Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
|
|
- Pilar Flores Saavedra
- hace 7 años
- Vistas:
Transcripción
1 Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) 1 DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
2 Problema de Encontrar la Ruta más Corta 2 Se requiere llegar de la ciudad A a la ciudad B Tenemos un mapa con distancias entre cada par de intersecciones Cómo encontramos la ruta más corta? Enumerar todas las rutas de A a B, calcular la distancia y elegir la más corta Aún si quitamos ciclos, hay muchas posibilidades Resolver el problema eficientemente
3 Problema de Encontrar la Ruta más Corta Tenemos un grafo dirigido y con pesos G = (V, E) 3 Con una función de pesos w: E R que mapea arcos e pesos con valores reales El peso de la ruta p = <v 0, v 1,, v k > es la suma de los pesos de los arcos que la forman: w( p) = k i= 1 w( v i v i 1, )
4 Problema de Encontrar la Ruta más Corta Definimos el peso de la ruta más corta de u a v como 4 δ ( u, v) = min{ w( p) : u p v} Si hay una ruta de u a v, de cualquier otra forma Una Ruta-más-corta de un vértice v a un vértice u se define como cualquier ruta p con peso w(p) = δ(u,v)
5 Modelado del Problema Podemos modelarlo con un grafo Los vértices representan intersecciones Los arcos representan segmentos de carretera entre intersecciones 5 Los pesos de los arcos representan las distancias en carretera La meta es encontrar la ruta más corta de una ciudad A a otra ciudad B Los pesos también pueden representar otras métricas Tiempo, costo, pérdidas, castigos, u otra cantidad que se acumula linealmente a lo largo de la ruta y que queremos minimizar
6 Variantes del Problema Problema de las rutas más cortas desde una sola fuente 6 Dado un grafo G = (V, E), queremos encontrar la ruta más corta de un vértice fuente dado s V a cada vértice v V. Problema de las rutas más cortas con un solo destino Encontrar una ruta más corta a un vértice destino dado t de cada vértice v. Si invertimos la dirección de cada arco en el grafo, podemos reducir este problema al de una sola fuente.
7 Variantes del Problema Problema de la ruta más corta para un solo par 7 Encontrar la ruta más corta de u a v para los vértices u y v dados. Si resolvemos el problema de una sola fuente con el vértice u como fuente también resolvemos éste. No se conoce un algoritmo para este problema que corra asintóticamente más rápido que el mejor algoritmo de una sola fuente en el peor caso
8 Variantes del Problema Problema de las rutas más cortas de todos los pares 8 Encontrar una ruta más corta de u a v para cada par de vértices u y v. Aunque este problema se puede resolver ejecutando un algoritmo de una sola fuente, una vez para cada vértice, se puede resolver más rápido
9 Subestructura Óptima de una Ruta más Corta 9 Los algoritmos de rutas más cortas se basan en la propiedad de que una ruta más corta entre dos vértices contiene otra ruta más corta en ella Esta propiedad permite aplicar Programación dinámica (Floyd-Warshall) Algoritmos voraces (Dijkstra s)
10 Subestructura Óptima de una Ruta más Corta Lema 24.1 (Subrutas de rutas más cortas son rutas más cortas) Dado un grafo pesado y dirigido G = (V, E) con una función de peso w: E R 10 Sea p = <v 1, v 2,, v k > una ruta más corta del vértice v 1 al vértice v k y Para cualquier i y j tal que 1 i j k, sea p ij = <v i, v i+1,, v j > la subruta de p del vértice v i al vértice v j Entonces p ij es una ruta más corta de v i a v j
11 Subestructura Óptima de una Ruta más Corta 11 Prueba al lema 24.1 Descomponemos la ruta p en: Tenemos entonces que: Asumimos que hay una ruta p ij de v i a v j con peso: Entonces la ruta de v 1 a v k que pasa por p ij : Con peso: Tiene un peso menor a w(p) Contradice lo que asumimos, que p es una ruta más corta de v 1 a v k. v w + p i pij pjk 1 1 vi v j ( p) = w( p1 i ) + w( pij ) w( p jk w ( p' ij ) < w( pij ) v p1i 1 v i p' ij v j pjk w ( p 1i ) + w( p' ij ) + w( p jk ) v ) v k k
12 Representación de las Rutas más Cortas Utilizamos un grafo de predecesores G π = (V π, E π ) 12 π[v] denota al padre del vértice v Al final el grafo de predecesores es un árbol de rutas más cortas Un árbol con raíz que contiene una ruta más corta de la fuente s a cada vértice que es alcanzable desde s. Un árbol de rutas más cortas con raíz s es un subgrafo dirigido G = (V, E ), donde V V y E E tal que: V es el conjunto de vértices alcanzable desde s en G G forma un árbol con raíz s y Para cada v V, la única ruta simple de s a v en G es una ruta más corta de s a v en G
13 Representación de las Rutas más Cortas Las rutas más cortas no son necesariamente únicas 13 Tampoco los árboles de rutas más cortas
14 Técnica de Relajación (Relaxation) Estos algoritmos utilizan la técnica de relajación Para cada vértice v V, mantenemos un atributo d[v], una frontera superior del peso de la ruta más corta desde la fuente s a v A d[v] se le llama un estimado de ruta más corta 14
