Teoría de grafos y optimización en redes
|
|
- María Soledad Pinto Piñeiro
- hace 7 años
- Vistas:
Transcripción
1 Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas
2 Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,, } E = {{,}, {,}, {,}, {,}, {,}, {,}} Grafo dirigido o red: Conjunto de nodos (o vértices) unidos por arcos R=(V,A) Ejemplo V = {,,,, } A = {(,), (,), (,), (,), (,), (,), (,)} Teoría de grafos y optimización en redes -
3 Definiciones básicas Pseudografo: Grafo en el que se permiten bucles aristas que unen un nodo consigo mismo Ejemplo V = {,,,, } E = {{,}, {,}, {,}, {,}, {,}, {,}, {,}} Multigrafo: Grafo en el que se permite más de una arista entre cada par de nodos Ejemplo V = {,,,, } E = {{,}, {,}, {,}, {,}, {,}, {,}, {,}} Teoría de grafos y optimización en redes -
4 Representación matricial Matriz de adyacencia de un grafo (o red) A Cada fila asociada a un nodo Cada columna asociada a un nodo si existe arista (arco) del nodo i al nodo j a ij= 0 en otro caso Simétrica para el caso de grafo Matriz de incidencia de un grafo (o red) B Cada fila asociada a un nodo Cada columna asociada a una arista si el nodo i pertenece a la arista j Grafo b ij= 0 en otro caso Red (totalmente unimodular) si el nodo i es el comienzo del arco j b si el nodo i es el final del arco j ij= 0 en otro caso Teoría de grafos y optimización en redes -
5 Representación matricial Ejemplo A = B = Ejemplo A = B= Teoría de grafos y optimización en redes -
6 Conexión Conexión en un grafo Una cadena es una secuencia de aristas de forma que el nodo final de cada arista coincide con el nodo inicial de la siguiente. Cada cadena conecta dos nodos Si dos nodos están conectados, se puede encontrar una cadena entre ellos que no repita nodos Un ciclo es una cadena que conecta un nodo consigo mismo Un grafo es conexo si cada par de nodos está conectado por medio de alguna cadena Ejemplos Cadena: {,}, {,}, {,} Ciclo: {,}, {,}, {,} Grafo conexo Grafo no conexo Teoría de grafos y optimización en redes -
7 Conexión Conexión en una red Cadena y ciclo: Igual que en un grafo. No influye la orientación de los arcos Un camino es una secuencia de arcos de forma que el nodo final de cada arco coincide con el nodo inicial del siguiente. Cadena en la que todos los arcos están orientados en el mismo sentido Un circuito es un ciclo y un camino al mismo tiempo Una red es conexa si cada par de nodos está conectado por medio de alguna cadena Una red es fuertemente conexa si cada par de nodos está conectado por medio de algún camino Toda red fuertemente conexa es conexa Teoría de grafos y optimización en redes - 6
8 Conexión Ejemplos Cadena: {,}, {,}, {,} Ciclo: {,}, {,}, {,} Camino: (,), (,), (,) Circuito: (,), (,), (,) Red conexa Red no fuertemente conexa, ya que no existe camino que conecte el nodo con el nodo Red fuertemente conexa Teoría de grafos y optimización en redes - 7
9 Árboles Un árbol es un grafo conexo y sin ciclos Ejemplos No es árbol, pues existen ciclos No es árbol, pues no es conexo Árbol En un árbol se cumple card(e) = card(v) - Teoría de grafos y optimización en redes - 8
10 Árbol soporte Dado un grafo conexo G = (V,E), un árbol soporte (árbol generador, árbol de expansión, árbol de extensión) es un árbol T = (V,E ) donde E E Ejemplo Árbol soporte T Grafo conexo G Árbol soporte T Teoría de grafos y optimización en redes - 9
11 Árbol soporte de mínimo peso Planteamiento: Dado un grafo conexo G = (V,E) con pesos asociados a las aristas, el objetivo es obtener un árbol soporte T = (V,E ) en el que la suma de los pesos de las aristas elegidas sea mínima Algoritmo de Prim PASO. INICIALIZACIÓN Elegir un NODO cualquiera i V. Hacer Sea k=, E' = C = {} i, C = V {} i PASO. SELECCIÓN DE LA ARISTA DE MENOR PESO QUE UNA UN NODO DE LOS CONECTADOS CON UN NODO NO CONECTADO Seleccionar la arista e = { ij, } con i C, j C k k k de peso mínimo entre todas las posibles. Hacer C = C {} j, C = C {} j y k k k k E' = E' { e } k Si k= carv ( ) PARAR. Si no, hacer k= k+ y volver al PASO. Algoritmo tipo greedy de complejidad polinomial Teoría de grafos y optimización en redes - 0
