W 8. Nas colunas "k =1 a n" executar: Nas linhas "i =1 a m" executar: Em cada linha "i" de "j=1 a n" executar: z = c ik + c kj

Tamanho: px
Começar a partir da página:

Download "W 8. Nas colunas "k =1 a n" executar: Nas linhas "i =1 a m" executar: Em cada linha "i" de "j=1 a n" executar: z = c ik + c kj"

Transcrição

1 VI. Encaminhamentos de encargo total mínimo Considere-se um grafo (orientado ou não) em que se associa a cada um dos seus arcos (arestas) um dado encargo real (distância, custo, tempo, etc.); admita-se a escolha de um qualquer par de vértices e a necessidade de conhecer o caminho (cadeia), entre eles, com Encargo Total Mínimo (por exemplo, se aos arcos são associadas distâncias, escolhidos dois vértices pretende-se conhecer a distância mínima entre eles) Para resolver problemas deste tipo há algoritmia diversa (Ford, Faure, Bellman, Dijkstra, Floyd, Hasse, entre outros) que envolvem maior ou menor complexidade de cálculo (número de operações elementares ou seja, adições, multiplicações e testes). 1. Algoritmo de Floyd 1 O algoritmo de Floyd apesar de ser o mais complexo dos apresentados tem a vantagem de ser de programação fácil ( uma única matriz ) e ser de difusão total, ou seja, quando aplicado permite obter o Encargo Total Mínimo entre qualquer par de vértices do grafo e o Encaminhamento associado (o que não sucede com outros métodos que são de difusão parcial). A aplicação do método supõe que no grafo, orientado ou não, não há circuito(s) ou ciclo(s) com encargo total negativo (absorventes), o que não impede ligações com encargo negativo. Considere-se o Grafo da figura e respectiva matriz de distâncias (km) para calcular a Matriz de Distâncias Mínimas. X Y Z X Y Z W X 5 14 Y 7 3 Z 3 4 W W 8 Para os pares de vértices não ligados por arco considera-se a distância "+ " por se tratar de minimização de uma função (distância total). O cálculo será efectuado com a seguinte sequência considerando c ij a distância entre os vértices "i" e "j": Nas colunas "k =1 a n" executar: Nas linhas "i =1 a m" executar: Em cada linha "i" de "j=1 a n" executar: z = c ik + c kj se z < c ij substituir c ij = z Nova coluna da linha Nova linha Nova coluna O processo descrito "traduz-se do seguinte modo: 1. Percorrer a matriz, por colunas, elemento a elemento. 1 Robert W. Floyd ( ).Cientista da Computação. VI-1

2 2. Somar cada elemento c ij (operador) aos elementos da linha com índice j (índice igual ao da coluna do operador); a linha de valores obtida compara-se com a linha do operador sendo os valores desta linha substituídos se são superiores aos calculados (melhoria). 3. Quando se efectuam substituições, ao novo valor de distância agrega-se o índice da coluna do operador (vértice intermédio) para posteriormente reconstituir o encaminhamento. 4. Quando o operador c ij não é finito ou i = j é desnecessário proceder como referido em 2. Retomando o grafo proposto e respectiva matriz de distâncias, veja-se passo a passo como executar: Coluna de X Operador Tarefa c xx = 0 Diagonal Principal (i = j); desnecessário c yx = Desnecessário; através de X não é possível melhorar distância de Y aos restantes vértices. c zx = 3 Somar à linha de X obtendo: Comparar com linha corrente do operador (linha Z) Melhoria para ZW = 17km passando por X Registar em ZW, 17 X Z 3 X 5 14 Z W 17 X Melhoria: Z a W: 17km por X c wx = Desnecessário; através de X não é possível melhorar distância de W aos restantes vértices. Após percorrida a 1ª coluna (vértice X como ponto intermédio), a matriz de distâncias tem registados os seguintes valores: X Y Z W X 5 14 Y 7 3 Z X W 8 No momento, o encaminhamento mais favorável de Z para W é: Z X W no total de 17 km Terminada a procura de melhores encaminhamentos entre cada par de vértices usando X como ponto intermédio, passa-se à coluna seguinte em que o ponto intermédio será o vértice Y. VI-2

3 Coluna de Y Operador Tarefa c xy = Desnecessário; através de Y não é possível melhorar distância de X aos restantes vértices. c yy = Diagonal Principal (i = j); desnecessário c zy = 4 Somar à linha de Y obtendo: Comparar com linha corrente do operador (linha Z) X Melhoria para ZW = 7 km passando por Y Registar em ZW, 7 Y Z 4 Y 7 3 Z W 7 Y Melhoria: Z a W: 7km por Y c wy = 8 Somar à linha de Y obtendo: Comparar com linha corrente do operador (linha W) 8 0 Melhoria para WZ = 15 km passando por Y Registar em WZ, 15 Y W 8 Y 7 3 Z 15 Y W Melhoria: W a Z: 15km por Y Após percorrida a 2ª coluna (vértice Y como ponto intermédio), a matriz de distâncias tem registados os seguintes valores: X Y Z W X 5 14 Y 7 3 Z Y W 8 15 Y No momento, o encaminhamento mais favorável de Z para W é: Z Y W no total de 7 km e o encaminhamento mais favorável de W para Z é: W Y Z no total de 15 km Terminada a procura de melhores encaminhamentos entre cada par de vértices usando Y como ponto intermédio, passa-se à coluna seguinte em que o ponto intermédio será o vértice Z. VI-3

4 Coluna de Z Operador Tarefa c xz = 5 Somar à linha de Z obtendo: Comparar com linha corrente do operador (linha X) Melhoria para XY = 9 km passando por Z Melhoria para XW = 12 km passando por Z Registar em XY, 9 Z ; em XW, 12 Z x 5 Z Y X Y 9 Z W 12 Z Melhoria: X a Y: 9km por Z Melhoria: X a W: 12km por Z C yz = 7 Somar à linha de Z obtendo: Comparar com linha corrente do operador (linha Y) Melhoria para YX = 10 km passando por Z Registar em YX, 10 Z Y 7 Z Y X 10 Z Y W Melhoria: Y a X: 10km por Z c zz = 0 Diagonal Principal (i = j); desnecessário c wz = 15 Somar à linha de Z obtendo: Comparar com linha corrente do operador (linha W) Melhoria para WX = 18 km passando por Z Registar em WX, 18 Z W 15 Y Z 4 Y 3 7 Y X 18 Z W Melhoria: W a X: 18km por Z Após percorrida a 3ª coluna (vértice Z como ponto intermédio), a matriz de distâncias tem registados os seguintes valores: X Y Z W X 9 Z 5 12 Z Y 10 Z 7 3 Z Y W 18 Z 8 15 Y No momento, o encaminhamento mais favorável de X para Y é: X Z Y no total de 9 km o encaminhamento mais favorável de X para W é: X Z Y W no total de 12 km o encaminhamento mais favorável de Y para X é: Y Z X no total de 10 km e o encaminhamento mais favorável de W para X é: W Y Z X no total de 18 km Terminada a procura de melhores encaminhamentos entre cada par de vértices usando Z como ponto intermédio, passa-se à coluna seguinte em que o ponto intermédio será o vértice W. VI-4

