MATCHINGS Grafos e Teoria da Complexidade Prof. Fabio Tirelo.

Slides:



Advertisements
Apresentações semelhantes
Algoritmos de Caminho Mínimo em Grafos
Advertisements

Grafos eulerianos 1.
Cortes (cut-sets)‏ 1.
Grafos Orientados (digrafos)
Planaridade 1.
Árvores 2010/1 Teoria dos Grafos (INF 5037/INF2781)
CC/EC/Mestrado Teoria dos Grafos Grafos Hamiltonianos.
Árvores CC/EC/Mestrado Teoria dos Grafos ‏ 1.
2010/1 Teoria dos Grafos (INF 5037/INF2781) Grafos Hamiltonianos.
Ford Fulkerson Teoria dos Grafos.
Grafos - Caminhos Caminhos Máximo / Mínimo:
Teoria dos Grafos – Aula 2
Fluxo em Redes Prof. Ricardo R. Santos.
Análise de Decisão Aplicada a Gerência Empresarial – UVA Grafos - V
Celso C. Ribeiro Caroline T. Rocha
CC/EC/Mestrado/UFES Teoria dos Grafos (INF 5037/INF2781) Grafos Orientados (digrafos)
Cortes (cut-sets)‏ 2010/2 Teoria dos Grafos (INF 5037/INF2781)‏ 1.
CC/EC/PPGI/UFES Teoria dos Grafos (INF 5037/INF2781) Coloração.
Pontes Seja (G) o número de componentes conexas de G. Uma ponte é uma aresta a tal que (G - a) > (G)
Percursos em um grafo 2010/1 Teoria dos Grafos (INF 5037/INF2781)
UFES CC/EC/Mestrado Teoria dos Grafos Árvores. UFES CC/EC/Mestrado Teoria dos Grafos Árvores Grafo Acíclico: não possui ciclos.
Coloração Teoria dos Grafos (INF 5037/INF2781) 1.
Digressão por ‘caminhos, árvores e flores’
Grafos Grafo G = (V, E) V — conjunto de vértices
CONCEITOS BÁSICOS DE GRAFOS
CONCEITOS BÁSICOS DE GRAFOS
GRAFOS EULERIANOS E HAMILTONIANOS
Teoria dos Grafos – Aula 6
Teoria dos Grafos – Aula 3 Árvores
Grafos Msc. Cintia Carvalho Oliveira Doutoranda em Computação – UFU
Algoritmos em Grafos Conceitos principais Prof. André Renato
Teoria dos Grafos Caminhos e Noção de Grafos com pesos
Teoria dos Grafos Definições e Terminologia
Exercícios PAA- Grafos
Otimização Inteira 5a. Aula Franklina.
Histórico, exemplos e problemas
Operações com grafos União Exemplo
Histórico, exemplos e problemas
O problema do emparelhamento máximo
Problemas de fluxo em grafos 1º semestre/2012 Prof. André Renato
Conceitos básicos em grafos
Grafos Planares Victor Cândido da Silva
Algoritmo BSP/CGM para Euler tour em Grafos
Disciplina Análise de Algoritmos BCC-UFU Profa. Sandra de Amo
Conexidade 1.
Aula de Monitoria – Miniprova

Problemas NP-completos e Programação Dinâmica

Aula 12 COLORAÇÃO DE GRAFOS
Celso C. Ribeiro Caroline T. Rocha
Grafos e Teoria da Complexidade Professor: Fabio Tirelo
Grafos Anjolina Grisi de Oliveira 2005
FLUXOS EM REDES.
Teoria de Grafos. Tudo começou no século XVIII, na cidade medieval de Königsberg, situada no leste europeu. Königsberg é banhada pelo rio Pregel, que.
 Prof. Miguel Gabriel Prazeres de Carvalho 1. 2 Redes Sociais GPS Para o correio. Para Viajantes. Pesquisas Biológicas. Distribuição de Tarefas. Recomendações.
Grafos Prof. Miguel Gabriel Prazeres de Carvalho.
Grafos e Teoria da Complexidade Professor: Fabio Tirelo
RHAYANE BORGES SILVA 4º ANO ADMINISTRAÇÃO Mensuração e Escala Parte II.
Cálculo Numérico Computacional Prof. Linder Cândido da Silva.
Profª Kaline Souza. Matrizes são tabelas de números dispostos em linhas e colunas. Vamos agora considerar uma tabela de números dispostos em linhas e.
INE5408 Estruturas de Dados Introdução a Árvores - Conceitos - Árvores Binárias - Métodos e algoritmos de percurso - Métodos e algoritmos de balanceamento.
1 Álgebra Linear Determinante e Matriz Inversa Prof. Paulo Salgado
Sistemas de equações lineares de 1 a ordem Sistemas de equações diferenciais simultâneas aparecem naturalmente em problemas envolvendo diversas variáveis.
Mídias Sociais Aula 04 Mecanismo de Busca Operadores Prof. Dalton Martins Gestão da Informação Universidade Federal de Goiás.
1 1 Slide Programação Dinâmica Prof. Dr. Alexandre Pereira Salgado Junior.
Física I Aula 10 Movimento Oscilatório I 2009/2010.
Algoritmos e Estruturas de Dados II Introdução a Grafos
Energia Mecânica PROF. ADEMIR AMARAL. A palavra energia faz parte do nosso cotidiano. Ouvimos falar muito sobre produção e consumo de energia; as metas.
Transcrição da apresentação:

