 5}, γ(S) = 1,
S = {6, 7, 8}, γ(S) = 2,
S = {1, 2}, γ(S) = 1,
x12 + x21 = 1 ≤ |S| − γ(S) = 1 ⇒ ist erlaubt!
20 / 44
Literatur

Eigenschaften der Formulierung:
O (|V |2 ) binäre Variablen, genau: |V | · (|V | − 1)
Exponentiell viele Nebenbedingungen
21 / 44
Literatur

Modell kann nicht vollständig ausformuliert und mit
Standardsoftware gelöst werden. Lösung mittels Branch-and-Cut:
1 Löse LP-Relaxation des Modells ohne SECs
2 Iterativ: Identifiziere verletzte SECs (→ Separationsproblem) und
füge sie dem Modell hinzu
3 Bei nicht ganzzahliger Lösung der LP-Relaxation, Herstellung der
Ganzzahligkeit der xij mittels Branch-&-Bound
21 / 44
Literatur

Starkes Modell: Wert der LP-Relaxation nah an der optimalen ganz-
zahligen Lösung → kleine Ganzzahligkeitslücke (‘integrality gap’)
21 / 44
Literatur

Starkes Modell: Wert der LP-Relaxation nah an der optimalen ganz-
zahligen Lösung → kleine Ganzzahligkeitslücke (‘integrality gap’)
Beispielinstanz:
opt LP topt [s] tLP [s] # Vars. # NBs #SECs # B&B
212 207 0.5 0.1 344 38 95 58
21 / 44
Literatur
2-Index Formulierung mit MTZ-Bedingungen

Zusätzliche Entscheidungsvariablen:
ui Kontinuierliche Variable, die die (Mindest-)Beladung eines Fahrzeugs
nach dem Besuchen des Kunden i ∈ N angibt.
22 / 44
Literatur

ui Kontinuierliche Variable, die die (Mindest-)Beladung eines Fahrzeugs
nach dem Besuchen des Kunden i ∈ N angibt.
CVRP
X
z2I−MTZ = min cij xij (1)
(i,j)∈A
X
so dass xij = 1 für alle i ∈ N (2)
(i,j)∈δ + (i)
X
xij = 1 für alle j ∈ N (3)
(i,j)∈δ − (j)
X
xij ≤ |K | (4)
(i,j)∈δ + (0)
X
xij ≤ |K | (5)
(i,j)∈δ − (0)
ui − uj + Qxij ≤ Q − qj für alle (i, j) ∈ A(N) (6)

qi ≤ ui ≤ Q für alle i ∈ N (7)
xij ∈ {0, 1} für alle (i, j) ∈ A (8)
22 / 44
Literatur

(1) Minimiere die gesamten Routingkosten
(6) Festlegen der Beladungsvariablen ui und Verbot von Subtouren
(7) Kapazitätsbedingungen
23 / 44
Literatur

Bedingungen (6)+(7) sind eine Erweiterung der MTZ-Bedingungen, die

Miller, Tucker und Zemlin für das TSP beschrieben haben.
23 / 44
Literatur


Funktionsweise: siehe Tafel!
23 / 44
Literatur


xij = 1 ⇒ uj ≥ ui + qj > ui
23 / 44
Literatur


xij = 0 ⇒ ui − uj ≤ Q − qj (keine Einschränkung)
23 / 44
Literatur


xij = 0 ⇒ ui − uj ≤ Q − qj (keine Einschränkung)
Eine Subtour (i, j, . . . , i), die das Depot nicht enthält, führt zum
Widerspruch ui < uj < · · · < ui
23 / 44
Literatur

Anzahl Variablen:
→ O (|V |2 ) binäre Variablen, genau: |V | · (|V | − 1)
→ |N| kontinuierliche Variablen
O (|N|2 ) Nebenbedingungen, genau: |N|2 + 3|N| + 2
24 / 44
Literatur