5 Operador c xw = 12 c yw = 3 c zw = 7 c ww = 15 Coluna de W Tarefa Somar à linha de W obtendo: Comparar com linha corrente do operador (linha X) Não há melhoria(s) Somar à linha de W obtendo: Comparar com linha corrente do operador (linha Y) Não há melhoria(s) Somar à linha de W obtendo: Comparar com linha corrente do operador (linha Z) Não há melhoria(s) Diagonal Principal (i = j); desnecessário X 18 Z X 12 Z W 8 15 Y Y Z X 18 Z Y 3 W 8 Y 15 Y Z X 18 Z Z 7 Y W 8 Y 15 Y Z Após percorrida a 4ª coluna (vértice W como ponto intermédio), obteve-se a Matriz de Distâncias Mínimas entre qualquer par de vértices do grafo: X Y Z W X 9 Z 5 12 Z Y 10 Z 7 3 Z Y W 18 Z 8 15 Y Nesta matriz obtém-se por leitura directa a distância mínima entre qualquer par de vértices. Para reconstituir o caminho associado àquelas distâncias, no caso de não se tratar de caminho com um único arco, vejam-se os exemplos seguintes: Caminho de Z para W ; distância mínima 7 km Na matriz temos ZW= 7 Y o que significa que entre Z e W está o vértice Y. Notar que apenas se sabe que Y antecede W (não sabendo se é ou não imediatamente). Por isso tem-se: Z Y W Consultando na matriz o par ZY lê-se 4 km (sem vértice intermédio). Actualiza-se a figura anterior: Z Y W 4 km Consultando na matriz o par YZ lê-se 3 km (sem vértice intermédio) com o que se atinge o destino: Z Y W 4 km 3 km VI-5

6 Caminho de X para W ; distância mínima 12 km Na matriz temos XW= 12 Z o que significa que entre X e W está o vértice Z. Notar que apenas se sabe que Z antecede W (não sabendo se é ou não imediatamente). Por isso tem-se: X Z W Consultando na matriz o par XZ lê-se 5 km (sem vértice intermédio). Actualiza-se a figura anterior: X Z W 5 km Consultando na matriz o par ZW= 7 Y significa que entre Z e W está o vértice Y. Notar que apenas se sabe que Y antecede W (não sabendo se é ou não imediatamente). Por isso tem-se: X Z Y W 5 km Consultando na matriz o par ZY lê-se 4 km (sem vértice intermédio). Actualiza-se a figura anterior: X Z Y W 5 km 4 km Consultando na matriz o par YW lê-se 3 km (sem vértice intermédio) com o que se atinge o destino: X Z Y W 5 km 4 km 3 km VI-6

7 2. Algoritmo de Dijkstra 2 O algoritmo de Dijkstra tem a vantagem de ser de programação fácil embora seja um algoritmo de difusão parcial (significa que após aplicado permite apenas conhecer o Encargo Total Mínimo entre um vértice escolhido e os restantes vértices do grafo). A aplicação do método supõe que no grafo, orientado ou não, não há ligações com encargo negativo associado. Considere-se o Grafo da figura e respectiva matriz de distâncias (km) para calcular a Distância Mínima de A aos restantes vértices. A B C D A B C D 8 0 Para os pares de vértices não ligados por arco considera-se a distância "+ " por se tratar de minimização de distâncias. O cálculo será efectuado de acordo com seguinte sequência: 1. Escolher para o conjunto dos vértices à distância mínima de A (vértice-raiz), o vértice adjacente à distância mínima. Este vértice será pivot da iteração seguinte. Quando não há selecção de pivot, o processo termina. Registados B, C, D com a distância acumulada correspondente ao percurso com início em A Distância mínima associada corresponde à ligação AC pelo que o vértice C é pivot na próxima iteração. Somar a distância de 5km (acumulada em C, vindo de A ) à distância dos vértices adjacentes de C ( A e B ). Registar a distância acumulada se inferior à existente (9 km para AB, passando em C e voltar a repetir o procedimento da iteração anterior agora com o vértice B. O processo iterativo é o seguinte: sendo a solução óptima a seguinte: 2 Edsger Wybe Dijkstra ( ).Cientista neerlandês VI-7

8 Para descrever a rota de distância mínima de A a B procede-se do seguinte modo: Leitura directa na linha da última iteração: 9 km. Na leitura da distância anterior é referido o vértice C como antecedente de B pelo que o troço C-B pertence ao encaminhamento óptimo. Esta ligação óptima foi obtida na 2ª linha do quadro de registo (realçada a cor amarela). Passando à iteração anterior e na coluna de C lê-se que este vértice está à distância óptima de 5 km de A sendo este o vértice antecedente. Assim, o itinerário óptimo de A a B é A, C. B. 3. Auto Teste Considere o grafo seguinte (tempo em horas) e calcule o itinerário de tempo mínimo de A a F. VI-8

9 4. Solução do Auto Teste Itinerário óptimo: A, B, C, D, F com 14 horas. VI-9

10 5. Algoritmo de Bellman -Ford 3 É também um algoritmo de difusão parcial mas pode aplicar-se nos grafos orientados em que haja ligações com encargo negativo associado. Considere-se o Grafo da figura e respectiva matriz de distâncias (km) para calcular a Distância Mínima do vértice A aos restantes vértices. A B C D A B C D 8 0 Registar as distâncias finitas de A aos vértices adjacentes (distância infinita para vértices não adjacentes): Comprimento B C D 1 arco 5 14 Explorar os vértices C e D, que estão a distância finita de A, para obter as distâncias de A a vértices a que está ligado por 2 arcos (passando pois por C ou D ). Vértice C à distância de 5 km de A Os vértices adjacentes de C são A (não interessa porque é vértice-raiz), e B. Estando B a 4 km de C então está a 5+4=9 km de A se for efectuado o percurso A-C-B. Vértice D à distância de 14 km de A O vértice B é o único adjacente de D. Estando B a 8 km de C então está a 14+8=22 km de A se for efectuado o percurso A-D-B. Está terminada a exploração de caminhos com 2 arcos que ligam A aos restantes vértices do grafo. Desta exploração, obtivemos 9 e 22 km para B de que o melhor valor é 9 km (ligação via C ). Como a distância corrente de A a B é + regista-se como melhoria a distância de 9 km mantendo-se as distâncias anteriores nos restantes vértices: Comprimento B C D 1 arco arcos 9 C 5 14 Neste quadro verificamos que houve melhoria na distância associada ao vértice B pelo que este, e só este, deve ser explorado de forma similar à anterior para minimizar (se possível) a distância de A aos restantes vértices por caminho com 3 arcos. Vértice B à distância de 9 km de A Os vértices adjacentes de B são C e D Estando C a 7 km de B então está a 9+7=16 km de A. Como esta distância é pior do que a já existente (5 km), não tem interesse para registo. 3 Richard Ernest Bellman e Lester Randolph Ford Jr. VI-10

