Algoritmi di classificazione e reti neurali Seminario su clustering dei dati A.A. 2013-2014 a cura di Silvia Canale contatto e-mail: [email protected] Università Sapienza di Roma Dipartimento di ingegneria Informatica, Automatica e Gestionale Corso di Laurea in “Ingegneria Gestionale” ARGOMENTI DEL SEMINARIO Definizione del problema di clustering di dati Apprendimento automatico e data mining Schema generale di una procedura di clustering Applicazioni del clustering di dati Definizioni preliminari e rappresentazione dei dati Misure di similarità e di dissimilarità – distanze Problema della partizione in clique definizione e formulazione algoritmo dei piani di taglio Problema k-means 2 DEFINIZIONE DEL PROBLEMA CLUSTERING: classificazione di oggetti sulla base delle similarità percepite Gli oggetti sono descritti: - dagli attributi che lo definiscono (misure oggettive o soggettive) - dalle relazioni con gli altri oggetti Lo scopo è quello di determinare un’organizzazione degli oggetti che sia: - valida - facile da determinare Un cluster è un gruppo di oggetti simili (criterio di omogeneità). Oggetti che appartengono a cluster diversi non sono simili (criterio di separazione). 3 DEFINIZIONE DEL PROBLEMA Un cluster è un gruppo di oggetti simili. Se gli oggetti sono punti in uno spazio di distanza allora possiamo dare la seguente definizione: Un cluster è un sottoinsieme di punti tali che la distanza tra due punti qualsiasi del cluster è minore della distanza tra un qualsiasi punto del cluster ed un punto esterno al cluster. Sia X uno spazio di oggetti e d una distanza definita su X. Indicheremo con (X,d) lo spazio di distanza definito da d su X. 1 Un sottoinsieme V X è un cluster se e solo se d(i,j) d(k,l) per ogni i,j,k V, l V 1 1 4 5 4 4 APPRENDIMENTO AUTOMATICO Apprendimento: Processo di ragionamento induttivo che permette di passare dalle osservazioni alle regole generali (tipico dell’uomo che impara dall’esperienza) REGOLE Processo deduttivo INFORMAZIONE Processo induttivo OSSERVAZIONI Automatico: Definizione automatica, distinta da quella naturale, delle regole generali a partire dalle osservazioni (dati sperimentali) Scopo: Estrazione di informazione interessante dai dati nuova (non è qualcosa di già noto, analisi esplorativa) oppure attesa (ipotesi a priori da convalidare, analisi confermativa) implicita: presente nei dati analizzati ma non immediatamente accessibile potenzialmente utile: può essere utilizzata per prendere delle 5 decisioni APPRENDIMENTO AUTOMATICO Processo automatico di estrazione di informazioni su un sistema fisico S incognito partendo da un insieme finito di n osservazioni. c1 c2 c3 cn S v1 v2 v3 vn L’insieme { v1, v2, …, vn } prende il nome di training set. Apprendimento non supervisionato (clustering): Il sistema S non ha ingressi e lo scopo è determinare una regola che metta in relazione le osservazioni del training set sulla base di una misura di similarità definita. Apprendimento supervisionato (analisi discriminante): Il sistema S riceve gli ingressi { c1, c2, …, cn } e lo scopo è determinare una regola che metta in relazione le osservazioni del training set con gli ingressi. 6 ESTRAZIONE DELLA CONOSCENZA APPRENDIMENTO AUTOMATICO Valutazione regole Informazione Data Mining Selezione e trasformazione dei dati Regole Pulizia ed integrazione dei dati Datawarehouse Database 7 APPLICAZIONI Segmentazione di immagini – partizione di un’immagine in regioni che siano omogenee rispetto ad una proprietà di interesse (es. intensità, colore, struttura, …) Riconoscimento di oggetti e caratteri – Analisi di immagini allo scopo di riconoscere particolari strutture Information retrieval – Processo di raccolta e recupero automatico di informazioni (es. libri e riviste di una biblioteca) Segmentazione di grandi database in gruppi omogenei di dati Classificazioni di documenti web Analisi predittiva in Customer Relationship Management - Customer profiling - Customer retention - Market segmentation ….E MOLTE ALTRE - … 8 CLUSTERING – SCHEMA GENERALE 1. Rappresentazione dei dati • Definizione del numero, del tipo e della scala delle caratteristiche (o attributi) • Definizione del numero di cluster (o classi) • Selezione delle caratteristiche (opzionale) • Estrazione delle caratteristiche (opzionale) 2. Definizione di una misura di similarità sull’insieme dei dati 3. Applicazione di un algoritmo di clustering 4. Astrazione sui dati 5. Valutazione dei risultati DESCRIZIONE COMPATTA E SINTETICA DEI CLUSTER studio dell’andamento dei cluster analisi della validità dei cluster confronto esterno confronto interno controllo relativo 9 DEFINIZIONI PRELIMINARI Un algoritmo di clustering partizionale raggruppa le osservazioni del training set in cluster sulla base di una misura di similarità definita sull’insieme delle coppie di osservazioni. Due tipi di algoritmi di clustering partizionale: - clustering di tipo “hard”: un’osservazione è assegnata ad un solo cluster; - clustering di tipo “fuzzy”: un’osservazione ha un grado di appartenenza per ciascuno dei cluster individuati. Le osservazioni possono essere rappresentate in due formati standard: matrice delle istanze di dato matrice delle similarità 10 MATRICE DELLE ISTANZE Un’osservazione (o istanza) v è rappresentata da un vettore di m caratteristiche (o attributi). v = v1 v2 … … vm L’insieme X = { v1, v2, …, vn } delle osservazioni viene rappresentato come una matrice n x m detta matrice delle istanze. X= v11 v12 .... v1m v12 v 22 .... v 2m .... .... .... .... v1n v 2n .... v nm 11 TIPI DI DATO Un’istanza può rappresentare un oggetto fisico oppure un concetto astratto. Un attributo può essere di diversi tipi: quantitativo • continuo (es. peso, larghezza, temperatura) • discreto (es. età di un individuo) • intervallo (es. durata di un evento) qualitativo • nominale (es. colori) • ordinato (es. intensità di un suono, valutazione di una sensazione) Sono inoltre possibili altre rappresentazioni delle istanze. 