Anzahl Variablen:
Kompaktes Modell
→ kann direkt formuliert und mit Standardsoftware gelöst werden
24 / 44
Literatur

Anzahl Variablen:
Kompaktes Modell
Schwaches Modell
→ große Integralitätslücke (integrality gap)
24 / 44
Literatur

Anzahl Variablen:
Kompaktes Modell
Schwaches Modell
→ große Integralitätslücke (integrality gap)
Beispielinstanz:
212 144 321.0 0.2 362 344 – 2 569 466
24 / 44
Literatur

yik Binäre Variable mit yik = 1 genau dann, wenn Kunde i ∈ N von
Fahrzeug k ∈ K bedient wird, und yik = 0 sonst.
xij Binäre Variable mit xijk = 1 genau dann, wenn Fahrzeug k ∈ K
k
Bogen (i, j) ∈ A benutzt, und xijk = 0 sonst.
25 / 44
Literatur

yik Binäre Variable mit yik = 1 genau dann, wenn Kunde i ∈ N von
Fahrzeug k ∈ K bedient wird, und yik = 0 sonst.
xij Binäre Variable mit xijk = 1 genau dann, wenn Fahrzeug k ∈ K
k
Bogen (i, j) ∈ A benutzt, und xijk = 0 sonst.
CVRP
X X
z3I−SEC = min cij xijk (1)
k∈K (i,j)∈A
K
X
so dass yik = 1 für alle i ∈ N (2)
k=1
X X
xjik = xijk = yik für alle i ∈ N, k ∈ K (3)
(j,i)∈δ − (i) (i,j)∈δ + (i)
X X
xj0k = x0jk ≤ 1 für alle k ∈ K (4)
(j,0)∈δ − (0) (0,j)∈δ + (0)
X
qi yik ≤ Q für alle k ∈ K (5)
i∈N
X
xijk ≤ |S| − 1 für alle S ⊂ N, |S| ≥ 2, k ∈ K (6)
(i,j)∈A(S)
yik ∈ {0, 1} für alle i ∈ N, k ∈ K (7)

xijk ∈ {0, 1} für alle (i, j) ∈ A, k ∈ K (8) 25 / 44
Literatur

(2) Jeder Kunde wird von genau einem Fahrzeug bedient
(3) Kunde i wird von Fahrzeug k genau einmal besucht, wenn er von
Fahrzeug k bedient wird
(4) Jedes Fahrzeug fährt höchstens eine Route
(6) SECs
26 / 44
Literatur

(6) SECs
Bemerkung: Die SECs können umgeschrieben werden in die Form

X
xijk ≥ yhk für alle S ⊂ N, |S| ≥ 2, h ∈ S, k ∈ K
(i,j)∈δ + (S)
26 / 44
Literatur

O (|V |2 · |K |) binäre Variablen
27 / 44
Literatur

Modell kann nicht vollständig ausformuliert und gelöst werden.
Eher schwaches Modell
27 / 44
Literatur

Vielfältig erweiterbar (z.B. heterogene Fahrzeuge)
→ Für viele VRP-Varianten sind keine 2-Index-Formulierungen
bekannt, 3-Index-Formulierungen hingegen schon
27 / 44
Literatur

Problematik Symmetrie: Zu jeder Lösung existieren |K |! äquivalente
Lösungen
27 / 44
Literatur

Problematik Symmetrie: Zu jeder Lösung existieren |K |! äquivalente
Lösungen
Beispielinstanz:
212 144 333.6 0.1 723 96 11569 28574
27 / 44
Literatur

uik Kontinuierliche Variable, die die (Mindest-)Beladung des Fahrzeugs k
nach dem Besuchen des Kunden i ∈ N angibt, falls i von k bedient wird.
28 / 44
Literatur

