Föreläsning 2. Kortaste vägar i grafer.

Relevanta dokument
Föreläsning 2. Kortaste vägar i grafer.

Föreläsning 2: Grafer. Exempel på graf

Föreläsning 2: Grafer. Exempel på graf

Föreläsningsanteckningar F6

Föreläsning 5: Giriga algoritmer. Kruskals och Prims algoritmer

Föreläsning 5: Grafer Del 1

Föreläsning 5: Giriga algoritmer. Kruskals och Prims algoritmer

Grafer MST Top. sortering Starkt samm. komponenter Kortaste avstånd. Grafalgoritmer 1. Douglas Wikström KTH Stockholm

Föreläsning 7 Datastrukturer (DAT037)

Föreläsning 1. Introduktion och sökning i graf. Vad är en algoritm?

Föreläsning 6 Datastrukturer (DAT037)

Föreläsning 4: Giriga algoritmer. Giriga algoritmer

Föreläsning Datastrukturer (DAT037)

Föreläsning Datastrukturer (DAT036)

Föreläsning 12+13: Approximationsalgoritmer

Föreläsning 8 Datastrukturer (DAT037)

Föreläsning Datastrukturer (DAT036)

Föreläsning 5: Dynamisk programmering

Föreläsning 6 Datastrukturer (DAT037)

Datastrukturer. föreläsning 8. Lecture 6 1

Föreläsning Datastrukturer (DAT037)

Föreläsning Datastrukturer (DAT036)

Föreläsning 4: Kombinatorisk sökning

Föreläsning 10. Grafer, Dijkstra och Prim

Föreläsning 8 Datastrukturer (DAT037)

Lösningsförslag till tentamen Datastrukturer, DAT037 (DAT036), Tiden det tar att utföra en iteration av loopen är oberoende av värdet på

Föreläsning 1. Introduktion. Vad är en algoritm?

Föreläsning 10. Grafer, Dijkstra och Prim

Föreläsning 10. Grafer, Dijkstra och Prim

Lösningar Datastrukturer TDA

Några svar till TDDC70/91 Datastrukturer och algoritmer

Algoritmer, datastrukturer och komplexitet

Föreläsning 9: NP-fullständighet

TNK049 Optimeringslära

Algoritmer, datastrukturer och komplexitet

729G04 - Diskret matematik. Lektion 4

Grafer, traversering. Koffman & Wolfgang kapitel 10, avsnitt 4

Algoritmer, datastrukturer och komplexitet

Lösningsförslag för tentamen i Datastrukturer (DAT036) från

Optimering Kruskal s algoritm Prim-Jarník s algoritm

Tentamen Datastrukturer (DAT037)

Algoritmer, datastrukturer och komplexitet

Föreläsning 10. Riktade grafer. Viktade grafer. TDDC91,TDDE22,725G97: DALG. Innehåll. Innehåll Riktade grafer A 10.3

Tentamen Datastrukturer D DAT 035/INN960 (med mycket kortfattade lösningsförslag)

Datastrukturer. föreläsning 8. Maps 1

Graphs (chapter 14) 1

Lösningsförslag för tentamen i Datastrukturer (DAT037) från

Trafiksimulering: Grafalgoritmer

Algoritmer, datastrukturer och komplexitet

Eulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition.

Kaliningrad) låg vid bägge sidor av floden Pregel samt på

Föreläsning 2 Datastrukturer (DAT037)

Algoritmer, datastrukturer och komplexitet

Om plana och planära grafer

Om plana och planära grafer

Föreläsning 7+8: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?

Algoritmer, datastrukturer och komplexitet

ORDINARIE TENTAMEN I DATASTRUKTURER OCH ALGORITMER DVG B kl. 08:15 13:15

729G04 - Diskret matematik. Lektion 4

Lösningsförslag till tentamen

I en matchning ligger varje hörn i högst en kant. I en stig ligger varje hörn i högst två kanter.

Föreläsning 8+9: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?