12 MATRICE DELLE RELAZIONI Sia X = { v1, v2, …, vn } un insieme di n istanze. Indichiamo con V = { 1, 2, …, n } l’insieme degli indici da 1 a n. Una relazione r definita sullo spazio X x X delle coppie di istanze può essere rappresentata come una matrice n x n detta matrice delle relazioni. R= r11 r12 .... r1n r21 r22 .... r2n .... .... .... .... rn1 rn2 .... rnn Consideriamo relazioni simmetriche ( rij rji per ogni i, j V ) e in particolare: relazioni di similarità (più vi e vj sono simili, più rij è grande) relazioni di dissimilarità (più vi e vj sono simili, più rij è basso) 13 DISTANZE Una distanza d definita sull’insieme X è una relazione che gode delle seguenti proprietà: a) d è simmetrica d(i, j) d(j, i) per ogni coppia (i,j) in V. b) d assume valore nullo d(i, i) 0 per ogni coppia (i,i) in V. Indicheremo con (X,d) lo spazio di distanza definito da d su X. Se inoltre d soddista la proprietà: c) d soddisfa la diseguaglianza triangolare per ogni terna (i,j,k) in V v2 v2 d(i, j) d(i, k) d(k, j) allora d è una semimetrica sull’insieme X. v1 1 v1 4 1 3 2 v3 4 v3 Si definisce metrica una semimetrica d che soddisfa l’ulteriore proprietà: d(i, j) 0 i j 14 NORME Se X è uno spazio vettoriale definito sul campo dei reali , una funzione || • || : X + si definisce norma se: i. || v || = 0 v = 0 per ogni v in X. ii. || v || = | | || v || per ogni in , v in X. iii. || vi + vj || || vi || + || vj || per ogni vi ,vj in X. Si definisce spazio normato la coppia (X, || • ||). Ad uno spazio normato (X, || • ||) può essere associata la topologia metrica indotta dalla norma || • || tramite l’identità: d (v i , v j ) := vi - v j METRICA NORMA Consideriamo lo spazio normato (m, || • ||p) dove || • ||p è la norma lp m 1 p p v p (|v k | ) k 1 15 UNA METRICA NORMA È UNA METRICA Dim. Sia || • || : X + una norma definita su X. La funzione d (v i , v j ) v i - v j a) è simmetrica || v || = | | || v || d (v i , v j ) v i - v j -1(v j - v i ) | 1 | v j - v i v j - v i d (v j , v i ) b) d assume valore nullo per ogni coppia (i,i) in V. || v || = 0 v = 0 d (v i , v i ) v i - v i 0 0 c) d soddisfa la diseguaglianza triangolare per ogni terna (i,j,k) ini V j d (v , v ) v i - v j v i - v j v k v k (v i v k ) (v k v j ) || vi + vj || || vi || + || vj || (v i v k ) (v k v j ) d (v i , v k ) d (v j , v k ) 16 METRICHE NORME Una classe molto importante di metriche è quella delle metriche dlp indotte dalle diverse norme lp: d (v i , v j ) v i - v j p 1 p p m p (|v ik - v kj | ) k 1 p = 1 – distanza di Manhattan o metrica “city-block” m d (v , v ) |v ik - v kj | i j 1 k 1 p = 2 – distanza Euclidea d (v , v ) i j 2 p = – distanza di Lagrange d (v i , v j ) v i - v j m |v k 1 i k - v kj |2 max | v ik - v kj | k 1,...,m p = 0 – distanza di Hamming d (v i , v j ) v i - v j 0 0 |{ k 1,..., m :|v ik - v kj | 0}| 17 PROBLEMA DI PARTIZIONE Un algoritmo di clustering partizionale di tipo “hard” determina una partizione delle osservazioni del training set sulla base di una misura di similarità definita sull’insieme delle coppie di osservazioni. Si definisce partizione P di un insieme X = { v1, v2, …, vn } è una famiglia finita di k insiemi V1, V2, …, Vk P = { V1, V2, …, Vk } tali che ogni insieme Vj in P è un sottoinsieme non vuoto di X: Vj X k Vj X j1 Vi V j 0 i, j 1,..., k i j 18 RAPPRESENTAZIONE DEI DATI Dato un insieme di osservazioni X = { v1, v2, …, vn } e la matrice delle similarità relative all’insieme X, si definisce grafo associato a X il grafo G(N,A) tale che: N rappresenta l’insieme dei nodi { 1, 2, …, n } tale che ciascun nodo i N sia associato ad un’osservazione vi X A sia l’insieme degli archi che connettono ogni coppia non ordinata (vi, vj) di osservazioni in X con vi vj. L’arco in A che connette due nodi i e j viene indicato con (i,j) o con ij. Siano n e m il numero di nodi e di archi, rispettivamente, in N e A. Il grafo associato a X è completo! n(n 1) m 2 19 INSIEME DELLE SOLUZIONI – DEFINIZIONI Si definisce clustering del grafo G(N,A) una partizione P(G) = { V1, V2, …, Vk } dei nodi del grafo G(N,A). Gli elementi ViP(G) vengono definiti componenti o clique del clustering P(G). Dato un grafo G(N,A) si definisce clique un sottoinsieme V N dei nodi tali che per ogni coppia di nodi i e j l’arco ij appartiene ad A. G(N, A) 1 V1 {1,2,3,4} 5 V2 {3,4,5,6} 4 6 2 3 V3 {1,2,4,5} NON è una clique: 25 A Se il grafo G(N,A) è completo, ogni sottoinsieme V N è una clique. 