uik Kontinuierliche Variable, die die (Mindest-)Beladung des Fahrzeugs k
nach dem Besuchen des Kunden i ∈ N angibt, falls i von k bedient wird.
CVRP
X X
z3I−MTZ = min cij xijk (1)
k∈K (i,j)∈A
K
X
so dass yik = 1 für alle i ∈ N (2)
k=1
X X
xjik = xijk = yik für alle i ∈ N, k ∈ K (3)
(j,i)∈δ − (i) (i,j)∈δ + (i)
X X
xj0k = x0jk ≤ 1 für alle k ∈ K (4)
(j,0)∈δ − (0) (0,j)∈δ + (0)
uik − ujk + Qxijk ≤ Q − qj für alle (i, j) ∈ A(N), k ∈ K (5)

qi ≤ uik ≤Q für alle i ∈ N, k ∈ K (6)
yik ∈ {0, 1} für alle i ∈ N, k ∈ K (7)
xijk ∈ {0, 1} für alle (i, j) ∈ A, k ∈ K (8)
28 / 44
Literatur

(5) Festlegen der Beladungsvariablen uik und Verbot von Subtouren
29 / 44
Literatur

(5) Festlegen der Beladungsvariablen uik und Verbot von Subtouren
Bemerkung: Zur Stärkung des Modells kann noch folgende

Kapazitätsbedingung hinzugefügt werden (vgl. Formulierung mit SECs):
X
qi yik ≤ Q k für alle k ∈ K
i∈N
29 / 44
Literatur

Anzahl der Variablen:
→ O (|V |2 · |K |) binäre Variablen
→ |N| · |K | kontinuierliche Variablen
O (|N 2 | · |K |) Nebenbedingungen
30 / 44
Literatur

Kompaktes Modell
Schwaches Modell
30 / 44
Literatur

Kompaktes Modell
Schwaches Modell
Vielfältig erweiterbar, insbesondere für heterogene Fahrzeugflotten
Problematik Symmetrie, insbesondere bei homogener Flotte
30 / 44
Literatur

Kompaktes Modell
Schwaches Modell
Vielfältig erweiterbar, insbesondere für heterogene Fahrzeugflotten
Problematik Symmetrie, insbesondere bei homogener Flotte
Beispielinstanz:
212 144 2756.0 0.2 759 708 – 6 289 109
30 / 44
Literatur
2-Commodity-Flow Formulierung
Zusätzliche Notation:
Graph Ḡ = (V̄ , Ā) ist eine Erweiterung von G um eine Kopie 0̄ des
Depotknotens 0
→ V̄ = V ∪ {0̄}
→ Ā = A(N) ∪ {(i, 0̄) : i ∈ N} ∪ {(0, i) : i ∈ N}
→ ci 0̄ = ci0 für alle i ∈ N
Fahrzeugrouten sind repräsentiert als Pfade von 0 nach 0̄ in Ḡ
31 / 44
Literatur
Graph Ḡ = (V̄ , Ā) ist eine Erweiterung von G um eine Kopie 0̄ des
Depotknotens 0
→ V̄ = V ∪ {0̄}
→ Ā = A(N) ∪ {(i, 0̄) : i ∈ N} ∪ {(0, i) : i ∈ N}
→ ci 0̄ = ci0 für alle i ∈ N
Fahrzeugrouten sind repräsentiert als Pfade von 0 nach 0̄ in Ḡ
xij Binäre Variable mit xij = 1 genau dann, wenn ein Fahrzeug den
Bogen (i, j) ∈ Ā benutzt, und xij = 0 sonst.
yij , yji Kontinuierliche (Fluss-)Variablen. Wenn ein Fahrzeug den
Bogen (i, j) ∈ Ā benutzt, geben diese die Fahrzeugladung bzw. die
residuale Kapazität des Fahrzeugs an. Wenn das Fahrzeug den
Bogen (j, i) ∈ Ā benutzt, sind die Rollen von yij und yji vertauscht.
Es gilt yij + yji = Q, wenn (i, j) oder (j, i) benutzt werden.
31 / 44
Literatur
CVRP
X
z2CF = min cij xij (1)
(i,j)∈Ā
X
so dass (yij − yji ) = 2qi für alle i ∈ N (2)
j∈V̄
X
y0j = 0 (3)
j∈N
X
yj0 = |K |Q (4)
j∈N
X
yj 0̄ = q(N) (5)
j∈N
X
y0̄j = |K |Q − q(N) (6)
j∈N
X
(xij + xji ) = 2 für alle i ∈ N (7)
j∈V̄
yij + yji = Q(xij + xji ) für alle (i, j) ∈ Ā : i < j (8)