12 Árbol soporte de mínimo peso. Ejemplo PASO Elegimos por ejemplo i=: C = {}, C = {,,,,6 }. k=, E' = PASO Elegimos de las aristas que unen nodos de C con nodos de C, la de menor peso: con peso. C,, C,,,6. E ' =, e = {,} = { } = { } { } 6 { } k< 6 k=, volver al PASO Teoría de grafos y optimización en redes -
13 Árbol soporte de mínimo peso. Ejemplo PASO Elegimos por ejemplo {, } con peso. C {{ }{ }} E ' =,,, e = = {,, }, C = {,,6} 6 k < 6 k =, volver al PASO PASO Elegimos {,} con peso. C E ' =,,,,, e = = {,,, }, C = {,6} { }{ }{ } { } 6 k< 6 k=, volver al PASO Teoría de grafos y optimización en redes -
14 Árbol soporte de mínimo peso. Ejemplo PASO Elegimos {,6} con peso. C E ' =,,,,,,,6 e = = {,,,,6 }, C = {} { }{ }{ }{ } { } k < 6 k = 6, volver al PASO 6 PASO Elegimos por ejemplo e = {,6 } con peso. C = {,,,,,6 6 }, C = 6 E ' =,,,,,,,6,,6. k= 6 Parar {{ }{ }{ }{ }{ }} 6 Peso total= Teoría de grafos y optimización en redes -
15 Problema del camino mínimo Planteamiento: Dada una red R = (V,A) con distancias d kj asociadas a los arcos, el objetivo es obtener los caminos más cortos de un nodo origen a todos los demás Las distancias pueden ser también costes, tiempos, etc. Si no existe arco del nodo k al nodo j se asigna d kj = Existen otros planteamientos similares: obtener el camino mínimo de un nodo origen a un nodo destino, obtener los caminos mínimos de todos a todos los nodos, etc. En el caso de un grafo, se considera cada arista como un par de arcos de sentidos opuestos Ecuaciones de Bellman Sea el nodo origen, y u j la longitud del camino mínimo del origen al nodo j u = 0 { } u = min u, u + d j=,..., n j k j j k kj Teoría de grafos y optimización en redes -
16 Algoritmo de Dijkstra Es necesario que todas las distancias sean positivas Su complejidad es polinomial En cada etapa hay dos conjuntos de nodos: P formado por nodos permanentes y T por nodos transitorios Se denota pred(j) al nodo predecesor de j en el camino del origen a j Algoritmo PASO 0. INICIALIZACIÓN u = 0, u = d, j =,..., np. =, T =,..., n, predj ( ) =, j =,..., n j j PASO. HACER PERMANENTE EL NODO CON LONGITUD MÍNIMA Elegir k T tal que u = min{ u k j}. Hacer P= P j T {} k, T= T {} k Si T= PARAR PASO. REVISIÓN DE LOS NODOS TRANSITORIOS Para cada j T calcular u = min { u, u + d }. j j k kj Si se modifica u hacer predj ( ) = k j Volver al PASO {} { } Teoría de grafos y optimización en redes -
17 Algoritmo de Dijkstra. Ejemplo PASO 0 u = 0, u =, u = 9, u = u = u =. P=, T=,,,,6, predj ( ) =, j=,,,,6 6 PASO k=, u =. P=,, T=,,,6 { } { } {} { } PASO u = min u, u + d = min 9, + = 8 pred() = { } { } { } { } { } { } { u u d } { } u = min u, u + d = min, + = 9 pred() = u = min u, u + d = min, + = 6 pred() = u = min, + = min,+ = Teoría de grafos y optimización en redes - 6
18 Algoritmo de Dijkstra. Ejemplo PASO k=, u = 6. P=,,, T=,,6 { } { } PASO u = min u, u + d = min 8,6+ = 7, pred() = u { } { } { u u d } { } { } { } = min, + = min 9,6+ = 9 u = min u, u + d = min,6+ 9 =, pred(6) = PASO k=, u = 7. P=,,,, T=,6 { } { } PASO u = min u, u + d = min 9,7+ = 9 u { } { } { u u d } { } = min, + = min,7+ = PASO { } T {} k=, u = 9. P=,,,,, = 6 PASO u = min u, u + d = min,9+ =, pred(6) = { } { } Teoría de grafos y optimización en redes - 7
19 Algoritmo de Dijkstra. Ejemplo PASO k= 6, u =. P= VT, = Parar 6 6 Teoría de grafos y optimización en redes - 8
20 Algoritmo de Bellman-Ford Apropiado cuando existen distancias negativas Su complejidad es mayor que la de Dijkstra Si existen circuitos de longitud negativa, no hay solución m u j Longitud del camino mínimo del nodo origen al nodo j usando a lo sumo m arcos No puede fijarse ningún nodo como permanente hasta el final Algoritmo u PASO. INICIALIZACIÓN 0, = u = d, j =,..., nm. = j j PASO. CALCULAR LOS CAMINOS MÍNIMOS CON m+ ARCOS Calcular, para cada j=,..., n, Si u m + m = u j o m+ = n PARAR. j j Si no, hacer m= m+ y volver al PASO { } {,min } u = min u u + d m + m m j j k j k kj Pueden almacenarse los predecesores para construir el árbol final Teoría de grafos y optimización en redes - 9
