Análise e Síntese de Algoritmos. Fluxos Máximos em Grafos CLRS, Cap. 26
|
|
- João Gabriel Gil Barbosa
- 5 Há anos
- Visualizações:
Transcrição
1 Análise e Síntese de Algoritmos Fluxos Máximos em Grafos CLRS, Cap. 26
2 Contexto Revisões [CLRS, Cap. 1-10] Algoritmos em Grafos [CLRS, Cap ] Algoritmos elementares Árvores abrangentes Caminhos mais curtos Fluxos máximos Programação Linear [CLRS, Cap. 29] Técnicas de Síntese de Algoritmos [CLRS, Cap ] Programação dinâmica Algoritmos greedy Tópicos Adicionais [CLRS, Cap ] Emparelhamento de Cadeias de Caracteres Complexidade Computacional Algoritmos de Aproximação 2007/2008 Análise e Síntese de Algoritmos 2
3 Resumo Fluxos Máximos em Grafos Motivação Definições & Propriedades Método de Ford-Fulkerson Teorema do Fluxo-Máximo Corte-Mínimo Análise do algoritmo genérico Algoritmo de Edmonds-Karp Análise do algoritmo de Edmonds-Karp Emparelhamento Bipartido Máximo Algoritmos baseados em Pré-Fluxos Fluxos de Custo Mínimo 2007/2008 Análise e Síntese de Algoritmos 3
4 Um Problema: fornecer água a Lisboa Pretende-se determinar qual o volume de água máximo (por segundo), que é possível fazer chegar a Lisboa a partir da Barragem do Castelo do Bode Existe uma rede de condutas de água que permitem o envio da água do Castelo do Bode para Lisboa Cada conduta apresenta uma capacidade limite, de metros cúbicos por segundo Encontrar um algoritmo eficiente para resolver este problema 2007/2008 Análise e Síntese de Algoritmos 4
5 Fluxos Máximos em Grafos Dado um grafo dirigido G=(V, E): Com um vértice fonte s e um vértice destino t Em que cada arco (u,v) é caracterizado por uma capacidade não negativa c(u,v) A capacidade de cada arco (u,v) indica o valor limite de fluxo que é possível enviar de u para v através do arco (u,v) Pretende-se calcular o valor máximo de fluxo que é possível enviar do vértice fonte s para o vértice destino t, respeitando as restrições de capacidade dos arcos Exemplo 2007/2008 Análise e Síntese de Algoritmos 5
6 Fluxo Máximo em Grafos Aplicações Envio de materiais em rede de transportes Água, petróleo ou gás Contentores Electricidade Bytes 2007/2008 Análise e Síntese de Algoritmos 6
7 Fluxo Máximo em Grafos Aplicações Para redes de fluxo com múltiplas fontes e/ou destinos Definir super-fonte que liga a todas as fontes Definir super-destino ao qual ligam todos os destinos Capacidades infinitas entre super-fonte e fontes, e entre destinos e super-destino 2007/2008 Análise e Síntese de Algoritmos 7
8 Fluxo Máximo em Grafos Definições Uma rede de fluxo G = (V, E) é um grafo dirigido em que cada arco (u,v) tem capacidade c(u, v) 0 Se (u,v) E, então c(u,v) = 0 Dois vértices especiais: fonte s e destino t Todos os vértices de G num caminho de s para t Grafo ligado, E V - 1 Um fluxo G = (V, E) é uma função f : V V R tal que: f(u, v) c(u, v) para u, v V (restrição de capacidade) f(u, v) = - f(v, u) para u, v V (simetria) para u V - { s, t }: f u,v = (conservação de fluxo) v V ( ) /2008 Análise e Síntese de Algoritmos 8
9 Fluxo Máximo em Grafos Definições Valor de um fluxo: f = v V f ( s,v ) Problema do Fluxo Máximo: Dada rede de fluxo G com fonte s e destino t, calcular o fluxo de valor máximo de s para t Exemplo: 5/10 s 5/10 u v 1/5 4/10 6/ /2008 Análise e Síntese de Algoritmos 9 t Valor do fluxo: 10 Fluxo máximo: 20
10 Fluxo Máximo em Grafos Propriedades Dados conjuntos de vértices X e Y: f ( X,Y) = f( x,y) x X y Y Rede de fluxo G = (V, E); f fluxo em G; X, Y, Z V: f(x,x) = 0 (cancelamento de termos) f(x,y) = -f(y,x) Se X Y = : f(x Y,Z) = f(x,z) + f(y,z) f(z,x Y) = f(z,x) + f(z,y) (expansão do somatório) (expansão do somatório) 2007/2008 Análise e Síntese de Algoritmos 10
11 Método de Ford-Fulkerson Definições: Perspectiva Redes residuais Caminhos de aumento Cortes em redes de fluxo Teorema do Fluxo-Máximo Corte-Mínimo Método de Ford-Fulkerson Algoritmo Complexidade Problemas de convergência 2007/2008 Análise e Síntese de Algoritmos 11
12 Método Genérico Ford-Fulkerson-Method(G,s,t) inicializar fluxo f a 0 while existe caminho de aumento p aumentar fluxo f utilizando p return f 2007/2008 Análise e Síntese de Algoritmos 12
13 Redes Residuais Dado G = (V, E), um fluxo f, e u,v V capacidade residual de (u,v): Fluxo líquido adicional que é possível enviar de u para v c f (u,v) = c(u,v) - f(u,v) rede residual de G: G f = (V, E f ), onde E f = { (u,v) V V : c f (u,v) > 0 } Cada arco (residual) de G f permite apenas fluxo líquido positivo Exemplo 2007/2008 Análise e Síntese de Algoritmos 13
14 Redes Residuais (Cont.) G = (V, E), f um fluxo, G f rede residual; f fluxo em G f Fluxo de soma f + f definido para cada par u,v V: (f + f )(u,v) = f(u,v) + f (u,v) Fluxo de soma é um fluxo com valor f + f = f + f Propriedades de um fluxo são verificadas: restrição de capacidade, simetria e conservação de fluxo Obs: f é definido em G f e é um fluxo Cálculo do valor de fluxo: f + f' = f = = = v V v V v V f ( + f' )( s,v ) ( f( s,v ) + f' ( s,v )) f + ( s,v ) + f' ( s,v ) f' 2007/2008 Análise e Síntese de Algoritmos 14 v V
15 Caminhos de Aumento Dado G = (V, E) e um fluxo f caminho de aumento p: caminho simples de s para t na rede residual G f capacidade residual de p: c f (p) = min { c f (u,v) : (u,v) em p } c f (p) permite definir fluxo f p em G f, f p = c f (p) > 0 f = f + f p é um fluxo em G, com valor f = f + f p > f Exemplos 2007/2008 Análise e Síntese de Algoritmos 15
16 Cortes em Redes de Fluxo Um corte (S, T) de G = (V, E) é uma partição de V em S e T = V - S, tal que s S e t T fluxo líquido do corte (S, T): f(s,t) = f( u,v ) capacidade do corte (S, T): c(s,t) = u S v T u S v T c ( u,v ) Se G = (V, E) com fluxo f, então o fluxo líquido através de um corte (S, T) é f(s,t) = f T = V - S; f(s,t S) = f(s,t) + f(s,s); f(s,t) = f(s,v) - f(s,s) f(s,t) = f(s,v) - f(s,s) = f(s,v) = f(s,v) + f(s - s,v) = f(s,v) = f Obs: para u S - s, f(u, V) = /2008 Análise e Síntese de Algoritmos 16