20 INSIEME DELLE SOLUZIONI – DEFINIZIONI Si definisce clustering del grafo G(N,A) una partizione P(G) = { V1, V2, …, Vk } dei nodi del grafo G(N,A). Come sono fatte le soluzioni di un problema di clustering? Sia Vh N. Indichiamo con (Vh) l’insieme degli archi che connettono nodi in Vh e nodi fuori da Vh δ(Vh ) ij A|i Vh , j Vh j V i Se |Vh| = 1, (Vh) è la stella del nodo in Vh. δ(V) 21 INSIEME DELLE SOLUZIONI – DEFINIZIONI Siano Vh, Vl N. Indichiamo con (Vh ,Vl) l’insieme degli archi che connettono nodi in Vh e nodi in Vl δ(Vh , Vl ) ij A|i Vh , j Vl In generale, dati k sottoinsiemi V1,…, Vk N, l’insieme degli archi con estremi in due sottoinsiemi diversi viene indicato con V2 V1 V3 δ(V1, V3 ) V2 V1 V3 δ(V1, V2 , V3 ) δ(V1,...., Vk ) ij A|i Vh , j Vl , h, l 1,..., k, h l 22 INSIEME DELLE SOLUZIONI – DEFINIZIONI Ad ogni clustering P(G)= { V1, V2, …, Vk } del grafo G(N,A) è possibile associare un insieme multi-cut (P(G)) (P(G)) = ( V1, V2, …, Vk ) V2 V3 Definiamo il vettore di incidenza yP di un insieme multi-cut (P(G)) y P 0,1 m 1 ij δ(P(G)) y ij 0 otherwise V1 V4 δ(V1, V2 , V3 , V4 ) 23 INSIEME DELLE SOLUZIONI – DEFINIZIONI Sia Vi N. Indichiamo con E(Vi) l’insieme degli archi che connettono nodi in Vi. E(Vi ) uv A|u Vi , v Vi v Se |Vi| = 1, E(Vi) è vuoto. V1 In generale, dati k sottoinsiemi V1,…, Vk N, l’insieme degli archi con estremi nello stesso sottoinsieme viene indicato con E(V1,...., Vk ) E(V1 ) ... E(Vk ) V2 V1 u E(V1 ) V3 E(V1, V224, V3 ) INSIEME DELLE SOLUZIONI – DEFINIZIONI Ad ogni clustering P(G)= { V1, V2, …, Vk } del grafo G(N,A) è possibile associare un insieme partizione E(P(G)) E(P(G)) = E( V1, V2, …, Vk ) V2 V3 Definiamo il vettore di incidenza xP di un insieme partizione E(P(G)) x P 0,1 m 1 ij E(P(G)) x ij 0 otherwise V1 V4 E(V1, V2 , V3 , V4 ) Gli insiemi multi-cut e partizione definiscono una partizione di A x P y P 1m 25 VETTORE DI INCIDENZA DI UNA PARTIZIONE Esempio – Sia X = { v1, v2, v3, v4, v5, v6, v7, v8 }. Definiamo il grafo G(N,A) associato all’insieme X, dove N = { 1, 2, 3, 4, 5, 6, 7, 8 } e A = { ij | 1 i j 8 }. Consideriamo il clustering P(G)= { V1, V2, V3 } 6 E(V2 ) 7 3 8 V1 P(G) V1, V2 , V3 E(V3 ) V2 1 4 E(V1 ) 2 5 V3 xP x12 1 x13 0 x 0 14 x15 0 x 16 0 x17 0 x18 0 x 23 0 x 24 0 x 0 25 x 26 0 x 0 27 x 28 0 x 34 1 x 35 1 x 36 0 x 0 37 x 38 0 x 1 45 x 46 0 x 47 0 x 48 0 x 56 0 x 57 0 x 58 0 x 1 67 26 x 68 1 x 78 1 INSIEME DELLE SOLUZIONI L’insieme S delle soluzioni del problema di clustering di X è l’insieme dei vettori di incidenza di tutte le possibili insiemi partizione E(P(G)) del grafo G(N,A) associato a X. S x P {0,1} m : x P vettore di incidenza di E(P(G)) Supponiamo di voler determinare una partizione in k cluster. n Sia s = . Se vogliamo che i cluster contengano un numero uguale k di osservazioni, il problema è equivalente al problema di determinare una partizione in cluster che abbiano ciascuno un numero di osservazioni non inferiori a s. i δ(i) Vincolo di dimensione j x k 2 s =3 x ij x ik s 1 ijδ(i) ij s 1 i N 27 PROBLEMA DI PARTIZIONE IN CLIQUE Consideriamo l’insieme delle soluzioni S { x P {0,1} m : x P vettore di incidenza di P(G), x ijδ(i) ij s 1 i N } In base al valore di s possiamo avere diversi problemi: se s 1, S è l’insieme delle soluzioni del problema di partizione in clique (CPP) dei nodi di un grafo se s 1, S è l’insieme delle soluzioni del problema di partizione in clique con vincolo di dimensione (CPPMIN) se k = 2, S è l’insieme delle soluzioni del problema di equipartizione se n è multiplo di s, S è l’insieme delle soluzioni del problema di N equipartizione in k sottoinsiemi x ij s 1 x ij s 1 i28 ijδ(i) ijδ(i) CRITERIO DI OTTIMALITÀ Come valutare le soluzioni in S? Qual è la migliore soluzione? Esempio – Sia X = { v1, v2, v3, v4, v5, v6, v7, v8 } e s = 2 Definiamo il grafo G(N,A) associato all’insieme X, dove N = { 1, 2, 3, 4, 5, 6, 7, 8 } con n = 8, e A = { ij | 1 i j 8 }. Consideriamo i due clustering P1(G)= { V1, V2, V3 } e P2(G)= { V4, V5, V6 } 7 6 7 6 3 4 3 8 4 V6 8 V2 5 1 V1 5 V3 2 1 V5 2 V4 In P1(G) i punti appartenenti allo stesso cluster sono più vicini… 29 CRITERIO DI OTTIMALITÀ In P1(G) i punti appartenenti allo stesso cluster sono più vicini… La matrice delle relazioni contiene le informazioni relative alla similarità o alla dissimilarità tra i punti Sia D la matrice n x n delle relazioni di dissimilarità (più i e j sono simili, più d ij è basso) Assegniamo ad ogni arco ij di A il peso d ij 6 1 7 6 3 1 1 1 4 1 8 1 V2 1 1 3 2 V1 5 V3 1.5 2 4 3 5 1 1 V6 8 3 1 7 1 V5 3 2 V4 30 CRITERIO DI OTTIMALITÀ Assegniamo ad ogni arco ij di A il peso d ij Assegniamo ad ogni cluster V N la somma dei pesi degli archi in E(V) c(V) d ijE(V) ij Assegniamo ad ogni partizione P(G)= { V1, V2, …, Vk } del grafo G(N,A) la somma dei costi degli elementi della partizione c(P(G)) c(Vi ) c(P1(G)) 6 1 < = 1.5 + 3 + 3 = 7.5 c(V2 ) 3 7 1 c(V3 ) 3 3 1 4 1 8 1 V2 c(P2(G)) = 15 c(V5 ) 11 c(V6 ) 1 6 1 7 V6 1 1 2 P 1(G) è migliore 3 di P (G) 4 1 8 3 1 Vi P(G) 3 2 5 1 V 1.5 2 c(V1 ) 1.5 5 V3 3 1 V5 c(V 4 2 ) 3 31 V CRITERIO DI OTTIMALITÀ Ad ogni partizione P(G)= { V1, V2, …, Vk } del grafo G(N,A) associamo il costo c(P(G)) c(V ) Vi P(G) i Ad ogni P(G)= { V1, V2, …, Vk } è associato il vettore di incidenza xP di un insieme partizione