MATCHINGS Grafos e Teoria da Complexidade Prof. Fabio Tirelo

Matchings  Seja G = ( V, E ) um grafo não-dirigido  Um matching em G é um conjunto M de arestas não adjacentes duas-a-duas  Quando nenhuma aresta puder ser incluída em M, dizemos que M é maximal  Vértices e arestas podem ser livres ou associados  Um matching perfeito não possui vértices livres  Exemplos: A F B E C D A F B E C D

Matchings...  Um matching M é máximo se |M| for máximo em G  Um caminho alternado intercala arestas livres e arestas associadas  Um caminho de aumento é um caminho alternado que inicia e termina em vértices livres  Se M for um matching e P for um caminho de aumento com relação a M, então M  P é um matching de cardinalidade |M| + 1  Um matching é máximo se não possuir caminhos de aumento

Matchings...  Seja G = ( X  Y, E ) um grafo bipartido  Um matching completo de X para Y é um matching em que nenhum vértice de X está livre  Condição suficiente:  Se existe k tal que d ( x )  k  d ( y ), para todo x  X, y  Y, então G possui um matching completo  Teorema de Hall:  Existe um matching completo de X para Y se e somente se |  ( S )|  | S | para todo S  X

 Considere que cada aresta e de G receba um peso associado w e  O peso de um matching é dado por  Um matching M é um matching de peso máximo se wt ( M ) for máximo em G  Um matching M é um matching de peso mínimo se wt ( M ) for mínimo em G Matchings...

Problema da Atribuição Linear  Considere que há n funcionários (conjunto C ) que deverão ser escolhidos para executarem n tarefas (conjunto T )  w ij = capacidade do funcionário i executar a tarefa j  Determinar quais funcionários deverão ser escalados para cada tarefa de modo a obtermos a maior soma das capacidades possível  Grafo:  Vértices = C  T  Arestas = ( c, t ), c  C, t  T, com peso w ct  Solução: encontrar o matching de peso máximo

Algoritmo de Hopcroft-Karp  Entrada:Grafo bipartido G = ( U  W, E ) Matching M em G  Saída: Um caminho de aumento com relação a M ou uma prova de que M é máximo Oriente cada aresta e = (u,w) para obter um grafo dirigido D da seguinte maneira: Se e  M, então oriente e como (w,u) Se e  M, então oriente e como (u,w) Seja A = {x  V : x é um vértice associado com relação a M} Seja U’ = U  A e W’ = W  A Se houver um caminho em D de algum vértice de U’ para algum vértice de W’ Então caminho de aumento encontrado Senão M é um matching máximo

Matchings em Grafos Quaisquer  Vértice par/ímpar em caminho alternado P  Sejam u, v dois vértices pares em P ; se ( u, v )  E, então P  {( u, v )} contém um circuito chamado blossom  Gera-se um blossom comprimido quando um blossom B é reduzido a um único vértice b, e toda aresta ( x, y ) ( x  B, y  B ), é transformada em uma aresta ( b, y )  (Edmonds) Seja G B um grafo gerado pelo compressão de um blossom B de G ; G contém um caminho de aumento se e somente se G B contiver b6 B

Formação de Duplas  Dado um conjunto de pessoas, definir pares que possuam um determinado conjunto de características em comum ou complementares  Exemplos: mesma língua, mesmo curso, habilidades complementares, etc.  Objetivo: formar o maior número possível de pares com as mesmas características  Grafo:  Vértices: pessoas  Arestas: ( p, q ) se p e q possuírem as mesmas características  Solução: encontrar um matching máximo no grafo

Carteiro Chinês  Encontrar um caminho fechado que passe por todas as arestas de um grafo G = ( V, E )  W = { v  V : d ( v ) é ímpar}  Monte o grafo completo H = ( W, F ) associando à aresta ( u, v ) peso igual ao negativo do menor caminho de u para v em G  Determine o matching (perfeito) M de peso máximo em H  Para cada ( a, b )  M, duplique as arestas do menor caminho de a para b em G  O grafo resultante é euleriano