17 Cortes em Redes de Fluxo (Cont.) Qualquer valor de fluxo é limitado superiormente pela capacidade de qualquer corte de G (S,T) qualquer corte, e f um fluxo: f = f ( S,T) = f( u,v ) c( u,v ) u S v T u S v T = c(s,t) S T 2007/2008 Análise e Síntese de Algoritmos 17
18 Fluxo-Máximo Corte-Mínimo Seja G = (V, E), com fonte s e destino t, e um fluxo f. Então as proposições seguintes são equivalentes: 1. f é um fluxo máximo em G 2. A rede residual G f não contém caminhos de aumento 3. f = c(s,t) para um corte (S,T) de G Admitir que f é fluxo máximo em G mas que G f tem caminho de aumento Então é possível definir um novo fluxo f + f p com valor f + f p > f ; uma contradição 2007/2008 Análise e Síntese de Algoritmos 18
19 Fluxo Máximo Corte Mínimo (Cont.) 1. f é um fluxo máximo em G 2. A rede residual G f não contém caminhos de aumento 3. f = c(s,t) para um corte (S,T) de G S = { v V : existe caminho de s para v em G f }; T = V - S; s S e t T Com u S e v T, temos f(u,v) = c(u,v), pelo que f = f(s,t) = c(s,t) Dado que f c(s,t), para qualquer corte (S,T) de G Como f = c(s,t) (definido acima), então f é fluxo máximo 2007/2008 Análise e Síntese de Algoritmos 19
20 Recapitular Fluxos Máximos em Grafos Definições Capacidades (dos arcos) Fluxos Capacidades residuais Redes residuais Caminhos de aumento Para aumento de fluxo Método de Ford-Fulkerson Teorema do fluxo máximo corte mínimo 2007/2008 Análise e Síntese de Algoritmos 20
21 A Seguir Fluxos Máximos em Grafos Método de Ford-Fulkerson Análise do algoritmo genérico Algoritmo de Edmonds-Karp 2007/2008 Análise e Síntese de Algoritmos 21
22 Algoritmo de Ford-Fulkerson Básico Ford-Fulkerson(G,s,t) foreach (u,v) E[G] f[u,v] = 0 f[v,u] = 0 while existe caminho de aumento p na rede residual G f calcular c f (p) foreach (u,v) p f[u,v] = f[u,v] + c f (p) // Incrementar valor do fluxo f[v,u] = - f[u,v] 2007/2008 Análise e Síntese de Algoritmos 22
23 Análise do Algoritmo Básico Número de aumentos de fluxo pode ser elevado u u s v t s v t rede de fluxo caminho de aumento com capacidade residual = 1 Fluxo máximo = No pior caso: número de caminhos de aumento é /2008 Análise e Síntese de Algoritmos 23
24 Análise de Algoritmo Básico (Cont.) Para valores racionais das capacidades Converter todas as capacidades para valores inteiros Número de caminhos de aumento limitado por valor máximo do fluxo f* Complexidade: O(E f* ) Por exemplo: DFS para encontrar caminho de aumento Para valores irracionais das capacidades Algoritmo básico pode não terminar Algoritmo básico pode convergir para valor incorrecto 2007/2008 Análise e Síntese de Algoritmos 24
25 Algoritmo de Edmonds-Karp Escolher caminho de aumento mais curto no número de arcos Utilizar BFS em G f para identificar caminho mais curto Complexidade: O(V E 2 ) Exemplos 2007/2008 Análise e Síntese de Algoritmos 25
26 Algoritmo de Edmonds-Karp Análise Definições: δ f (s,v): distância mais curta de s para v na rede residual G f δ f (s,v): distância mais curta de s para v na rede residual G f Sequência de acontecimentos considerada: f G f BFS p f G f BFS p Resultados: δ f (s,v) cresce monotonamente com cada aumento de fluxo Número de aumentos de fluxo é O(V E) Tempo de execução é O(V E 2 ) O(E) devido a BFS e aumento de fluxo a cada passo 2007/2008 Análise e Síntese de Algoritmos 26
27 Algoritmo de Edmonds-Karp Análise δ f (s,v) cresce de forma monótona com cada aumento de fluxo Prova por contradição: considere-se o primeiro v V tal que, após aumento de fluxo (de f para f ), a distância do caminho mais curto diminui, δ f (s,v) < δ f (s,v) Seja p= s,,u,v o caminho mais curto de s para v em G f δ f (s,u) = δ f (s,v)-1 δ f (s,u) δ f (s,u) (v é o primeiro que falha) (u,v) E f : δ f (s,v) δ f (s,u)+1 δ f (s,u)+1 = δ f (s,v) (u,v) E f e (u,v) E f : aumento de fluxo de v para u Aumento sempre pelo caminho mais curto, então o caminho mais curto entre s e u em G f tem como último arco (v,u): δ f (s,v) = δ f (s,u)-1 δ f (s,u)-1 = δ f (s,v)-2 Contradição! 2007/2008 Análise e Síntese de Algoritmos 27
28 Algoritmo de Edmonds-Karp Análise Número de aumentos de fluxo é O(V E) arco (u,v) na rede residual G f é crítico se capacidade residual de p é igual à capacidade residual do arco arco crítico desaparece após aumento de fluxo Quantas vezes pode arco (u,v) ser arco crítico? Como caminhos de aumento são caminhos mais curtos, δ f (s,v) = δ f (s,u) + 1 (u,v) só volta à rede residual após arco (v,u) aparecer em caminho de aumento (com fluxo f ) Como, δ f (s,u) = δ f (s,v) + 1 Dado que, δ f (s,v) δ f (s,v) (resultado anterior) Obtém-se, δ f (s,u) = δ f (s,v) + 1 δ f (s,v) + 1 = δ f (s,u) /2008 Análise e Síntese de Algoritmos 28
29 Algoritmo de Edmonds-Karp Análise Distância de s a u aumenta pelo menos de duas unidades entre cada par de vezes que (u,v) é crítico No limite, distância de s a u é não superior a V - 2 Pelo que arco (u,v) pode ser crítico O(V) vezes Existem O(E) pares de vértices Na execução do algoritmo de Edmonds-Karp o número total de vezes que arcos podem ser críticos é O(V E) Como cada caminho de aumento tem um arco crítico Existem O(V E) caminhos de aumento Complexidade de Edmonds-Karp é O(V E 2 ) Complexidade de BFS é O(V+E) = O(E) (dado V = O(E)) Aumento de fluxo em O(E) 2007/2008 Análise e Síntese de Algoritmos 29
30 Recapitular Fluxos Máximos em Grafos Método de Ford-Fulkerson Análise do algoritmo genérico Complexidade (valores inteiros): O(E f* ) Com valores irracionais pode não terminar Algoritmo de Edmonds-Karp Análise da complexidade O(V E 2 ) 2007/2008 Análise e Síntese de Algoritmos 30
31 A Seguir Fluxos Máximos em Grafos Emparelhamento Bipartido Máximo 2007/2008 Análise e Síntese de Algoritmos 31