xij ∈ {0, 1} für alle (i, j) ∈ Ā; yij ≥ 0 für alle (i, j) ∈ Ā (9)
32 / 44
Literatur

(2)-(6) Sicherstellung eines zulässigen Netzwerkflusses zwischen den Depots
und den Kundenknoten
(2) Flusserhalt: Ausgehender Fluss minus eingehender Fluss entspricht
der doppelten Kundennachfrage. Verhindert Subtouren.
(3)+(4) Alle Fahrzeuge verlassen das Depot leer
(5)+(6) Die Fahrzeuge sammeln zusammen die gesamte Nachfrage ein
(7) Jeder Kunde wird genau einmal besucht
(8) Kopplung zwischen Fluss- und Routingvariablen
33 / 44
Literatur
Beispiel:
Q = 10, Route 1: (0, 1, 2, 3, 0̄), Route 2: (0, 4, 5, 0̄)
q1 = 2 3 4
1 2 3
0 0̄
4 4
4 5
34 / 44
Literatur
Beispiel:
Q = 10, Route 1: (0, 1, 2, 3, 0̄), Route 2: (0, 4, 5, 0̄)
Fahrzeugladung yij ,
q1 = 2 2 3 5 4
1 2 3
0 9
0 0̄
0 8
4 4 4
4 5
34 / 44
Literatur
Beispiel:
Q = 10, Route 1: (0, 1, 2, 3, 0̄), Route 2: (0, 4, 5, 0̄)
Fahrzeugladung yij , residuale Kapazität yji
q1 = 2 2 3 5 4
1 2 3
0 8 5 9
10 1
0 0̄
0 8
4 4 4
10 2
4 5
6
34 / 44
Literatur
Beispiel:
Q = 10, Route 1: (0, 1, 2, 3, 0̄), Route 2: (0, 4, 5, 0̄)
q1 = 2 2 3 5 4
1 2 3
0 8 5 9
10 1
0 0̄
0 8
4 4 4
10 2
4 5
6
Subtouren führen zu einem Widerspruch siehe Tafel!
34 / 44
Literatur
Beispiel:
Q = 10, Route 1: (0, 1, 2, 3, 0̄), Route 2: (0, 4, 5, 0̄)
q1 = 2 2 3 5 4
1 2 3
0 8 5 9
10 1
0 0̄
0 8
4 4 4
10 2
4 5
6
Betrachte Subtour (i, j, i). Es gilt:
34 / 44
Literatur
Beispiel:
Q = 10, Route 1: (0, 1, 2, 3, 0̄), Route 2: (0, 4, 5, 0̄)
q1 = 2 2 3 5 4
1 2 3
0 8 5 9
10 1
0 0̄
0 8
4 4 4
10 2
4 5
6
yij − yji = 2qi und yji − yij = 2qj
34 / 44
Literatur
Beispiel:
Q = 10, Route 1: (0, 1, 2, 3, 0̄), Route 2: (0, 4, 5, 0̄)
q1 = 2 2 3 5 4
1 2 3
0 8 5 9
10 1
0 0̄
0 8
4 4 4
10 2
4 5
6
yij − yji = 2qi und yji − yij = 2qj
⇒ 0 = 2qj + 2qi > 0
34 / 44
Literatur
→ O (|V |2 ) binäre Variablen
→ O (|V |2 ) kontinuierliche Variablen
O (|V 2 |) Nebenbedingungen
35 / 44
Literatur
Kompaktes Modell
35 / 44
Literatur
Kompaktes Modell
Relativ starkes Modell
Gültige Ungleichungen der SEC-Formulierungen ebenfalls gültig.
Zusätzlich weitere Typen von gültigen Ungleichungen
35 / 44
Literatur
Kompaktes Modell
Relativ starkes Modell
Zusätzlich weitere Typen von gültigen Ungleichungen
Beispielinstanz:
212 193.5 2.7 0.3 721 229 – 8 328
35 / 44
Literatur
Capacity-Indexed Formulierung
xijq Binäre Variable mit xijq = 1 genau dann, wenn ein Fahrzeug Bogen
(i, j) ∈ A benutzt und die gesamte Nachfrage von Kunde j und allen
nachfolgenden Kunden auf derselben Route exakt q ist, und xijq = 0 sonst.
Zurück zum Depot führen nur Bögen mit q = 0.
36 / 44
Literatur
xijq Binäre Variable mit xijq = 1 genau dann, wenn ein Fahrzeug Bogen
(i, j) ∈ A benutzt und die gesamte Nachfrage von Kunde j und allen
nachfolgenden Kunden auf derselben Route exakt q ist, und xijq = 0 sonst.
Zurück zum Depot führen nur Bögen mit q = 0.
Q
X X
CVRP
zCI = min cij xijq (1)
(i,j)∈A q=0
Q Q−qi
X X X X
so dass xjiq = xijq = 1 für alle i ∈ N (2)
(j,i)∈δ − (i) q=qi (i,j)∈δ + (i) q=qj
Q
X X X
xj00 = x0jq ≤ |K | (3)
(j,0)∈δ − (0) (0,j)∈δ + (0) q=qj
X X
xjiq − xijq−qi = 0 für alle i ∈ N, q = qi , . . . , Q(4)
(j,i)∈δ −(i) (i,j)∈δ +(i)
xijq = 0 für alle (i, 0) ∈ A, q = 1, . . . , Q (5)