21 Algoritmo de Bellman-Ford. Ejemplo PASO u = 0, u =, u = 6, u =. m= PASO u u u 6 { u { u d u d }} { } { u { u d u d }} { } u { u d u d } - Hay una distancia negativa No hay circuitos de longitud negativa = min, min +, + = min,6 +,+ = = min, min +, + = min 6, +, = { } { } = min, min +, + = min, +,6+ = Como u u y m+ = = n, hay que seguir: m= y volver al PASO Teoría de grafos y optimización en redes - 0
22 Algoritmo de Bellman-Ford. Ejemplo PASO u u u { u { u d u d }} { } { u { u d u d }} { } u { u d u d } = min,min +, + = min, +,+ = = min,min +, + = min 6,+, = { } { } = min,min +, + = min,+,+ = Como m+ = = n Parar - Teoría de grafos y optimización en redes -
23 Flujo en redes Red de transporte: Grafo dirigido R = (V,A) que cumple Existe una fuente s, nodo al que no llega ningún arco y desde el que se puede alcanzar el resto de nodos Existe un sumidero t, nodo del que no sale ningún arco y que puede alcanzarse desde el resto de nodos Cada arco tiene una capacidad (no negativa) asociada c ij Flujo compatible: Vector φ con tantas componentes como arcos que cumple dos propiedades. No supera la capacidad de los arcos ϕ c ( ij, ) A. Verifica la ley de conservación de flujo i st ϕ = ϕ ij ij, ji ij j/( ji, ) A j/( ij, ) A Valor del flujo ϕsj, que coincide con j/( sj, ) A j/( jt, ) A ϕ jt Teoría de grafos y optimización en redes -
24 Problema de flujo máximo Planteamiento: Dada una red de transporte R = (V,A), determinar un flujo compatible para el que el valor del flujo sea máximo Capacidad residual de un arco c = c ϕ ij ij Camino de aumento: Cadena de la fuente al sumidero que cumple Para cada arco orientado positivamente c > 0 ij Para cada arco orientado negativamente ϕ > 0 Método de Ford-Fulkerson o del camino de aumento Comenzar por un flujo compatible cualquiera Buscar un camino de aumento y aumentar el flujo por ese camino todo lo posible Parar cuando no exista ningún camino de aumento ij ij Teoría de grafos y optimización en redes -
25 Algoritmo de Ford-Fulkerson PASO. COMENZAR CON UN FLUJO COMPATIBLE. CALCULAR LAS CAPACIDADES RESIDUALES * Hacer ϕ = 0 (, i j) A y c c (, i j) A. Etiquetar la fuente ij ij = s (, ) ij PASO. BUSCAR UN CAMINO DE AUMENTO Sean i, j V dos nodos adyacentes, etiquetado y sin etiquetar respectivamente. * a) Si (, i j) A y c ij > 0 se puede aumentar flujo: calcular δ { * j = min δi, cij}. Etiquetar el nodo j ( i+, δ j ) b) Si ( ji, ) A y ϕ ji > 0 se puede disminuir flujo: calcular δ j = min { δ i, ϕ ji }. Etiquetar el nodo j ( i, δ j ) Repetir hasta que el sumidero esté etiquetado (se habrá logrado obtener un camino de aumento formado por nodos etiquetados, cuya capacidad residual global es ) e ir al PASO. δ t Si no puede etiquetarse el sumidero, PARAR. El flujo actual es el máximo. PASO. AUMENTAR EL FLUJO EN EL CAMINO DE AUMENTO OBTENIDO * En cada arco del camino orientado positivamente, hacer ϕij = ϕij + δt, cij = cij ϕij * En cada arco del camino orientado negativamente, hacer ϕ = ϕ δ, c = c ϕ ij ij t ij ij ij Borrar todas las etiquetas, excepto la de la fuente, y volver al PASO. Teoría de grafos y optimización en redes -
26 Algoritmo de Ford-Fulkerson. Ejemplo s () (6) () () () () t Las capacidades de los arcos aparecen entre paréntesis () () PASO * 0, c c (, i j) A. Etiquetar la fuente ϕ = = s (, ) ij ij ij PASO i = s, j = Caso a) δ = min {,} =. Etiquetar ( s+,) i =, j = Caso a) δ = min{,} =. Etiquetar ( +,) i =, j = t Caso a) δ = min{,} =. Etiquetar t ( +,). Ir al PASO t (s+,) (-, ) s t (+,) (+,) Teoría de grafos y optimización en redes -
27 Algoritmo de Ford-Fulkerson. Ejemplo PASO Nuevo flujo ϕ = 0 + =, ϕ = 0 + =, ϕ = 0 + = s t Nuevas capacidades residuales cs = = 0, c = =, ct = = (-, ) s (0) 0() 0(6) 0() () 0() PASO i = s, j = Caso a) δ = min {,6} = 6. Etiquetar ( s+,6) i =, j = Caso a) δ = min{ 6,} =. Etiquetar ( +,) i =, j = t Caso a) δ = min{,} =. Etiquetar t ( +,). Ir al PASO t 0() () t (-, ) s t (+,) (s+,6) (+,) Teoría de grafos y optimización en redes - 6