11 Estando D a 3 km de B então está a 9+3=12 km de A. Como esta distância é melhor do que a já existente (14 km), é registada para futura exploração. O registo é actualizado ficando: Comprimento B C D 1 arco arcos 9 C arcos B Neste quadro verificamos que houve melhoria na distância associada ao vértice D pelo que este deve ser explorado. Vértice D à distância de 12 km de A Só o vértice B é adjacente de D. Estando B a 8 km de D então está a 12+8=20 km de A. Como esta distância é pior do que a já existente (12 km), não tem interesse o seu registo. Não houve melhoria de qualquer distância pelo que na última linha do quadro estão as distâncias mínimas de A aos restantes vértices do grafo. Para descrever a rota de 12 km de A a D progride-se da última para a 1ª linha do quadro elaborado. D está a 12 km de A. O vértice precedente de D é o vértice B (como mostra o registo 12 B ). Passar à linha anterior e examinar a coluna do vértice B B está a 9 km de A. O vértice precedente é o vértice C (como mostra o registo 9 C ). Passar à linha anterior e examinar a coluna do vértice C C está a 5 km de A sendo este o vértice precedente porque estamos na 1ª linha. Conclusão: Rota de A a D : A C B D ; distância mínima de = 12 km. O algoritmo de Bellman-Ford detecta circuitos negativos, caso existam, como mostra o exemplo seguinte (custos em u.m.) em que se calcula o custo mínimo de A a E : A B C D E A B C D E A B C D E 1 arco Exploração do custo mínimo nos vértices B e C : VI-11

12 A B C D E 1 arco arcos C 18 c Exploração da melhoria nos vértices D e E : A B C D E 1 arco arcos C 18 c 3 arcos 0-2 D Exploração da melhoria no vértice B : Foi detectado o circuito negativo A-C-D-B-A com encargo total de 2+9+(-13)+0 = -2 < 0! Nesta situação o algoritmo não pode ser utilizado Auto teste Calcular as distâncias mínimas do vértice H aos restantes vértices do grafo seguinte: A B C D E F G H A B 2 5 C D 1 E F G 3 H Em situações deste tipo efectua-se o Reweight do grafo para que todas as ligações fiquem com peso positivo e possam ser obtidos os encaminhamentos óptimos necessários. VI-12

13 7. Solução do Auto teste VI-13

14 VI-14

15 Não há melhorias. Cálculo terminado. Para facilitar a descrição dos itinerários óptimos convém acrescentar no quadro de registo o vértice precedente que, em cada iteração, melhorou a distância a partir do vértice H : Para obter, por exemplo, o itinerário óptimo de H a G temos: Coluna G, linha 6: D G Coluna D, linha 5: B Coluna B, linha 4 A Coluna A, linha 3: E Coluna E, linha 2: F Coluna F, linha 1: H Itinerário óptimo: H Ø F Ø E Ø A Ø B Ø D Ø G com distância total de 13 km VI-15

16 8. Localizações no grafo Considere-se o grafo da figura G=(V,U), a matriz de distâncias e a matriz de distâncias mínimas (km): A 22 C B D 15 E 10 F H 11 G 21 I Matriz de distâncias Matriz de distâncias mínimas A B C D E F G H I A B C D E F G H I A A B B C C D D E E F F G G H H I I a. Afastamento (excentricidade) do vértice v i no grafo G(V,U) É o maior encargo de v i a um dos v k (i k). No caso de grafo orientado, no vértice v i podem medir-se as excentricidades exterior e interior. No grafo não orientado da figura a excentricidade de A é de 46 km (Max da 1ª linha da matriz de distâncias mínimas) A matriz de distâncias mínimas pode ser orlada com a excentricidade de cada vértice como mostra a figura seguinte: A B C D E F G H I Excentricidade (km) Obs. A (max) Max{Max} = (diâmetro =46 km) B C D E (min) Min{Max} centro; raio = 29 km F G H I (max) + e vi e vi VI-16

17 b. Diâmetro do Grafo G(V,U) Maior valor das excentricidades dos vértices do grafo. No grafo da figura o diâmetro é de 46 km c. Raio do grafo G(V,U) Menor valor das excentricidades dos vértices do grafo. No grafo da figura o raio é de 29 km. d. Centro do Grafo Não Orientado Vértice v i com excentricidade igual ao raio do grafo. O centro do grafo da figura é o vértice E (excentricidade = raio = 29 km). É o vértice que, sob o ponto de vista de distância, oferece melhores condições para uma instalação de equipamento colectivo. Se o quartel dos bombeiros se situar em E todas as suas intervenções se situam, no máximo, a 29 km. e. Centros do Grafo Orientado Se o grafo é orientado há que considerar os Centros Exterior e Interior do grafo. Como a denominação sugere, o centro exterior é o vértice v i com menor excentricidade exterior; o centro interior é o vértice com menor excentricidade interior. f. Vértice Periférico do Grafo G(V,U) É o vértice v i com excentricidade igual ao diâmetro. No grafo da figura, A é o vértice periférico. g. Mediana do Grafo É o vértice v i para o qual a soma dos encargos aos restantes vértices do grafo tem valor mínimo. A matriz de distâncias mínimas pode ser orlada com a soma das distâncias de cada vértice como mostra a figura seguinte: A B C D E F G H I Soma (km) Obs. A B C D E (min) Mediana F G H I No grafo da figura, o vértice E é a mediana do grafo. É o vértice que, sob o ponto de vista de distância, oferece melhores condições para uma instalação de tipo logístico (apoio de uma rede) pois a totalidade das distâncias a percorrer é mínima. VI-17

18 h. Anti-Centro do Grafo É o vértice v i cujo menor encargo para os restantes vértices do grafo tem valor máximo. No grafo não orientado da figura, D é o anti-centro do grafo. A matriz de distâncias mínimas pode ser orlada com a menor distância de cada vértice como mostra a figura seguinte: A B C D E F G H I Min (km) Obs. A B C D (max) Max{Min} anti centro E F G H I O anti-centro é o vértice que, sob o ponto de vista de distância, oferece melhores condições para uma instalação não desejável em qualquer ponto da rede (lixeira por exemplo). Veja-se que uma lixeira em D garante que os restantes vértices estão pelo menos a 14 km. VI-18

19 9. Auto Teste a. A figura apresenta um conjunto de 8 localidades e a rede viária existente (distância em km). Admita a necessidade de montar um centro de saúde. Qual das localidades escolheria? b. Os custo de transporte (por Kg) entre cada par de localidades e os custos de transbordo (carga/descarga) são os indicados na matriz seguinte: Matriz de custos (u.m.) Porto Braga Guarda C.Branco Covilhã Viseu Porto Braga Guarda C.Branco Covilhã Viseu ) Calcule o custo mínimo (por kg) do Porto para C.Branco. 2) No custo mínimo apresentado quais os custos de transporte e transbordo? Qual é o itinerário associado ao custo mínimo calculado? VI-19

20 c. Considere a necessidade de estabelecer um plano de investimento em equipamento informático para os próximos 4 anos. O custo/ano da manutenção do actual equipamento é de 1000 unidades monetárias (u.m.). Após consulta ao mercado dispõe-se da seguinte informação: Tipo de Computador Início da Comercialização Custos da Conversão(u.m.) Custos Anuais de Manutenção (u.m.) A 1Jan/Ano B 1Jan/Ano C 1Jan/Ano D 1Jan/Ano Calcular o plano óptimo de investimento. d. Um(a) aluno(a) desloca-se diariamente A para G. A experiência dos últimos 2 meses permitiu-lhe estabelecer a probabilidade de não encontrar filas de trânsito lento no itinerário de ligação entre cada par de vértices (registada em cada arco da figura). Admitindo que a probabilidade de não encontrar filas de trânsito lento ao longo de um itinerário é igual ao produto das probabilidades associadas aos arcos do caminho, determine o itinerário de A para G com maior probabilidade de circular rapidamente. B 0.8 C 0.35 D A G E 0.3 F VI-20

