1 / 42

Grafi

Grafi. Definizioni/1. Rappresentazione di relazioni binarie G=(V,E), |V|=n, |E|=m V: insieme di Vertici E={(v i , v j ): v i , v j ε V} : insieme di Archi (v i , v j )=(v j , v i ): Grafo semplice (v i , v j ) <> (v j , v i ): Grafo diretto. Esempi. Relazioni di parentela

salome
Download Presentation

Grafi

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Grafi

  2. Definizioni/1 • Rappresentazione di relazioni binarie • G=(V,E), |V|=n, |E|=m • V: insieme di Vertici • E={(vi, vj): vi, vj εV} : insieme di Archi • (vi, vj)=(vj, vi): Grafo semplice • (vi, vj) <> (vj, vi): Grafo diretto ASD - Grafi

  3. Esempi • Relazioni di parentela • Alberi genealogici • Relazioni tra classi nei linguaggi OO • Grafo del Web • Assetti societari • Reti di trasporto • ................ ASD - Grafi

  4. Definizioni/2 • Multigrafo: E è un multinsieme • Pseudografo: E contiene anche coppie (vi, vi)  cappi • Circuito in un grafo: v1,v2,…..,vk:(vi, vi+1) ε E, v1= vk • Ciclo in un grafo: circuito con v1 v2 ….. vk • Grafo pesato: valore reale wk associato ad ogni arco ek ASD - Grafi

  5. Definizioni/3 • Kn: Grafo semplice in cui sono presenti tutti gli archi. • Numero di archi in Kn: • G’=(V’,E’) sottografo di G=(V,E) se e solo se V’ V ed E’ E. • grado(v): #di archi incidenti in v ASD - Grafi

  6. Esempi di grafi: (a-d) grafi semplici; (c) un grafo completo K4; (e) un multigrafo; (f) uno pseudografo; (g) un circuito in un grafo orientato; (h) un ciclo nel grafo orientato ASD - Grafi

  7. Rappresentazioni • Lista di adiacenza: ogni vertice è associato con la lista dei vertici adiacenti. • Lista di adiacenza può essere una tabella o una lista concatenata • Matrice di adiacenza: aih=1 se (vi, vh) E, aih=0 altrimenti • Matrice di Incidenza: aih=1 se vi eh, aih=0 altrimenti ASD - Grafi

  8. Rappresentazioni di grafi. Un grafo (a) rappresentato con una lista di adiacenze (b-c), ASD - Grafi

  9. Rappresentazioni di grafi. Un grafo (a) rappresentato come una matrice di adiacenze (d) e come una matrice d’incidenza (e) ASD - Grafi

  10. Vantaggi e Svantaggi • Lista di adiacenza: O(m) Vantaggi: permette di scorrere i nodi adiacenti a v in O(grado(v)) Svantaggi: inserimenti e cancellazioni su liste concatenate in O(grado(v)) • Matrice di adiacenza: O(n2) Vantaggi: Inserimenti e cancellazioni in O(1) Svantaggi: permette di scorrere i nodi adiacenti a v in O(n) • D.: matrice di incidenza ? ASD - Grafi

  11. Visita di un Grafo • Obiettivo: visitare una sola volta tutti i nodi del grafo. • Es.: visitare un porzione del grafo del Web • Difficoltà: • Presenza di cicli • Presenza di nodi isolati ASD - Grafi

  12. Visita in profondità - DFS • La visita procede da tutti gli archi uscenti da un nodo. • Se tutti i nodi adiacenti sono stati visitati allora si torna al nodo “predecessore”. • Una volta tornati al nodo di partenza si prosegue da un nodo qualsiasi non visitato. • I nodi vengono rinumerati secondo l’ordine di visita. ASD - Grafi

  13. Esempio di applicazione dell’algoritmo depthFirstSearch ad un grafo ASD - Grafi

  14. L’algoritmo depthFirstSearch applicato ad un grafo orientato ASD - Grafi

  15. Implementazione della DFS/1 • I nodi sono inizialmente marcati con 0, i=0. • Assumi la visita sia arrivata ad un nodo v. • La visita prosegue da un nodo u adiacente a v se marcato 0. • Se nessun nodo adiacente marcato 0 è disponibile torna al nodo da cui si è raggiunto v oppure termina se v è il nodo iniziale. • Ogni volta che un nodo mai visitato è raggiunto, questo viene marcato con i++ ASD - Grafi