32 Emparelhamento Bipartido Máximo G = (V, E) não dirigido Emparelhamento: M E, tal que para qualquer vértice v V não mais do que um arco em M é incidente em v Emparelhamento Máximo: Emparelhamento cardinalidade máxima (na dimensão de M) Grafo Bipartido: Grafo pode ser dividido em V = L R, em que L e R são disjuntos e em que todos os arcos de E estão entre L e R Emparelhamento Bipartido Máximo: Emparelhamento máximo em que G é bipartido 2007/2008 Análise e Síntese de Algoritmos 32
33 Emparelhamento Bipartido Máximo Construir G : V = V {s, t} E' = {( s,u) :u L} {( u,v) :u L,v R, e ( u,v) E} {( v,t) : v R} Atribuir capacidade unitária a cada arco de E Emparelhamento bipartido máximo em G equivale a encontrar fluxo máximo em G Exemplo 2007/2008 Análise e Síntese de Algoritmos 33
34 Emparelhamento Bipartido Máximo Dados G e G : 1. Se M é um emparelhamento em G, existe um fluxo f de valor inteiro em G, com f = M Seja M um emparelhamento, e (u,v) M. Definir f utilizando arcos de M, f(s,u) = f(u,v) = f(v,t) = 1. Para restantes arcos (u,v) E, f(u,v) = 0 Os caminhos s u v t para todo o (u,v) M são disjuntos em termos dos vértices, com excepção de s e t Como existem M caminhos, cada um com uma contribuição de uma unidade de fluxo para o fluxo total f, f = M 2007/2008 Análise e Síntese de Algoritmos 34
35 Emparelhamento Bipartido Máximo Dados G e G : 2. Se f é um fluxo de valor inteiro em G, existe um emparelhamento M em G, com f = M Definir M = {(u,v): u L, v R e f(u,v) > 0} Para cada u L, existe no máximo um v R tal que f(u,v)=1 Apenas um arco incidente com capacidade 1 Capacidades são inteiras De forma simétrica para v R Logo M é um emparelhamento M = f(l,r) = f(s,l) = f(s,v ) = f 2007/2008 Análise e Síntese de Algoritmos 35
36 Emparelhamento Bipartido Máximo Se todas as capacidades têm valor inteiro, então para fluxo máximo f, f é inteiro Indução no número de iterações do algoritmo genérico de Ford-Fulkerson Emparelhamento bipartido máximo M em G corresponde a f, em que f é o fluxo máximo de G Se M é emparelhamento máximo em G, e f não é máximo em G, então existe f que é máximo f é inteiro, f > f e f corresponde a emparelhamento M, com M > M ; contradição 2007/2008 Análise e Síntese de Algoritmos 36
37 Emparelhamento Bipartido Máximo A aplicação do algoritmo genérico de Ford-Fulkerson tem complexidade O(E f* ) Emparelhamento bipartido máximo é não superior a min( L, R ) = O(V) e tem valor inteiro i.e., no caso do emparelhamento máximo, f* = O(V) Complexidade de identificação do emparelhamento bipartido máximo é O(V E) 2007/2008 Análise e Síntese de Algoritmos 37
38 Recapitular Fluxos Máximos em Grafos Definições e Propriedades Método de Ford-Fulkerson Algoritmo de Edmonds-Karp Emparelhamento Bipartido Máximo 2007/2008 Análise e Síntese de Algoritmos 38
39 A Seguir Fluxos Máximos em Grafos Algoritmos de Pré-Fluxo (push-relabel) Correcção do algoritmo genérico Análise do algoritmo genérico Algoritmo Relabel-To-Front Análise do algoritmo Relabel-To-Front 2007/2008 Análise e Síntese de Algoritmos 39
40 Fluxo Máximo Utilizando Pré-Fluxos Motivação & Intuição Operações Básicas Algoritmo Genérico Correcção do Método Análise do Método 2007/2008 Análise e Síntese de Algoritmos 40
41 Pré-Fluxos Intuição Operação mais localizada do que Ford-Fulkerson Não identificar caminhos de aumento Propriedade da conservação de fluxo não é mantida durante execução do algoritmo Cada vértice u contém reservatório de fluxo Representa excesso de fluxo e(u) Começar por enviar todo o fluxo possível de s para vértices adjacentes Noção de altura de cada vértice, que evolui com aplicação do algoritmo Envio de fluxo só de vértices mais altos para vértices mais baixos Fazer subir altura de vértices em caso de necessidade de envio de fluxo 2007/2008 Análise e Síntese de Algoritmos 41
42 Pré-Fluxos Definições Pré-Fluxo: f : V V R Verifica restrições de capacidade, simetria e f(v, u) 0 para vértices u V - { s } Não verifica necessariamente conservação de fluxo Excesso de fluxo: e(u) = f(v, u) u V - { s, t } transborda se e(u) > 0 Uma função h : V N é uma função de alturas se h(s) = V, h(t) = 0, e h(u) h(v) + 1 para todo o arco residual (u,v) E f Função de alturas permite estabelecer condições para ser possível enviar fluxo de u para v 2007/2008 Análise e Síntese de Algoritmos 42
43 Pré-Fluxos Operações Básicas Enviar fluxo de u para v: Push(u,v) d f (u,v) = min(e[u], c f [u,v]) f[u,v] = f[u,v] + d f (u,v) f[v,u] = - f[u,v] e[u] = e[u] - d f (u,v) e[v] = e[v] + d f (u,v) Aplica-se quando u transborda, c f [u,v] > 0, e h[u] = h[v] + 1 Subir altura de u: Relabel(u) h[u] = 1 + min{h[v] : (u,v) E f } Aplica-se quando u transborda, e (u,v) E f implica h[u] h[v] 2007/2008 Análise e Síntese de Algoritmos 43
44 Pré-Fluxos Operações Básicas Operação de envio de fluxo de u para v, Push(u, v): Saturating push: arco (u, v) fica saturado após aplicação da operação Push (i.e., f(u,v) = c(u,v) c f (u,v)=0) Caso contrário: Nonsaturating push OBS: Após um nonsaturating Push(u, v), u deixa de transbordar (i.e., e(u)=0) 2007/2008 Análise e Síntese de Algoritmos 44
45 Pré-Fluxos Operações Básicas Initialize-Preflow(G, s) foreach v V[G] h[u] = 0 e[u] = 0 foreach (u,v) E[G] f[u,v] = 0 f[v,u] = 0 h[s] = V[G] foreach u Adj[s] f[s,u] = c(s,u) f[u,s] = -c(s,u) e[u] = c(s,u) h ( u ) = V se u = s 0 caso contrário 2007/2008 Análise e Síntese de Algoritmos 45
46 Pré-Fluxos Algoritmo Genérico Generic-Push-Relabel(G) Initialize-Preflow(G, s) while existe operação de Push ou Relabel aplicável seleccionar e executar operação de Push ou Relabel return f Exemplo 2007/2008 Análise e Síntese de Algoritmos 46
47 Pré-Fluxos Correcção do Método G = (V, E), rede de fluxo com fonte s e destino t, f um pré-fluxo, e h uma função de alturas para f. Se vértice u transborda, então u pode ser sujeito a uma operação de Relabel ou de Push h é função de alturas, pelo que h(u) h(v) + 1 Se operação de Push não aplicável a u, então para qualquer arco residual (u, v), h(u) < h(v) + 1, pelo que h(u) h(v) Assim, operação de Relabel pode ser aplicada a u 2007/2008 Análise e Síntese de Algoritmos 47