21 10. Solução do Auto Teste a. A matriz de distâncias mínimas e informação adicional é a seguinte: Max Min Soma A localidade 7 é o centro do grafo. A localidade 5 é a mediana do grafo. Se o centro de saúde for instalado no centro do grafo, todas as localidades se encontrarão a não mais do que 22 km enquanto se instalado em 7 este valor é de 23 km (do ponto de vista prático a diferença não é significativa). Se pensarmos em deslocação global (de todas as localidades ir ao centro de saúde) então a localidade 5 é mais favorável (soma=94 km). Mas o indicador soma pode ser enganador. De facto, para as duas localidades em apreciação, a distância média de cada localidade e respectiva variância são as seguintes : Distâncias a percorrer pelas outras localidades Média Variância Localidade Localidade A diferença em distância média não é significativa mas a variância associada mostra que a localidade 7 é mais central do que a localidade 5. Instale-se o centro de saúde na localidade 7. b. 1) Custo Mínimo de transporte = 9.3 u.m./kg 2) Transporte : Porto, Viseu, Guarda, C.Branco ; custo = 8.7 u.m./kg Carga/Descarga (transbordo) : = 0.6 u.m./kg c. Organizar uma matriz de custos e utilizar o algoritmo de Floyd Para ano 1: não adquirir material ; custo de manutenção 1000 u.m. Para ano 2 : Comprar computador B ; custos conversão e manutenção = = 850 u.m. Para ano 3 : Comprar computador C ; custos conversão e manutenção = = 750 u.m. Para ano 4 : Manter C; custo de manutenção = 500 u.m. Custo total mínimo = 3100 u.m. VI-21

22 d. O melhor encaminhamento será o de maior probabilidade P AG. A maximização de P AG é equivalente a maximizar a soma dos logaritmos das probabilidades associadas a cada arco do encaminhamento AG. Sendo log (p ij ) 0, maximizar a soma referida é equivalente a minimizar a soma dos valores simétricos dos logaritmos. Para o arco (A,B), por exemplo, tem-se: Arco p ij log (p ij ) - log (p ij ) (A,B) Organizada a matriz do grafo com c ij = - log (p ij ) aplica-se o algoritmo de Floyd e obtém-se: Encaminhamento óptimo : A, E, F, G P AG = (0.9) (0.3) (0.25) = = 6.75% (probabilidade de não encontrar filas de trânsito lento). VI-22

C 3 C 3. De acordo com o teorema de Euler, um grafo não orientado admite um ciclo de Euler se e só for conexo e não tiver vértices de grau ímpar.

C 3 C 3. De acordo com o teorema de Euler, um grafo não orientado admite um ciclo de Euler se e só for conexo e não tiver vértices de grau ímpar. rafos ircuito e iclo de uler X. ircuito e iclo de uler Um grafo orientado diz-se euleriano se há um circuito que contenha todos os seus arcos uma e só uma vez (circuito euleriano ).O grafo da figura é

Leia mais

Problemas de Fluxo em Redes

Problemas de Fluxo em Redes CAPÍTULO 7 1. Conceitos fundamentais de grafos Em muitos problemas que nos surgem, a forma mais simples de o descrever, é representá-lo em forma de grafo, uma vez que um grafo oferece uma representação

Leia mais

Selecciona-se dos vértices ainda não seleccionados o vértice v k que está à menor distância de v i,

Selecciona-se dos vértices ainda não seleccionados o vértice v k que está à menor distância de v i, V. Problema do caixeiro-viajante Grafos - Problema do caixeiro-viajante onsidere-se um grafo em que os vértices representam cidades e as arestas (ou arcos) representam as estradas de uma dada região (a

Leia mais

GRAFOS Aula 07 Algoritmos de Caminho Mínimo: Bellman-Ford / Floyd-Warshall Max Pereira

GRAFOS Aula 07 Algoritmos de Caminho Mínimo: Bellman-Ford / Floyd-Warshall Max Pereira Ciência da Computação GRAFOS Aula 07 Algoritmos de Caminho Mínimo: Bellman-Ford / Floyd-Warshall Max Pereira Algoritmo de Bellman-Ford Arestas com valores negativos podem parecer inúteis, mas elas podem

Leia mais

MÓDULO 2 - OTIMIZAÇÃO DE REDES

MÓDULO 2 - OTIMIZAÇÃO DE REDES MÓUL - TIMIZÇÃ RS s problemas de otimização de redes podem ocorrer em várias áreas, mas geralmente são encontrados nas áreas de transportes e comunicações. Um problema típico de transporte consiste em

Leia mais

Modelos matemáticos para resolução de problemas de afectação de operações a recursos produtivos

Modelos matemáticos para resolução de problemas de afectação de operações a recursos produtivos Métodos de Análise de Sistemas Produtivos Modelos matemáticos para resolução de problemas de afectação de operações a recursos produtivos 17 de Maio de 2002 Alunos: Álvaro Magalhães Bernardo Ribeiro João

Leia mais

Oalgoritmo de Dijkstra

Oalgoritmo de Dijkstra Dijkstra Oalgoritmo de Dijkstra O algoritmo de Dijkstra, concebido pelo cientista da computação holandês Edsger Dijkstra em 1956 e publicado em 1959, soluciona o problema do caminho mais curto num grafo

Leia mais

Otimização em Grafos

Otimização em Grafos Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 33 Definição do Problema Dado: um grafo ponderado G = (V, E), orientado ou não, onde d : E R + define as distâncias

Leia mais

Módulo 2 OTIMIZAÇÃO DE REDES

Módulo 2 OTIMIZAÇÃO DE REDES Módulo 2 OTIMIZAÇÃO DE REDES Grafos e Redes Está contida na área de Pesquisa Operacional. Pode ser considerada como uma teoria baseada na interligação de pontos e linhas, utilizada principalmente na solução

Leia mais

Teoria dos Grafos. Aula 5 - Estruturas de Dados para Grafos. Profª. Alessandra Martins Coelho. março/2013

Teoria dos Grafos. Aula 5 - Estruturas de Dados para Grafos. Profª. Alessandra Martins Coelho. março/2013 Teoria dos Grafos Aula 5 - Estruturas de Dados para Grafos Profª. Alessandra Martins Coelho março/2013 Estrutura é o que caracteriza o próprio grafo e independe da forma como ele é representado. A representação

Leia mais

Sistemas de Equações Lineares

Sistemas de Equações Lineares Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 998/99 Sistemas de Equações Lineares PROBLEMAS Considere o seguinte sistema de equações da forma Ax = b : 3 2 3 2 2 2 2 x x

Leia mais

Problema do Caminho Mais Curto. Problema do Caminho Mais Curto

Problema do Caminho Mais Curto. Problema do Caminho Mais Curto Problema do Caminho Mais Curto " Podemos afectar pesos" aos arcos de um grafo, por exemplo, para representar uma distância entre cidades numa rede ferroviária: ria: Chicago 650 600 700 Toronto 200 New

Leia mais

Problemas de otimização

Problemas de otimização Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,

Leia mais

Problema do Caminho Mínimo

Problema do Caminho Mínimo Departamento de Engenharia de Produção UFPR 63 Problema do Caminho Mínimo O problema do caminho mínimo ou caminho mais curto, shortest path problem, consiste em encontrar o melhor caminho entre dois nós.