  16. Implementazione della DFS/2 depthFirstSearch() { for (tutti i vertici v) num(v)=fin(v)=0; / Vedi slide seg. */ edges = null; i=j=1; /* Servono per aggiornare num(v) e fin(v) */ while (<esiste un vertice v tale che num(v) == 0>) DFS(v); <visualizza edges> } ASD - Grafi

  17. Implementazione della DFS/3 DFS(v) { num(v)=i++; /* num(v): prima volta che si visita v */ for (<tutti i vertici u adiacenti a v>) if (num(u) == 0) { <inserisci lato (v,u) in edges> DFS(u); } fin(v)=j++; /* fin(v): ultima volta che si visita v */ } ASD - Grafi

  18. Implementazione della DFS/4 • L’implementazione iterativa usa una pila per memorizzare gli archi uscenti da un nodo visitato. • Ad ogni passo si estrae l’arco (v,u) sulla cima della pila. • La visita prosegue dal nodo adiacente u se marcato 0. ASD - Grafi

  19. Proprietà della DFS • Gli archi che portano alla scoperta di nuovi nodi costituiscono un albero che copre l’intero grafo • Questa proprietà dipende dal fatto che un arco viene seguito solo se il nodo adiacente non è mai stato raggiunto. • Gli archi seguiti connettono un nodo con marca inferiore ad un nodo con marca superiore • Gli archi che non vengono seguiti al contrario connettono nodi con marca superiore a nodi con marca inferiore ASD - Grafi

  20. Complessità della DFS • O(n) per inizializzare marcatura dei nodi. • Test degli archi uscenti da un nodo v: • O(grado(v)) nella rappresentazione con lista di adiacenza. • O(n) nella rappresentazione con matrice di adiacenza. • Ogni controllato al più due volte, una volta per estremo • Complessivamente O(n + m) ASD - Grafi

  21. Visita in ampiezza - BFS • uso di una coda per memorizzare tutti gli archi incidenti nel nodo visitato • I nodi vengono marcati. • La visita quindi procede dall’arco (v,u) in testa alla coda. ASD - Grafi

  22. Implementazione della BFS breadthFirstSearch() { for (tutti i vertici v) num(v)=0; edges= null; i=1; while (<esiste un vertice v tale che num(v) == 0>) { num(v) = i++; enqueue(v); while (<la coda non è vuota>) { v = dequeue(); for (<tutti i vertici u adiacenti a v>) if num(u) = 0 { num(u) = i++; enqueue(u); <inserisci arco (v,u) in edges> } } } <visualizza edges> } ASD - Grafi

  23. Un esempio di applicazione dell’algoritmo breadthFirstSearch ad un grafo ASD - Grafi

  24. Applicazione dell’algoritmo breadthFirstSearch ad un grafo orientato ASD - Grafi

  25. Implementazione di Grafi/Vertici class Vertex { String vertexName; long vertexWeight; public Vertex(String name, long weight) { vertexName = name; vertexWeight = weight; } public Vertex() { this(null, (long) 0); } } ASD - Grafi

  26. Esempio: generico elemento del vettore dei vertici /* Generico elemento del vettore dei vertici. Contiene un vertice e la lista di adiacenza del vertice */ class adListElement { Vertex vertex; LinkedList adList; public adListElement(Vertex v, LinkedList l) { vertex = v; adList = l; } public adListElement() { this(null, null); } } ASD - Grafi

  27. Esempio: classe Grafo public class Grafo { protected static final int NO_NODES = 10; protected adListElement vertexArray[] = new adListElement[NO_NODES]; /* Gestisce grafi con no. nodi costante. Se si vuole un grafo il cui no. di nodi sia variabile occorre usare una lista invece di un array */ /* Continua alla prossima slide */ /* Nota: questa è una classe “minima” */ ASD - Grafi

  28. Esempio: classe Grafo/2 public Grafo(String inputFile) { /* Costruisce un grafo a partire da una sua rappresentazione su memoria secondaria del tipo: <String nomeNodo> <long peso> <String primo vertice adiacente>.....\n */ } /* Continua */ ASD - Grafi

  29. Esempio: classe Grafo/3 public void dijkstra(String sorg, String dest) { /* Trova percorso minimo tra i vertici aventi nome sorg e dest del grafo usando l'algoritmo di Dijkstra. Stampa i nomi dei nodi del percorso in successione */ } /* Continua */ ASD - Grafi

  30. Esempio: classe Grafo/4 public void dfs(String start) { /* Visita in profondità il grafo partendo dal nodo di nome start. Stampa i nomi dei nodi nell'ordine di attraversamento */ } } /* Fine della classe */ ASD - Grafi