E(P(G)) E(P(G)) E(V1,..., Vk ) x P 0,1 m V i 1 ij E(P(G)) x ij 0 otherwise x ij x ij 1 ij E(Vh ), h 1,..., k j x ik x jk E(V) k c(P(G)) = ∑d ij ij∈E(P (G)) = ∑d ijx ij ij∈A 32 CRITERIO DI OTTIMALITÀ Ad ogni partizione P(G)= { V1, V2, …, Vk } del grafo G(N,A) associamo il costo c(P(G)) d ijx ij ijA Esempio – Sia X = { v1, v2, v3, v4, v5, v6, v7, v8 } e s = 2 Consideriamo la soluzione xP associata al clustering P(G)= { V1, V2, V3 } 6 1 c(V2 ) 3 7 c(V3 ) 3 3 1 4 1 1 xP 8 1 V2 1 5 1 V 1.5 2 c(V1 ) 1.5 x12 1 x13 0 x 0 14 x15 0 x 16 0 x17 0 x18 0 x 23 0 x 24 0 x 0 25 x 26 0 x 0 27 x 28 0 x 34 1 x 35 1 x 36 0 x 0 37 x 38 0 x 1 45 x 46 0 x 47 0 x 48 0 x 56 0 x 57 0 x 58 0 x 1 67 x 68 1 x 1 V3 c(P(G)) d ijx ij ijA d12 d 34 d 35 d 45 d 67 d 68 d 78 7.5 33 FORMULAZIONE MATEMATICA DEL CPP Risolvere il problema di partizione in clique dei nodi di un grafo significa determinare la soluzione del seguente problema min d ijx ij ijA x S dove l’insieme delle soluzioni è S { x P {0,1} m : x P vettore di incidenza di P(G), x ijδ(i) ij s 1 i N 34 } FORMULAZIONE DI UN PROBLEMA DI PL01 Sia S l’insieme delle soluzioni di un problema di Programmazione Lineare 0–1 min c T x x 1 x 1 0 x x S 12 13 14 Esempio CPP – Dato un grafo G(N,A) G(N, A) 1 P1 (G) V1 , V2 5 x P1 4 6 2 3 P2 (G) V3 , V4 x15 x 16 x 23 x 24 x 25 x 26 x 34 x 35 x 36 x 45 x 46 x 56 0 0 1 0 0 0 0 0 0 1 1 1 P3 (G) V5 , V6 S è l’insieme di tutte le possibili partizioni in clique di G(V,A) S { x P {0,1} : x P vettore di incidenza di P(G) } m min d ijx ij ijA x S 35 FORMULAZIONE DI UN PROBLEMA DI PL01 Indichiamo con x* la soluzione ottima del problema di PL01 x* arg min c T x x S In un problema di PL01 S è un insieme finito La soluzione ottima x* esiste sempre e può essere individuato con una enumerazione completa di S PROCEDURA DI ENUMERAZIONE COMPLETA (ESEMPIO CPP) 1. Genera tutte le partizioni in clique del grafo G(N,A) 2. Per ogni partizione in clique calcola il costo 3. d x ijA ij ij Scegli la partizione in clique che produce la soluzione di costo minimo L’enumerazione completa di tutte le soluzioni in S richiede tempi molto lunghi 36 SOLUZIONE DI UN PROBLEMA DI PL01 Formulare non implica risolvere un problema di PL0. In generale, la soluzione di un problema di PL01 richiede algoritmi sofisticati e molto efficienti. Gli algoritmi di soluzione possono essere: di tipo esatto: determinano sempre la soluzione ottima approssimati: determinano sempre una soluzione ammissibile Quanto è buona la soluzione ammissibile trovata? Gli algoritmi di soluzione si basano generalmente su: certificati di qualità della soluzione metodologie generali di soluzione, sia di tipo esatto che di tipo euristico 37 SEMISPAZI E POLIEDRI Siano • A Rpxm una matrice reale di p righe e m colonne • b Rp un vettore reale di p componenti L’insieme dei vettori xRm che soddisfano le p disequazioni del sistema a Tqx ≤ bq Ax ≤ b è definito POLIEDRO e viene indicato con la lettera P P = { x Rm : Ax ≤ b } xP a Tqx ≤ bq per q = 1, …, p 38 SEMISPAZI E FORMULAZIONI Geometricamente, ogni disequazione del sistema Ax ≤ b individua un semispazio Esempio – m = 2 Consideriamo la retta x2 P= 1 x1 x 2 1 2 {xR 2 : 1 x1 x 2 1 } 2 x1 Quindi un poliedro P è intersezione di un numero finito q di semispazi. P P = { x Rp : Ax ≤ b } 39 FORMULAZIONE DI UN PROBLEMA DI PL01 Sia S l’insieme delle soluzioni di un problema di Programmazione Lineare 0–1. Il poliedro P è una formulazione del problema di Programmazione 0 1 Lineare 0–1 se e solo se 1 1 x2 P {0,1}m = S contiene tutti i vettori di S: P SP non contiene alcun vettore di S’ ={ 0,1}m \ S: 0 0 x1 1 0 P S’ = Ci sono infinite formulazioni dello stesso problema di PL01. Per ognuna vale l’ovvia proprietà: min { cTx: x S } = min { cTx: x P {0,1}m } = cTx* 40 FORMULAZIONI E LOWER BOUND Per ogni formulazione P vale inoltre la disuguaglianza min { cTx: x P {0,1}m } min { cTx: x P } Il valore LB(P) = min { cTx: x P } viene definito lower bound del problema di PL01. Per ogni formulazione di un problema di PL01 con insieme delle soluzioni vale la proprietà LB(P) cTx* Il lower bound è il valore ottimo della soluzione di un problema di PL che viene definito rilassamento lineare min { cTx: x P } 41 FORMULAZIONE OTTIMA Esiste una formulazione P* migliore di tutte le altre? SI Argomento trattato nel corso di Ottimizzazione Combinatoria (III anno) x2 P* = conv( S ) P* x1 Inoltre…. Una disequazione aTx b si definisce valida per un poliedro P se e solo se è soddisfatta da tutti i punti in P P { x Rp : aTx b } Per il problema della partizione in clique dei nodi di un grafo, non conosciamo tutte le disequazioni che definiscono il poliedro P* conosciamo alcune famiglie di disequazioni che definiscono P* conosciamo famiglie di disequazioni valide per P* 42 DISEQUAZIONI TRIANGOLO Consideriamo tre nodi i, j, k N di G(N,A) Si definisce disequazione triangolo relativa ai nodi i, j, k x ij x ik x jk 1 Una disequazione triangolo rappresenta il vincolo logico: G(N, A) i se x ij 1 e x ik 1 x jk 1 j k 43 i x ij 0 x ik 0 x 0 jk k j x ij 1 x ik 0 x 0 jk (a) k j i NO k j i x ij 1 x ik 0 x 1 jk k j (f) i j (g) k j (d) (e) x ij 0 x ik 1 x 1 jk i x ij 0 x ik 0 x 1 jk (c) x ij 1 x ik 1 x 0 jk k j (b) i x ij 0 x ik 1 x 0 jk i k i x