48 Pré-Fluxos Correcção do Método h[u] nunca decresce; se operação de Relabel é aplicada, h[u] aumenta de pelo menos 1 unidade Valor de h[u] apenas alterado em Relabel Aplicar Relabel se, para todo o (u, v) E f, h[u] h[v] h[u] < 1 + min { h[v] : (u,v) E f } Pelo que valor de h[u] aumenta (de pelo menos 1 unidade) após Relabel 2007/2008 Análise e Síntese de Algoritmos 48
49 Pré-Fluxos Correcção do Método Durante a execução do algoritmo genérico o valor de h é mantido como função de alturas Inicialmente h é uma função de alturas Relabel(u) mantém h como função de alturas Arco (u, v) em E f h[u] h[v] + 1 após Relabel, pela definição de Relabel Arco (w, u) em E f h[w] h[u] + 1 antes de Relabel implica h[w] < h[u] + 1 após Relabel de u Push(u,v) mantém h como função de alturas (v, u) incluído em E f h[v] = h[u] 1 < h[u] + 1 (u, v) removido de E f deixa de existir restrição em h devido a (u, v) 2007/2008 Análise e Síntese de Algoritmos 49
50 Pré-Fluxos Correcção do Método Recapitular G = (V, E), rede de fluxo com fonte s e destino t, f um préfluxo, e h uma função de alturas para f. Se vértice u transborda, então u pode ser sujeito a uma operação de Relabel ou de Push h[u] nunca decresce; se operação de Relabel é aplicada, h[u] aumenta de pelo menos 1 unidade Durante a execução do algoritmo genérico valor de h é mantido como função de alturas 2007/2008 Análise e Síntese de Algoritmos 50
51 Pré-Fluxos Correcção do Método Em G f não existe caminho de s para t Prova por contradição Admitir caminho p = v 0, v 1,, v k de s para t em G f, com v 0 =s e v k =t Podemos admitir p caminho simples, k < V i = 0, 1,, k-1 (v i, v i+1 ) E f, e h[v i ] h[v i+1 ] + 1 Pelo que, h[s] h[t] + k Como h[t] = 0, então h[s] k < V Mas h[s] = V ; uma contradição! (função de alturas) 2007/2008 Análise e Síntese de Algoritmos 51
52 Pré-Fluxos Correcção do Método Se algoritmo genérico termina, o pré-fluxo calculado é o fluxo máximo para G Inicialmente temos um pré-fluxo Devido a Initialize-Preflow Algoritmo mantém a existência de pré-fluxo invariante Push e Relabel não alteram invariante Se algoritmo termina, e[u] = 0 para qualquer vértice u Caso contrário poderia aplicar-se Push ou Relabel! Nesta situação, pré-fluxo é um fluxo Porque não existem vértices a transbordar! E não existe caminho de s para t na rede residual Porque h é função de alturas! Pelo teorema do fluxo máximo corte mínimo, f é o fluxo máximo!! 2007/2008 Análise e Síntese de Algoritmos 52
53 Pré-Fluxos Análise do Método Para cada vértice u que transborda existe um caminho simples de u para s em G f OBS: Fluxo enviado tem de poder ser cancelado h[u] 2 V -1 para u V h[s] e h[t] são constantes Relabel a u apenas aplicado quando vértice u transborda Existe caminho simples p de u para s p = v 0, v 1,, v k, v 0 = u, v k = s, k V -1 h[v i ] h[v i+1 ] + 1, i = 0, 1,, k h[u] = h[v 0 ] h[v k ] + k h[s] + ( V -1) = 2 V /2008 Análise e Síntese de Algoritmos 53
54 Pré-Fluxos Análise do Método O número de operações de Relabel é não superior a 2 V -1 para cada vértice e a (2 V - 1)( V - 2) < 2 V 2 no total Relabel apenas pode ser aplicado a vértices em V - {s, t}, i.e. V -2 vértices Relabel faz subir valor de h[u] em pelo menos 1 unidade Para u V - {s, t}, valores possíveis para h[u] entre 0 e 2 V -1 Relabel aplicado a u não mais do que 2 V - 1 vezes Número total de operações de Relabel não superior a: (2 V - 1)( V - 2) < 2 V /2008 Análise e Síntese de Algoritmos 54
55 Pré-Fluxos Análise do Método O número de saturating pushes é < 2 V E Analisar saturating pushes de u para v e de v para u Após Push(u,v), Push(v,u) requer aumento em h[v] de pelo menos 2 unidades Como 0 h[v] 2 V -1, o número máximo de vezes que a altura de v pode aumentar é V Esses V aumentos de h[v] podem implicar o mesmo número de aumentos de h[u], portanto para o par de vértices (u,v) o número total de saturating pushes é < 2 V Para todos os pares de vértices obtemos < 2 V E 2007/2008 Análise e Síntese de Algoritmos 55
56 Pré-Fluxos Análise do Método O número de nonsaturating pushes é 4 V 2 ( V + E ) Seja X V o conjunto de vértices que transborda Seja Φ = h v v X [ ] Cada operação de Relabel(u) aumenta Φ em menos de 2 V Limitação da máxima altura possível para um vértice Cada Saturating Push aumenta Φ em menos de 2 V Apenas um novo vértice pode ficar a transbordar e alturas não variam Nonsaturating Push (u,v) decrementa Φ em pelo menos 1 u deixa de transbordar; v pode passar a transbordar e h[v] - h[u] = -1 O total de aumento de Φ é < 2 V (2 V 2 ) + 2 V (2 V E ) = 4 V 2 ( V + E ) 2007/2008 Análise e Síntese de Algoritmos 56
57 Pré-Fluxos Análise do Método Como Φ 0, número de nonsaturating pushes é menor do que 4 V 2 ( V + E ) Número de operações elementares é O(V 2 E) Utilizar resultados anteriores Número de operações limitado pelo número de nonsaturating pushes Complexidade do algoritmo genérico é O(V 2 E) O(V) para operação Relabel (calcular novo valor de h) O(1) para operação Push (actualizar valores) 2007/2008 Análise e Síntese de Algoritmos 57
58 Algoritmo Relabel-To-Front Complexidade: O(V 3 ) Descarga de um vértice u: Enviar todo o fluxo em excesso para os vértices vizinhos de u Lista de vizinhos de u: N[u] v em lista N[u] se: (u,v) E ou (v,u) E i.e. vértices para os quais um arco residual (u, v) pode existir Primeiro vizinho: head[n[u]] Próximo vizinho de u (a seguir a v): next-neighbor[v] 2007/2008 Análise e Síntese de Algoritmos 58
59 Algoritmo Relabel-To-Front Operação de descarga de um vértice: Discharge (u) while e[u] > 0 v = current[u] if v = NIL Relabel(u) current[u] = head[n[u]] else if c f (u,v) > 0 and h[u] = h[v] + 1 Push(u,v) else current[u] = next-neighbor[v] 2007/2008 Análise e Síntese de Algoritmos 59
60 Algoritmo Relabel-To-Front Relabel-To-Front(G, s, t) Initialize-Preflow(G, s) L = V - {s, t} por qualquer ordem foreach u V - {s, t} current[u] = head[n[u]] u = head[l] while u NIL oldh = h[u] Discharge(u) if h[u] > oldh colocar u na frente da lista L u = next[u] return f 2007/2008 Análise e Síntese de Algoritmos 60