  31. Connettività in Grafi diretti • u,v sono connessi in un grafo orientato se esiste un cammino diretto che collega u a v • Un grafo diretto è fortemente connesso se per ogni coppia u,v, esiste un cammino da u a v e da v ad u • Un grafo è debolmente connesso se per ogni coppia u,v, esiste un cammino da u a v (o viceversa) ASD - Grafi

  32. Il problema dei Cammini Minini/2 • Determinare il cammino di lunghezza minima • dal nodo s al nodo t • dal nodo s a tutti gli altri nodi V (SSSP) • tra tutte le coppie di nodi del grafo (APSP) • Numerose applicazioni: reti stradali, reti di comunicazione, scheduling di progetti, progetto di circuiti,…. ASD - Grafi

  33. Il Problema dei Cammini Minimi • G=(V,E) è un grafo pesato sugli archi • d(u,v), (u,v) E: peso sull’arco (u,v) • Cammino dal nodo s al nodo t: v1, v2,….., vk: (vi, vi+1) E, v1= s, vk=t • Lunghezza del cammino: • Trovare un cammino di lunghezza minima • Non contiene cicli per distanze positive ASD - Grafi

  34. Single Source Shortest Paths/1 • Determinare il cammino minimo da un nodo s a tutti i nodi V del grafo • Ogni sottocammino di un cammino minimo è esso stesso un cammino minimo. • Ex: s,…,i,…j,…,v: cammino minimo da s a v • i,…,j è un cammino minimo da i a j. Come si dimostra? ASD - Grafi

  35. Single Source Shortest Paths/2 • La collezione dei cammini minimi da s a tutti i nodi V forma un albero. Come si dimostra? • Algoritmi per SSSP mantengono ad ogni istante delle etichette sui nodi. • Etichette rappresentano delle approssimazioni delle distanze dalla sorgente. ASD - Grafi

  36. Dijkstra/1 • Due insiemi di nodi Q ed R. • Inizialmente Q= {}, R={1,..,n} • Ad ogni passo estrai il nodo v in R con min dist(v) ed inserisci v in Q • Per ogni u adiacente a v aggiorna la distanza da s ad u attraverso nodi in Q Nota: dist(v) indica la distanza di v dalla sorgente s ASD - Grafi

  37. Un’esecuzione diDijkstraAlgorithm ASD - Grafi

  38. Dijkstra/2 DijkstraAlg(grafo_semplice_pesato, vertice source) { for (<tutti i vertici v >) dist(v)= ; dist(source)=0; R = <tutti i vertici>; Q = Ø; while (R!=Ø) { v = <vertice in R con minimo dist(v)> R = R – {v}; Q = Q U {v}; for (<tutti i vertici u in R adiacenti a v>) if (dist(u) > dist(v) + d(v,u)) { dist(u) = dist(v) + d(v,u); pred(u) = v; } } } ASD - Grafi

  39. Dijkstra/3 • Ad ogni passo si determina la distanza minima di un nodo v in R. Il nodo viene inserito in Q. • Dijkstra termina in n passi. • Ad ogni passo occorre determinare il nodo v in R con minimo valore dist(v), O(log n) usando un heap per la coda di priorità. • Occorre poi eseguire il rilassamento per ogni adiacente u di v, O(grado(u)) vertici, ed eventualmente aggiornare la priorità. Complessivamente O(m log n) • Complessità di Dikstra O((n + m )log n). ASD - Grafi

  40. Dijkstra/4 • Correttezza: Dimostrare che dist(v) è la distanza minima d(v) da v ad s quando v è incluso in Q. • Per assurdo, considera il primo nodo inserito in Q per cui d(v) < dist(v) • Esiste un cammino alternativo più breve che contiene almeno un nodo in R. • Sia v’ l’ultimo nodo in R sul cammino da v a s. • v’ è connesso ad s con un cammino formato di soli nodi in Q con dist(v’) < dist(v). • Una contraddizione poiché v’ sarebbe stato selezionato in luogo di v. ASD - Grafi

  41. Dijkstra/5 • La collezione dei pred(u) forma l’albero dei cammini minimi con sorgente s. • Si può risolvere il problema APSP eseguento n volte Dijkstra a partire da n sorgenti. • Complessità:O(nlog n(m +n)). ASD - Grafi

  42. Animazione disponibile a: http://www.cs.uwa.edu.au/undergraduate/courses/230.300/readings/graphapplet/graph.html ASD - Grafi

More Related