28 Algoritmo de Ford-Fulkerson. Ejemplo PASO Nuevo flujo ϕ = 0 + =, ϕ = 0 + =, ϕ = + = s t Nuevas capacidades residuales cs = 6 =, c = =, ct = = 0 (-, ) s (0) 0() () 0() () () PASO i = s, j = Caso a) δ = min {,} =. Etiquetar ( s+,) i =, j = Caso a) δ = min{,} =. Etiquetar ( +,) i =, j = Caso b) δ = min{,} =. Etiquetar (,) i =, j = Caso a) δ =,} =. Etiquetar ( +,) i =, j = t Caso a) δ t = min{,} =. Etiquetar t ( +,). Ir al PASO 0() (0) t Teoría de grafos y optimización en redes - 7
29 Algoritmo de Ford-Fulkerson. Ejemplo (-,) (+,) (-, ) s t (+,) (s+,) (+,) PASO Nuevo flujo ϕ = + =, ϕ = + =, ϕ = =, ϕ = 0 + =, ϕ = 0 + = s t Nuevas capacidades residuales c = 6 =, c = =, c = =, c = =, c = = 0 s t (0) () (0) (-, ) s 0() () () t () (0) Teoría de grafos y optimización en redes - 8
30 Algoritmo de Ford-Fulkerson. Ejemplo PASO i = s, j = Caso a) δ = min {,} =. Etiquetar ( s+,) i =, j = Caso a) δ = min{,} =. Etiquetar ( +,) i =, j = Caso b) δ = min{,} =. Etiquetar (,) i =, j = Caso a) δ = min{,} =. Etiquetar ( +,) No es posible etiquetar más nodos, el sumidero no ha sido etiquetado. PARAR (-,) (+,) (-, ) s t (s+,) (+,) Solución óptima s (0) 0() () () () (0) t Valor del flujo V( ϕ) = ϕ + ϕ = + = s s () (0) Teoría de grafos y optimización en redes - 9
31 Problema del corte mínimo Corte: Subconjunto de arcos de una red de transporte cuya eliminación desconecta la fuente del sumidero. Cada corte genera una partición de V en dos componentes: P a la que pertenece la fuente y P a la que pertenece el sumidero Capacidad de un corte: Suma de las capacidades de los arcos que forman el corte Ejemplo s (6) Los arcos (,) y (,t) forman un corte Las componentes son P = {s,,,} y P = {,t } La capacidad del corte es C(P,P) = + = 8 () () () () () () () t Teoría de grafos y optimización en redes - 0
32 Problema del corte mínimo Planteamiento del problema: Dada una red de transporte R = (V,A), determinar un corte de capacidad mínima Relación con el flujo máximo Dado un flujo compatible φ y un corte (P,P) φ es flujo máximo y (P,P) es corte mínimo V( ϕ) C( P, P) V( ϕ) = C( P, P) Resolución: se usa el algoritmo de Ford-Fulkerson. Una vez realizada la última iteración P está formado por los nodos etiquetados P está formado por los nodos no etiquetados Teoría de grafos y optimización en redes -
33 Problema del corte mínimo. Ejemplo Ejemplo () () () s (6) () () t () () El algoritmo de Ford-Fulkerson lleva a (-,) (+,) (-, ) s t (s+,) (+,) Corte mínimo: P = {s,,,,} y P = {t } La capacidad del corte es C(P,P) = c t + c t = + = Teoría de grafos y optimización en redes -
34 Problema de flujo compatible con coste mínimo Planteamiento del problema: Dada una red de transporte R = (V,A), con costes unitarios de flujo d ij asociados a los arcos, determinar un flujo compatible de valor fijo ϑ, con coste total mínimo min ( i, j) A i/( si, ) A i/( it, ) A d ϕ ij ij ϕ ij ij = θ ji i/( j, i) A i/( i, j) A ϕ = 0 j st, 0 ϕ c (, i j) A ij ϕ ϕ = θ ij ij Teoría de grafos y optimización en redes -
Flujos de redes (Network Flows NF)
Fluos de redes (Network Flows NF). Terminología. Árbol generador mínimo. Camino mínimo 4. Fluo máximo 5. Fluo de coste mínimo TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES Terminología Red o grafo (G) Nodos
Más detallesIntroducción. Königsberg, s.xviii A
Teoría de Grafos Introducción Königsberg, s.xviii A B C D Euler resuelve este problema mediante la teoría de grafos: sólo puede haber un ciclo euleriano cuando todos los nodos tienen un número par de aristas
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 detallesA5 Introducción a la optimización en redes
48 Materials David Pujolar Morales A5 Introducción a la optimización en redes Definición 1. Grafo finito. Sea un V un conjunto no vacío con un número finito de elementos y E una familia finita de pares
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 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 detallesGrafos. Suponiendo que e = [u, v]. Entonces los nodos u y v se llaman extremos de e y u y v se dice que son nodos adyacentes o vecinos.