ij 1 x ik 1 x 1 jk j (h) k 44 FORMULAZIONE DEL PROBLEMA CPP Consideriamo il poliedro definito dalle disequazioni triangolo relative a tutte le terne di nodi G(N,A) x ij x ik x jk m P' { x R : x ij x ik x jk x x x ij ik jk 0 x ij 1 1 per 1 i j k m, 1 1 per 1 i j m } È facile verificare che P’ è una formulazione del problema CPP G(N, A) 1 5 4 6 2 3 P1 (G) V1 , V2 P {0,1}m = S x P1 x12 x13 x 14 x15 x 16 x 23 x 24 x 25 x 26 x 34 x 35 x 36 x 45 x 46 x 56 45 1 1 0 0 0 1 0 0 0 0 0 0 1 1 1 i x ij 0 x ik 0 x 0 jk k j x ij 1 x ik 0 x 0 jk (a) k j i NO k j i x ij 1 x ik 0 x 1 jk NO k j (f) i j (g) k j (d) (e) x ij 0 x ik 1 x 1 jk i x ij 0 x ik 0 x 1 jk (c) x ij 1 x ik 1 x 0 jk k j (b) i x ij 0 x ik 1 x 0 jk i NO k i x ij 1 x ik 1 x 1 jk j (h) k 46 FORMULAZIONE DEL PROBLEMA CPP Le disequazioni triangolo sono tante. 3 disequazioni per ogni terna ordinata di nodi Consideriamo il rilassamento lineare del problema x {0,1}m min d ijx ij ijA min d ijx ij S P’ ijA x S n 3 3 x P' Ora sono ammissibili soluzioni non intere 1 1 1 4 2 1 2 5 1 2 1 2 1 4 4 1 4 3 2 6 P1(G) ..... ? x P1 x12 x13 x 14 x15 x 16 x 23 x 24 x 25 x 26 x 34 x 35 x 36 x 45 x 46 x 56 1 2 1 2 0 0 0 1 2 0 0 0 1 4 0 0 1 4 14 1 2 47 DISEQUAZIONI A 2 PARTIZIONI Possiamo trovare disequazioni migliori delle disequazioni triangolo? Siano S,T N due sottoinsiemi disgiunti e non vuoti di N. La disequazione a 2 partizioni (S,T) associata ai sottoinsiemi S e T è x( δ(S, T) ) x(E(S)) x(E(T)) min{ |S|,| T|} S min{1,3} 1 x12 x13 x14 x 23 x 24 x 34 1 T 2 4 3 x( δ(S, T) ) x(E(T)) E(S) Una disequazione a 2 partizioni (S,T) associata ai sottoinsiemi S e T definisce è valida per il poliedro P*. Definisce una faccia di P* se e solo se |S|| T| 48 DISEQUAZIONI A 2 PARTIZIONI Sia P’’ il poliedro costituito da tutte le disequazioni a 2 partizioni (S,T) con |S| |T| Osservazione Le disequazioni triangolo sono disequazione a 2 partizioni (S,T) con |S|= 1 e |T| = 2 x12 12 P’’ P’ x13 12 x 1 Esempio Consideriamo il grafo G(N,A) e la soluzione xˆ 14 2 x 23 0 x S 1 x̂ soddisfa tutte le 12 xˆ P' 24 0 x disequazioni triangolo 1 1 23 0 2 2 T x̂ non soddisfa la 0 2 1 2 0 4 0 3 disequazione a 2 part. S = { 1 } e T = { 2, 3, 4 } x12 x13 x14 x 23 x 24 x 34 1 xˆ P' ' P’’ P’ 49 1 1 1 000 1 2 2 2 DISEQUAZIONI A 2 PARTIZIONI x’ P’ Quindi… P* P’’ P’ P* P’’ Data una soluzione x’ appartenente a P’ è possibile determinare S e T tali che la disequazione a 2 partizioni (S,T) sia violata da x’ ? PROBLEMA DI SEPARAZIONE delle disequazioni a 2 partizioni (S,T) S 1 T 1 1 2 0 2 1 x(δ(S, T)) x(E(S)) x(E(T)) min{ |S|,| T|} 2 0 4 2 come individuare S e T tale che 0 3 50 EURISTICA DI SEPARAZIONE Sia x’ una soluzione appartenente a P’. Vogliamo determinare, se esiste, una disequazione a 2 partizioni (S,T) con |S|=1 ALGORITMO EURISTICO Per ogni i N poni S = { i } e determina l’insieme W = { j N \{i} : 0 < xij’ < 1 } scegli un ordinamento nell’insieme W: W = { j1, …, jl } poni T = { j1} per ogni k = 2, …, l poni T = T { jk } se xjkjk’’ = 0 per ogni jk’ T se |T|>1 e x’((S,T))>1, la disequazione a 2 partizioni (S,T) è violata La soluzione dipende dall’ordinamento! 51 complessità O(n3) EURISTICA DI SEPARAZIONE ESEMPIO Consideriamo la soluzione x’ in figura e applichiamo l’algoritmo euristico di separazione S 1 T 1 1 2 0 2 1 Sia i = 1 e poniamo S = { 1 } 2 0 4 2 Iterazione 1 0 3 Definiamo W = { 2, 3, 4 } e scegliamo come ordinamento dato dalla permutazione naturale Poniamo T = { 2 } e verifichiamo: T = { 2, 3 } T = T { 3 } se x32’ = 0 T = T { 4 } se x43’ = 0 e x42’ = 0 x’(S,T)= 3 / 2 >1 T = { 2, 3, 4 } x(δ(S, T)) x(E(S)) x(E(T)) 1 x(δ(S, T)) x(E(S)) x(E(T)) 1 52 EURISTICA DI SEPARAZIONE S 1 T 1 1 2 0 2 1 Sia i = 2 e poniamo S = { 2 } 2 0 4 2 Iterazione 2 0 3 Definiamo W = { 1 } Poniamo T = { 1 } |T| = 1 non è possibile determinare una disequazione violata Per simmetria, è facile verificare che le iterazione 3 e 4 danno lo stesso risultato dell’iterazione 2. L’unica disequazione violata da x’ trovata dall’algoritmo è x12 x13 x14 x 23 x 24 x 34 1 53 FORMULAZIONE OTTIMA Per il problema della partizione in clique dei nodi di un grafo, non conosciamo tutte le disequazioni che definiscono il poliedro P* conosciamo alcune famiglie di disequazioni che definiscono P* conosciamo famiglie di disequazioni valide per P* In particolare, le disequazioni triangolo relative ai nodi i, j, k x ij x ik x jk 1 P’ le disequazioni a 2 partizioni (S,T) associate ai sottoinsiemi S e T x( δ(S, T) ) x(E(S)) x(E(T)) min{|S|,|T|} P’’ 54 ALGORITMO DEI “PIANI DI TAGLIO” ALGORITMO DI SOLUZIONE P0 Definisci il poliedro P0 P’ definito da un sottoinsieme di disequazioni triangolo Poni h = 0 P’ P* risolvi il problema di PL min d ijA ij x ij x Ph sia xh la soluzione ottima del problema di PL x0 esiste una disequazione triangolo violata da xh ? SI h x P’ : aggiungi la disequazione a P e definisci il nuovo poliedro Ph+1 P0 P1 P’ h P* 55 ALGORITMO DEI “PIANI DI TAGLIO” ALGORITMO DI SOLUZIONE P0 esiste una disequazione triangolo violata da xh ? NO P’ h x P’ P* xh {0,1}m ? SI xh S : xh è la soluzione ottima STOP NO x0 xh S : esistono due insiemi S e T tali che la disequazione a 2 P0 partizioni (S,T) sia violata da xh? SI xh P’’ : aggiungi la disequazione a Ph e definisci il nuovo