61 Análise de Relabel-To-Front Complexidade do ciclo principal: O(V 3 ) Não contabilizando o tempo de Discharge Fase: tempo entre operações de relabel Número de fases = número de operações de Relabel = O(V 2 ) O(V 2 ) para qualquer algoritmo de Pré-Fluxo Cada fase consiste de O(V) execuções de Discharge Total de execuções de Discharge é O(V 3 ) Complexidade (sem contabilizar Discharge) é O(V 3 ) 2007/2008 Análise e Síntese de Algoritmos 61
62 Análise de Relabel-To-Front Complexidade acumulada das operações de Discharge: Operações Relabel: Complexidade: Actualizações de current[u]: O(V E) para O(V 2 ) operações de Relabel Executadas O(degree(u)) vezes após Relabel de u Executadas O(V degree(u)) no total para cada vértice u (cada vértice pode ser sujeito a O(V) operações de relabel) Total: O(V E) Operações Push: Saturating pushes: O(V E) Nonsaturating pushes: Limitado pelo número de operações Discharge, porque retorna após nonsaturating push, i.e. O(V 3 ) 2007/2008 Análise e Síntese de Algoritmos 62
63 Análise de Relabel-To-Front Complexidade do algoritmo: Complexidade (total) das operações de Discharge O(V 3 ) Complexidade do algoritmo sem operações de Discharge O(V 3 ) Complexidade do algoritmo Relabel-To-Front: O(V 3 ) 2007/2008 Análise e Síntese de Algoritmos 63
64 Revisão Fluxos Máximos em Grafos Definições & Propriedades Método de Ford-Fulkerson Teorema do Fluxo Máximo Corte Mínimo Análise do algoritmo genérico Algoritmo de Edmonds-Karp Análise do algoritmo de Edmonds-Karp Emparelhamento Bipartido Máximo Algoritmos baseados em Pré-Fluxos A seguir: Programação Linear (CLRS, Cap. 29) 2007/2008 Análise e Síntese de Algoritmos 64
Análise e Síntese de Algoritmos
Análise e Síntese de Algoritmos Fluxos Máximos em Grafos CLRS, Cap. 26 Contexto Algoritmos elementares em grafos (CLR, Cap. 22) Árvores abrangentes de menor custo (CLR, Cap. 23) Caminhos mais curtos com
Leia maisAnálise e Síntese de Algoritmos. Fluxos Máximos em Grafos CLRS, Cap. 26
Análise e Síntese de Algoritmos Fluxos Máximos em Grafos CLRS, Cap. 26 Contexto Algoritmos elementares em grafos (CLR, Cap. 22) Árvores abrangentes de menor custo (CLR, Cap. 23) Caminhos mais curtos com
Leia maisAnálise e Síntese de Algoritmos
Análise e Síntese de Algoritmos Caminhos Mais Curtos com Fonte Única [CLRS, Cap. 24] 2014/2015 Contexto Revisão [CLRS, Cap.1-13] Fundamentos; notação; exemplos Algoritmos em Grafos [CLRS, Cap.21-26] Algoritmos
Leia maisAnálise e Síntese de Algoritmos. Algoritmos em Grafos CLRS, Cap. 22
Análise e Síntese de Algoritmos Algoritmos em Grafos CLRS, Cap. 22 Mudança no Horário Aulas Teóricas de 4ª feira 10:30 12:00 Sala: FA1 12:00 13:30 Sala: FA1 Deixa de haver aula teórica às 9:00 por troca
Leia maisProjeto e Análise de Algoritmos
Projeto e Análise de Algoritmos Fluxo máximo Aula 23 Diane Castonguay diane@inf.ufg.br Instituto de Informática Universidade Federal de Goiás Fluxo em rede Um fluxo em rede G = (V, E) é um grafo orientado
Leia maisAlgoritmos de Fluxo Máximo
UNIVERSIDADE CATÓLICA DE PELOTAS Escola de Informática Programa de Pós-Graduação em Informática Mestrado em Ciência da Computação Algoritmos de Fluxo Máximo Rodrigo Santos de Souza 1 Fluxo em Redes É a
Leia maisAnálise e Síntese de Algoritmos. Problemas NP-Completos CLRS, Cap. 34
Análise e Síntese de Algoritmos Problemas NP-Completos CLRS, Cap. 34 Contexto Revisões [CLRS, Cap. 1-10] Algoritmos em Grafos [CLRS, Cap. 22-26] Algoritmos elementares Árvores abrangentes Caminhos mais
Leia maisAnálise e Síntese de Algoritmos
Análise e Síntese de Algoritmos Problemas NP-Completos CLRS, Cap. 34 Contexto Algoritmos em Grafos Estruturas de Dados para Conjuntos Disjuntos Programação Linear Programação Dinâmica Algoritmos Greedy
Leia maisAnálise e Síntese de Algoritmos
Análise e Síntese de Algoritmos Caminhos Mais Curtos para Todos os Pares CLRS, Cap. 25 Contexto Algoritmos Elementares em Grafos (CLR, Cap. 22) BFS & DFS Ordenação Topológica & SCCs Árvores Abrangentes
Leia maisO estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste
O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste material e a resolução (por parte do aluno) de todos os
Leia maisAnálise e Síntese de Algoritmos
Análise e Síntese de Algoritmos Algoritmos Elementares em Grafos [CLRS, Cap. 22] 24/25 Contexto Revisão [CLRS, Cap.-3] Fundamentos; notação; exemplos Algoritmos em Grafos [CLRS, Cap.2-26] Algoritmos elementares
Leia maisAnálise 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 maisProblemas 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 maisAnálise e Síntese de Algoritmos
Análise e Síntese de Algoritmos Algoritmos de Aproximação CLRS, Cap. 35 Resumo Algoritmos de aproximação Algoritmos, com complexidade polinomial, que calculam soluções aproximadas para problemas de optimização
Leia mais2006/2007 Análise e Síntese de Algoritmos 2
Análise e Síntese de Algoritmos Árvores Abrangentes de Menor Custo CLRS, Cap. 23 Resumo Árvores Abrangentes de Menor Custo Minimum-Spanning Trees (MSTs) Algoritmo (greedy) genérico Prova de optimalidade
Leia maisTeoria dos Grafos. Fluxo Máximo em Redes
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Silvio A. de Araujo Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br, saraujo@ibilce.unesp.br Fluxo Máximo
Leia maisCaminho mais curto a partir de um nó Algoritmos de Dijkstra e Bellman-Ford. O problema tem subestrutura óptima
Caminho mais curto a partir de um nó Caminho mais curto a partir de um nó Algoritmos de Dijkstra e Bellman-Ford Fernando Lobo Algoritmos e Estrutura de Dados II Input: Um grafo com pesos nos arcos G =
Leia maisCaminho mais curto a partir de um nó Algoritmos de Dijkstra e Bellman-Ford