Grafos Los grafos son estructuras que constan de vértices o nodos y de aristas o arcos que conectan los vértices entre sí. Un grafo G consiste en dos cosas: 1. Un conjunto V de elementos llamados nodos
Más detalles2007 Carmen Moreno Valencia
Tema VIII. Grafos Grafos 1 2007 Carmen Moreno Valencia 1. Grafos, digrafos y multigrafos 2. Grafos eulerianos 3. Matrices de adyacencia e incidencia 4. Exploración de grafos pesados 1. Grafos, digrafos
Más detallesInvestigación Operativa Teoría de Grafos o Redes Andrés Ramos Pedro Linares Pedro Sánchez Angel Sarabia Begoña Vitoriano
Investigación Operativa Teoría de Grafos o Redes Andrés Ramos Pedro Linares Pedro Sánchez Angel Sarabia Begoña Vitoriano Teoría de Grafos o Redes Parte I Conceptos y problemas básicos Introducción El problema
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 detallesTEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES 1
Optimización en redes. Fluos en redes (Network Flows NF) Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES
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 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 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 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 Clases de complejidad
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 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 Clases de complejidad
Más detallesCaminos y Flujos optimales. 2da y 3er clase 2007
Caminos y Flujos optimales 2da y 3er clase 2007 ESQUELETOS OPTIMALES (mínimo) Esqueleto de G =(X,U) es un subgrafo que es un árbol y que contiene todos los vértices de G. Esqueleto Mínimo de G = (X, U,
Más detallesTema 1: Introducción a la Teoría de Grafos
Tema 1: Introducción a la Teoría de Grafos MATEMÁTICA A DISCRETA Nociones básicas Subgrafos. Operaciones con grafos Formas de definir un grafo Isomorfismo de grafos Tema 1: 1 Nociones básicas: Grafo: G
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 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 detallesEste material es de uso exclusivo para clase de algoritmos y estructura de datos, la información de este documento fue tomada textualmente de varios
CLASE GRAFOS Este material es de uso exclusivo para clase de algoritmos y estructura de datos, la información de este documento fue tomada textualmente de varios libros por lo que está prohibida su impresión
Más detallesAlgoritmos y Estructuras de Datos III
Árboles Algoritmos y Estructuras de Datos III Árboles Definición: Un árbol es un grafo conexo sin circuitos simples. Árboles Teorema: Dado un grafo G = (V, X ) son equivalentes: 1. G es un árbol. 2. G
Más detallesTEMA 5 El tipo grafo. Tipo grafo
TEMA 5 El tipo grafo PROGRAMACIÓN Y ESTRUCTURAS DE DATOS Tipo grafo 1. Concepto de grafo y terminología 2. Especificación algebraica. Representación de grafos.1. Recorrido en profundidad o DFS.2. Recorrido
Más detallesEs un conjunto de objetos llamados vértices o nodos unidos por enlaces llamados aristas o arcos, que permiten representar relaciones binarias entre
Es un conjunto de objetos llamados vértices o nodos unidos por enlaces llamados aristas o arcos, que permiten representar relaciones binarias entre elementos de un conjunto. Típicamente, un grafo se representa
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 detallesInvestigación Operativa
Investigación Operativa Guillermo Durán FCEN, UBA / CONICET gduran@dm.uba.ar Universidad de Buenos Aires Octubre 008 El problema de flujo En su versión más simple, se tiene una red orientada con dos vértices
Más detallesTema: Los Grafos y su importancia para la optimización de redes.
Tema: Los Grafos y su importancia para la optimización de redes. Qué son los Grafos? Un grafo es una dupla G= {X,U}, donde X es un conjunto finito y no vacio de elementos llamados vértices y U es el conjunto
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 y Redes. 3. Resolución: Dibujar el camino sin levantar el lápiz y pasando sólo una vez por cada arco o arista.
