X i, i I Y j, j J. X i. Z j P = (J, B) G T = (I, J) 1 2 i i + 1 n. 1 i V

Σχετικά έγγραφα
P = (J, B) T = (I, A) P = (J, B) G = (V, E) i 1 i i + 1

S A : N G (S) N G (S) + d S d + d = S

Διάλεξη 7: X Y Σχήμα 7.2: Παράδειγμα για το Πόρισμα 7.2, όπου: 1 = {1, 2, 5}, 2 = {1, 2, 3}, 3 = {4}, 4 = {1, 3, 4}. Θ

u v 4 w G 2 G 1 u v w x y z 4

Διάλεξη 4: Απόδειξη: Για την κατεύθυνση, παρατηρούμε ότι διαγράφοντας μια κορυφή δεν μπορούμε να διαχωρίσουμε τα u και v. Αποδεικνύουμε

E(G) 2(k 1) = 2k 3.

χ(k n ) = n χ(c 5 ) = 3

z 1 E(G) 2(k 1) = 2k 3. x z 2 H 1 H 2

Διάλεξη 4: Θεωρία Γραφημάτων Γραφέας: Σ. Κ. Διδάσκων: Σταύρος Κολλιόπουλος συνεκτικά γραφήματα (συνέχεια) Πρόταση 4.1 Δύο μπλοκ ενός

e 2 S F = [V (H), V (H)]. 3-1 e 1 e 3

d(v) = 3 S. q(g \ S) S

Διάλεξη 3: Σχήμα 3.3: Το σύνολο των κόκκινων ακμών είναι ακμοδιαχωριστής αλλά όχι τομή. Το σύνολο ακμών {1, 2, 3} είναι τομή. Από

m = 18 και m = G 2

Διάλεξη 13: D Σχήμα 13.2: Ενδεικτική αναπαράσταση δίσκου D που ορίζει ο στην εμβάπτιση Γ. Σχήμα 13.3: Σχηματική επεξήγηση περιπτώσεων πο

Διάλεξη 3: D Σχήμα 3.2: Ενδεικτική αναπαράσταση δίσκου D που ορίζει ο στην εμβάπτιση Γ. Σχήμα 3.3: Σχηματική επεξήγηση περιπτώσεων που απορ

q(g \ S ) = q(g \ S) S + d = S.

Θεωρία Γραφημάτων 5η Διάλεξη

Θεωρία Γραφημάτων 5η Διάλεξη

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Θεωρία Γραφημάτων 2η Διάλεξη

Θεωρία Γραφημάτων 11η Διάλεξη

Θεωρία Γραφημάτων 10η Διάλεξη

Θεωρία Γραφημάτων 7η Διάλεξη

Τίτλος Μαθήματος: Θεωρία Γραφημάτων. Ενότητα: Εισαγωγή σε βασικές έννοιες. Διδάσκων: Λέκτορας Xάρης Παπαδόπουλος. Τμήμα: Μαθηματικών

Θεωρία Γραφημάτων 8η Διάλεξη

Θεωρία Γραφημάτων 6η Διάλεξη

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Θεωρία Γραφημάτων 2η Διάλεξη

Μαθηματικά Πληροφορικής

2. dim(p ) = n rank(a = )

Κατανεμημένα Συστήματα Ι

Θεωρία Γραφημάτων 4η Διάλεξη

Θεωρία Γραφημάτων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές

ILP-Feasibility conp

Κατανεμημένα Συστήματα Ι

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ

Σημείωση: Δες ορισμό απλού γραφήματος στον Τόμο Α, σελ. 97 και τόμο Β, σελ 12.