Caminho mais curto a partir de um nó Algoritmos de Dijkstra e Bellman-Ford Fernando Lobo Algoritmos e Estrutura de Dados II 1 / 28 Caminho mais curto a partir de um nó Input: Um grafo com pesos nos arcos
Leia maisAnálise e Síntese de Algoritmos. Programação Linear CLRS, Cap. 29
Análise e Síntese de Algoritmos Programação Linear CLRS, Cap. 29 Conteto Algoritmos em Grafos (CLRS, Cap. 22-26)... Fluos máimos em grafos (CLRS, Cap. 26) Programação Linear (CLRS, Cap. 29) Programação
Leia maisAnálise e Síntese de Algoritmos. Caminhos Mais Curtos para Todos os Pares CLRS, Cap. 25
Análise e Síntese de Algoritmos Caminhos Mais Curtos para Todos os Pares CLRS, Cap. 25 Contexto Algoritmos Elementares em Grafos (CLR, Cap. 22) BFS & DFS Ordenação Topológica & SCCs Árvores Abrangentes
Leia maisTeoria dos Grafos Aula 26
Teoria dos Grafos Aula 26 Aula passada Redes de fluxo Problema do fluxo máximo Problema do corte mínimo Aula de hoje Algoritmo de Ford Fulkerson Análise do algoritmo Melhorando algoritmo inicial Dualidade
Leia maisAlgoritmos em Grafos COM11087-Tópicos Especiais em Programação I
Algoritmos em Grafos COM11087-Tópicos Especiais em Programação I edmar.kampke@ufes.br Introdução Teoria dos Grafos é o estudo das propriedades e estruturas dos grafos. O objetivo é, após modelar um problema
Leia maisGabriel Coutinho DCC035 - Pesquisa Operacional Lista 6
Lista 6 Exercício. O objetivo deste exercício é modelar o problema de emparelhamento em um grafo bipartido como um problema de fluxo, e verificar que o Teorema de Konig é essencialmente o Teorema de Fluxo
Leia maisSub-grafo. Árvore Geradora Mínima
Comentários da aula anterior Componentes Fortemente Conectados (algoritmo) 1. Chama BuscaEmProfundidade (G) para obter os tempos de término (t[u], ou f[u]) para todos os vértices de G, isto é, enquanto
Leia maisFluxo Máximo. Pedro Ribeiro 2014/2015 DCC/FCUP. Pedro Ribeiro (DCC/FCUP) Fluxo Máximo 2014/ / 28
Fluxo Máximo Pedro Ribeiro DCC/FCUP 2014/2015 Pedro Ribeiro (DCC/FCUP) Fluxo Máximo 2014/2015 1 / 28 Fluxo Máximo Um grafo pesado pode ser interpretado como uma rede de canalizações onde o peso é a capacidade
Leia maisINSTITUTO SUPERIOR TÉCNICO Análise e Síntese de Algoritmos. RESOLUÇÃO DO 2 o TESTE
INSTITUTO SUPERIOR TÉCNICO Análise e Síntese de Algoritmos Ano Lectivo de 2006/2007 2 o Semestre RESOLUÇÃO DO 2 o TESTE I. (2,0+2,0+2,0 = 6,0 val.) 1) Calcule o valor óptimo da função objectivo e o respectivo
Leia maisAnálise e Síntese de Algoritmos. Emparelhamento de Cadeias de Caracteres CLRS, Cap. 32
Análise e Síntese de Algoritmos Emparelhamento de Cadeias de Caracteres CLRS, Cap. 32 Contexto Revisão Algoritmos em Grafos Programação Linear Programação Dinâmica Algoritmos Greedy Emparelhamento de Cadeias
Leia mais2 Definição do Problema
Definição do Problema. Formulação Matemática O problema do Fluxo Máximo entre todos os pares de nós surge no contexto de redes, estas representadas por grafos, e deriva-se do problema singular de fluxo
Leia maisFluxo em Redes: Ford-Fulkerson - Fluxo Máximo
JAILSON ALVES MICAEL AGUIAR PIETRO DALMAZIO VINÍCIUS ALVES Fluxo em Redes: Ford-Fulkerson - Fluxo Máximo Trabalho apresentado ao professor doutor Leandro Colombi Resendo como requisito para aprovação na
Leia maisMódulo 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 maisGRAFOS Aula 10 Fluxo em Redes Max Pereira
Ciência da Computação GRAFOS Aula 10 Max Pereira É a transferência de algum tipo de recurso quantificável e sujeito a restrições de equilíbrio, de um local (origem) para outro (destino) através de uma
Leia maisGrafos. Exemplo de árvore geradora mínima. Notas. Notas. Notas. Notas. Árvores espalhadas mínimas. Como construir uma árvore geradora miníma
Grafos Árvores espalhadas mínimas Conteúdo Introdução Como construir uma árvore geradora miníma Algoritmos Referências Introdução Dado um grafo conectado não orientado G = (V, E) e uma função peso w :
Leia maisPesquisa Operacional
Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Livro: Introdução à Pesquisa Operacional Capítulo 3 - Teoria dos Grafos Fernando Marins fmarins@feg.unesp.br Departamento de Produção
Leia maisTeoria e Algoritmos em Grafos
Teoria e Algoritmos em Grafos 2018.2 Conjunto Independente Conjuntos Independentes são subconjuntos de vértices de um grafo no qual nenhum vértice é adjacente entre si. Conjunto Independente Conjuntos
Leia maisProjeto e Análise de Algoritmos. Método Guloso
Projeto e Análise de Algoritmos Método Guloso Altigran Soares da Silva Universidade Federal do Amazonas Departamento de Ciência da Computação Árvore Geradora Um árvore geradora de um grafo G é um subgrafo
Leia maisOtimização 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 maisMódulo 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 maisMÓDULO 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 maisO estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste
O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste material e a resolução (por parte do aluno) de todos os
Leia maisCiclos hamiltonianos e o problema do caixeiro viajante
Ciclos hamiltonianos e o problema do caixeiro viajante Algoritmos em Grafos Marco A L Barbosa cba Este trabalho está licenciado com uma Licença Creative Commons - Atribuição-CompartilhaIgual 4.0 Internacional.
Leia mais1 Introdução Motivação
1 Introdução 1.1. Motivação A programação linear, ao menos na modelagem matemática que se conhece hoje, foi desenvolvida durante a segunda grande guerra quando foi utilizada no planejamento e execução
Leia maisGrafos - 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 maisEstrutura de Dados e Algoritmos e Programação e Computadores II. Aula 10: Introdução aos Grafos
Estrutura de Dados e Algoritmos e Programação e Computadores II Aula 10: Introdução aos Grafos História O assunto que se constitui no marco inicial da teoria de grafos é na realidade um problema algorítmico.
Leia maisAula 2 Definições, Conceitos Básicos e Representação Interna de Grafos. Teoria dos Grafos Prof.
