Complexité du voyageur de
commerce multi-containers, k STSP
Sophie Toulouse, Roberto Wolfler Calvo
sophie.toulouse@lipn.univ-paris13.fr, wolfler@lipn.univ-paris13.fr
LIPN - UMR CNRS 7030
Institut Galil´ee - Universit´e Paris 13
Plan
Introduction
• Définition du problème
• Remarques préliminaires
Étude de complexité
• . . . quand les tours sont fixés
• . . . quand les piles sont fixées
• Retombées
Optimisation à partir de TSP
• . . . en fixant un tour
• . . . logique compensatoire
Conclusion ?
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 2/14
Plan
Introduction
• Définition du problème
• Remarques préliminaires
Étude de complexité
• . . . quand les tours sont fixés
• . . . quand les piles sont fixées
• Retombées
Optimisation à partir de TSP
• . . . en fixant un tour
• . . . logique compensatoire
Conclusion ?
• Il reste beaucoup à faire !
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 3/14
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 2
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 3/14
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 2
3
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 2
3 4
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 3/14
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 2
3 4
5
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 2
3 4
5
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 3/14
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 2
3 5
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 2
3
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 3/14
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 2
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
2
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 3/14
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
1 - Introduction - k STSP
Définition du problème
• k constante universelle ⇒ k containers de capacité illimitée
• Instance : (n ; d1, d2 : {0} ∪ [n] → N)
• Solution : (T1, T2,P) compatible de valeur d(T1) + d(T2)
• T1 tour de collecte sur (Kn+1, d1)
• T2 tour de livraison sur (Kn+1, d2)
• P = (P1, . . . , Pk) partitionnement ordonné de [n]
d
1 2
3 4
5
T1
d
1 2
3 4
5
T2
P1 P2
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 3/14
1 - Introduction - propriétés
Relations d’ordre strict
T1 ⇒ <1 : u <1 v ssi u collecté avant v T2 ⇒ <2 : u <2 v ssi u livré avant v
P ⇒ <3 : u <3 v ssi u empilé avant v dans une même pile P`
<1, <2 complets, <3 partiel
Propriétés
(T1, T2,P) réalisable ⇔
∀u 6= v ∈ [n], u <1 v ⇒ ¬ u >3 v
∀u 6= v ∈ [n], u <2 v ⇒ ¬ u <3 v
Classification : k STSP est NP − h
• TSP ∝ kSTSP
• (T1, T2,P) réalisable vérifiable en temps polyomial
2 - Complexité - tours fixés
Sous-problème de décision DecP
• Entrée : deux tours T1 et T2
• Question : ∃ P compatible ?
Proposition : DecP est P
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 5/14
2 - Complexité - tours fixés
Sous-problème de décision DecP
• Entrée : deux tours T1 et T2
• Question : ∃ P compatible ?
Proposition : DecP est P
Preuve : DecP ∝ k-coloration dans graphe de comparabilité
2 - Complexité - tours fixés
Sous-problème de décision DecP
• Entrée : deux tours T1 et T2
• Question : ∃ P compatible ?
Proposition : DecP est P
Preuve : DecP ∝ k -coloration dans graphe de comparabilité
• Graphe de discordance G6= = ([n], E6=) {u, v} ∈ E6= ssi u <1 v ∧ u <2 v
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 5/14
2 - Complexité - tours fixés
Sous-problème de décision DecP
• Entrée : deux tours T1 et T2
• Question : ∃ P compatible ?
Proposition : DecP est P
Preuve : DecP ∝ k -coloration dans graphe de comparabilité
• Graphe de discordance G6= = ([n], E6=) {u, v} ∈ E6= ssi u <1 v ∧ u <2 v
• (T1, T2) réalisable ssi G6= k-colorable
u <1 v et u <2 v ⇒ u, v dans deux piles différentes
2 - Complexité - tours fixés
Sous-problème de décision DecP
• Entrée : deux tours T1 et T2
• Question : ∃ P compatible ?