poliedro Ph+1 P’’ P’ P* x0 56 ALGORITMO DEI “PIANI DI TAGLIO” ALGORITMO DI SOLUZIONE P0 esistono due insiemi S e T tali che la disequazione P’’ P’ a 2 partizioni (S,T) sia violata da xh? NO xh P’’ VERO se l’algoritmo di separazione è esatto P* x0 xh {0,1}m ? SI xh S : xh è la soluzione ottima STOP NO P0 h x S : applica il metodo del branch and bound per risolvere il problema di PL01 min d ijx ij P* ijA x P h {0,1} m P’’ P’ x0 STOP 57 ESEMPIO ESEMPIO Sia X = { v1, v2, v3, v4, v5, v6, v7, v8 }. Definiamo il grafo G(N,A) associato all’insieme X, dove N = { 1, 2, 3, 4, 5, 6 } e A = { ij | 1 i j 6 }. G(N, A) 2 3 10 0 20 20 10 10 0.5 20 1 Sia D la matrice delle distanze 20 10 0.5 10 0.3 0.5 0.5 6 10 0.2 10 0.5 10 D= 10 4 20 20 10 10 0 10 10 0.5 10 0 10 0.3 10 10 0 0.5 0.5 0.3 0.5 0 0.5 0.2 10 10 0.5 0.5 0.2 10 10 0 5 Risolviamo il problema di partizione in clique con vincolo di 58 dimensione con s = 2. APPLICAZIONE ALGORITMO Definiamo il poliedro P0 P’ definito da un sottoinsieme di disequazioni triangolo e h = 0 P0 = { x [0,1]15: x12 + x13 - x23 <= 1 x12 - x13 + x23 <= 1 - x12 + x13 + x23 <= 1 x12 + x14 - x24 <= 1 x12 - x14 + x24 <= 1 - x12 + x14 + x24 <= 1 x12 + x15 - x25 <= 1 x12 - x15 + x25 <= 1 - x12 + x15 + x25 <= 1 x12 + x16 - x26 <= 1 15 x12 - x16 + x26 <= 1 } { x [0,1] : - x12 + x16 + x26 <= 1 x13 + x14 - x34 <= 1 x13 - x14 + x34 <= 1 - x13 + x14 + x34 <= 1 x13 + x15 - x35 <= 1 x13 - x15 + x35 <= 1 - x13 + x15 + x35 <= 1 x13 + x16 - x36 <= 1 x13 - x16 + x36 <= 1 - x13 + x16 + x36 <= 1 x12 + x13 + x14 + x15 + x16 >= 1 x12 + x23 + x24 + x25 + x26 >= 1 x13 + x23 + x34 + x35 + x36 >= 1 x14 + x24 + x34 + x45 + x46 >= 1 } x15 + x25 + x35 + x45 + x56 >= 1 x16 + x26 + x36 + x46 + x56 >= 1 59 APPLICAZIONE ALGORITMO risolviamo il problema di PL min d ijA ij x ij x P0 sia x0 la soluzione ottima del problema di PL di costo 1.8 G(N, A) 2 3 1 1 1 1 x0 4 1 6 5 x12 0 x13 0 x 0 14 x15 0 x 1 16 x 23 0 x 24 0 x 25 1 x 26 0 x 0 34 x 35 1 x 0 36 x 45 1 0 x 46 x 0 56 60 APPLICAZIONE ALGORITMO esiste una disequazione triangolo violata da x0 ? 2 3 - x23 + x25 + x35 = 2 > 1 1 - x34 + x35 + x45 = 2 > 1 1 1 1 4 1 6 5 per enumerazione o ispezione visiva SI x0 P’ : aggiungi la disequazione a P0 e definisci il nuovo poliedro + x25 + x35 <= 1 P1 = P0{ x [0,1]15: -- x23 } x34 + x35 + x45 <= 1 61 APPLICAZIONE ALGORITMO risolviamo il problema di PL min d ijA ij x ij x P1 sia x1 la soluzione ottima del problema di PL di costo 6.25 2 1 1 1 1 3 2 1 2 2 x1 2 1 2 1 4 2 1 6 5 2 x12 x 13 x 14 x15 x 16 x 23 x 24 x 25 x 26 x 34 x 35 x 36 x 45 x 46 x 56 2 0 1 2 0 0 1 2 1 2 0 1 2 1 2 1 2 0 62 0 0 0 1 APPLICAZIONE ALGORITMO esiste una disequazione triangolo violata da x1 ? 2 1 1 1 1 3 2 1 2 2 2 1 2 1 4 2 1 6 2 5 NO x1 P’ x1 {0,1}m ? NO x1 S : esistono due insiemi S e T tali che la disequazione a 2 applico l’euristica partizioni (S,T) sia violata da x1? 63 APPLICAZIONE ALGORITMO esiste una disequazione a 2 partizioni violata da x1 ? 2 1 1 1 1 3 2 1 Iterazione 1 2 Sia i = 1 e poniamo S = { 1 } 2 2 1 Definiamo W = { 4, 6 } 2 1 4 2 1 6 2 5 Poniamo T = { 4 } e verifichiamo: T = { 4, 6 } T = T { 6 } se x46 = 0 x’(S,T)= 1 1 Nessuna disequazione a 2 partizioni trovata con S = { 1 } 64 APPLICAZIONE ALGORITMO 2 1 1 1 1 3 2 1 Iterazione 2 2 Sia i = 2 e poniamo S = { 2 } 2 2 1 Definiamo W = { 5, 6 } 2 1 4 2 1 6 2 5 Poniamo T = { 5 } e verifichiamo: T = { 5, 6 } T = T { 6 } se x56 = 0 x’(S,T)= 1 1 Nessuna disequazione a 2 partizioni trovata con S = { 2 } 65 APPLICAZIONE ALGORITMO 2 1 1 1 1 3 2 1 Iterazione 3 2 Sia i = 3 e poniamo S = { 3 } 2 2 1 Definiamo W = { 5, 6 } 2 1 4 2 1 6 2 5 Poniamo T = { 5 } e verifichiamo: T = { 5, 6 } T = T { 6 } se x56 = 0 x’(S,T)= 1 1 Nessuna disequazione a 2 partizioni trovata con S = { 3 } 66 APPLICAZIONE ALGORITMO 2 1 1 1 1 3 2 1 Iterazione 4 2 Sia i = 4 e poniamo S = { 4 } 2 2 1 Definiamo W = { 1, 5 } 2 1 4 2 1 6 2 5 Poniamo T = { 1 } e verifichiamo: T = { 1, 5 } T = T { 5 } se x15 = 0 x’(S,T)= 1 1 Nessuna disequazione a 2 partizioni trovata con S = { 4 } 67 APPLICAZIONE ALGORITMO T 2 1 1 1 1 3 2 1 Iterazione 5 2 Sia i = 5 e poniamo S = { 5 } 2 2 1 6 Definiamo W = { 2, 3, 4 } 2 1 4 2 1 S 2 5 Poniamo T = { 2 } e verifichiamo: T = { 2, 3 } T = T { 3 } se x23 = 0 T = T { 4 } se x43 = 0 e x42 = 0 T = { 2, 3, 4 } x’(S,T)= 3 / 2 >1 x(δ(S, T)) x(E(S)) x(E(T)) 1 x(δ(S, T)) x(E(S)) x(E(T)) 1 68 APPLICAZIONE ALGORITMO T 2 1 1 1 1 3 2 1 Iterazione 6 2 Sia i = 6 e poniamo S = { 6 } 2 2 1 S Definiamo W = { 1, 2, 3 } 2 1 4 2 1 6 2 5 Poniamo T = { 1 } e verifichiamo: T = { 1, 2 } T = T { 2 } se x12 = 0 T = T { 3 } se x13 = 0 e x23 = 0 T = { 1, 2, 3 } x’(S,T)= 3 / 2 >1 x(δ(S, T)) x(E(S)) x(E(T)) 1 x(δ(S, T)) x(E(S)) x(E(T)) 1 69 APPLICAZIONE ALGORITMO esiste una disequazione a 2 partizioni violata da x1 ? 2 1 1 1 3 2 1 2 x25 + x35 + x45 - x23 - x24 - x34 <= 1 2 x16 + x26 + x36 - x12 - x13 - x23 <= 1 1 2 1 2 1 4 2 1 6 SI 2 5 x1 P’’ : aggiungi le disequazioni a P1 e definisci il nuovo poliedro P2 P2 = P1{ x [0,1]15: x25 + x35 + x45 - x23 - x24 - x34 <= 1 x16 + x26 + x36 - x12 - x13 - x23 <= 1 } 70 APPLICAZIONE ALGORITMO risolviamo il problema di PL min d ijA ij x ij x P2 sia x2 la soluzione ottima del problema di PL di costo 7.833 2 1 1 1 8 3 3 9 9 6 9 9 1 9 x2 9 1 9 4 4 9 4 6 5 9 x12 x 13 x 14 x15 x 16 x 23 x 24 x 25 x 26 x 34 x 35 x 36 x 45 x 46 x 56 0 0 1 9 0 8 9 1 9 3 9 4 9 1 9 1 9 6 9 1 9 4 9 0 0 71 APPLICAZIONE ALGORITMO esiste una disequazione triangolo violata da x2 ? 