15 Técnica de Relajación (Relaxation) Inicialización 15
16 Técnica de Relajación (Relaxation) Relajación de un arco (u, v) consiste en 16 Probar si podemos mejorar la ruta más corta a v encontrada a través de u y si es posible, actualizar d[v] y π[v] El proceso puede decrementar el valor de la estimación de la ruta más corta d[v] y actualizar el predecesor π[v]
17 Técnica de Relajación (Relaxation) 17
18 Técnica de Relajación (Relaxation) 18 Los lemas 24.10, 24.11, 24.14, y y el corolario muestran como relajando después de INITIALIZE-SINGLE-SOURCE, se alcanzará el peso de la ruta más corta y el grafo de predecesores será un árbol de rutas más cortas Asumimos que no hay ciclos con peso negativo
19 Algoritmo Bellman-Ford Resuelve el problema de rutas más cortas desde una sola fuente En el caso general puede haber arcos con pesos negativos 19 Dado un grafo dirigido, con pesos, con fuente s y función de pesos w : E R, regresa un valor booleano indicando si hay o no un ciclo con peso negativo que es alcanzable desde la fuente Si existe un ciclo de este tipo, el algoritmo indica que no hay solución Si no hay un ciclo de este tipo, el algoritmo produce las rutas más cortas y sus pesos
20 Algoritmo Bellman-Ford El algoritmo utiliza el proceso de relajación 20 Progresivamente decrementa un estimado d[v] sobre el peso de una ruta más corta de la fuente s a cada vértice v V hasta que llega al peso real de la ruta más corta δ(s,v)
21 Algoritmo Bellman-Ford 21
22 Algoritmo Bellman-Ford Primero inicializa, línea 1 Hace V -1 pasadas sobre los arcos, loop líneas 2-4 Relaja cada arco del grafo una vez Checa si hay un ciclo con peso negativo, líneas 5-8 Si hay regresa FALSE Si no hay regresa TRUE Tiempo de ejecución O(VE) Inicialización Θ(V) Cada pasada (V-1 en total) por las líneas 2-4 Θ(E) Ciclo líneas 5-7 O(E) 22
23 Algoritmo Bellman-Ford 23
24 Algoritmo Bellman-Ford 24
25 Algoritmo Bellman-Ford Teorema 24.4 (el algoritmo de Bellman-Ford es correcto) 25 Si ejecutamos Bellman-Ford en un grafo dirigido, pesado G = (V,E) con fuente s y función de pesos w: E R. Si G no contiene ciclos con peso negativo que sean alcanzables desde s Entonces el algoritmo regresa TRUE Tenemos d[v] = δ(s,v) para todos los vértices v V El subgrafo de predecesores G π es un árbol de rutas más cortas con s como raíz. Si G contiene un ciclo con peso negativo, alcanzable desde s Entonces el algoritmo regresa FALSE
26 Rutas más Cortas desde una sola Fuente en Grafos Dirigidos Acíclicos (DAG) Relajamos los arcos de un dag pesado, G = (V,E) de acuerdo a un ordenamiento topológico de sus vértices Calculamos las rutas más cortas desde una sola fuente en tiempo Θ(V + E) 26 Las rutas más cortas siempre están bien definidas en un dag Aún si hay arcos con pesos negativos, no puede existir un ciclo con peso negativo
27 Rutas más Cortas desde una sola Fuente en Grafos Dirigidos Acíclicos (DAG) Tiempo de ejecución total: Θ(V + E) Ordenamiento topológico: Θ(V + E) Llamada a Initialize-Single-Source: Θ(V) Loop líneas 3-5: Θ(E) 27
28 Rutas más Cortas desde una sola Fuente en Grafos Dirigidos Acíclicos (DAG) 28 El algoritmo primero ordena topológicamente el dag para poner un orden en los vértices Si hay una ruta de u a v, entonces u precede a v en el orden topológico Se hace una pasada sobre los vértices ordenados topológicamente Cada que se procesa un vértice, se relaja cada arco que sale del vértice
29 Rutas más Cortas desde una sola Fuente en Grafos Dirigidos Acíclicos (DAG) 29
30 Rutas más Cortas desde una sola Fuente en Grafos Dirigidos Acíclicos (DAG) 30
31 Rutas más Cortas desde una sola Fuente en Grafos Dirigidos Acíclicos (DAG) Aplicación 31 Diagramas de Pert (program evaluation and review technique)
32 Algoritmo de Dijkstra 32 Resuelve el problema de rutas más cortas desde una sola fuente con un grafo dirigido y pesado G = (V, E) para el caso en que los pesos no son negativos Asumimos que w(u,v) > 0 para cada arco (u,v) E
33 Algoritmo de Dijkstra 33
34 Algoritmo de Dijkstra 34 Mantiene un conjunto S de vértices para los cuales se ha determinado la ruta más corta desde la fuente s Después selecciona un vértice u V S con el estimado mínimo de ruta más corta Añade u a S y relaja todos los arcos de salen de u La implementación usa un Priority-Queue de vértices utilizando como llave los valores d También mantiene el padre que llevó a la ruta más corta hasta ese momento, π[v]
35 Algoritmo de Dijkstra 35
36 Algoritmo de Dijkstra 36
37 Algoritmo de Dijkstra 37
38 Es un algoritmo voraz Algoritmo de Dijkstra 38 Porque siempre elige el vértice más ligero o más cercano en V S para añadir al conjunto S Dijkstra s calcula rutas más cortas Cada vez que se añade un vértice u al conjunto S, tenemos que d[u] = δ(s,u).