Grafos y Redes. Nodos: vértices, 2, 3 2. Arcos: aristas, conexión entre nodos. 2, 54, etc. 3. Resolución: Dibujar el camino sin levantar el lápiz y pasando sólo una vez por cada arco o arista. 4. Grado
Más detallesAnálisis de Algoritmos Teoría de grafos
Análisis de Algoritmos Teoría de grafos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Teoría de grafos p. 1 Grafos Un grafo G es un par de conjuntos G = (V,E) Teoría de grafos p. 2
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 detallesRelaciones. Estructuras Discretas. Relaciones. Relaciones en un Conjunto. Propiedades de Relaciones en A Reflexividad
Estructuras Discretas Relaciones Definición: relación Relaciones Claudio Lobos, Jocelyn Simmonds clobos,jsimmond@inf.utfsm.cl Universidad Técnica Federico Santa María Estructuras Discretas INF 152 Sean
Más detallesOptimización de redes
UNIVERSIDAD DE MANAGUA Al más alto nivel Optimización de redes Problema de la Ruta más corta Problema del Árbol de expansión mínima Problema del Flujo máximo Problema de Flujo de costo mínimo Maestro Ing.
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 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 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 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 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 detallesModelos de Redes: Árbol. M. En C. Eduardo Bustos Farías
Modelos de Redes: Árbol de expansión n mínimam M. En C. Eduardo Bustos Farías as Objetivos Conceptos y definiciones de redes. Importancia de los modelos de redes Modelos de programación n lineal, representación
Más detallesGrafos Eulerianos y Hamiltonianos. Algoritmos y Estructuras de Datos III
Grafos Eulerianos y Hamiltonianos Algoritmos y Estructuras de Datos III Grafos eulerianos Definiciones: Un circuito C en un grafo (o multigrafo) G es un circuito euleriano si C pasa por todos las aristas
Más detallesLos elementos de V son los vértices (o nodos) de G y los elementos de A son las aristas (o arcos) de G.
MATERIAL TEÓRICO º Cuatrimestre Año 03 Prof. María Elena Ruiz Prof. Carlos Roberto Pérez Medina UNIDAD III: GRAFOS Definición: Llamaremos grafo a una terna G= (V, A, ϕ), donde V y A son conjuntos finitos,
Más detallesTEMA IV TEORÍA DE GRAFOS
TEMA IV TEORÍA DE GRAFOS Poli Abascal Fuentes TEMA IV Teoría de grafos p. 1/? TEMA IV 4. TEORÍA DE GRAFOS 4.1 GRAFOS 4.1.1 Introducción 4.1.2 Definiciones básicas 4.1.3 Caminos y recorridos 4.1.4 Subgrafos,
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 detallesAlgoritmos y Estructuras de Datos III
Árboles Algoritmos y Estructuras de Datos III Árboles Definición: Un árbol es un grafo conexo sin circuitos simples. Árboles Teorema: Dado un grafo G = (V, X ) son equivalentes: 1. G es un árbol. 2. G
Más detallesUNIVERSIDAD NACIONAL DE INGENIERÍA UNI-RUACS. Investigación de Operaciones
UNIVERSIDAD NACIONAL DE INGENIERÍA UNI-RUACS Facultad de Ingeniería Industrial Investigación de Operaciones Tema: Teoría de los Grafos Elaborado por: Ing. Carlos Alberto Moreno. Docente: Ing. Pastrana
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 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 detallesTEORÍA DE GRAFOS Ingeniería de Sistemas
TEORÍA DE GRAFOS Ingeniería de Sistemas Código: MAT-31114 AUTORES Ing. Daniel Zambrano Ing. Viviana Semprún UNIDADES DE LA ASIGNATURA» UNIDAD I. Relaciones» UNIDAD II. Estructuras Algebraicas» UNIDAD III.
Más detallesGRAFOS. 1. La matriz de adyacencia del grafo G es
GRAFOS. La matriz de adyacencia del grafo G es entonces, A) G es un pseudografo B) G es un grafo completo. G no es conexo Supongamos V={v,v,v,v } son los vértices del grafo. En los pseudografo están permitidas
Más detallesMétodo simplex para redes (representaciones gráficas) Cálculo del flujo de un árbol de expansión
. 7 Árbol con ofertas y demandas. (Suponemos que el flujo de los demás arcos es igual a ) Método simplex para redes (representaciones gráficas) 6 - flujo en el arco (,)? Método simplex para redes (representaciones
Más detallesUNIVERSIDAD NACIONAL DE INGENIERÍA Sede UNI-NORTE
UNIVERSIDAD NACIONAL DE INGENIERÍA Sede UNI-NORTE Teoría de redes Problema de la Ruta más corta Problema del Árbol de expansión mínima Problema del Flujo máximo Problema de Flujo de costo mínimo Maestro
Más detallesCaminos y Flujos optimales. Introducción a la Investigación de Operaciones 2007
Caminos y Flujos optimales Introducción a la Investigación de Operaciones 2007 Contenido Definiciones básicas. Conexidad. Clausura transitiva. Esqueletos y caminos optimales. Redes. Flujos. Algoritmo de
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 detalleses una matriz de 3 filas y 2 columnas, donde por ejemplo el elemento es 4.