Τίτλος Μαθήματος: Θεωρία Γραφημάτων. Ενότητα: Συνεκτικότητα και Δισυνεκτικότητα. Διδάσκων: Λέκτορας Xάρης Παπαδόπουλος. Τμήμα: Μαθηματικών

Έξι βαθμοί διαχωρισμού

Θεωρία Γραφημάτων 3η Διάλεξη

Τυχαίοι γράφοι Η διάμετρος του G(n, 2 ln n/n) Ioannis Giotis

έντρα ιδάσκοντες:. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο

Συνεκτικότητα Γραφήματος

2 ) d i = 2e 28, i=1. a b c

Διαίρει και Βασίλευε. πρόβλημα μεγέθους Ν. διάσπαση. πρόβλημα μεγέθους k. πρόβλημα μεγέθους Ν-k

Διμερή γραφήματα και ταιριάσματα

ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών

ΣΥΝΕΚΤΙΚΟΤΗΤΑ ΓΡΑΦΗΜΑΤΩΝ

( ) x 1 1. cone( (10.1) ( ) x ) := D (10.2) D Ax b 0 Ax 0 b. i λ i 1

ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Μορφές αποδείξεων Υπάρχουν πολλά είδη αποδείξεων. Εδώ θα δούμε τα πιο κοινά: Εξαντλητική μέθοδος ή μέθοδος επισκόπησης. Οταν το πρόβλημα έχει πεπερασμ

Θεωρία Γραφημάτων 9η Διάλεξη

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Διακριτά Μαθηματικά. Ενότητα 2: Γραφήματα

Βασικές Έννοιες Θεωρίας Γραφημάτων

Βασικές Έννοιες Θεωρίας Γραφημάτων

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

ΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Παύλος Εφραιμίδης V1.1,

Θεωρία Υπολογισμού και Πολυπλοκότητα Μαθηματικό Υπόβαθρο

Θεωρία Γραφημάτων και Εφαρμογές - Διακριτά Μαθηματικά ΙΙ Φεβρουάριος 2017

Μορφές αποδείξεων. Μαθηματικά Πληροφορικής 2ο Μάθημα. Μορφές αποδείξεων (συνέχεια) Εξαντλητική μέθοδος

ΑΣΚΗΣΗ 1 Για τις ερωτήσεις 1-4 θεωρήσατε τον ακόλουθο γράφο. Ποιές από τις παρακάτω προτάσεις αληθεύουν και ποιές όχι;

Ελάχιστο Συνδετικό Δέντρο

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

Αλγόριθμοι και Πολυπλοκότητα

Θεωρία Γραφημάτων 1η Διάλεξη

Ελάχιστο Συνδετικό Δέντρο

Ελάχιστο Γεννητικό Δένδρο. Παράδειγμα - Αλγόριθμος Prim. Γιατί δουλεύουν αυτοί οι αλγόριθμοι;

Σειρά Προβλημάτων 1 Λύσεις

Ουρά Προτεραιότητας: Heap

Ασκήσεις στους Γράφους. 2 ο Σετ Ασκήσεων. Δέντρα

Ελάχιστο Συνδετικό Δέντρο

Ελάχιστο Συνδετικό έντρο

Επίπεδα Γραφήματα (planar graphs)

6η Διάλεξη Διάσχιση Γράφων και Δέντρων

Αλγόριθμοι εύρεσης ελάχιστων γεννητικών δέντρων (MST)

Πανεπιστήμιο Στερεάς Ελλάδας Τμήμα Πληροφορικής Εξάμηνο ΣΤ ΘΕΩΡΙΑ ΓΡΑΦΩΝ

Αναζήτηση Κατά Πλάτος

Μορφές αποδείξεων Υπάρχουν πολλά είδη αποδείξεων. Εδώ θα δούμε τα πιο κοινά: Εξαντλητική μέθοδος ή μέθοδος επισκόπησης. Οταν το πρόβλημα έχει πεπερασμ

ΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων

B X Y : T X Y = U i V i : U i T X, V i T Y. (x, y) (U 1 V 1 ) (U 2 V 2 ) = (U 1 U 2 ) (V 1 V 2 ) B X Y. ((0, 2) (1, 3)) ((1, 3) (1, 2)) B X B Y