Leia mais

Grafos: caminhos mínimos

Grafos: caminhos mínimos Grafos: caminhos mínimos SCE-8 Algoritmos e Estruturas de Dados Thiago A. S. Pardo Maria Cristina Gustavo Batista O problema do menor caminho Um motorista deseja encontrar o caminho mais curto possível

Leia mais

Cálculo Numérico BCC760

Cálculo Numérico BCC760 Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita

Leia mais

A Dualidade em Programação Linear

A Dualidade em Programação Linear Investigação Operacional- 2009/10 - Programas Lineares 14 A Dualidade em Programação Linear Para melhor ilustrar este conceito vamos estudar dois problemas intimamente relacionadas: o problema da dona

Leia mais

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. X Programação por Metas

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. X Programação por Metas INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. X Programação por Metas António Carlos Morais da Silva Professor de I.O. i Cap. X Programação por Metas - Exercícios X. Programação por Metas.

Leia mais

Distâncias Mínimas. Pedro Ribeiro 2014/2015 DCC/FCUP. Pedro Ribeiro (DCC/FCUP) Distâncias Mínimas 2014/ / 27

Distâncias Mínimas. Pedro Ribeiro 2014/2015 DCC/FCUP. Pedro Ribeiro (DCC/FCUP) Distâncias Mínimas 2014/ / 27 Distâncias Mínimas Pedro Ribeiro DCC/FCUP 2014/2015 Pedro Ribeiro (DCC/FCUP) Distâncias Mínimas 2014/2015 1 / 27 Distâncias Mínimas Uma das aplicações mais típicas em grafos é o cálculo de distâncias.

Leia mais

Estrutura de Dados e Algoritmos e Programação e Computadores II. Aula 11: Introdução aos Grafos

Estrutura de Dados e Algoritmos e Programação e Computadores II. Aula 11: Introdução aos Grafos Estrutura de Dados e Algoritmos e Programação e Computadores II Aula 11: Introdução aos Grafos Indução Finita Indução Finita é uma técnica para provar teoremas também usada no projecto de algoritmos. Suponha

Leia mais

GRAFOS Aula 04 Caminhos, Conexidade e Distância Max Pereira

GRAFOS Aula 04 Caminhos, Conexidade e Distância Max Pereira Ciência da Computação GRAFOS Aula 04 Caminhos, Conexidade e Distância Max Pereira Um grafo é dito conexo se for possível visitar qualquer vértice, partindo de um outro qualquer, passando pelas suas arestas.

Leia mais

Algoritmos de roteamento

Algoritmos de roteamento Algoritmos de roteamento Determinam o caminho que os pacotes percorrem entre o remetente e o destino Grafo usado para formular problemas de roteamento G = (N, E) N nós roteadores E arestas enlaces Cada

Leia mais

Teoria dos Grafos Aula 23

Teoria dos Grafos Aula 23 Teoria dos Grafos Aula 23 Aula passada Apresentação de trabalhos Discussão da prova Subset sum Problema da mochila Aula de hoje Caminho mais curto entre todos os pares Algortimo de Floyd Warshall Programação

Leia mais

CAPÍTULO 4. Teoria da Dualidade

CAPÍTULO 4. Teoria da Dualidade CAPÍTULO 4 1. Introdução Uma dos conceitos mais importantes em programação linear é o de dualidade. Qualquer problema de PL tem associado um outro problema de PL, chamado o Dual. Neste contexto, o problema

Leia mais

76) 1.1 Sim 1.2 Não 1.3 Não

76) 1.1 Sim 1.2 Não 1.3 Não 6) 1.1 Sim 1.2 Não 1. Não 2.1 2.2 2.. Os grafos dos exercícios 2.1 e 2.2 são conexos, pois existe sempre uma sequência de arestas a unir quaisquer dois vértices. 4.1 Grafo I vértices: ; arestas: 2 Grafo

Leia mais

Cap. 2 Conceitos Básicos em Teoria dos Grafos

Cap. 2 Conceitos Básicos em Teoria dos Grafos Teoria dos Grafos e Aplicações 8 Cap. 2 Conceitos Básicos em Teoria dos Grafos 2.1 Grafo É uma noção simples, abstrata e intuitiva, usada para representar a idéia de alguma espécie de relação entre os

Leia mais

ESTRUTURAS DE DADOS. prof. Alexandre César Muniz de Oliveira. 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8.

ESTRUTURAS DE DADOS. prof. Alexandre César Muniz de Oliveira. 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8. ESTRUTURAS DE DADOS prof. Alexandre César Muniz de Oliveira 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8. Grafos Sugestão bibliográfica: ESTRUTURAS DE DADOS USANDO C Aaron

Leia mais

Teoria dos Grafos Aula 22

Teoria dos Grafos Aula 22 Teoria dos Grafos Aula 22 Aula passada Caminho mais curto entre todos os pares Algoritmo de Floyd Warshall Programação dinâmica Aula de hoje Caminho mais curto Algoritmo de Bellman Ford Melhorias Caminho

Leia mais

Teoria dos Grafos Aula 8

Teoria dos Grafos Aula 8 Teoria dos Grafos Aula 8 Aula passada Grafos com pesos, caminhos e distâncias Ideia e implementação de alg. de Dijkstra Aula de hoje Corretude de Dijkstra Fila de prioridades e Heap Dijkstra eficiente

Leia mais

Simplex. Investigação Operacional José António Oliveira Simplex

Simplex. Investigação Operacional José António Oliveira Simplex 18 Considere um problema de maximização de lucro relacionado com duas actividades e três recursos. Na tabela seguinte são dados os consumos unitários de cada recurso (A, B e C) por actividade (1 e 2),

Leia mais

Teoria dos Grafos AULA

Teoria dos Grafos AULA Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br AULA Caminho mínimo - Algoritmo de Djskstra Preparado a partir

Leia mais

ALGORITMO DE DIJKSTRA

ALGORITMO DE DIJKSTRA LGORITMO IJKSTR por runo Miguel Pacheco Saraiva de arvalho epartamento de ngenharia Informática Universidade de oimbra oimbra, Portugal brunomig@student.dei.uc.pt Resumo escreve-se o funcionamento do algoritmo

Leia mais

Investigação Operacional

Investigação Operacional Investigação Operacional Licenciatura em Gestão 3.º Ano Ano Lectivo 2013/14 Optimização em Redes Texto elaborado por: Maria João Cortinhal (Coordenadora) Anabela Costa Maria João Lopes Ana Catarina Nunes

Leia mais

Árvores: Conceitos Básicos e Árvore Geradora

Árvores: Conceitos Básicos e Árvore Geradora Árvores: Conceitos Básicos e Árvore Geradora Grafos e Algoritmos Computacionais Prof. Flávio Humberto Cabral Nunes fhcnunes@yahoo.com.br 1 Introdução No dia a dia aparecem muitos problemas envolvendo árvores:

Leia mais

Divisão e conquista. Eficiência de divisão e conquista

Divisão e conquista. Eficiência de divisão e conquista Divisão e conquista Divisão: resolver recursivamente problemas mais pequenos (até caso base) Conquista: solução do problema original é formada com as soluções dos subproblemas á divisão quando o algoritmo