Tema 7: Matrices. 7.1 Concepto de Matriz. Tablas grafos. Una matriz A es un cuadro de elementos dispuestos en m filas n columnas, donde el elemento es aquel que está situado en la fila 3 en la columna
Más detallesEl problema del agente viajero
CO- (F0) //00 El problema del agente viajero Un vendedor tiene que visitar n + ciudades, cada una exactamente una vez. La distancia entre cada par de ciudades viene dada por d ij (en general d ij d ji
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 detallesAlgoritmos sobre Grafos
Sexta Sesión 27 de febrero de 2010 Contenido Deniciones 1 Deniciones 2 3 4 Deniciones sobre Grafos Par de una lista de nodos y una lista de enlaces, denidos a su vez como pares del conjunto de nodos.
Más detallesProgramación Lineal. Modelo de Redes. Alcance de las aplicaciones. Curso: Investigación de Operaciones Ing. Javier Villatoro
Programación Lineal Modelo de Redes Alcance de las aplicaciones Curso: Investigación de Operaciones Ing. Javier Villatoro ALCANCE DE LAS APLICACONES DE REDES ALCANCE DE LAS APLICACIONES Muchas situaciones
Más detallesGrafos: Fundamentos Representaciones, etc. Jose Aguilar
Grafos: Fundamentos Representaciones, etc. Jose Aguilar Introducción Las estructura de datos no lineales se caracterizan por tener una relación de adyacencia genérica entre sus elementos, es decir, un
Más detalles300CIG007 Computabilidad y Lenguajes Formales: Autómatas Finitos
300CIG007 Computabilidad y Lenguajes Formales: Autómatas Finitos Pontificia Universidad Javeriana Cali Ingeniería de Sistemas y Computación Prof. Gloria Inés Alvarez V. Qué es un computador? Todos lo sabemos!!!
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 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 detallesEstructura de Datos Página 1 de 13 ESTRUCTURA DE DATOS
Estructura de Datos Página 1 de 13 ESTRUCTURA DE DATOS Contenido TEMA 4. Grafos 4.1. Grafos 4.1.1. Definición 4.1.2.Conceptos 4.2. Modelado de problemas típicos 4.3. Representación de un grafo a través
Más detallesDualidad 1. 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. 5 Condiciones de holgura complementaria.
Dualidad 1 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. Condiciones de holgura complementaria. 6 Solución dual óptima en la tabla. 7 Interpretación
Más detallesDefiniciones y ejemplos.
V. Grafos Definiciones y ejemplos. Módulo 5 DEF. Sea V un conjunto finito no vacío, y sea El par (V, E) es llamada entonces grafo dirigido en V, donde V es el conjunto de vértices o nodos y E es su conjunto
Más detallesGrafos. 19 de diciembre de 2013
Grafos 19 de diciembre de 2013 Grafo Un grafo es un conjunto, no vacío, de objetos llamados vértices (o nodos) y una selección de pares de vértices, llamados aristas (edges en inglés) que pueden ser orientados
Más detallesPFC. José Luis Pichardo Muñoz 5. Heurística basada en Grafos
5.1. Introducción. En este capítulo vamos a describir una heurística basada en el cálculo de índices mediante un problema de flujo a coste mínimo. Inicialmente se implementó una metaheurística GRASP, pero
Más detallesLos grafos son estructuras de datos Representan relaciones entre objetos. Son aplicables en. Relaciones arbitrarias, es decir No jerárquicas.
ESTRUCTURA DE DATOS Los grafos son estructuras de datos Representan relaciones entre objetos Relaciones arbitrarias, es decir No jerárquicas Son aplicables en Química Modem Geografía Ing. Eléctrica e Industrial,
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 detallesÁlgebra y Matemática Discreta
Álgebra y Matemática Discreta Sesión de Teoría 5 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 30 Sep 2013-6 Oct 2013 Primeras Definiciones Grafo Un grafo está definido por dos conjuntos, un
Más detallesTEORIA DE GRAFOS. Estructuras Discretas Ing. Jenny Paredes Aguilar
TEORIA DE GRAFOS Estructuras Discretas Ing. Jenny Paredes Aguilar INTRODUCCION Teoria de grafos se usa en numerosos problemas cuantificables, en las organizaciones, intervienen una serie de elementos entre
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 detallesHamilton, Euler y Dijkstra
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE COMPUTACION Matemáticas Discretas III (Cód. 6108) Práctica # 2 Hamilton, Euler y Dijkstra 1. Sea G = un multigrafo no dirigido donde
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 detallesGRAFOS. Prof. Ing. M.Sc. Fulbia Torres
ESTRUCTURAS DE DATOS 2006 Prof. DEFINICIÓN Un grafo consta de un conjunto de nodos(o vértices) y un conjunto de arcos (o aristas). Cada arco de un grafo se especifica mediante un par de nodos. Denotemos
Más detallesProgramación Dinámica
Programación Dinámica Es aplicada típicamente a problemas de optimización, donde puede haber muchas soluciones, cada una tiene un valor asociado y prentendemos obtener la solución con valor óptimo. Al
Más detallesCapítulo 3: Grafos Clase 1: Grafos: Modelos, tipos, representación e isomorfismo
Capítulo 3: Grafos Clase 1: Grafos: Modelos, tipos, representación e isomorfismo Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 4: Grafos 1 / 35 Por qué estudiamos
Más detallesINDICE INTRODUCCION1 DESARROLLO2 GRAFOS (CONCEPTO).2 ARISTAS...2 VERTICES2 CAMINOS.3 CLASIFICACION DE GRAFOS...3 GRAFOS EULERIANOS.