xijq ∈ {0, 1} für alle (i, j) ∈ A, q = 0, . . . , Q (6)
36 / 44
Literatur

(3) Höchstens |K | Fahrzeuge
(4) Die Differenz aus der Gesamtnachfrage auf einem Routenstück zum
Depot vor und nach Besuch von Kunde i entspricht exakt seiner
Nachfrage qi . Verbieten Subtouren und sind Kapazitätsbedingungen.
(5) Nur Bögen mit q = 0 zum Depot
37 / 44
Literatur
Beispiel: siehe Tafel!
38 / 44
Literatur
Originalnetzwerk:
q1 = 1
1
0
2
q2 = 2
38 / 44
Literatur
Originalnetzwerk: Ladungsexpandiertes Netzwerk für Q = 5:
q1 = 1
1
0
2
q2 = 2
38 / 44
Literatur
q1 = 1
1
0 10 11 12 13 14 15
2
q2 = 2 0
20 21 22 23 24 25
38 / 44
Literatur
q1 = 1
1
0 10 11 12 13 14 15
0
x10
2
q2 = 2 0
0
x20
20 21 22 23 24 25
38 / 44
Literatur
q1 = 1
1
0 10 11 12 13 14 15
0 2
x12 3
x12 4
x12
2 x10
q2 = 2 0
0
x20
20 21 22 23 24 25
38 / 44
Literatur
q1 = 1
1
0 10 11 12 13 14 15
0 2
x12 3
x12 4
x12
2 x10
q2 = 2 0
0
x20 1
x21 2
x21 3
x21
20 21 22 23 24 25
38 / 44
Literatur
q1 = 1
4 5
x01
1 1 2
x01
3
x01 x01
x01
0 10 11 12 13 14 15
0 2
x12 3
x12 4
x12
2 x10
q2 = 2 0
0
x20 1
x21 2
x21 3
x21
20 21 22 23 24 25
2
x02 3
x02 4
x02 5
x02
38 / 44
Literatur
q1 = 1
4 5
x01
1 1 2
x01
3
x01 x01
x01
0 10 11 12 13 14 15
0 2
x12 3
x12 4
x12
2 x10
q2 = 2 0
0
x20 1
x21 2
x21 3
x21
20 21 22 23 24 25
2
x02 3
x02 4
x02 5
x02
Route (0, 1, 2, 0)
38 / 44
Literatur