Teoria dos Grafos Aula 2 Definições, Conceitos Básicos e Representação Interna de Grafos Jorge Figueiredo Aula 2-1 Definições Dois tipos de elementos: Vértices ou nós. Arestas. v3 v1 v2 v4 v5 v6 Jorge
Leia maisCaminhos mínimos de única origem
Caminhos mínimos de única origem 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 maisFluxos em redes: o Problema do Fluxo máximo
1 Fluxos em redes: o Problema do Fluxo máximo Instância: uma rede (G, c) e vértices s e t G = (V, E) um grafo dirigido s e t V são dois vértices distinguidos c: E R 0 é uma função capacidade nas arestas
Leia maisAnálise e Síntese de Algoritmos
Análise e Síntese de Algoritmos Revisão [CLRS, Cap. 7-10] 2014/2015 Contexto Revisão [CLRS, Cap.1-13] Fundamentos; notação; exemplos Algoritmos em Grafos [CLRS, Cap.21-26] Algoritmos elementares Árvores
Leia maisCalculando distâncias
Calculando distâncias Problema: dados um digrafo G e um vértice s, determinar a distância de s aos demais vértices do digrafo Exemplo: para s = v 3 5 dist[v] 3 3 5 Algoritmos em Grafos º sem / Busca em
Leia maisInvestigação 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 maisConjuntos disjuntos. Objectivo resolver eficientemente o problema da equivalência estrutura de dados simples (vector) implementação rápida
Conjuntos disjuntos Objectivo resolver eficientemente o problema da equivalência estrutura de dados simples (vector) implementação rápida Desempenho análise complicada Uso problemas de grafos equivalência
Leia maisTeoria dos Grafos Aula 27
Teoria dos Grafos Aula 27 Aula passada Aula de hoje Algoritmo de Ford Aplicações do fluxo Fulkerson máximo Análise do algoritmo Emparelhamento perfeito Melhorando algoritmo inicial Caminhos distintos Corte
Leia maisCaminhos em Grafos. Grafos - Caminho Simples (1) (Cliente para M. de Adj.) static int visited[maxv];
Caminhos em rafos Caminho simples Dados dois vértices num grafo, saber se estão ligados por um caminho; Determinar se o caminho existe ou calculá-lo explicitamente; Caminho de Hamilton Dados dois vértices
Leia maisIntrodução a Grafos Letícia Rodrigues Bueno
Introdução a Grafos Letícia Rodrigues Bueno UFABC Teoria dos Grafos - Motivação Objetivo: aprender a resolver problemas; Como: usando grafos para modelar os problemas; Grafos: ferramenta fundamental de
Leia maisPrograma. 1 Parte 1 - Conjuntos e Aplicações. 1 Conjuntos. 4 Indução matemática e divisibilidade. 5 Congruências lineares
Programa Matemática Discreta 2007/08 Jorge Manuel L. André FCT/UNL 1 Parte 1 - Conjuntos e Aplicações 1 Conjuntos 2 Relações Binárias 3 Aplicações 4 Indução matemática e divisibilidade 5 Congruências lineares
Leia maisAnálise e Síntese de Algoritmos.
Análise e Síntese de Algoritmos http://fenix.ist.utl.pt/leic-a/disciplinas/asa Corpo Docente Aulas Teóricas: Vasco Manquinho INESC-ID, Sala 329 Email: vasco.manquinho@inesc-id.pt Tel: 21 3100204 (INESC-ID)
Leia maisTécnicas de análise de algoritmos
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS Técnicas de análise de algoritmos Algoritmos e Estruturas de Dados I Natália Batista https://sites.google.com/site/nataliacefetmg/ nataliabatista@decom.cefetmg.br
Leia maisMATEMÁTICA DISCRETA. Patrícia Ribeiro 2018/2019. Departamento de Matemática, ESTSetúbal 1 / 47
1 / 47 MATEMÁTICA DISCRETA Patrícia Ribeiro Departamento de Matemática, ESTSetúbal 2018/2019 2 / 47 1 Combinatória 2 Aritmética Racional 3 3 / 47 Capítulo 3 4 / 47 não orientados Um grafo não orientado
Leia maisGRAFOS Aula 02 Formalização: definições Max Pereira
Ciência da Computação GRAFOS Aula 02 : definições Max Pereira Um grafo G é um par ordenado G = (V, E) onde V é um conjunto finito e não vazio de elementos e E é um conjunto de subconjuntos de dois elementos
Leia maisAlgoritmos em redes de fluxo e aplicações
Algoritmos em redes de fluxo e aplicações Marcos Massayuki Kawakami Orientador: José Coelho de Pina Instituto de Matemática e Estatística - Universidade de São Paulo Introdução Motivação Problemas envolvendo
Leia maisAlgoritmos polinomiais para o problema de Fluxo Máximo
Algoritmos polinomiais para o problema de Fluxo Máximo Notas de aula para disciplina Fluxo em Redes Natã Goulart da Silva Aulas dias 8, 10 e 15 e 22/04 prova. Este documento são notas de aula tiradas do
Leia maisOtimização em Grafos
Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 35 Teoria dos Grafos - Relembrando Árvore Um grafo G é uma árvore se é conexo e não possui ciclos (acíclico).
Leia maisProblema de Fluxo Máximo
Problema de Fluxo Máximo The Maximum Flow Problem Fernando Nogueira Fluxo Máximo 1 O Problema de Fluxo Máximo (The Maximum Flow Problem) Considere uma rede direcionada (dígrafo) conectada, com 2 nós especiais
Leia maisTeoria dos Grafos Aula 22
Teoria dos Grafos Aula 22 Aula passada Aula de hoje Algoritmo de Ford- Aplicações do Fulkerson fluxo máximo Análise do Emparelhamento algoritmo Caminhos Melhorando distintos algoritmo inicial Corte mínimo
Leia maisCap. 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 maisGrafos. Notas. Notas. Notas. Notas. Caminhos mais curtos de todos os pares
Grafos Caminhos mais curtos de todos os pares Conteúdo Algoritmos Baseado em multiplicação de matrizes Algoritmo de Floyd-Warshall Agoritmo de Johnson para grafos esparsos Referências Dado um grafo orientado
Leia maisCAL ( ) MIEIC/FEUP Estruturas de Dados ( )
Conjuntos Disjuntos R. Rossetti, A.P. Rocha, A. Pereira, P.B. Silva, T. Fernandes FEUP, MIEIC, CPAL, 2010/2011 1 Conjuntos Disjuntos Objectivo resolver eficientemente o problema da equivalência estrutura
Leia maisGrafos. Notas. Notas. Notas. Notas. Caminhos mais curtos de única origem. Subestrutura ótima. Propriedades de caminhos mais curtos
Grafos Caminhos mais curtos de única origem Conteúdo Subestrutura ótima Inicialização Propriedades de caminhos mais curtos Algoritmos Algoritmo de Bellman-Ford Caminhos mais curtos de única origem em gaos
Leia maisGrafos e Algoritmos de Busca
Grafos e Algoritmos de Busca /65 Grafos e Algoritmos de Busca Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-93: Introdução a Algoritmos Grafos e Algoritmos
Leia maisFluxo Máximo em Redes Letícia Rodrigues Bueno
Fluxo Máximo em Rede Letícia Rodrigue Bueno UFABC Definição do Problema podemo interpretar um grafo orientado como um fluxo em rede e reponder pergunta obre fluxo de materiai; Conidere que: material percorre
Leia maisGRAFOS E ALGORITMOS TEORIA DE GRAFOS
GRAFOS E ALGORITMOS TEORIA DE GRAFOS 1a. PARTE Prof. Ronaldo R. Goldschmidt rribeiro@univercidade.br ronaldo_goldschmidt@yahoo.com.br ROTEIRO 1. INTRODUÇÃO E MOTIVAÇÃO 2. FUNDAMENTOS 3. CONECTIVIDADE 4.