39 Algoritmo de Dijkstra Teorema 24.6 (El algoritmo de Dijkstra es correcto) 39 El algoritmo de Dijkstra, ejecutado sobre un grafo pesado y dirigido G = (V, E) con una función de pesos no-negativos w y una fuente s, termina con d[u] = δ(s,u) para todos los vértices u V. Corolario 24.7 Si ejecutamos el algoritmo de Dijkstra sobre un grafo pesado y dirigido G = (V, E) con una función de pesos no-negativos w y una fuente s, entonces a la terminación, el subgrafo de predecesores G π es un árbol de rutas más cortas con s como raíz.
40 TAREA Hacer una prueba de ciclo invariante para el algoritmo de Dijkstra 40
Todos los Pares de Rutas más Cortas (All-Pairs Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
Todos los Pares de Rutas más Cortas (All-Pairs Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Problema de Encontrar todos los Pares de Rutas más Cortas 2 Encontrar las rutas
Más detallesCaminos más cortos en gráficas. comp-420
Caminos más cortos en gráficas comp-40 Caminos más cortos en gráficas Dado un grafo con peso y dirigido G = (V, E) con una función de peso w : E R que transforma aristas a valores reales de peso. El peso
Más detallesAnálisis y Diseño de Algoritmos Árboles de Mínima Expansión (Minimum Spanning Trees) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
Análisis y Diseño de Algoritmos Árboles de Mínima Expansión (Minimum Spanning Trees) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Problema de Cableado de Circuitos Electrónicos 2 Diseño
Más detallesMáximo Flujo (Maximum Flow) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
Máximo Flujo (Maximum Flow) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Flujo Máximo También podemos utilizar un grafo dirigido para modelar una red de flujo Se produce un material que
Más detallesAlgoritmos para determinar Caminos Mínimos en Grafos
Problemas de camino mínimo Algoritmos para determinar Caminos Mínimos en Grafos Algoritmos y Estructuras de Datos III DC, FCEN, UBA, C 202 Problemas de camino mínimo Dado un grafo orientado G = (V, E)
Más detallesAlgoritmos Elementales de Grafos DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
Análisis álii y Diseño de Algoritmos Algoritmos Elementales de Grafos DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Introducción Buscar en un grafo significa sistemáticamente seguir las aristas
Más detallesFrancisco J. Hernández López
Francisco J. Hernández López fcoj23@cimat.mx Estructura de datos no lineales donde cada componente o nodo puede tener uno o más predecesores (a diferencia de los árboles) y sucesores Un grafo esta formado
Más detallesAnálisis y Diseño de Algoritmos
Análisis y Diseño de Algoritmos Algoritmos Voraces DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Introducción Siempre toman la mejor opción en cada momento (punto de decisión del algoritmo)
Más detallesAlgoritmos para caminos más cortos (2) comp-420
lgoritmos para caminos más cortos (2) comp-420 lgoritmo * escrito totalmente en 1968 por Peter art, Nils Nilsson y ertram Raphael. n 1964 Nils Nilsson inventó un método que utiliza una heurística para
Más detallesEstructuras de Datos y Algoritmos. Grafos
Estructuras de Datos y Algoritmos Grafos Definiciones Grafo modelo para representar relaciones entre elementos de un conjunto. Grafo: (V,E), V es un conjunto de vértices o nodos, con una relación entre
Más detallesTema 5 Árboles y Grafos.
Tema 5 Árboles y Grafos. Definiciones básicas de teoría de grafos. Un grafo consta de un conjunto de nodos, un conjunto de aristas y una correspondencia f del conjunto de aristas al conjunto de nodos.