Θεωρία Γραφημάτων και Εφαρμογές - Διακριτά Μαθηματικά ΙΙ Σεπτέμβριος 2017

Θεωρία Γραφημάτων 1η Διάλεξη

ΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων

Ελάχιστο Συνδετικό έντρο

Ασκήσεις στους Γράφους. 1 ο Σετ Ασκήσεων Βαθμός Μονοπάτια Κύκλος Euler Κύκλος Hamilton Συνεκτικότητα

Θεωρία Γραφημάτων: Ορολογία και Βασικές Έννοιες

Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου. Θεωρία Υπολογισμού. Ενότητα 3 : Γραφήματα & Αποδείξεις. Αλέξανδρος Τζάλλας

1. Σε ένα τουρνουά με 8 παίκτες μπορεί οι παίκτες να συμμετείχαν σε: 6,5,4,4,4,3,1,1 αγώνες αντίστοιχα;

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 2: Μαθηματικό Υπόβαθρο

ΑΝΤΙΣΤΟΙΧΗΣΕΙΣ ΟΡΩΝ ΠΟΥ ΧΡΗΣΙΜΟΠΟΙOΥΝΤΑΙ ΣΤΟΥΣ ΤΟΜΟΥΣ Α ΚΑΙ Β ΤΗΣ ΘΕ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» Ένα γράφημα αποτελείται από ένα σύνολο 94.

Αναζήτηση Κατά Πλάτος

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόγχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

Ασύμπτωτες. Διαφορικός Λογισμός μιας μεταβλητής Ι

Σημειωματάριο Δευτέρας 4 Δεκ. 2017

βασικές έννοιες (τόμος Β)

Αλγόριθµοι και Πολυπλοκότητα

(elementary graph algorithms)

Transcript:

Θεωρία Γραφημάτων Διάλεξη 19: 14.12.2016 και 15.12.2016 Διδάσκων: Σταύρος Κολλιόπουλος Γραφέας: Αγγελική Χαντζηθάνου 19.1 Σχέση πλάτους μονοπατιού και δενδροπλάτους Πρόταση 19.1 Το πλέγμα Γ n n έχει πλάτος μονοπατιού και δενδροπλάτος το πολύ n. Απόδειξη: Ορίζουμε αποσύνθεση μονοπατιού X n(i 1)+j = {(i, k) j k n} {(i + 1, k) 1 k j} για 1 i n 1 και 1 j n. Κάθε τσάντα έχει ακριβώς n + 1 κορυφές. Παράδειγμα 19.1 Για το πλέγμα Γ 3 3 βρίσκουμε αποσύνθεση μονοπατιού με 4 κορυφές σε κάθε τσάντα. Ορίζουμε τις τσάντες της αποσύνθεσης ως εξής: X 1 = {1, 2, 3, 4}, X 2 = {2, 3, 4, 5}, X 3 = {3, 4, 5, 6}, X 4 = {4, 5, 6, 7}, X 5 = {5, 6, 7, 8}, X 6 = {6, 7, 8, 9}. 1 2 3 4 5 6 7 8 9 Σχήμα 19.1: Πλέγμα 3 3. Γενικά tw() pw(), όμως το πλάτος μονοπατιού δεν μπορεί να είναι πολύ μεγαλύτερο από το δενδροπλάτος. Θεώρημα 19.1 Για κάθε γράφημα με n κορυφές, pw() = O(log n tw()). Απόδειξη: Εστω (T = (I, A), {X i : i I}) η δενδροαποσύνθεση του. Βρες αποσύνθεση μονοπατιού (P = (J, B), {Y j : j J}) του T με πλάτος O(log n). Η αποσύνθεση μονοπατιού του είναι η (P = (J, B), {Z j : j J}), όπου για κάθε j J, Z j = {X i : i Y j }. Κάθε v V () εμφανίζεται σε τσάντες που φτιάχνουν συνεκτικό υποδέντρο T v του T. Κάθε συνεκτικό υποδέντρο του T πρέπει να σκορπιστεί σε συνεχόμενο μονοπάτι του P. 19-1