Proposition : DecP est P
Preuve : DecP ∝ k -coloration dans graphe de comparabilité
• Graphe de discordance G6= = ([n], E6=) {u, v} ∈ E6= ssi u <1 v ∧ u <2 v
• (T1, T2) réalisable ssi G6= k-colorable
u <1 v et u <2 v ⇒ u, v dans deux piles différentes
• G6= graphe de comparabilité
u <1 v <1 w et u <2 v <2 w ⇒ u <1 w et u <2 w
⇒ parfait, colorable en temps polynomial, [4]
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 5/14
2 - Tours fixés - illustration
d
1 2
3 4
T1 5
<1 : 1 <1 2 <1 3 <1 4 <1 5
<2 :
P1 P2
d
1 2
3 4
T2 5
1 2
3 4
5 G6=
2 - Tours fixés - illustration
d
1 2
3 4
T1 5
<1 : 1 <1 2 <1 3 <1 4 <1 5
<2 :
<2 : 3 >2 4 >2 5 >2 1 >2 2
P1 P2
d
1 2
3 4
T2 5
1 2
3 4
5 G6=
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 6/14
2 - Tours fixés - illustration
d
1 2
3 4
T1 5
<1 : 1 <1 2 <1 3 <1 4 <1 5
<2 :
<2 : 3 >2 4 >2 5 >2 1 >2 2
P1 P2
d
1 2
3 4
T2 5
1 2
3 4
5 G6=
2 - Tours fixés - illustration
d
1 2
3 4
T1 5
<1 : 1 <1 2 <1 3 <1 4 <1 5
<2 :
<2 : 3 >2 4 >2 5 >2 1 >2 2
P1 P2
d
1 2
3 4
T2 5
1 2
3 4
5 G6=
1 2
3 4
5
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 6/14
2 - Tours fixés - illustration
d
1 2
3 4
T1 5
<1 : 1 <1 2 <1 3 <1 4 <1 5
<2 :
<2 : 3 >2 4 >2 5 >2 1 >2 2
P1 P2
1 2
3 4 5
d
1 2
3 4
T2 5
1 2
3 4
5 G6=
1 2
3 4
5
2 - Tours fixés - illustration
d
1 2
3 4
T1 5
<1 : 1 <1 2 <1 3 <1 4 <1 5
<2 :
<2 : 4 >2 3 >2 5 >2 1 >2 2
P1 P2
d
1 2
3 4
T2 5
1 2
3 4
5 G6=
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 6/14
2 - Tours fixés - illustration
d
1 2
3 4
T1 5
<1 : 1 <1 2 <1 3 <1 4 <1 5
<2 :
<2 : 4 >2 3 >2 5 >2 1 >2 2
P1 P2
d
1 2
3 4
T2 5
1 2
3 4
5 G6=
2 - Tours fixés - illustration
d
1 2
3 4
T1 5
<1 : 1 <1 2 <1 3 <1 4 <1 5
<2 :
<2 : 4 >2 3 >2 5 >2 1 >2 2
P1 P2
1 2
?
? 5
d
1 2
3 4
T2 5
1 2
3 4
5 G6=
?
1 2
3 4
5
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 6/14
2 - Complexité - piles fixées
Sous-problème d’optimisation OptT
• Entrée : un partitionnement ordonné P = P1, . . . , Pk
• Question : (T1, T2) optimal sachant P ?
Proposition : OptT est P
2 - Complexité - piles fixées
Sous-problème d’optimisation OptT
• Entrée : un partitionnement ordonné P = P1, . . . , Pk
• Question : (T1, T2) optimal sachant P ?
Proposition : OptT est P
Preuve : programmation dynamique
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 7/14
2 - Complexité - piles fixées
Sous-problème d’optimisation OptT
• Entrée : un partitionnement ordonné P = P1, . . . , Pk
• Question : (T1, T2) optimal sachant P ?
Proposition : OptT est P
Preuve : programmation dynamique
• Dans chaque pile P` : vq`` <3 . . . <3 v1`
2 - Complexité - piles fixées
Sous-problème d’optimisation OptT
• Entrée : un partitionnement ordonné P = P1, . . . , Pk
• Question : (T1, T2) optimal sachant P ?
Proposition : OptT est P
Preuve : programmation dynamique
• Dans chaque pile P` : vq`` <3 . . . <3 v1`
• Un tour T2 se construit en i étapes : à l’étape i, i éléments au total ont été dépilés dans P1, . . . , Pk
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 7/14
2 - Complexité - piles fixées
Sous-problème d’optimisation OptT
• Entrée : un partitionnement ordonné P = P1, . . . , Pk
• Question : (T1, T2) optimal sachant P ?
Proposition : OptT est P
Preuve : programmation dynamique
• Dans chaque pile P` : vq`` <3 . . . <3 v1`
• Un tour T2 se construit en i étapes : à l’étape i, i éléments au total ont été dépilés dans P1, . . . , Pk
• L’état des piles est donné par le vecteur
e = (e1, . . . , e`) ∈ ×k`=1[q` + 1] de leur sommet courant
2 - Complexité - piles fixées
Sous-problème d’optimisation OptT
• Entrée : un partitionnement ordonné P = P1, . . . , Pk
• Question : (T1, T2) optimal sachant P ?
