import itertools
import GraphGenerator
n = 6
m = 10
graph = GraphGenerator.generateGraph(n,m)
# O vertice de partida sera sempre o numero 1 (indice 0)
indexes = [i for i in range(1,n)]
auxPaths = itertools.permutations(indexes, n-1)
# Gerando todos os caminhos possiveis
paths = []
for i in auxPaths:
paths.append([0] + list(i) + [0])
# Percorrendo todos os caminhos possiveis
minCost = 0
minCostPath = 0
existeCaminho = False
for p in paths:
auxCost = 0
for step in range(0,n):
i = p[step]
j = p[step+1]
if graph[i][j] == -1:
break
auxCost = auxCost + graph[i][j]
# Quando encontramos um caminho valido, o armazenamos e calculamos o seu custo
if p[j] == p[0]:
existeCaminho = True
def solve(n,m, item):
graph = GraphGenerator.generateGraph(n,m)
if item=="a" :
# ALGORITMO FORCA BRUTA
# O vertice de partida sera sempre o numero 1 (indice 0)
indexes = [i for i in range(1,n)]
auxPaths = itertools.permutations(indexes, n-1)
# Gerando todos os caminhos possiveis
paths = []
for i in auxPaths:
paths.append([0] + list(i) + [0])
# Percorrendo todos os caminhos possiveis
global minCost, minCostPath,existeCaminho
minCost= 0
minCostPath = 0
existeCaminho = False
for p in paths:
auxCost = 0
for step in range(0,n):
i = p[step]
j = p[step+1]
if graph[i][j] == -1:
break
auxCost = auxCost + graph[i][j]
# Quando encontramos um caminho valido, o armazenamos e calculamos o seu custo
if p[j] == p[0]:
existeCaminho = True
if (minCost == 0 or minCost > auxCost):
minCost = auxCost
minCostPath = p
# ALGORITMO HELD-KARP (PROGRAMACAO DINAMICA)
hkTimeStart = timeit.default_timer()
global memoria
memoria = 0
#Matriz de memoization
M = [[-1 for i in range(0,pow(2,n))] for j in range(0,n)]
memoria = pow(2,n)*n
# Vertice de partida sendo o 1 (indice 0)
v_inicial = 0
# Setar a bitmask do noh final
v_mask = 2**n - 2
memoria += 2
def tsp( c, b):
if b == 0:
return graph[c][v_inicial]
if M[c][b] != -1:
return M[c][b]
result = 1000
global memoria
memoria += 2
for i in range(0,n) :
if (((b & (1 << i)) != 0) & (i != c) & (graph[c][i]!=-1)) :
a = tsp(i, b & ~(1 << i))
memoria += 1
if (a != -1):
result = min(result, graph[c][i] + a)
M[c][b] = result
return result
minCostHK = tsp(v_inicial,v_mask)
memoria+=1
hkTime = timeit.default_timer() - hkTimeStart
#Retornando os resultados
if item == "a":
print "O grafo gerado eh"
for i in range(0,n):
print graph[i]
print "Por forca bruta,",
if existeCaminho:
print "o caminho desejado eh:", minCostPath,
print " e o custo minimo associado eh:", minCost
else:
print "nao existe caminho minimo"
print "Por Held-Karp",
if minCostHK == 1000 :
print "o grafo eh nao-hamiltoniano"
else:
print "o custo minimo associado eh:", minCostHK
if item == "b":
return hkTime
if item == "c":
return memoria
def solve(n, m, item):
graph = GraphGenerator.generateGraph(n, m)
if item == "a":
# ALGORITMO FORCA BRUTA
# O vertice de partida sera sempre o numero 1 (indice 0)
indexes = [i for i in range(1, n)]
auxPaths = itertools.permutations(indexes, n - 1)
# Gerando todos os caminhos possiveis
paths = []
for i in auxPaths:
paths.append([0] + list(i) + [0])
# Percorrendo todos os caminhos possiveis
global minCost, minCostPath, existeCaminho
minCost = 0
minCostPath = 0
existeCaminho = False
for p in paths:
auxCost = 0
for step in range(0, n):
i = p[step]
j = p[step + 1]
if graph[i][j] == -1:
break
auxCost = auxCost + graph[i][j]
# Quando encontramos um caminho valido, o armazenamos e calculamos o seu custo
if p[j] == p[0]:
existeCaminho = True
if (minCost == 0 or minCost > auxCost):
minCost = auxCost
minCostPath = p
# ALGORITMO HELD-KARP (PROGRAMACAO DINAMICA)
hkTimeStart = timeit.default_timer()
global memoria
memoria = 0
#Matriz de memoization
M = [[-1 for i in range(0, pow(2, n))] for j in range(0, n)]
memoria = pow(2, n) * n
# Vertice de partida sendo o 1 (indice 0)
v_inicial = 0
# Setar a bitmask do noh final
v_mask = 2**n - 2
memoria += 2
def tsp(c, b):
if b == 0:
return graph[c][v_inicial]
if M[c][b] != -1:
return M[c][b]
result = 1000
global memoria
memoria += 2
for i in range(0, n):
if (((b & (1 << i)) != 0) & (i != c) & (graph[c][i] != -1)):
a = tsp(i, b & ~(1 << i))
memoria += 1
if (a != -1):
result = min(result, graph[c][i] + a)
M[c][b] = result
return result
minCostHK = tsp(v_inicial, v_mask)
memoria += 1
hkTime = timeit.default_timer() - hkTimeStart
#Retornando os resultados
if item == "a":
print "O grafo gerado eh"
for i in range(0, n):
print graph[i]
print "Por forca bruta,",
if existeCaminho:
print "o caminho desejado eh:", minCostPath,
print " e o custo minimo associado eh:", minCost
else:
print "nao existe caminho minimo"
print "Por Held-Karp",
if minCostHK == 1000:
print "o grafo eh nao-hamiltoniano"
else:
print "o custo minimo associado eh:", minCostHK
if item == "b":
return hkTime
if item == "c":
return memoria
import itertools
import GraphGenerator
n = 6
m = 10
graph = GraphGenerator.generateGraph(n, m)
# O vertice de partida sera sempre o numero 1 (indice 0)
indexes = [i for i in range(1, n)]
auxPaths = itertools.permutations(indexes, n - 1)
# Gerando todos os caminhos possiveis
paths = []
for i in auxPaths:
paths.append([0] + list(i) + [0])
# Percorrendo todos os caminhos possiveis
minCost = 0
minCostPath = 0
existeCaminho = False
for p in paths:
auxCost = 0
for step in range(0, n):
i = p[step]
j = p[step + 1]
if graph[i][j] == -1:
break
auxCost = auxCost + graph[i][j]
# Quando encontramos um caminho valido, o armazenamos e calculamos o seu custo
if p[j] == p[0]:
existeCaminho = True