2 1 1 1 8 3 3 9 9 6 9 9 9 1 1 9 4 9 4 9 4 6 9 5 NO x2 P’ x2 {0,1}m ? NO x2 S : esistono due insiemi S e T tali che la disequazione a 2 applico l’euristica partizioni (S,T) sia violata da x1? 72 APPLICAZIONE ALGORITMO esiste una disequazione a 2 partizioni violata da x2 ? 2 1 1 1 8 3 3 9 9 6 Iterazione 1 Sia i = 1 e poniamo S = { 1 } 9 9 1 9 Definiamo W = { 4, 6 } 9 1 9 4 4 9 4 6 9 5 Poniamo T = { 4 } e verifichiamo: T = { 4, 6 } T = T { 6 } se x46 = 0 x’(S,T)= 1 1 Nessuna disequazione a 2 partizioni trovata con S = { 1 } 73 APPLICAZIONE ALGORITMO 2 1 1 1 8 3 3 9 9 Iterazione 2 6 9 9 9 1 1 9 4 9 Sia i = 2 e poniamo S = { 2 } Definiamo W = { 3, 5, 6 } 4 9 4 6 9 5 Poniamo T = { 3 } e verifichiamo: NO T = T { 5 } se x35 = 0 NO T = T { 6 } se x36 = 0 |T|= 1 Nessuna disequazione a 2 partizioni trovata con S = { 2 } 74 APPLICAZIONE ALGORITMO 2 1 1 1 8 3 3 9 9 Iterazione 3 6 9 9 9 1 1 9 4 9 Sia i = 3 e poniamo S = { 3 } Definiamo W = { 2, 4, 5, 6 } 4 9 4 6 9 5 Poniamo T = { 2 } e verifichiamo: T = { 2, 4 } T = T { 4 } se x24 = 0 NO T = T { 5 } se x25 = 0 e x45 = 0 NO T = T { 6 } se x26 = 0 e x46 = 0 x’(S,T)= 1 1 Nessuna disequazione a 2 partizioni trovata 75 con S = { 3 } APPLICAZIONE ALGORITMO 2 1 1 1 8 3 3 9 9 Iterazione 4 6 9 9 9 1 1 9 4 9 Sia i = 4 e poniamo S = { 4 } Definiamo W = { 1, 3, 5 } 4 9 4 6 9 5 Poniamo T = { 1 } e verifichiamo: T = { 1, 3 } T = T { 3 } se x13 = 0 T = T { 5 } se x15 = 0 e x35 = 0 NO x(S,T)= 1 1 Nessuna disequazione a 2 partizioni trovata con S = { 4 } 76 APPLICAZIONE ALGORITMO 2 1 1 1 8 3 3 9 9 Iterazione 5 6 9 9 9 1 1 9 4 9 Sia i = 5 e poniamo S = { 5 } Definiamo W = { 2, 3, 4 } 4 9 4 6 9 5 Poniamo T = { 2 } e verifichiamo: NO T = T { 3 } se x23 = 0 T = T { 4 } se x24 = 0 T = { 2, 4 } x(S,T)= 1 1 Nessuna disequazione a 2 partizioni trovata con S = { 5 } 77 APPLICAZIONE ALGORITMO 2 1 1 1 8 3 3 9 9 Iterazione 6 6 9 9 9 1 1 9 4 9 Sia i = 6 e poniamo S = { 6 } Definiamo W = { 1, 2, 3 } 4 9 4 6 9 5 Poniamo T = { 1 } e verifichiamo: T = { 1, 2 } T = T { 2 } se x12 = 0 T = T { 3 } se x13 = 0 e x23 = 0 x(S,T)= 1 1 NO Nessuna disequazione a 2 partizioni trovata con S = { 6 } 78 APPLICAZIONE ALGORITMO esiste una disequazione a 2 partizioni (S,T) violata da x2 ? 2 1 1 1 8 NO 3 3 9 9 6 9 9 9 1 1 9 4 4 9 6 9 4 9 5 che x2 P’’ e andiamo avanti non possiamo dire x2 {0,1}m ? NO x2 S : applica il metodo del branch and bound per risolvere il problema di PL01 min d ijA ij x ij x P 2 {0,1} m 79 APPLICAZIONE ALGORITMO applichiamo il metodo del branch and bound per risolvere il problema di PL01 e ricaviamo la soluzione x3 di costo 10.7 2 1 3 1 x3 1 1 6 4 5 la soluzione x3 è una soluzione 0-1 x12 0 x13 0 x 1 14 x15 0 x 16 0 x 23 0 x 24 0 x 25 1 x 26 0 x 0 34 x 35 0 x 1 36 x 45 0 x 46 0 x 0 56 la soluzione x3 rispetta le disequazioni triangolo x3 P’ la soluzione x3 è la soluzione ottima del problema STOP 80 CONSIDERAZIONI Il costo della soluzione ottima è dTx3 =10.7 Per ogni poliedro Ph indichiamo LB(Ph) = min { dTx: x Ph } Abbiamo visto che LB(P0) < LB(P1) < LB(P2) < dTx3 1.8 < 6.25 < 7.833 < 10.7 Più vincoli violati aggiungiamo e maggiore è il valore del lower bound E se P2 {0,1}m avesse avuto dimensioni troppo grandi? Algoritmo euristico di soluzione 81 per determinare un upper bound PROBLEMA CPP – ALGORITMO EURISTICO 1. Poni U := N, i := 1 2. Trova i nodi u e v più lontani in U 3. Ordina le distanze dei nodi in U\{u} da u Sia Ou il vettore dei nodi ordinati 4. Forma un cluster Ci con i primi s-1 elementi in Ou 5. U = U \ Ci 6. Ordina le distanze dei nodi in U \{v} da v Sia Ov il vettore dei nodi ordinati 7. Forma un cluster Ci+1 con i primi s-1 elementi in Ov 8. U = U \ Ci+1 9. i = i + 2 10. SE |U| ≥ 2s ALLORA torna al passo 2. ALTRIMENTI SE s ≤ |U| < 2s ALLORA Ci = U ALTRIMENTI assegna ogni nodo in U al 82 cluster cui appartiene il nodo più vicino ESEMPIO ALGORITMO EURISTICO ESEMPIO Consideriamo nuovamente il grafo G(N,A) associato all’insieme X = { v1, v2, v3, v4, v5, v6, v7, v8 }, dove N = { 1, 2, 3, 4, 5, 6 } e A = { ij | 1 i j 6 }. G(N, A) 2 3 10 0 20 20 10 10 0.5 20 1 Sia D la matrice delle distanze 20 10 0.5 10 0.3 0.5 0.5 6 10 0.2 10 0.5 10 D= 10 4 20 20 10 10 0 10 10 0.5 10 0 10 0.3 10 10 0 0.5 0.5 0.3 0.5 0 0.5 0.2 10 10 0.5 0.5 0.2 10 10 0 5 Applichiamo l’algoritmo euristico di soluzione del problema di 83 partizione in clique con vincolo di dimensione con s = 2. ESEMPIO ALGORITMO EURISTICO 1. Poniamo U := { 1, 2, 3, 4, 5, 6 }, i := 1 2. Determiniamo i nodi più lontani in U 2 0 20 20 10 10 0.5 20 1 3 10 20 10 0.5 10 0.3 0.5 0.5 6 10 0.2 10 0.5 10 D= 10 4 20 20 10 10 0 10 10 0.5 10 0 10 0.3 10 10 0 0.5 0.5 0.3 0.5 0 0.5 0.2 10 10 0.5 0.5 0.2 10 10 0 5 e poniamo u := 1 e v := 2 3. Ordiniamo le distanze dei nodi in U\{1} da 1 e poniamo O1 = { 6, 5, 4, 3, 2 } 4. Formiamo un cluster C1 con i primi s-1 = 1 elementi in O1 C1:= { 1, 6 } 84 ESEMPIO ALGORITMO EURISTICO 5. U = { 2, 3, 4, 5 } 6. Ordiniamo le distanze dei nodi in U\{2} da 2 e poniamo O2 = { 5, 4, 3 } 7. Formiamo un cluster C2 con il primo elemento in O2 C2 = { 2, 5 } 8. U = { 3, 4 } 9. i = 3 C2 10. 