Διάλεξη 19: 14.12.2016 και 15.12.2016 19-2 X i, i I Y j, j J X i T = (I, J) P = (J, B) Z j Σχήμα 19.2: Απεικόνιση της απόδειξης του Θεωρήματος 19.1. 19.2 Εναλλακτικοί ορισμοί πλάτους μονοπατιού και δενδροπλάτους Ορισμός 19.1 Εστω γράφημα = (V, E). Μια γραμμική διάταξη των κορυφών του είναι μια 1 1 απεικόνιση L : V {1, 2,..., V }. Η L ορίζει μια μετάθεση των κορυφών του. Για κάθε γραμμική διάταξη L ορίζουμε V L (i) = {u V L(u) i και v V τετοιο ώστε {u, v} E και L(v) > i}. Το V L (i) είναι ο αριθμός των κορυφών που απεικονίζονται σε ακέραιο μικρότερο ή ίσο με το i και συνδέονται με ακμή με κορυφές που απεικονίζονται σε ακέραιο μεγαλύτερο από το i. 1 2 i i + 1 n Σχήμα 19.3: Στο V L (i) θα ανήκουν όλες οι κορυφές που βρίσκονται πριν το i στη διάταξη και συνδέονται με ακμή με κορυφές που βρίσκονται μετά το i. Ορισμός 19.2 Το vertex separation number του γραφήματος για μια συγκεκριμένη γραμμική διάταξη L είναι ο μέγιστος αριθμός κορυφών ενός V L (i), vs L () = max { V L(i) }. 1 i V Το vertex separation number του είναι το ελάχιστο vertex separation number μιας γραμμικής διάταξης L vs() = min{vs L () L γραμμική διάταξη του V ()} Θεώρημα 19.2 Για κάθε γράφημα = (V, E), vs() = pw(). Απόδειξη: (i) Θα δείξουμε ότι pw() vs(). Εστω vs() = k και έστω L μια γραμμική διάταξη τέτοια ώστε vs L () = k. Ορίζουμε σύνολα X 1, X 2,..., X n ως εξής:

Διάλεξη 19: 14.12.2016 και 15.12.2016 19-3 X 1 = {L 1 (1)} X 2 = V L (1) {L 1 (2)}. X n = V L (n 1) {L 1 (n)}. Η (X 1, X 2,..., X n ) είναι αποσύνθεση μονοπατιού του. Αφού vs L () = k, V L (i) k, i {1, 2,..., n 1}. Συνεπώς, X i k + 1, i {1, 2,..., n}. Άρα, pw() k = vs(). (ii) Θα δείξουμε ότι vs() pw(). Εστω (X 1, X 2,..., X r ) αποσύνθεση μονοπατιού του. Κατασκευάζουμε γραμμική διάταξη L. Εστω X 1 = t και L : X 1 {1, 2,..., t}. Επεκτείνουμε την L 1 1 στο V ως εξής: V X 1 ; for i 2 to r do Y X i \ V ; while Y do L(y) V + 1, για αυθαίρετο y Y ; V V {y}; Y Y \ {y}; end end Τοποθετούμε στη διάταξη πρώτα τα στοιχεία του X 1, μετά τα στοιχεία του X 2 \X 1, του X 3 \(X 2 X 1 ), κ.ο.κ. Για τη διάταξη που ορίσαμε ισχύει ότι vs L () pw(). Παράδειγμα 19.2 Εφαρμογή του πρώτου μέρους της απόδειξης του Θεωρήματος 19.2. e d f c a b (i) 1 2 3 4 5 6 c b a e d f Σχήμα 19.4: Μια μετάθεση των κορυφών του. Για τη γραμμική διάταξη L στο Σχήμα 19.4 υπολογίζουμε το V L (i), i {1, 2, 3, 4, 5}