INDICE INTRODUCCION1 DESARROLLO2 GRAFOS (CONCEPTO).2 ARISTAS...2 VERTICES2 CAMINOS.3 CLASIFICACION DE GRAFOS...3 GRAFOS EULERIANOS.7 GRAFOS CONEXOS7 ÁRBOLES..7 BOSQUES DE ÁRBOLES...8 RECORRIDO DE UN GRAFO..8
Más detallesTema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de
Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de vértices o nodos conectados con arcos y/o aristas. Diseñar
Más detallesDualidad y postoptimización
Dualidad y postoptimización José María Ferrer Caja Universidad Pontificia Comillas Definición A cada problema de optimización lineal le corresponde otro que se denomina problema dual En forma canónica
Más detallesEl origen: Los puentes de Königsberg. Grafos. Algoritmos y Estructuras de Datos III. Leonhard Euler ( )
El origen: Los puentes de Königsberg Grafos Algoritmos y Estructuras de Datos III Leonhard Euler (1707 1783) El origen: Los puentes de Königsberg La ciudad de Königsberg (hoy Kaliningrado) tenía en el
Más detallesFORMALIZACIÓN Y EJECUCIÓN DEPARTAMENTO DE ELECTRÓNICA Y COMPUTADORES. Mercedes Granda Departamento de Electrónica y Computadores
REDES DE PETRI: DEFINICIÓN, FORMALIZACIÓN Y EJECUCIÓN PROGRAMACIÓN CONCURRENTE MASTER EN COMPUTACIÓN DEPARTAMENTO DE ELECTRÓNICA Y COMPUTADORES UNIVERSIDAD DE CANTABRIA CURSO 22/3 REDES DE PETRI Las redes
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 detallesUNIVERSIDAD NACIONAL DE INGENIERÍA Sede UNI-NORTE
UNIVERSIDAD NACIONAL DE INGENIERÍA Sede UNI-NORTE Teoría de redes Problema de la Ruta más corta Problema del Árbol de expansión mínima Problema del Flujo máximo Problema de Flujo de costo mínimo Introducción
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesEl TAD Grafo. El TAD Grafo
Objetivos! Estudiar la especificación del TAD Grafo! Presentar diferentes alternativas de implementación! Conocer los algoritmos más importantes de manipulación de grafos Contenidos.1 Conceptos. Especificación
Más detallesTeoría de Grafos y Árboles. UCR ECCI CI-0111 Estructuras Discretas Prof. Kryscia Daviana Ramírez Benavides
Teoría de Grafos y Árboles UCR ECCI CI- Estructuras Discretas Prof. Kryscia Daviana Ramírez Benavides Teoría de Grafos Los grafos son estructuras discretas que aparecen ubicuamente en cada disciplina donde
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 detalles2.- TIPOS DE MATRICES
2º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA.- MATRICES PROFESOR: RAFAEL NÚÑEZ NOGALES.- CONCEPTO DE MATRIZ. Definición de matriz Una matriz real A es un conjunto de números reales
Más detallesGuia N 1. Sea G = (V, E) un grafo no dirigido. Pruebe que las siguiente proposiciones son equivalentes:
IN77O: Modelos y Algoritmos de Optimización Profesores : Cristián Cortés, Daniel Espinoza Auxiliares : José Mu~noz, Rodrigo López, Diego Morán P1.- Caracterizaciones árboles Guia N 1 Sea G = (V, E) un
Más detallesFrancis Guthrie Planteo el problema de los cuatro colores, después de colorear el mapa de Inglaterra 9/15/2015 3
INTRODUCCION GRAFOS La Teoria de Grafos nace del análisis sobre una inquietud presentada en la isla Kueiphof en Koenigsberg (Pomerania) ya que el río que la rodea se divide en dos brazos. Sobre los brazos
Más detallesComplejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III
Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen
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 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 detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Investigación de Operaciones Encuentro #3 Tema: Optimización de Redes: El problema del árbol de expansión mínima y el problema de costo mínimo Prof.: MSc. Julio
Más detallesCiclos y grafos acíclicos
Ciclos y grafos acíclicos Domingo Gómez Pérez Domingo Gómez Pérez Ciclos y grafos acíclicos 1 / 23 Definición de ciclos Figura: Figura con ciclos Definición de camino Un camino en un grafo es una lista
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 detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesRuta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) 1 DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Problema de Encontrar la Ruta más Corta 2 Se requiere llegar de
Más detalles