O (|V |2 Q) binäre Variablen
O (|N|Q) Nebenbedingungen
39 / 44
Literatur

Kompaktes Modell (für feste Kapazität Q)
39 / 44
Literatur

Kompaktes Modell (für feste Kapazität Q)
Zusätzlich weitere Typen von gültigen Ungleichungen.
Beispielinstanz:
212 192.0 306.9 9.5 55 063 2 626 – 8 010
39 / 44
Literatur
Pfadbasierte Formulierung
Menge der zulässigen Routen Ω
Kosten cr (=zurückgelegte Distanz) von Route r ∈ Ω
Binärer Parameter air = 1 wenn Kunde i ∈ N in Route r ∈ Ω
bedient wird, und air = 0 sonst.
40 / 44
Literatur
xr Binäre Variable mit xr = 1 genau dann, wenn ein Fahrzeug Route
r ∈ Ω fährt, und xr = 0 sonst.
40 / 44
Literatur
xr Binäre Variable mit xr = 1 genau dann, wenn ein Fahrzeug Route
r ∈ Ω fährt, und xr = 0 sonst.
X
CVRP
zPfad = min cr xr (1)
r ∈Ω
X
so dass air xr = 1 für alle i ∈ N (2)
r ∈Ω
X
xr ≤ |K | (3)
r ∈Ω
xr ∈ {0, 1} für alle r ∈ Ω (4)
40 / 44
Literatur

41 / 44
Literatur

Bemerkungen:
Die Pfadbasierte Formulierung ist ein (erweitertes)
Set-Partitioning-Problem
→ Routen definieren Teilmengen von Kunden und ihre Kosten
→ Auswahl der besten (höchstens |K |) Routen, so dass alle Kunden
exakt einmal abgedeckt werden
Für alle Routen, die dieselbe Teilmenge S ⊆ N der Kunden
besuchen, kann man sich darauf beschränken lediglich eine dieser
Routen mit geringsten Kosten zu betrachten.
41 / 44
Literatur
Beispiel: (ohne explizite Angabe von Kosten) siehe Tafel!
Vier Kunden mit Nachfragen q1 = 5, q2 = 6, q3 = 3 und q4 = 2

Zwei Fahrzeuge mit Kapazität 10
Es gibt 10 Teilmengen ∅ 6= S ⊂ N von Kunden mit q(S) ≤ 10.
Menge der zulässigen Routen Ω = {1, 2, . . . , 10}
42 / 44
Literatur

bsp
zPfad = minc1 x1 + c2 x2 + c3 x3 + c4 x4 + c5 x5 + c6 x6 + c7 x7 + c8 x8 + c9 x9 + c10 x10
so dass x1 + x2 + x3 + x4 =1
x5 + x6 + x7 =1
x2 + x4 + x6 + x8 + x9 =1
x3 + x4 + x7 + x9 + x10 = 1
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 ≤ 2
xr ∈ {0, 1} für alle r ∈ Ω
42 / 44
Literatur

bsp
zPfad = minc1 x1 + c2 x2 + c3 x3 + c4 x4 + c5 x5 + c6 x6 + c7 x7 + c8 x8 + c9 x9 + c10 x10
so dass x1 + x2 + x3 + x4 =1
x5 + x6 + x7 =1
x2 + x4 + x6 + x8 + x9 =1
x3 + x4 + x7 + x9 + x10 = 1
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 ≤ 2
xr ∈ {0, 1} für alle r ∈ Ω
Im symmetrischen Fall sind pro zulässiger Kundenteilmenge S ⊂ N die