Διάλεξη 19: 14.12.2016 και 15.12.2016 19-4 V L (1) = {c}, V L (2) = {c, b}, V L (3) = {c, b, a}, V L (4) = {b, a}, V L (5) = {b}. Ισχύει ότι vs L () = 3 Ορίζουμε τις τσάντες τις αποσύνθεσης μονοπατιού: X 1 = {L 1 (1)} = {c} X 2 = V L (1) {L 1 (2)} = {c} {b} = {b, c} X 3 = V L (2) {L 1 (3)} = {b, c} {a} = {a, b, c} X 4 = V L (3) {L 1 (4)} = {c, b, a} {e} = {a, b, c, e} X 5 = V L (4) {L 1 (5)} = {b, a} {d} = {a, b, d} X 6 = V L (5) {L 1 (6)} = {b} {f} = {b, f} και βλέπουμε ότι pw() 3 = vs L () Αν βάλουμε τις κορυφές σε διαφορετική διάταξη βλέπουμε ότι vs() = pw() = 1. f b e c a d Σχήμα 19.5: Μια μετάθεση των κορυφών του σύμφωνα με τη σειρά που εμφανίζονται στο μονοπάτι. Ορισμός 19.3 Δύο υπογραφήματα A, B του αγγίζονται αν V (A) V (B) ή αν υπάρχει ακμή {u, v} E() έτσι ώστε u V (A) και v V (B) Ορισμός 19.4 Βάτος (bramble) στο είναι ένα σύνολο συνεκτικών υπογραφημάτων του που αγγίζονται ανά δύο. Ενα σύνολο S V () καλείται σύνολο κρούσης (hitting set) της βάτου B, αν το S τέμνει κάθε στοιχείο της B. Τάξη της B είναι το ελάχιστο μέγεθος ενός συνόλου κρούσης. Bramble number (αριθμός βάτου) είναι η μέγιστη τάξη μιας βάτου στο, συμβολίζεται με bn(). Στο Σχήμα 19.6 φαίνεται μια βάτος που αποτελείται από τα 4 συνεκτικά υπογραφήματα του τα οποίο αγγίζονται ανά δύο είτε με κοινή κορυφή (A, B και B, C) είτε με κοινή ακμή ((A, C), (A, D), (B, D) και (C, D)). Η τάξη της βάτου είναι τρία αφού υπάρχει σύνολο με τρεις κορυφές που τέμνει κάθε στοιχείο της βάτου και δεν υπάρχει σύνολο κρούσης με λιγότερες από τρεις κορυφές. B A C Σχήμα 19.6: Βάτος που αποτελείται από 4 συνεκτικά υπογραφήματα του. D

Διάλεξη 19: 14.12.2016 και 15.12.2016 19-5 Θεώρημα 19.3 (Seymour, Thomas 1993) Για κάθε γράφημα, tw() = bn() 1. Θα δείξουμε μόνο την κατεύθυνση tw() bn() 1. Απόδειξη: Εστω β βάτος του μέγιστης τάξης. Εστω T το δέντρο μιας δενδροαποσύνθεσης του. Για A β, έστω T A το υπογράφημα του T που ενάγεται από τις κορυφές των οποίων οι τσάντες περιέχουν κορυφές του A. Αφού το A είναι συνεκτικό, πρέπει και το T A να είναι συνεκτικό. Αν A, B β τότε τα A και B αγγίζονται άρα V (T A ) V (T B ). Τα υποδέντρα του συνόλου {T A : A β} τέμνονται ανά δύο (ιδιότητα Helly), άρα υπάρχει x V (T A ), δηλαδή η τσάντα με δείκτη x περιέχει μια κορυφή από κάθε V (T A ), A β. Αυτή η τσάντα είναι σύνολο κρούσης για τη βάτο β, άρα έχει μέγεθος τουλάχιστον bn(). Άρα, tw() bn() 1. A β