Leia mais

Teoria dos Grafos Aula 24

Teoria dos Grafos Aula 24 Teoria dos Grafos Aula 24 Aula passada Caminho mais curto entre todos os pares Algortimo de Floyd Warshall Programação dinâmica Aula de hoje Caminho mais curto em grafos Algoritmo de Bellman Ford Algoritmo

Leia mais

Módulo 3 OTIMIZAÇÃO DE REDES DE TRANSPORTES

Módulo 3 OTIMIZAÇÃO DE REDES DE TRANSPORTES Módulo 3 OTIMIZAÇÃO DE REDES DE TRANSPORTES Grafos e Redes Está contida na área de Pesquisa Operacional. Pode ser considerada como uma teoria baseada na interligação de pontos e linhas, utilizada principalmente

Leia mais

Grafos - Introdução. Pedro Ribeiro 2014/2015 DCC/FCUP. Pedro Ribeiro (DCC/FCUP) Grafos - Introdução 2014/ / 32

Grafos - Introdução. Pedro Ribeiro 2014/2015 DCC/FCUP. Pedro Ribeiro (DCC/FCUP) Grafos - Introdução 2014/ / 32 Grafos - Introdução Pedro Ribeiro DCC/FCUP 2014/2015 Pedro Ribeiro (DCC/FCUP) Grafos - Introdução 2014/2015 1 / 32 Conceito Definição de Grafo Formalmente, um grafo é: Um conjunto de nós/vértices (V).

Leia mais

PCC173 - Otimização em Redes

PCC173 - Otimização em Redes PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 31 de maio de 2017 Marco Antonio M. Carvalho

Leia mais

Redes. ADSA António Câmara

Redes. ADSA António Câmara Redes ADSA António Câmara Redes Método do caminho mais curto Localização de equipamentos Minimum spanning tree Carteiro chinês Caixeiro viajante Links Redes Redes são sistemas de linhas (arcos) ligando

Leia mais

Edsger Wybe Dijkstra

Edsger Wybe Dijkstra Edsger Wybe Dijkstra Maio 90 Agosto 00 Roterdã, Holanda Nuenen, Holanda Cientista da Computação Contribuições: Algoritmos Linguagem de Programação ALGOL 0 Sistema Operacional THE Processamento Distribuído

Leia mais

Divisão e conquista. Há divisão quando o algoritmo tem pelo menos 2 chamadas recursivas no corpo

Divisão e conquista. Há divisão quando o algoritmo tem pelo menos 2 chamadas recursivas no corpo Divisão e conquista Divisão: resolver recursivamente problemas mais pequenos (até caso base) Conquista: solução do problema original é formada com as soluções dos subproblemas á divisão quando o algoritmo

Leia mais

TGR BCC Representação Computacional de Grafos. Prof. Ricardo José Pfitscher

TGR BCC Representação Computacional de Grafos. Prof. Ricardo José Pfitscher TGR BCC Representação Computacional de Grafos Prof. Ricardo José Pfitscher Cronograma Representação Matriz de djacências Lista de djacências Matriz de Incidências Representação Como podemos representar

Leia mais

Resolução de problemas difíceis de programação linear através da relaxação Lagrangeana

Resolução de problemas difíceis de programação linear através da relaxação Lagrangeana problemas difíceis de programação linear através da relaxação Lagrangeana Ana Maria A.C. Rocha Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho arocha@dps.uminho.pt http://www.norg.uminho.pt/arocha

Leia mais

Teoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada

Teoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada Teoria dos Grafos Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo Departamento de Matemática Aplicada Capítulo 10: Caminho mínimo - Algoritmo de Dijskstra Preparado a partir do texto: Rangel,

Leia mais

O Problema de Transportes

O Problema de Transportes Investigação Operacional- 00/0 - Problemas de Transportes 8 O Problema de Transportes O problema geral de transportes consiste em determinar a forma mais económica de enviar um bem que está disponível

Leia mais

ESTRUTURAS DISCRETAS (INF 1631) GRAFOS. 1. O que é um grafo? Defina um grafo orientado. Defina um grafo não-orientado.

ESTRUTURAS DISCRETAS (INF 1631) GRAFOS. 1. O que é um grafo? Defina um grafo orientado. Defina um grafo não-orientado. PUC-Rio Departamento de Informática Profs. Marcus Vinicius S. Poggi de Aragão Período: 0. Horário: as-feiras e as-feiras de - horas de maio de 0 ESTRUTURAS DISCRETAS (INF 6) a Lista de Exercícios Procure

Leia mais

Grafos Hamiltonianos e o Problema do Caixeiro Viajante. Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá

Grafos Hamiltonianos e o Problema do Caixeiro Viajante. Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá Grafos Hamiltonianos e o Problema do Caixeiro Viajante Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá Grafo Hamiltoniano Definição: Um circuito hamiltoniano em um

Leia mais

Caminho mais curto. 1 - Caminho não pesado

Caminho mais curto. 1 - Caminho não pesado Caminho mais curto Dado um grafo pesado G = (V, E) e um vértice s, obter o caminho pesado mais curto de s para cada um dos outros vértices em G Exemplo: rede de computadores, com custo de comunicação e

Leia mais

Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação

Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares. Um

Leia mais

No quadro seguinte, está registado o número total de praticantes inscritos, distribuídos por cada uma dessas modalidades desportivas.

No quadro seguinte, está registado o número total de praticantes inscritos, distribuídos por cada uma dessas modalidades desportivas. 1. O clube desportivo «O Duelo» oferece aos seus sócios cinco modalidades desportivas: Basquetebol, Futebol, Ténis, Golfe e Râguebi. Cada candidato a praticante pode escolher, de entre as cinco, a modalidade

Leia mais

Grafos Orientados (digrafos)

Grafos Orientados (digrafos) Grafos Orientados (digrafos) Grafo Orientado ou digrafo Consiste em um grafo G = (V,A) onde V = {v 1,, v n } é um conjunto de vértices e A = {a 1,, a k } é um conjunto de arcos tais que a k, k=1,,m é representado

Leia mais

Material Teórico - Módulo Matrizes e Sistemas Lineares. Operações com Matrizes. Terceiro Ano do Ensino Médio

Material Teórico - Módulo Matrizes e Sistemas Lineares. Operações com Matrizes. Terceiro Ano do Ensino Médio Material Teórico - Módulo Matrizes e Sistemas Lineares Operações com Matrizes Terceiro Ano do Ensino Médio Autor: Prof Fabrício Siqueira Benevides Revisor: Prof Antonio Caminha M Neto 1 Operações com matrizes

Leia mais

4. Tensores cartesianos em 3D simétricos

4. Tensores cartesianos em 3D simétricos 4. Tensores cartesianos em D simétricos 4.1 Valores e vectores próprios ou valores e direcções principais Em D não é possível deduzir as fórmulas que determinam os valores e as direcções principais na

Leia mais

Departamento de Engenharia de Produção UFPR 22

Departamento de Engenharia de Produção UFPR 22 Departamento de Engenharia de Produção UFPR 22 Geralmente, temos três objetivos i. Redução de custos (custos variáveis) Redução de capital (investimento, custos fixos) i Melhoria do serviço (pode conflitar

Leia mais

INSTITUTO SUPERIOR TÉCNICO

INSTITUTO SUPERIOR TÉCNICO INSTITUTO SUPERIOR TÉCNICO DEPARTAMENTO DE ENGENHARIA CIVIL INVESTIGAÇÃO OPERACIONAL I OPTIMIZAÇÃO EM REDES E GRAFOS Algoritmos para os problemas de - Fluxo máximo - Caminho mais curto - Árvore de ligações

Leia mais

= comprimento (distância, valor) da aresta orientada do vértice i ao vértice j,, e:

= comprimento (distância, valor) da aresta orientada do vértice i ao vértice j,, e: 8 - Problema do Caminho Mínimo Considere a rede: Dado dois vértices nesta rede, queremos determinar o menor caminho ente eles. Uma primeira questão é como representar os valores associados às arestas neste

Leia mais

Programação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e

Programação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento

Leia mais

1. Realizou-se uma Assembleia-geral de uma associação cultural, com o objectivo de

1. Realizou-se uma Assembleia-geral de uma associação cultural, com o objectivo de 1. Realizou-se uma Assembleia-geral de uma associação cultural, com o objectivo de eleger uma pessoa para representar a associação em sessões oficiais. Apresentaram-se três candidatos, o Rui, o Luís e

Leia mais

Lista de Exercícios Programação Inteira. x 2 0 e inteiros.