Más detalles5.4 Caminos mínimos: Algoritmo de Dijkstra
81 5.4 Caminos mínimos: Algoritmo de Dijkstra Al observar nuestro mapa de carreteras se pueden considerar las distancias en km que hay entre las ciudades, a cada arista se le asigna el valor correspondiente
Más detallesParte de Algoritmos de la asignatura de Programación Master de Bioinformática. Grafos
Parte de Algoritmos de la asignatura de Programación Master de Bioinformática Grafos Web asignatura: http://dis.um.es/~domingo/algbio.html E-mail profesor: domingo@um.es Transparencias preparadas a partir
Más detallesTema 6.2: Camino de Menor Valor. CMV: Objetivo. CMV: ejemplo. Ejemplo. Camino de menor valor
Tema.: Camino de Menor Valor Modelización Matemática Máster en Ingeniería de Caminos, Canales y Puertos Camino de menor valor Algoritmos Algoritmo de Dijkstra Algoritmo de Bellman-Ford Ignacio Montes Departamento
Más detallesTema: Recorrido de Grafos. Ruta más corta
PED104. Guía N 12 Página 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación con Estructuras de Datos Tema: Recorrido de Grafos. Ruta más corta Competencia Desarrolla sistemas de información
Más detallesOBJETIVOS ÍNDICE BIBLIOGRAFÍA
OBJETIVOS Tema 9: GRAFOS Primera Parte Estructuras de Datos y Algoritmos Curso 2002/03 Definiciones formales de grafo y conceptos relacionados Estructuras de datos para representar grafos Algoritmos para
Más detallesTema 2, 3 y 4 GRUPO 82 - INGENIERÍA INFORMÁTICA. Bernardo D Auria. 3 Diciembre Departamento de Estadística. Universidad Carlos III de Madrid
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 82 - INGENIERÍA INFORMÁTICA Diciembre 2008 Ejercicio T2-JN12 Comprueba que el problema lineal min x x 1 + x 2 2x x +
Más detallesTema 4y 5. Algoritmos voraces. Algoritmos sobre grafos
Tema 4y 5. Algoritmos voraces. Algoritmos sobre grafos Objetivos: Estudio de la técnica de diseño de algoritmos voraces Estudio de algunos problemas clásicos: Indice: Mochila con fraccionamiento Algoritmos
Más detallesAlgoritmos y Estructuras de Datos III Apunte Teórico Primer cuatrimestre
Algoritmos y Estructuras de Datos III Apunte Teórico 2018 Primer cuatrimestre Índice 1. Grafos 2 1.1. Conceptos básicos.......................... 2 1.2. Árboles................................ 6 1.3. Camino
Más detallesAlgoritmos de fuerza bruta
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 29 de enero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Algoritmos de fuerza bruta 29 de enero de 2018 1 / 26 1 Algoritmos de fuerza bruta Introducción
Más detallesARBOLES GENERADORES. Orlando Arboleda Molina. 16 de septiembre de Escuela de Ingeniería de Sistemas y Computación de La Universidad del Valle
ARBOLES GENERADORES Orlando Arboleda Molina Escuela de Ingeniería de Sistemas y Computación de La Universidad del Valle 16 de septiembre de 2008 Contenido Árboles generadores Algoritmo búsqueda por profundidad
Más detallesMatemáticas Discretas L. Enrique Sucar INAOE. Teoría de Grafos. Problema de los puentes de Königsberg [Euler]
Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Grafos Problema de los puentes de Königsberg [Euler] Teoría de Grafos Definición y terminología Tipos de grafos Trayectorias y circuitos Isomorfismo
Más detallesTeoría de grafos y optimización en redes
Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,,
Más detallesÁrboles de Expansión Mínima. Matemática Discreta. Agustín G. Bonifacio UNSL
UNSL Árboles Definiciones y Ejemplos Caracterización Un árbol T es un grafo simple que satisface lo siguiente: si v y w son vértices en T, entonces existe una trayectoria simple única de v a w. Un árbol
Más detallesTema: Algoritmos para la ruta más corta en un Grafo.
Programación IV. Guía No. 10 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Algoritmos para la ruta más corta en un Grafo. Objetivos Específicos Definir el concepto de camino
Más detallesGrafos: algunas definiciones
Grafos: algunas definiciones Un grafo dirigido G es un par (V, E), donde V es un conjunto finito de nodos (o vértices) y E es una relación binaria sobre V. Un grafo no dirigido G es un par (V, E), donde
Más detallesAlgoritmos voraces (greedy)
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 21 de marzo de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Algoritmos voraces 21 de marzo de 2018 1 / 45 1 Algoritmos voraces (greedy) Aplicaciones de
Más detallesCaminos más cortos: Jose Aguilar
Caminos más cortos: algoritmo de Dijkstra, algoritmo de Bellman-Ford, Caminos más cortos en grafos dirigidos, algoritmo de Floyd-Warshall y algoritmo de Johnson. Jose Aguilar Caminos más cortos Coste de
Más detallesGrafos. Algoritmos y Estructuras de Datos III
Grafos Algoritmos y Estructuras de Datos III Grafos Un grafo G = (V, X ) es un par de conjuntos, donde V es un conjunto de puntos o nodos o vértices y X es un subconjunto del conjunto de pares no ordenados
Más detallesCentro Asociado Palma de Mallorca. Tutor: Antonio Rivero Cuesta
Centro Asociado Palma de Mallorca Lógica y Estructuras Discretas Tutor: Antonio Rivero Cuesta Tema 5 Teoría de Grafos Conceptos Básicos Un grafo consta de: Grafo Un conjunto de nodos, Un conjunto de aristas
Más detallesColoreo de vértices Definiciones: Coloreo de Grafos. Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g).