Routenkosten eindeutig; Ausnahme S = {1, 3, 4} und Kosten c4 , hier muss eine
beste Route durch {0} ∪ S bestimmt werden.
42 / 44
Literatur
Exponentiell viele Variablen
|N| + 1 Nebenbedingungen
43 / 44
Literatur
Standardsoftware gelöst werden. Lösung mittels Branch-and-Price:
1 Löse LP-Relaxation des Modells mit einer kleinen Teilmenge von
Variablen
2 Iterativ: Identifiziere fehlende Variablen und füge sie dem Modell
hinzu
Ganzzahligkeit der xr mittels Branch-&-Bound
43 / 44
Literatur
Variablen
hinzu
Sehr starkes Modell
43 / 44
Literatur
Variablen
hinzu
Sehr starkes Modell
Beispielinstanz:
212 212 5.1 5.1 145 130 19 – 1
43 / 44
Literatur
Capacitated Vehicle Routing Problem
Vergleich der Formulierung (für die Beispielinstanz):

Modell opt LP topt [s] tLP [s] # Vars. # NBs #SECs # B&B
2-Ind. SEC (B&C) 212 207 0.5 0.1 344 38 95 58
2-Ind. MTZ 212 144 321.0 0.2 362 344 – 2 569 466
3-Ind. SEC (B&C) 212 144 333.6 0.1 723 96 11569 28574
3-Ind. MTZ 212 144 2756.0 0.2 759 708 – 6 289 109
2-Commodity-Flow 212 193.5 2.7 0.3 721 229 – 8 328
Capacity-Ind. 212 192.0 306.9 9.5 55 063 2 626 – 8 010
Pfadbasierte Form. 212 212 5.1 5.1 145 130 19 – 1
44 / 44
Literatur
[Baldacci u. a. 2004] Baldacci, R. ; Hadjiconstantinou, E. ; Mingozzi, A.: An

Exact Algorithm for the Capacitated Vehicle Routing Problem Based on a
Two-Commodity Network Flow Formulation. In: Operations Research 52 (2004),
Nr. 5, S. 723–738
[Domschke und Scholl 2010] Domschke, W. ; Scholl, A.: Logistik: Rundreisen
und Touren. 5. Auflage. München, Wien : Oldenbourg, 2010. – ISBN
978-3-486-59093-7
[Irnich u. a. 2014] Irnich, S. ; Toth, P. ; Vigo, D.: Chapter 1: The Family of
Vehicle Routing Problems. In: Toth, P. (Hrsg.) ; Vigo, D. (Hrsg.): Vehicle
Routing. Philadelphia, PA : Society for Industrial and Applied Mathematics,
November 2014, S. 1–33
[Pessoa u. a. 2008] Pessoa, A. ; Aragão, M. Poggi de ; Uchoa, E.: Robust
Branch-Cut-and-Price Algorithms for Vehicle Routing Problems. In: Golden, B.
(Hrsg.) ; Raghavan, S. (Hrsg.) ; Wasil, E. (Hrsg.): The Vehicle Routing Problem:
Latest Advances and New Challenges. Springer US, 2008, S. 297–325
[Poggi und Uchoa 2014] Poggi, Marcus ; Uchoa, Eduardo: Chapter 3: New Exact
Algorithms for the Capacitated Vehicle Routing Problem. In: Toth, P. (Hrsg.) ;
Vigo, D. (Hrsg.): Vehicle Routing. Philadelphia, PA : Society for Industrial and
Applied Mathematics, 2014, S. 59–86
[Semet u. a. 2014] Semet, Frédéric ; Toth, Paolo ; Vigo, Daniele: Chapter 2:
Classical Exact Algorithms for the Capacitated Vehicle Routing Problem. In: Toth,
P. (Hrsg.) ; Vigo, D. (Hrsg.): Vehicle Routing. Philadelphia, PA : Society for
Industrial and Applied Mathematics, 2014, S. 37–57
44 / 44