Proposition : OptT est P
Preuve : programmation dynamique
• Dans chaque pile P` : vq`` <3 . . . <3 v1`
• Un tour T2 se construit en i étapes : à l’étape i, i éléments au total ont été dépilés dans P1, . . . , Pk
• L’état des piles est donné par le vecteur
e = (e1, . . . , e`) ∈ ×k`=1[q` + 1] de leur sommet courant
⇒ T2 est l’enchaînement de n + 1 états e0, e1, . . . , en tq. :
•
ei+1
= ei
+ 1 (où kek = Pk
`=1 e`)
• e0 = I = (1, . . . ,1) et en = F = (q1 + 1, . . . , qk + 1)
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 7/14
2 - Piles fixées - preuve
États
• nombre polynomial Πk`=1(q` + 1) = O(nk)
• k précécesseurs p(e,1), . . . , p(e, k) possibles pour un état e
1
1 2
2 3
3 1
1
2
2
3
3
4
4
I
1,1 2,1
2,1 1,2
3,1 2,2 1,3
3,2 2,3 1,4
3,3 2,4
F
3,4
P1 1 2
P2 3 4 5
2 - Piles fixées - preuve
États
• nombre polynomial Πk`=1(q` + 1) = O(nk)
• k précécesseurs p(e,1), . . . , p(e, k) possibles pour un état e
1
1 2
2 3
3 1
1
2
2
3
3
4
4
I
1,1 2,1
2,1 1,2
3,1 2,2 1,3
3,2 2,3 1,4
3,3 2,4
F
3,4
P1 1 2
P2 3 4 5
T2 : 0 → 2 → 1 → 5 → 4 → 3 → 0
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 8/14
2 - Piles fixées - preuve
États
• nombre polynomial Πk`=1(q` + 1) = O(nk)
• k précécesseurs p(e,1), . . . , p(e, k) possibles pour un état e
1
1 2
2 3
3 1
1
2
2
3
3
4
4
I
1,1 2,1
2,1 1,2
3,1 2,2 1,3
3,2 2,3 1,4
3,3 2,4
F
3,4
P1 1 2
P2 3 4 5
T2 : 0 → 2 → 1 → 5 → 4 → 3 → 0
2 - Piles fixées - preuve
États
• nombre polynomial Πk`=1(q` + 1) = O(nk)
• k précécesseurs p(e,1), . . . , p(e, k) possibles pour un état e
1
1 2
2 3
3 1
1
2
2
3
3
4
4
I
1,1 2,1
2,1 1,2
3,1 2,2 1,3
3,2 2,3 1,4
3,3 2,4
F
3,4
P1 1 2
P2 3 4 5
T2 : 0 → 5 → 2 → 4 → 3 → 1 → 0
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 8/14
2 - Piles fixées - preuve
États
• nombre polynomial Πk`=1(q` + 1) = O(nk)
• k précécesseurs p(e,1), . . . , p(e, k) possibles pour un état e
1
1 2
2 3
3 1
1
2
2
3
3
4
4
I
1,1 2,1
2,1 1,2
3,1 2,2 1,3
3,2 2,3 1,4
3,3 2,4
F
3,4
P1 1 2
P2 3 4 5
T2 : 0 → 5 → 2 → 4 → 3 → 1 → 0
2 - Programmation dynamique
États
• S = ×k`=1[q` + 1]
• I = (1, . . . ,1), F = (q1 + 1, . . . , qk + 1), I` = (1, . . . ,1,2,1 . . . ,1)∀`
• k précécesseurs p(e,1), . . . , p(e, k) possibles pour un état e
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 9/14
2 - Programmation dynamique
États
• S = ×k`=1[q` + 1]
• I = (1, . . . ,1), F = (q1 + 1, . . . , qk + 1), I` = (1, . . . ,1,2,1 . . . ,1)∀`
• k précécesseurs p(e,1), . . . , p(e, k) possibles pour un état e
Étiquettes
• E(e, `) meilleur coût pour aller de I à e en arrivant par p(e, `)
• conditions initiales :
e` = 1 ⇒ E(e, `) = +∞, e = I` ⇒ E(e, `) = d2(0, u`1)
• condition finale :
E(F, `) = mink`0=1{E(p(F, `), `0) + d2(v`0
p(F,`)`0, vq``) + d2(vq``,0)}
• récurrence :
E(e, `) = mink`0=1{E(p(e, `), `0) + d2(vp(e,`)`0 `0, ve``)}
Algorithm 1: LIVRAISON OPTIMALE( P )
Entr´ees: d2 : {0} ∪ [n] → N, P k-partitionnement ordonné.