Coloreo de vértices Definiciones: Coloreo de Grafos Algoritmos y Estructuras de Datos III Un coloreo (válido) de los vértices de un grafo G = (V, X ) es una asignación f : V C, tal que f (v) f (u) (u,
Más detallesLA GERENCIA DE PROYECTOS
LA GERENCIA DE PROYECTOS Definición de Proyecto Un proyecto es una serie de actividades ordenadas encaminadas a lograr un objetivo con ciertas especificaciones, en un tiempo dado y con unos recursos determinados.
Más detallesMatemáticas Discretas
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Cursos Propedéuticos 2016 Ciencias Computacionales INAOE Dr. Enrique Muñoz de Cote jemc@inaoep.mx http://ccc.inaoep.mx/~jemc Oficina
Más detallesAlgoritmo de Kruskal
Algoritmo de Kruskal Curso de Teoría Algebraica de Grafos Facultad de Ingeniería Universidad de la República 4 de mayo de 202 Árboles Un árbol es un grafo conexo y acíclico (sin ciclos). Un bosque es un
Más detallesGráficas. Las relaciones que resultan de estas conexiones nos llevan a preguntas como:
GRÁFICAS Gráficas Muchas aplicaciones computacionales involucran no solo un conjunto de elementos sino también conexiones entre pares de elementos. Las relaciones que resultan de estas conexiones nos llevan
Más detallesCapítulo 5 Introducción a la teoría de grafos
Capítulo 5 Introducción a la teoría de grafos 5.1. Terminología básica y tipos de grafos Una primera aproximación a la teoría de grafos la tenemos cuando observamos un mapa de carreteras: ciudades (vértices)
Más detallesTeoría de Grafos y Árboles.
Estructuras Discretas Teoría de Grafos y Árboles. Prof. Miguel Fagúndez www.geocities.com/mfagundez4 1 www.geocities.com/mfagundez4 www.geocities.com/mfagundez4 3 Grafos: Definición Un grafo no es mas
Más detalles1. Diseñe algoritmos que permitan resolver eficientemente el problema de la mochila 0/1 para los siguientes casos:
PROGRAMACIÓN DINÁMICA RELACIÓN DE EJERCICIOS Y PROBLEMAS 1. Diseñe algoritmos que permitan resolver eficientemente el problema de la mochila /1 para los siguientes casos: a. Mochila de capacidad W=15:
Más detallesOptimización de viaje en transporte público por medio de grafos
Optimización de viaje en transporte público por medio de grafos Descripción del problema Áreas como ciudades frecuentemente disponen de múltiples medios de transporte públicos como lo son los camiones
Más detallesUn grafo G = (V, E) se dice finito si V es un conjunto finito.
1 Grafos: Primeras definiciones Definición 1.1 Un grafo G se define como un par (V, E), donde V es un conjunto cuyos elementos son denominados vértices o nodos y E es un subconjunto de pares no ordenados
Más detallesEl problema de localización del árbol de concentradores
El problema de localización del árbol de concentradores I. Contreras 1 E. Fernández 1 A. Marín 2 1 Departmento de Estadística e I.O. Universidad Politécnica de Cataluña 2 Departmento de Estadística e I.O.
Más detalles5.6 Árbol generador de un grafo
88 5.6 Árbol generador de un grafo Definición 5.59. Sea G un grafo simple. Un árbol generador de G es un subgrafo de G que es un árbol y contiene todos los vértices de G. Ejemplo 5.60. Un grafo y algunos
Más detallesGrafos. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Grafos 1 / 30
Grafos AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Grafos / 0 Objetivos Al finalizar este tema tendréis que: Conocer la terminología básica de la teoría de grafos. Pasar
Más detallesBúsqueda en espacio de estados
Búsqueda en espacio de estados Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Inteligencia Artificial CCIA, US Búsqueda en espacio de estados IA 1 / 35 Metodología
Más detallesAnálisis y Diseño de Algoritmos
Análisis y Diseño de Algoritmos Introducción: El Rol de los Algoritmos en Computación DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Temario 2 1. Introducción 2. Notación Asintótica 3. Recurrencias
Más detallesRepresentación y manipulación de grafos: caminos, expansión, cortes y flujos
Un grafo G es un par de conjuntos G =(V,E) Representación y manipulación de grafos: caminos, expansión, cortes y flujos V = un conjunto de n vértices u, v, w V E = un conjunto de m aristas V = n, E = m
Más detallesUnidad 2: Problemas de camino mínimo
Representación Recorrido de grafos Camino mínimo Unidad 2: Problemas de camino mínimo Representación Matriz de adyacencia Matriz de incidencia Listas de vecinos Recorrido de grafos Estructuras de datos
Más detallesIndice. 1. Tipos de grafos. 2. Conceptos Básicos 3. Representación de grafos 4. Subgrafos. Grafos complementarios
Teoría de Grafos 1 1. Tipos de grafos Indice 2. Conceptos Básicos 3. Representación de grafos 4. Subgrafos. Grafos complementarios 5. Caminos y conectividad 6. Grafos Bipartitos 2 Tipos de Grafos Un grafo
Más detallesÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES
ÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES ÁRBOL Un árbol es un grafo no dirigido, conexo, sin ciclos (acíclico), y que no contiene aristas
Más detallesSesión 4: Teoría de Grafos
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 4: Teoría de Grafos Problema de los puentes de Königsberg [Euler] Teoría de Grafos Definición y terminología Tipos de grafos Trayectorias y
Más detallesApuntes de Teórico de Programación 3. Apuntes de Teórico PROGRAMACIÓN 3. Greedy. Versión 1.1
Apuntes de Teórico PROGRAMACIÓN 3 Greedy Versión 1.1 1 Índice Índice... Introducción... 3 Ejemplo 1 (problema de las monedas)... 3 Ejemplo (problema de la mochila)... 4 Aplicaciones del método Greedy a
Más detallesAlgoritmos Voraces. Diseño y Análisis de Algoritmos
Algoritmos Voraces Diseño y Análisis de Algoritmos Contenidos Contenidos 1 Introducción 2 Ejemplos básicos 3 Cambio de monedas 4 Problema de la mochila 5 Problemas de planificación de tareas 6 Patrones
Más detallesGRAFOS. Tomado de: Joyanes Aguilar Luis, Estructuras de datos en Java. CASOS
GRAFOS Tomado de: Joyanes Aguilar Luis, Estructuras de datos en Java. CASOS 1.4 El recorrido del cartero Imaginemos un grafo que representa el mapa de las calles de un barrio. Una calle va de una esquina
Más detallesÁrboles. Un grafo no dirigido es un árbol si y sólo si existe una ruta unica simple entre cualquiera dos de sus vértices.