Kap2 1-CVRP

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Kap2 1-CVRP

Hochgeladen von

Copyright:

Verfügbare Formate

Kapitel 2: Klassische Varianten des VRP

Folien zur Vorlesung1

Prof. Timo Gschwind, Prof. Stefan Irnich, Dr. Christian Tilk

Kapitel 2: Klassische Varianten des VRP

(Domschke und Scholl, 2010): Abschnitt 5.2

Erinnerung: Familie der Vehicle Routing Probleme (VRPs)

Aufgabe Bestimme eine optimale Menge von Fahrzeugrouten, so dass

Allgemeine Notation und Begriffe

Allgemeine Notation und Begriffe

Allgemeine Notation und Begriffe

Allgemeine Notation und Begriffe

Allgemeine Notation und Begriffe

Allgemeine Notation und Begriffe

Nachfolgend wird angenommen, dass |K | Fahrzeuge zur Verfügung stehen

Kapitel 2.1: Capacitated VRP

(Semet u. a., 2014)

Capacitated Vehicle Routing Problem (CVRP)

Capacitated Vehicle Routing Problem (CVRP)

Aufgabe Bestimme eine distanz-minimale Menge von Fahrzeugrouten für

Zusätzliche Notation und Daten

Im Capacitated Vehicle Routing Problem (CVRP) sind folgende

Zusätzliche Notation und Daten

Im Capacitated Vehicle Routing Problem (CVRP) sind folgende

Abkürzung der Schreibweise:

Zusätzliche Notation und Daten

Zusätzliche Notation und Daten

Definition (minimale Fahrzeugzahl γ(S))

Definition (minimale Fahrzeugzahl γ(S))

also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.

also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.

also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.

also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.

Gegenbeispiel: N = {1, 2, 3}, (qi )i∈N = (6 6 6), Q = 10.

also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.

Gegenbeispiel: N = {1, 2, 3}, (qi )i∈N = (6 6 6), Q = 10. Es gilt:

also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.

Gegenbeispiel: N = {1, 2, 3}, (qi )i∈N = (6 6 6), Q = 10. Es gilt:

aber offensichtlich ist die minimale Fahrzeuganzahl 3!

also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.

Gegenbeispiel: N = {1, 2, 3}, (qi )i∈N = (6 6 6), Q = 10. Es gilt:

aber offensichtlich ist die minimale Fahrzeuganzahl 3!

also ist prinzipiell eine Lösung mit nur 2 Touren denkbar.

Gegenbeispiel: N = {1, 2, 3}, (qi )i∈N = (6 6 6), Q = 10. Es gilt:

aber offensichtlich ist die minimale Fahrzeuganzahl 3!

Bemerkung: Auch das Bin-Packing-Problem ist N P -schwer, praktisch

Überblick CVRP Modelle

2-Index (Vehicle-Flow) Formulierung

2-Index Formulierung mit SECs

2-Index Formulierung mit SECs

xij ∈ {0, 1} für alle (i, j) ∈ A (7)

2-Index Formulierung mit SECs

(1) Minimiere die Gesamtdistanz (‘gesamten Routingkosten’)

2-Index Formulierung mit SECs

Beweis: siehe Tafel!

2-Index Formulierung mit SECs

Beweis: siehe Tafel!

2-Index Formulierung mit SECs

2-Index Formulierung mit SECs

2-Index Formulierung mit SECs

(|S| − γ(S)) + γ(S) = |S|

= x ({(i, j) : i ∈ S, j ∈ S, j 6= i}) + x ({(i, j) : i ∈ S, j ∈ V \ S})

2-Index Formulierung mit SECs

(|S| − γ(S)) + γ(S) = |S|