Datastrukturer. föreläsning 9. Maps 1

OMTENTAMEN I DATASTRUKTURER OCH ALGORITMER DVG B kl. 14:15 19:15

Tentamen Datastrukturer för D2 DAT 035

Grafer, allmänt. Med datastrukturen graf menas vanligen: en mängd av noder (vertices) och en mängd av bågar (edges).

Övningsmästarprov 2 + några NP-reduktioner. Algoritmer, datastrukturer och komplexitet

Algoritmer och datastrukturer, föreläsning 11

TENTAMEN: Algoritmer och datastrukturer. Läs detta!

Datastrukturer. föreläsning 7. Maps 1

ORDINARIE TENTAMEN I DATASTRUKTURER OCH ALGORITMER DVG B kl. 08:15 13:15

Algoritmer, datastrukturer och komplexitet

Dekomposition och dynamisk programmering

Tentamen Datastrukturer (DAT036/DAT037/DIT960)

Föreläsningsanteckningar S6 Grafteori

Algoritmer, datastrukturer och komplexitet

Datastrukturer, algoritmer och programkonstruktion (DVA104, VT 2015) Föreläsning 6

Tentamen Datastrukturer D DAT 035/INN960

Lektion 2: Sökagenter. Robin Keskisärkkä

Optimeringslära Kaj Holmberg

Föreläsning 4 Datastrukturer (DAT037)

Tentamen Datastrukturer D DAT 036/INN960

Optimeringslära Kaj Holmberg

Föreläsning Datastrukturer (DAT037)

Tentamen i EDAF05 Algoritmer, datastrukturer och komplexitet

Föreläsning 3: Fler grafalgoritmer. Kortaste vägar mellan alla noder

Tentamen Datastrukturer, DAT037 (DAT036)

Föreläsning 11. Riktade grafer. Viktade grafer. TDDC70/91: DALG. Innehåll. Innehåll. 1 Riktade grafer A 11.3

Tentamen i Algoritmer & Datastrukturer i Java

Lars-Daniel Öhman Lördag 2 maj 2015 Skrivtid: 9:00 15:00 Hjälpmedel: Miniräknare, lock till miniräknare

Tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, onsdagen den 20 augusti 2014, kl

Grafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann

Uppgifter 6: Grafteori

F11. Läsanvisning: kap 10 + dessa OH. Kruskals algoritm kortaste vägar en till alla

N = {i}: noder (hörn) Graf: G = (N, B) Definitioner. Väg: Sekvens av angränsande bågar. Cykel: Väg som startar och slutar i samma nod.

Föreläsning Datastrukturer (DAT036)

Datastrukturer och algoritmer. Föreläsning 15 Inför tentamen

Algoritmer, datastrukturer och komplexitet

OMTENTAMEN I DATASTRUKTURER OCH ALGORITMER DVG B kl. 08:15 13:15

Transkript:

Föreläsning 2. Kortaste vägar i grafer. Problem: KORTASTE VÄGAR Den enklaste varianten är om vi inte har kantvikter och kortaste väg är en väg med såfåkanter som möjligt. Indata: En riktad graf G och en startnod s. Mål: Kortaste väg från s till alla andra noder. Metod: Sök igenom grafen enligt Bredden-Först-Sökning (BFS) Algoritm BFS tar en graf och går igenom hörnen ett i taget. Algoritmen börjar i starthörnet s och tar sedan grannarna till s, grannarna till grannarna till s etc. En kö används för att hålla reda på ordningen i vilken hörnen besöks. Det oviktade avståndet från s beräknas samtidigt. BFS(V,E,s) (1) d[u] för alla u V (2) d[s] 0 (3) Q {s} (4) while Q (5) u Dequeue(Q) (6) foreach granne v till u (7) if d[v] = (8) d[v] d[u] +1 (9) p[v] =u (10) Enqueue(Q, v) Tidskomplexitet: O( V + E ) Grafer med kantvikter Om vi har kantvikter som längden påen väg räknas som summan av kantvikterna längs vägen får vi ett svårare problem. Vi har två fall: 1. Alla kantvikter är 0. 2. Vi tillåter kantvikter < 0. Det första fallet är betydligt enklare än det andra. Det första kan lösas med Dijkstras algoritm.