Lista de Exercícios Programação Inteira. x 2 0 e inteiros. Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + 2 y s.a x + y 2 x + y 5 x, y 0, x e y inteiros b) Max z = 2 x + y s.a x + 2y 0 x + y 25 x, y

Leia mais

Análise e Síntese de Algoritmos. Programação Dinâmica CLRS, Cap. 15

Análise e Síntese de Algoritmos. Programação Dinâmica CLRS, Cap. 15 Análise e Síntese de Algoritmos Programação Dinâmica CLRS, Cap. 15 Contexto Revisões [CLRS, Cap. 1-10] Algoritmos em Grafos [CLRS, Cap. 22-26] Algoritmos elementares Árvores abrangentes Caminhos mais curtos

Leia mais

Grafos: caminhos (matriz adjacência)

Grafos: caminhos (matriz adjacência) Grafos: caminhos (matriz adjacência) Algoritmos e Estruturas de Dados 2 Graça Nunes 1 O problema do menor caminho Um motorista deseja encontrar o caminho mais curto possível entre duas cidades do Brasil

Leia mais

Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21

Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Três objetivos i. Redução de custos (custos variáveis) ii. iii. Redução de capital (investimento, custos fixos) Melhoria do serviço

Leia mais

3 Vetores

3 Vetores https://assets.wired.com/photos/w_1720/wp-content/uploads/2017/01/vector-495300389-2-1.jpg 3 Vetores 3-1 Vetores e suas componentes Qual é a física? Várias grandezas possuem amplitude e orientação no espaço

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Linear (PL) Aula 8 : O método Simplex. Casos particulares. Empate no critério de entrada. Óptimo não finito. Soluções óptimas alternativas. Degenerescência. INÍCIO Forma Padrão Faculdade

Leia mais

INTELIGÊNCIA ARTIFICIAL 2008/09

INTELIGÊNCIA ARTIFICIAL 2008/09 INTELIGÊNI RTIFIIL 2008/09 PROUR 1) onsidere o problema da torre de Hanoi com discos. Neste problema, existem três pinos, e e discos de diâmetros diferentes, estando no início todos os discos colocados

Leia mais

Tecnicas Essencias Greedy e Dynamic

Tecnicas Essencias Greedy e Dynamic Tecnicas Essencias Greedy e Dynamic Paul Crocker RELEASE - Reliable and Secure Computation Group Universidade da Beira Interior, Portugal October 2010 1 / 27 Outline 1 Introdução 2 Exemplo Greedy I : Interval

Leia mais

Grafos Parte 1. Aleardo Manacero Jr.

Grafos Parte 1. Aleardo Manacero Jr. Grafos Parte 1 Aleardo Manacero Jr. Uma breve introdução Grafos são estruturas bastante versáteis para a representação de diversas formas de sistemas e/ou problemas Na realidade, árvores e listas podem

Leia mais

GRAFOS Aula 03 Representações de Grafos Max Pereira

GRAFOS Aula 03 Representações de Grafos Max Pereira Ciência da Computação GRAFOS Aula 03 Representações de Grafos Max Pereira A maior vantagem de um grafo é a sua representação visual da informação. Mas para a manipulação e armazenamento em um computador,

Leia mais

Otimização. Otimização em Redes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2

Otimização. Otimização em Redes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2 Otimização Otimização em Redes Paulo Henrique Ribeiro Gabriel phrg@ufu.br Faculdade de Computação Universidade Federal de Uberlândia 2016/2 Paulo H. R. Gabriel (FACOM/UFU) GSI027 2016/2 1 / 51 Conteúdo

Leia mais

1.3 Isomorfismo 12 CAP. 1 CONCEITOS BÁSICOS

1.3 Isomorfismo 12 CAP. 1 CONCEITOS BÁSICOS 12 CAP. 1 CONCEITOS BÁSICOS I i I j. Essa relação de adjacência define um grafo com conjunto de vértices {I 1,...,I k }. Esse é um grafo de intervalos. Faça uma figura do grafo definido pelos intervalos

Leia mais

Problemas de Transportes e de Afectação

Problemas de Transportes e de Afectação CAPÍTULO 6 Problemas de Transportes e de Afectação 1. Problema de Transporte Este problema, que é um dos particulares de PL, consiste em determinar a forma mais económica de enviar um bem disponível, em

Leia mais

Pesquisa Operacional II. Professor João Soares de Mello

Pesquisa Operacional II. Professor João Soares de Mello Pesquisa Operacional II Professor João Soares de Mello http://www.uff.br/decisao/notas.htm Ementa Teoria dos grafos (pré-requisitos: PO I, Álgebra Linear) Programação não linear (pré-requisitos: PO I,

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Linear (PL) Aula 10: Método Simplex Técnica das variáveis artificias Método das penalidades ( Big M ). Método das duas fases. 2 Modificando o Exemplo Protótipo. Suponha-se que é modificado

Leia mais

ª Fase. 16 pontos

ª Fase. 16 pontos 007.ª Fase 16 pontos 007.ª Fase 4 pontos 15 pontos 007.ª Fase 007.ª Fase 0 pontos 5 pontos 007.ª Fase 5 pontos 10 pontos 0 pontos 007.ª Fase 0 pontos 0 pontos 5 pontos TOTAL 00 pontos Prova Escrita de

Leia mais

06 Grafos: Caminhos Mínimos SCC0503 Algoritmos e Estruturas de Dados II

06 Grafos: Caminhos Mínimos SCC0503 Algoritmos e Estruturas de Dados II 06 Grafos: Caminhos Mínimos SCC050 Algoritmos e Estruturas de Dados II Paulo H. R. Gabriel Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 011/1 Paulo H.