2 ≤ |U| < 4 C3 = { 3, 4 } 2 La soluzione euristica è P = { C 1, C 2 , C 3 } Il valore della soluzione è c(P) = 0.5 + 0.5 +10 = 11 C3 3 1 10 0.5 0.5 4 C1 6 5 85 PROBLEMA DI PARTIZIONE DI CLIQUE Risolvere il problema di partizione in clique dei nodi di un grafo significa determinare la soluzione del seguente problema min d ijx ij V2 1 1 1 1 ijA x S 1 V3 1 V1 1 dove l’insieme delle soluzioni è S { x P {0,1} m : x P vettore di incidenza di P(G), x ijδ(i) ij s 1 i N somma delle distanze tra nodi appartenenti allo stesso cluster È l’unico criterio di ottimalità? 86 } CRITERI DI OTTIMALITÀ I criteri di ottimalità sono funzioni che associano un valore numerico a un cluster s:V R V N I criteri di ottimalità si dividono in due classi: criteri di separazione (da massimizzare) criteri di omogeneità (da minimizzare) I criteri di separazione si basano sull’ottimizzazione delle relazioni (similarità e dissimilarità) tra punti in cluster diversi critero SPLIT: minima distanza tra cluster s(V) min d ij min d ij iV, jV ijδ(V) 87 CRITERI DI SEPARAZIONE Assegniamo ad ogni arco ij di A il peso d ij Assegniamo ad ogni cluster V N il minimo dei pesi degli archi in (V) c(V) min d ij ijδ(V) Assegniamo ad ogni partizione P(G)= { V1, V2, …, Vk } del grafo G(N,A) la somma dei costi degli elementi della partizione c(P(G)) = 2 + 2 + 2 = 6 6 1 1 8 V2 3 2 1 V1 4 7 3 4 3 2 3 3 1.5 2 c(V ) i Vi P(G) c(V2 ) 2 7 1 c(P(G)) c(V3 ) 2 3 1 4 5 5 4 c(V1 ) 2 1 5 V3 88 CRITERI DI SEPARAZIONE critero CUT: somma delle distanze tra cluster C(V) d iV, jV ij d ijδ(V) ij critero CUT normalizzato: C(V) C N (V) | V | (n- | V |) 89 CRITERI DI OMOGENEITÀ I criteri di omogeneità si basano sull’ottimizzazione delle relazioni (similarità e dissimilarità) tra punti nello stesso cluster critero DIAMETRO: massima distanza nel cluster d(V) max d ij max d ij iV, jV 2 20 1 ijE(V) 3 10 V {1, 2, 3, 4, 5, 6} 20 10 0.5 10 0.2 10 0.3 0.5 0.5 6 d(V) 20 10 10 4 r(V) = 10 0.5 10 5 critero RAGGIO: minima tra le distanze massime nel cluster r(V) min max d ij iV jV 90 CRITERI DI OMOGENEITÀ critero STELLA: minima somma delle distanze nel cluster st(V) min d ij iV 2 20 1 jV 0 20 20 10 10 0.5 3 10 20 10 D= 0.5 10 0.3 0.5 0.5 6 10 0.2 10 0 10 10 0.5 10 0 10 0.3 10 10 0 0.5 0.5 0.3 0.5 0 0.5 0.2 10 10 0.5 0.5 0.2 10 10 0 4 st(V) 21.3 0.5 10 V {1, 2, 3, 4, 5, 6} 10 20 20 10 10 5 cl(V) 112.5 critero CLIQUE: somma delle distanze nel cluster cl(V) d ijE(V) ij 91 CENTRO DI UN CLUSTER Si definisce centro di un cluster la media aritmetica dei punti del cluster 1 i v v |V|v i V 2 1 1 X= 5 2 6 0 1 12 4 v 3 3 1 1 3 I criteri di omogeneità basati sui “centri” si riferiscono sull’ottimizzazione delle relazioni (similarità e dissimilarità) tra i punti di un cluster ed il centro del cluster 92 CRITERI DI OMOGENEITÀ critero SOMMA DEI QUADRATI: somma delle distanze euclidee al quadrato tra i punti di cluster ed il centro sq(V) i 2 [d (v , v )] 2 v i V 4 v 1 2 1 1 X= 5 2 6 0 1 9 2 5 sq(V) 16 16 3 vr(V) 3 critero VARIANZA: somma dei quadrati normalizzata 1 vr(V) sq(V) |V | 93 PROBLEMI DI CLUSTERING PARTIZIONALE In base al criterio di ottimalità, abbiamo diversi problemi di clustering partizionale critero CLIQUE: problema di partizione in clique CLIQUE PARTITIONING PROBLEM critero STELLA: problema p-median p-MEDIAN PROBLEM critero SOMMA DEI QUADRATI: problema k-means k-MEANS PROBLEM 94 ALGORITMO K-MEANS Passo 1 Noto il numero k di cluster da individuare nella partizione, seleziona in maniera del tutto casuale k punti all’interno dell’insieme di dati. Passo 2 Assegna ogni pattern al cluster il cui CENTRO sia più vicino al pattern in esame v j ↔Vi* : i* = arg min [d 2 (v j , vi )]2 i=1,.., k Passo 3 Calcola nuovamente i CENTRI dei cluster secondo la configurazione attuale 1 vi = vj ∑ | Vi | v j∈Vi i = 1,...k Passo 4 Se non è verificato il criterio di convergenza, torna al Passo 2. 95 ALGORITMO K-MEANS Passo 1 Noto il numero k di cluster da individuare nella partizione, seleziona in maniera del tutto casuale k punti all’interno dell’insieme di dati. Buone configurazioni di partenza e.g. Neat trick: Posiziona il primo centro casualmente all’interno dell’insieme di dati in input. Per ogni successivo centro j, scegli scegli all’interno dell’insieme di dati in input il punto che sia il più lontano possibile dai primi j-1 centri. Running multipli a partire da diverse configurazioni di partenza 96 ALGORITMO K-MEANS Passo 4 Se non è verificato il criterio di convergenza, torna al Passo 2. non ci sia alcun assegnamento nuovo possibile di alcun pattern da un cluster ad un altro (al Passo 2 non cambia nulla) la funzione di errore quadratico cessi di ridursi significativamente dopo un certo numero di iterazioni (al Passo 3 non cambia nulla) Buone configurazioni di partenza Neat trick: Place first center on top of randomly chosen datapoint. Place j’th center on datapoint that’s as far away as possible from the closest of Centers 1 through j-1 Running multipli a partire da diverse configurazioni di partenza 97 MATERIALE DEL SEMINARIO Le slide di questo seminario sono reperibili al seguente link: http://www.dis.uniroma1.it/~canale/didattica/ACRN_2013.ppt 98