Dijkstras algoritm Dijkstra(G = V,E,s, t V, l : E R) (1) foreach u V (2) Märk u med d[u] = (3) foreach u såatt (s, u) E (4) Märk u med d[u] =w(s, u) (5) Märk s med d[s] =0 (6) S {s} (7) while t S (8) Välj u/ S med d[u] minimal. (9) S S {u} (10) foreach v/ S såatt (u, v) E (11) if d[v] >d[u] +w(u, v) (12) d[v] d[u] +w(u, v) (13) p[v] u (14) return Märkningen hos t G antas representerad i form av grannlistor. När algoritmen är klar markerar d[v] kortaste avståndet från s till v. Kortaste vägen fås baklänges som p[v],p[p[v]],...

Tidskomplexitet: Den inledande märkningen tar O( V ) tid. Att hitta hörnet som S ska utvidgas med tar O( V ) tid, och detta utförs högst V gånger. För varje kant i grafen kommer högst en uppdatering ske. Totalt: O( V + V 2 + E ) =O( V 2 ) (eftersom E O( V 2 )) Korrekthetsbevis Vi antar för enkelhets skull att alla noder kan nås från s.låtδ[v] betyda kortaste vägen från s till v och δ S [v] betyda kortaste vägen som går genom noder i S, förutom v. Vi använder följande invariant för den yttersta slingan: Alla noder u i S är märkta med d[u] =δ[u]. Dessutom är alla v / S med d[v] < märkta med d[v] =δ S [v]. Noderna märkta med d[v] = går inte att nåmed en S-stig. Invarianten är sann innan slingan börjar köras. Antag att den är sann i ett steg i algoritmen. I nästa steg läggs u till. Vi måste visa att d[u] =δ[u]. Antag att d[u] δ[u].dåmåsted[u] >δ[u]. I den kortaste vägen från s till u finns en första nod x som ligger utanför S. Dågäller δ[u] =δ[x]+δ[x, u] där δ[x, u] är kortaste avståndet mellan x och u. Eftersom kantvikterna är positiva är δ[x, u] 0. Men δ[x] =δ S [x] =d[x] enligt antagandet. Dågäller δ[u] =d[x] +δ[x, u] d[x] d[u]. Men det är omöjligt. Vi lägger nu till u till S. Kalla den nya mängden S.Vimärkeromnoderna utanför S.Vimåstevisaattd[v] =δ S [v] för de ommärkta noderna. Vi antar att v / S är granne till u och att v har märkningen d[v] före en eventuell ommärkning. Om det finns en kortaste väg till v i S som inte innhåller u så måste d[v] =δ S [v] δ S [u]+w(u, v) och noden v kommer inte att märkas om. Om d[v] =δ S [v] =δ S [v] såär δ S [s, v] δ[s, u]+w(u, v) =d[u]+w(u, v) Noden kommer inte att märkas om utan behåller märkningen d[v] =δ S [s, v] =δ S [s, v]. Om δ S [v] <δ S [v] såmåste kortaste S -vägen gåöver u. Mendåmåsteu vara sista noden före v eftersom alla kantvikter är positiva. Dåfår vi δ S = d[u] + w(u, v) och v får märkningen d[v] =δ S. När man går ur slingan har man beräknat korrekt kortaste avstånd d[t] från s till t. Negativa kantvikter tillåtna Om en graf har negativa kantvikter men inga negativa cykler såfinns kortaste vägar. Men de kan inte hittas med Dijkstras algoritm. Mer avancerad algoritm krävs.