Leia mais

Teoria dos Grafos Aula 14

Teoria dos Grafos Aula 14 Teoria dos Grafos Aula 14 Aula passada MST Aula de hoje Construção de algoritmos Paradigma guloso Escalonando tarefas no tempo (interval scheduling) Projetando Algoritmos Dado um problema P, como projetar

Leia mais

Pesquisa Operacional. Teoria dos Grafos

Pesquisa Operacional. Teoria dos Grafos Pesquisa Operacional Teoria dos Grafos 1 Sumário Introdução Histórico Aplicações de modelos em grafos Conceitos e Notação Representações de um grafo G Tipos de grafos Algoritmos Algoritmo de Djisktra Algoritmo

Leia mais

Princípio da Multiplicação Gerando todas as palavras de um alfabeto. > Princípios de Contagem e Enumeração Computacional 0/18

Princípio da Multiplicação Gerando todas as palavras de um alfabeto. > Princípios de Contagem e Enumeração Computacional 0/18 Conteúdo 1 Princípios de Contagem e Enumeração Computacional Princípio da Multiplicação Gerando todas as palavras de um alfabeto Permutações > Princípios de Contagem e Enumeração Computacional 0/18 Objetivos

Leia mais

Caminhos mínimos de todos os pares

Caminhos mínimos de todos os pares Caminhos mínimos de todos os pares Algoritmos em Grafos Marco A L Barbosa cba Este trabalho está licenciado com uma Licença Creative Commons - Atribuição-CompartilhaIgual 4.0 Internacional. Conteúdo Introdução

Leia mais

Tópicos Avançados em Algoritmos - exercícios de Prog. Din. com correcção parcial

Tópicos Avançados em Algoritmos - exercícios de Prog. Din. com correcção parcial Armando Matos, 2008/2009 Tópicos Avançados em Algoritmos - exercícios de Prog. Din. com correcção parcial 1. Optimizar o produto de matrizes Considere o problema da parentização óptima de uma multiplicação

Leia mais

NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016

NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 Metaheurística: São técnicas de soluções que gerenciam uma interação entre técnicas de busca local e as estratégias de nível superior para criar um processo de

Leia mais

Teoria dos Grafos Aula 7

Teoria dos Grafos Aula 7 Teoria dos Grafos Aula 7 Aula passada Grafos direcionados Busca em grafos direcionados Ordenação topológica Aula de hoje Grafos com pesos Caminhos mínimos Dijkstra a ideia Dijkstra o algoritmo Dijkstra

Leia mais

Problema de Designação. Fernando Nogueira Problema de Designação 1

Problema de Designação. Fernando Nogueira Problema de Designação 1 Problema de Designação Fernando Nogueira Problema de Designação 1 O Problema de Designação é um caso específico de um Problema de Transporte, que por sua vez é um caso específico de um Problema de Programação

Leia mais

Nota de aula 10 - Estado Triaxial de Deformações - Resistência dos Materiais II

Nota de aula 10 - Estado Triaxial de Deformações - Resistência dos Materiais II Nota de aula 10 - Estado Triaxial de Deformações - Resistência dos Materiais II Flávia Bastos (retirado da apostila do Prof. Elson Toledo) MAC - Faculdade de Engenharia - UFJF 2o. semestre de 2011 Flávia

Leia mais

Elementos de Matemática Discreta

Elementos de Matemática Discreta Duração: 55m Instituto Superior Técnico - Departamento de Matemática Licenciatura em Engenharia de Telecomunicações e Informática Elementos de Matemática Discreta - 2015-2016 Teste 3 - teste tipo Cotação

Leia mais

Simplex. Transparências de apoio à leccionação de aulas teóricas. c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

Simplex. Transparências de apoio à leccionação de aulas teóricas. c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP Simplex Transparências de apoio à leccionação de aulas teóricas Versão 3 c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP Programação Linear abordagem algébrica max sujeito a: n

Leia mais

TRANSPORTES. Sessão Prática 10 Modelos de Distribuição e Afetação de Tráfego

TRANSPORTES. Sessão Prática 10 Modelos de Distribuição e Afetação de Tráfego Mestrado Integrado em Engenharia Civil TRANSPORTES Prof. Responsável: Luis Picado Santos Sessão Prática 10 Modelos de istribuição e Afetação de Tráfego Instituto Superior Técnico / Mestrado Integrado Engenharia

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas Mestrado Integrado em Engenharia Civil Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas Sessão Prática 12 : Modelos de distribuição e afectação de tráfego 1/27 O MODELO DE 4 PASSOS Passo Objectivo

Leia mais

Métodos Numéricos - Notas de Aula

Métodos Numéricos - Notas de Aula Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares,

Leia mais

x y Grafo Euleriano Figura 1

x y Grafo Euleriano Figura 1 Grafo Euleriano Um caminho simples ou um circuito simples é dito euleriano se ele contém todas as arestas de um grafo. Um grafo que contém um circuito euleriano é um grafo euleriano. Um grafo que não contém

Leia mais

Cálculo Diferencial e Integral I

Cálculo Diferencial e Integral I Cálculo Diferencial e Integral I Texto de apoio às aulas. Amélia Bastos, António Bravo Dezembro 2010 Capítulo 1 Números reais As propriedades do conjunto dos números reais têm por base um conjunto restrito

Leia mais

Estruturas de Dados Grafos

Estruturas de Dados Grafos Estruturas de Dados Grafos Prof. Eduardo Alchieri (introdução) Grafo é um conjunto de pontos e linhas que conectam vários pontos Formalmente, um grafo G(V,A) é definido pelo par de conjuntos V e A, onde:

Leia mais

Investigação Operacional

Investigação Operacional Métodos de Programação Linear: Big M, Fases, S Dual (Licenciatura) Tecnologias e Sistemas de Informação http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas 1 Simplex

Leia mais

(2008/2009) Espaços vectoriais. Matemática 1º Ano - 1º Semestre 2008/2009. Mafalda Johannsen

(2008/2009) Espaços vectoriais. Matemática 1º Ano - 1º Semestre 2008/2009. Mafalda Johannsen Espaços vectoriais Matemática 1º Ano 1º Semestre 2008/2009 Capítulos Características de um Espaço Vectorial Dimensão do Espaço Subespaço Vectorial Combinação Linear de Vectores Representação de Vectores

Leia mais

64.2. Designando a sequência por (Pn) podemos escrever: , 1, 2, 4, 7, 13, Designando a sequência por (Tn) podemos escrever:

64.2. Designando a sequência por (Pn) podemos escrever: , 1, 2, 4, 7, 13, Designando a sequência por (Tn) podemos escrever: 11 Pág 70 Dia Tempo de treino (em minutos) 1 30 2 40 3 50 4 60 5 70 6 80 7 90 12 Dia 8: 100 min dia 9: 110 min dia 10: 120 min (2 horas) Ao fim de 10 dias 13 20 + 10n 14 n = 14, logo 20 + 10 14 = 20 +

Leia mais

UNIVERSIDADE DE SÃO PAULO INSTITUTO DE CIÊNCIAS MATEMÁTICAS E DE COMPUTAÇÃO Departamento de Ciências de Computação

UNIVERSIDADE DE SÃO PAULO INSTITUTO DE CIÊNCIAS MATEMÁTICAS E DE COMPUTAÇÃO Departamento de Ciências de Computação UNIVERSIDADE DE SÃO PAULO INSTITUTO DE CIÊNCIAS MATEMÁTICAS E DE COMPUTAÇÃO Departamento de Ciências de Computação SCC-203 ALGORITMOS E ESTRUTURAS DE DADOS II Prova - Gabarito Nome: Nro. USP ) O matemático

Leia mais

Otimização Combinatória - Parte 3

Otimização Combinatória - Parte 3 Graduação em Matemática Industrial Otimização Combinatória - Parte 3 Prof. Thiago Alves de Queiroz Unidade de Matemática e Tecnologia - CAC/UFG 2/2016 Thiago Queiroz (DM) Parte 3 2/2016 1 / 23 Problemas

Leia mais