Leia maisAula 03: Análise de algoritmos melhor caso, pior caso e caso médio
Aula 03: Análise de algoritmos melhor caso, pior caso e caso médio David Déharbe Programa de Pós-graduação em Sistemas e Computação Universidade Federal do Rio Grande do Norte Centro de Ciências Exatas
Leia maisBusca em largura. Algoritmos em Grafos. Marco A L Barbosa
Busca em largura Algoritmos em Grafos Marco A L Barbosa cba Este trabalho está licenciado com uma Licença Creative Commons - Atribuição-CompartilhaIgual 4.0 Internacional. Conteúdo Introdução Exemplo de
Leia maisEstruturas de dados para conjuntos disjuntos. Estruturas de Dados para Conjuntos Disjuntos. Estruturas de dados para conjuntos disjuntos
Estruturas de dados para conjuntos disjuntos Estruturas de Dados para Conjuntos Disjuntos Fernando Lobo Algoritmos e Estrutura de Dados II Também conhecido por UNION-FIND. Objectivo: Manter uma colecção
Leia maisESTRUTURAS 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 maisNOTAS 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 maisEstrutura 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 maisGrafos COM11087-Tópicos Especiais em Programação II
Grafos COM11087-Tópicos Especiais em Programação II edmar.kampke@ufes.br Introdução Grafos são estruturas muito estudadas na Ciência da Computação para modelagem de problemas Euler (1736) em Königsberg
Leia maisAnálise de Algoritmos
Algoritmos p. 1/22 Análise de Algoritmos Parte destes slides são adaptações de slides do Prof. Paulo Feofiloff e do Prof. José Coelho de Pina. Algoritmos p. 2/22 Árvore geradora mínima CLRS Cap 23 Algoritmos
Leia maisProblema 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 maisAnálise e Síntese de Algoritmos. Revisão CLRS, Cap. 7-10
Análise e Síntese de Algoritmos Revisão CLRS, Cap. 7-10 Contexto Revisão Algoritmos e complexidade Notação Fundamentos: somatórios, recorrências, etc. Exemplos de algoritmos Ordenação Procura Selecção
Leia maisPlanificação Anual. 0,5 Geometria no plano e no espaço II. 32 Avaliações escritas e respetivas correcções. 5 Auto-avaliação
3º Período 2º Período 1º Período AGRUPAMENTO DE ESCOLAS DE CASTRO DAIRE Escola Secundária de Castro Daire Grupo de Recrutamento 500 MATEMÁTICA Ano lectivo 2012/2013 Planificação Anual Disciplina: Matemática
Leia maisDistâncias 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 maisINF 1010 Estruturas de Dados Avançadas
INF Estruturas de Dados Avançadas Grafos // DI, PUC-Rio Estruturas de Dados Avançadas. Aplicações de grafos grafo vértices arestas Cronograma tarefas restrições de preferência Malha viária interseções
Leia maisEduardo Camponogara. DAS-9003: Introdução a Algoritmos
Caminhos Mínimos Com Uma Fonte 1/74 Caminhos Mínimos Com Uma Fonte Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-9003: a Algoritmos Caminhos Mínimos
Leia maisDoutorado em Ciência da Computação. Algoritmos e Grafos. Raimundo Macêdo LaSiD/DCC/UFBA
Doutorado em Ciência da Computação Algoritmos e Grafos Raimundo Macêdo LaSiD/DCC/UFBA Grafo Completo Grafo simples cujos vértices são dois a dois adjacentes. Usa-se a notação K n para um grafo completo
Leia maisO estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste
O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste material e a resolução (por parte do aluno) de todos os
Leia maisO estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste
O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste material e a resolução (por parte do aluno) de todos os
Leia maisAPOSTILA DE MÉTODO GULOSO
Universidade do Estado de Minas Gerais Fundação Educacional de Ituiutaba Curso de Engenharia de Computação Análise de Algoritmos APOSTILA DE MÉTODO GULOSO Prof. Walteno Martins Parreira Júnior www.waltenomartins.com.br
Leia maisFábio Protti - UFF Loana T. Nogueira - UFF Sulamita Klein UFRJ
Fábio Protti - UFF Loana T. Nogueira - UFF Sulamita Klein UFRJ Suponha que temos um grupo de pessoas (funcionário de uma empresa) que serão submetidos a um treinamento. Queremos identificar os grupos de
Leia maisAlgoritmos e Estruturas de Dados
Algoritmos e Estruturas de Dados Grafos Slides baseados em: ZIVIANI, N. Projetos de Algoritmos - com implementações em Java e C++. Thomson Learning, 2007. Cap 7. CORMEN, H.T.; LEISERSON, C.E.; RIVEST,
Leia maisMedida do Tempo de Execução de um Programa. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR
Medida do Tempo de Execução de um Programa David Menotti Algoritmos e Estruturas de Dados II DInf UFPR Classes de Comportamento Assintótico Se f é uma função de complexidade para um algoritmo F, então
Leia maisComplexidade de Algoritmos
Complexidade de Algoritmos! Uma característica importante de qualquer algoritmo é seu tempo de execução! é possível determiná-lo através de métodos empíricos, considerando-se entradas diversas! é também
Leia mais5COP096 TeoriadaComputação
Sylvio 1 Barbon Jr barbon@uel.br 5COP096 TeoriadaComputação Aula 12 Prof. Dr. Sylvio Barbon Junior Sumário - Árvore Geradora Mínima - Teorema pare reconhecer arestas seguras; - Algoritmo de Prim; - Algoritmo
Leia maisÁrvores Árvores Geradoras de Custo Mínimo 0/16
Conteúdo 1 Árvores 2 Árvores Geradoras de Custo Mínimo Árvores Árvores Geradoras de Custo Mínimo 0/16 Árvores Definição (Grafo Acíclico) Um grafo acíclico é um grafo que não contém ciclos. Árvores Árvores
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisUnidade VI. Técnicas de Teste de Software Teste Estrutural. Profa. Dra. Sandra Fabbri
Unidade VI Técnicas de Teste de Software Profa. Dra. Sandra Fabbri Os requisitos de teste são extraídos de uma implementação em particular Teste dos detalhes procedimentais A maioria dos critérios dessa
Leia maisMelhores momentos AULA 12
Melhores momentos AULA Calculando distâncias Problema: dados um digrafo G e um vértice s, determinar a distância de s aos demais vértices do digrafo Exemplo: para s = v 3 5 dist[v] 3 3 5 Busca em largura
Leia maisTeoria dos Grafos Aula 6
Teoria dos Grafos Aula 6 Aula passada Busca em grafos Busca em largura (BFS Breadth First Search) Propriedades Aula de hoje BFS implementação Complexidade Busca em profundidade (DFS) Conectividade, componentes
Leia maisDesenho de Segmentos de Recta
Desenho de Segmentos de Recta Sistemas Gráficos/ Computação Gráfica e Interfaces 1 Alg. para desenho de Segmentos de Recta - Motivação A maior parte das primitivas 2D, desenhadas centenas ou mesmo milhares
Leia mais