ÁRBOLES Árboles Un grafo conectado que no contiene circuitos simples. Utilizados desde 1857, por el matemático Ingles Arthur Cayley para contar ciertos tipos de componentes químicos. Un árbol es un grafo
Más detallesCiclos Hamiltonianos Algoritmo de la Ruta Más Corta. Matemática Discreta. Agustín G. Bonifacio UNSL. Teoría de Grafos II
UNSL Teoría de Grafos II y Ejemplos Un ciclo en un grafo que contiene cada vértice justo una vez, excepto por el vértice inicial y el final que aparece dos veces, recibe el nombre de ciclo de Hamilton.
Más detallesNIVEL 17: ESTRUCTURAS NO LINEALES
1 NIVEL 17: ESTRUCTURAS NO LINEALES Grafos, definiciones y tipos de problemas 2 Agenda Qué son? Formalismo abstracto de los grafos dirigido Conceptos Ejemplo: Red de distribución de agua Caminos y Ciclos
Más detallesEstructuras de Datos y Algoritmos
Estructuras de Datos y Algoritmos Práctico 3: Grafos (Finalización: 06/09) Ing. en Computación - Ing. en Informática - Prof. en Computación Año 2018 Ejercicio 1: Dado el siguiente p-digrafo: 5 b 6 d 11
Más detallesTeoría de Grafos Introducción Grafos isomorfos
Capítulo 1 Teoría de Grafos 1.1. Introducción Definición. Denominaremos pseudomultigrafo a una terna (V,E, γ), donde V y E son conjuntos y γ : E {{u,v}: u,v V }. El conjunto V se denomina conjunto de vértices
Más detallesFundamentos de Investigación de Operaciones Modelos de Grafos
Fundamentos de Investigación de Operaciones de junio de 00 Muchos problemas de optimización puedes ser analizados y resueltos a través de representaciones gráficas. Tal es el caso de los problemas de planificación
Más detallesGuía práctica de estudio 7
Guía práctica de estudio 7 Algoritmos de Grafos. Parte 2. Elaborado por: Revisión: Ing. Laura Sandoval Montaño Facultad de Ingeniería U.N.A.M. Guía Práctica 7 Estructura de datos y Algoritmos II Algoritmos
Más detallesDefiniciones: conjuntos, grafos, y árboles. Agustín J. González ELO 320: Estructura de Datos y Algoritmos. 2002
Definiciones: conjuntos, grafos, y árboles Agustín J. González ELO 320: Estructura de Datos y Algoritmos. 2002 1 Conjuntos (sets) y Grafos (graphs) Un Conjunto es una colección de objetos distintos. No
Más detallesMatemáticas Discretas
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Cursos Propedéuticos 2011 Ciencias Computacionales INAOE Dr. Enrique Muñoz de Cote jemc@inaoep.mx http://ccc.inaoep.mx/~jemc Oficina
Más detallesBúsqueda Heurística (1ª parte)
Búsqueda Heurística (1ª parte) Ingeniería Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados en búsqueda
Más detallesEstructuras de Datos y Algoritmos: Boletín de Problemas del segundo parcial
Estructuras de Datos y Algoritmos: Boletín de Problemas del segundo parcial (Facultad de Informática) Curso 00 0 Estructuras de Datos y Algoritmos (FI-UPV) Curso 00 0 Árboles. Si la acción P fuera escribir
Más detallesIntroducción Aplicaciones Primer Algoritmo Segundo Algoritmo - Algoritmo de Fortune. Diagrama de Voronoi. Jose Luis Bravo Trinidad 1 / 29
1 / 29 Definición Propiedades geométricas Índice 1 Introducción Definición Propiedades geométricas 2 Análisis de recursos Triangulaciones Robótica Diseño 3 Implementación 4 Segundo - de Fortune 2 / 29
Más detallesAlgoritmos y Estructuras de Datos II
27 de mayo de 2013 Clase de hoy 1 Repaso Divide y vencerás Algoritmos voraces 2 3 Divide y vencerás Algoritmos voraces Repaso cómo vs. qué 3 partes 1 análisis de algoritmos 2 tipos de datos 3 técnicas
Más detallesAnAnálisis de redes de transporte Tr. Muchas veces se utiliza en aplicaciones que nada tienen que ver con el transporte