Om en graf har negativa cykler finns följande val. 1. Acceptera att kortaste avstånd inte kan beräknas och förkasta grafen. 2. Leta efter kortaste stigar istället för vägar. Ingen effektiv algoritm som gör detta är känd. 3. Leta efter kortaste vägar med begränsning att de får innehålla högst k kanter. Detta går att göra relativt enkelt. (Men är det det man är ute efter?) Bellman-Fords algoritm Följande algoritm löser problemet enligt fall 1 ovan. Vi antar att varje nod kan nås från s. Målet är då att hitta kortaste vägar från s till varje annan nod. Bellman-Ford(G = V,E,s V, w : E R) (1) foreach u V (2) d[u] (3) d[s] 0 (4) for i =1to V 1 (5) foreach (u, v) E (6) if d[v] >d[u] +w(u, v) (7) d[v] d[u] +w(u, v) (8) p[v] u (9) foreach (u, v) E (10) if d[v] >d[u] +w(u, v) (11) return Negativ cykel! (12) return d, p Komplexitet Inledande märkningen tar O( V ) steg. Yttre slingan tar O( V ) steg. Inre slingan tar O( E ) steg. Det ger tillsammans O( V E ) steg. Den sista kontrollen tar O( E ) steg. Totalt får vi O( V E ) =O( V 3 ). Det är sämre än Dijkstras algoritm. Korrekthetsanalys (skiss) Vi antar först att grafen inte har negativa cykler. Dåexisterar kortaste vägar. Det verkliga kortaste avståndet från s till x kallar vi δ[x]. Vilåterδ k [x] betyda det kortaste avståndet om vi bara får använda vägar med högst k st kanter. För alla x och k gäller d[x] δ k [x] och δ[x] =δ n 1 [x] där n är antalet noder. Vi använder följande invariant för yttre slingan: Efter iteration k gäller för alla noder u att d[u] δ k [u] Påståendet är sant för k =0. Vi antar att det är sant för k och visar att det då är sant för k +1också. Om u kan nås med en väg som innehåller högst k +1 kanter finns det en kortaste sådan väg. Antag att noden före u påen sådan väg är x. Dåmåsteδ k+1 [u] =δ k [x] +w(x, u). Ominted[x] har hunnit bli ändrat redan i iteration k +1 är d[x] =δ k [x] och d[u] kommer att sättas till δ k+1 [u] = δ k [x]+w(x, u). Sedankand[u] förstås sänkas under iterationen. Om d[x] redan

hunnit märkas om gäller d[x] <δ k [x]. Dåkommer och enligt antagandet är d[u] attfåettvärded[u] d[x] +w(x, u) <δ k [x] +w(x, u) δ k+1 [u]. I vilket fall kommer d[u] δ k+1 [u] när iterationen är klar. Efter n 1 iterationer får vi d[u] δ n 1 [u] =δ[u]. Låt oss kalla en kant (u, v) med p[v] =u för märkt. Det går att se att de märkta kanterna hela tiden kommer att bilda ett träd rotat i s och med kanter riktade ut från s. Genom att jämföra δ och d längs vägarna i detta träd finner vi att δ[u] >d[u] är omöjligt. Alltsåmåste d[u] =δ[u] för alla u. Vi ser också att d[v] >d[u] +w(u, v) är omöjligt eftersom det skulle ge δ[v] >δ[u] +w(u, v). Så algoritmen godkänner grafen. Antag nu att grafen innehåller en negativ cykel med noderna u 1,u 2,..., u r.när algoritmen är klar måste det finnas u, v med d[v] >d[u] +w(u, v). Om det inte gjorde det såskulle vi ha d[u i+1 d[u i ]+w(u i,u i+1 ) och d[u 1 ] d[u r ]+ w(u r,u 1 ) för i =1, 2,..., r. Dåskulle summan (d[u 2 ] d[u 1 ]) + (d[u 3 ] d[u 2 ]) +...+(d[u 1 ] d[u r ]) vara både 0 och w(u 1,u 2 )+...+w(u r,u 1 ). Eftersom cykeln är negativ är det omöjligt och det måste finnas i med d[u i+1 ] >d[u i ]+w(u i,u i+1 ). Den olikheten kommer sista delen av algoritmen att upptäcka.