Sorties: T2 tour de livraison optimal pour P. // Initialisation
pour e ∈ S, ` ∈ [k] tq. e` = 1 faire E(e, `) ←− +∞;
pour ` ∈ [k] faire E(f(`), `) ←− d1(0, v1`);
// R´ecurrence (hyp. aucune pile vide)
pour p = k + 2 `a n + k − 1 faire pour e ∈ S tq. kek = p faire
pour ` = 1 to k tq. e` ≥ 2 faire
E(e, `) ←− mink`0=1{E(p(e, `), `0) + d1(v`0
p(e,`)`0, ve``)|p(e, `)`0 ≥ 2}; // Terminaison
pour ` = 1 to k tq. F` ≥ 2 faire E(F, `) ←− mink
`0=1{E(p(F, `), `0) + d1(v`0
p(F,`)`0, v`
F`) + d1(v`
F`,0)|p(F, `)`0 ≥ 2};
return T2 le tour associé à l’étiquette arg min{E(F, q`) | ` = 1, . . . , k};
Complexité : O((n + 1)k)
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 10/14
2 - Complexité - conséquences
Problèmes polynomiaux
•
TSP avec contraintes de précédence,
•
ordonnancement avec contraintes de précédence et temps/coût de transtion, temps/coût de complétion . . .
•
. . . pour C induisant un ordre strict partiel en au plus k ensembles ordonnés
Perspectives de résolution exacte
•
décompostion sur les contraintes (type Benders)
3 - Optimisation à partir de TSP
Meilleure solution (T
1, T
2, P ) sachant T
1: instances I
nd1n(u, v) =
1 if v = u + 1
1 + ε otherwise d2n(u, v) =
1 si v = u + 1 n sinon
0
1 2 n/2
n/2 + 1 n − 1
n
d1n, d2n: arcs de distance 1
Pn1: n − 1 n − 3 3 1
Pn2: n n − 2 4 2
0
0
0 0
Les tours optimaux :
Tn1 en trait pleine, Tn2 en trait hachuré
• Tours optimaux pour TSP de valeur n + 1 pour d1 comme pour d2
• En fixant T1 = (0,1,2, . . . , n,0), le meilleur T2 fait plus que n2/2
• Tandis que la valeur optimale 2STSP ∼ (2 + ε)n
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 12/14
3 - Optimisation à partir de TSP
Meilleure solution (T, T, P ) pour d = 1/2d
1+ 1/2d
2condition d1n(u, v) d2n(u, v) d1n + d2n
si v = u ± 1 1 n n + 1
sinon si v = u ± 2 1 n + 1 n + 2
sinon si u + v ∈ {n + 1, n + 3} n + 1 1 n + 2
sinon n + 1 n + 1 2n + 2
• Tours optimaux pour 2STSP de valeur d1n(Tn1,∗) = n + 1 et d2n(Tn2,∗) ∼ 7n
• Tandis que l’optimum Tn,1/2∗ = (0,1,2, . . . , n,0) vaut (n + 1)2
4 - Conclusion
“Reste” à faire . . .
• Résolution exacte : décompostion
• Contraintes de précédence : caractérisation instances P
• Résolution approchée : approximation (1/2 différentielle ?)
Bibliographie
[1] Allahverdi A., Gupta J.N.D., Aldowaisan T.: A review of scheduling research involving setup considerations. Omega 27(2):219-239 (1999)
[2] Burkard R.E., Deineko V.G., Woeginger G.J.: The Travelling Salesman and
the PQ-Tree. In Proc. 5th Internat. IPCO Conference, LNCS 1084:490-504 (1996).
[3] Graham R.L., Lawler E.L., Lenstra J.K., Rinnooy Kan A.H.G.: Optimization and approximation in deterministic sequencing and scheduling: a survey.
Ann. of Discrete Math. 5:287-326 (1979).
[4] Grötschel M., Lovász L., Schrijver A.: The ellipsoid method and its consequences in combinatorial optimization. Combinatorica 1(2):169-197 (1981).
Complexit´e du voyageur de commerce multi-containers,kSTSP – p. 14/14