AnAnálisis de redes de transporte Tr Muchas veces se utiliza en aplicaciones que nada tienen que ver con el transporte Resumen Antecedentes y definiciones El camino más corto Árbol de expansión mínima
Más detallesDigrafos fuertemente conexos minimales (MSD) vs árboles
Digrafos fuertemente conexos minimales (MSD) vs árboles 21 de marzo de 2017 Digrafos fuertemente conexos minimales (MSD) 21vsde árboles marzo de 2017 1 / 26 Preliminares Deniciones(I): Grafo, digrafo,
Más detallesUn GRAFO O GRAFO NO ORIENTADO es una terna G = {V, A,ϕ } conv
DEFINICIÓN 1: Un GRAFO O GRAFO NO ORIENTADO es una terna G = {V, A,ϕ } conv φ donde: V = {v 1, v 2,, v n }: conjunto finito de vértices o nodos. A = {a 1, a 2,, a n }: conjunto finito de aristas o lados
Más detallesCiclos. Recordando Estructuras de Control Básicas: SELECCIÓN (condición) SECUENCIAL
Ciclos Fundamentos de Programación Recordando Estructuras de Control Básicas: Una secuencia es una serie de estatutos que se ejecutan uno después de otro. Selección (condición) ejecuta diferentes estatutos
Más detallesColoreo de Grafos. Algoritmos y Estructuras de Datos III
Coloreo de Grafos Algoritmos y Estructuras de Datos III Coloreo de nodos Definiciones: Un coloreo (válido) de los nodos de un grafo G = (V, X ) es una asignación f : V C, tal que f (v) f (u) (u, v) E.
Más detallesTema: Algoritmos para la ruta más corta en un Grafo.
Programación IV. Guía 10 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Algoritmos para la ruta más corta en un Grafo. Objetivos Específicos Definir el concepto de camino
Más detallesEl TAD Grafo. El TAD Grafo
! Esta representación resulta útil cuando el número de vértices se conoce previamente y permanecerá fijo durante la resolución del problema, pero resulta ineficiente si necesitamos añadir o eliminar vértices
Más detallesAnálisis de Algoritmos
Análisis de Algoritmos Profesor: M.C. Cuauhtemoc Gomez Suarez Tarea 06: Para calificación de examen. Sección: 503 Manuel Alejandro Salazar Mejía. Matrícula: 0300704C 11 de enero de 2011 1 Tarea: a) Programar
Más detallesAnálisis y Diseño de Algoritmos. Teoría de Gráficas
Teoría de Gráficas Arturo Díaz Pérez Sección de Computación Departamento de Ingeniería Eléctrica CINVESTAV-IPN Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México, D. F. CP 07300
Más detallesMinimum Spanning Tree (Árbol de Expansión Mínima) Agustín J. González ELO320: Estructura de datos y Algoritmos
Minimum Spanning Tree (Árbol de Expansión Mínima) Agustín J. González ELO320: Estructura de datos y Algoritmos 1 Introducción Lo que realmente se minimiza es el peso del árbol obtenido. No se minimiza
Más detallesTema 10- Grafos. Objetivos:
Tema - Grafos Duración: 2 semanas aprox. Índice general:. Relaciones entre los Datos de una Colección 2. Conceptos básicos sobre Grafos. Representación de un Grafo: Matriz y Listas de Adyacencia. Implementación
Más detallesAlgebra Matricial y Teoría de Grafos
Algebra Matricial y Teoría de Grafos Unidad 3: Nociones de teoría de grafos Luis M. Torres Escuela Politécnica del Litoral Quito, Enero 2008 Maestría en Control de Operaciones y Gestión Logística p.1 Contenido
Más detallesIntroducción a la Teoría de Grafos
Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Programa Introducción a la teoría de grafos Problemas de camino mínimo Problemas de flujo máximo Programación lineal
Más detallesCapítulo 7. Grafos. Continuar
Capítulo 7. Grafos Continuar Introducción Uno de los primeros resultados de la teoría de grafos fue el que obtuvo Leonhard Euler en el siglo XVIII al resolver el problema de los puentes de Königsberg.
Más detallesConceptos básicos en la Teoría de Grafos
Conceptos básicos en la Teoría de Grafos Cristina Jordán Lluch Instituto de Matemáticas Multidisciplinar Grupo de Modelización Físico-Matemática Conceptos básicos Subgrafos Caminos, cadenas y ciclos Represetación
Más detallesTema 7: Problemas clásicos de Programación Lineal
Tema 7: Problemas clásicos de Programación Lineal 1.- Características generales de un problema de transporte y asignación Surgen con frecuencia en diferentes contextos de la vida real. Requieren un número
Más detallesAlgoritmos Elementales de Grafos. Agustín J. González ELO-320: Estructura de Datos Y Algoritmos 1er.Sem. 2002
Algoritmos Elementales de Grafos Agustín J. González ELO-0: Estructura de Datos Y Algoritmos er.sem. 00 Introducción Estudiaremos métodos para representar y explorar o recorrer grafos. Explorar un grafo
Más detallesModelos de Redes: Problemas de la Ruta más m s corta. M. En C. Eduardo Bustos Farías
Modelos de Redes: Problemas de la Ruta más m s corta M. En C. Eduardo Bustos Farías as Problemas de la Ruta más m s corta 2 Problemas de la Ruta más m s corta Se trata de encontrar la ruta de menor distancia,
Más detallesLAS CIENCIAS DE LA PLANIFICACIÓN
LAS CIENCIAS DE LA PLANIFICACIÓN 5. EL PROBLEMA DEL VIAJANTE (PV) (The Traveling Salesman Problem TSP) Un problema como el de las vacaciones, pero vital para las empresas, es el problema del viajante (PV):
Más detallesTeoría de Grafos. Herramientas de programación para procesamiento de señales
Teoría de Grafos Herramientas de programación para procesamiento de señales Indice Nociones básicas: Definiciones Ejemplos Propiedades Nociones avanzadas: Grafos planares Árboles Representación en computadora
Más detallesGrafos. Amalia Duch Brown Octubre de 2007
Grafos Amalia Duch Brown Octubre de 2007 Índice 1. Definiciones Básicas Intuitivamente un grafo es un conjunto de vértices unidos por un conjunto de líneas o flechas dependiendo de si el grafo es dirigido
Más detallesÁrboles: Árbol Abarcador Minimal CSI / ITESM
Árboles: Árbol Abarcador Minimal CSI / ITESM Árboles:Árbol Abarcador Minimal p.1/5 Árboles Abarcador (Spanning Tree): Definición Un árbol abarcador para un grafo G es un subgrafo de G que contien todos
Más detalles1. GRAFOS : CONCEPTOS BASICOS
1. GRAFOS : CONCEPTOS BASICOS Sea V un conjunto finito no vacio y sea E V x V. El par (V, E) es un grafo no dirigido, donde V es un conjunto de vértices o nodos y E es un conjunto de aristas. Denotaremos
Más detallesAnálisis de Algoritmos Problemas de grafos
Análisis de Algoritmos Problemas de grafos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Problemas de grafos p. 1 INDEPENDENT SET es NP-completo Necesitamos un gadget : el triángulo.
Más detallesLogística y Operaciones Administración de Proyectos Introducción Pág. 1 Ing. Tasca, Mara G.
ADMINISTRACION DE PROYECTOS CPM Y PERT: Introducción: Por lo general los proyectos consisten en un cierto número de tareas interrelacionadas, que pueden o no efectuarse en forma simultánea. Es importante
Más detallesAnálisis de algoritmos
Tema 10: Algoritmos ávidos M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Introducción Algoritmos ávidos Forma general de un
Más detallesAnálisis y Diseño de Algoritmos
Análisis y Diseño de Algoritmos Ordenamiento en Tiempo Lineal DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Ordenamiento por Comparación (Comparison Sorts) Tiempo de ejecución HeapSort y
Más detallesAlgorítmica y Complejidad. Tema 4 Algoritmos sobre grafos.
Algorítmica y Complejidad Tema. Algorítmos sobre grafos. Conceptos, Definiciones y Representación.. Conectividad y recorrido.. Árboles de expansión.. Caminos mínimos. Algorítmos sobre grafos. Conceptos,
Más detallesAlgoritmos de búsqueda en grafos I
I Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 7 de febrero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Búsqueda en grafos I 7 de febrero de 2018 1 / 36 1 Representación computacional de grafos
Más detallesMétodo de mínimos cuadrados (Continuación)
Clase No. 11: MAT 251 Método de mínimos cuadrados (Continuación) Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT
Más detallesTema 5: Grafos. CIS - UABJB - Estructura de Datos II Ing. Freddy Melgar Algarañaz 1
Tema 5: Grafos 1 Indice 1. Tipos de grafos 2. Conceptos Básicos 3. Representación de grafos 4. Caminos y conectividad 5. Grafos Bipartitos 6. Recorridos, eulerianos 2 Tipos de Grafos Un grafo G es un par
Más detallesTaller de grafs: rutes, mapes i xarxes socials
Taller de grafs: rutes, mapes i xarxes socials Cristina Chiralt y Fernando Hernando Universidad Jaume I e Instituto Universitario de Matemáticas y sus Aplicaciones de Castellón Grado de Matemática Computacional
Más detallesSOLUCIONES COMENTADAS
Departamento de Matemática Aplicada Curso 14-15 Facultad de Informática, UPM Matemática Discreta I (MI) Control 1 21-10-14 SOLUCIONES COMENTADAS Ejercicio 1. (1 punto) Se trazan 18 segmentos en el plano
Más detalles