SlideShare uma empresa Scribd logo

Aula Grafos

Ricardo Anjos, profile picture
Ricardo Anjos

O documento discute grafos e sua representação matemática. Grafos são usados para modelar diversos sistemas como redes de comunicação, estruturas moleculares e mapas da internet. Um grafo consiste de vértices e arestas. Grafos podem ser direcionados ou não direcionados e são usados para resolver problemas como o problema dos vegetarianos e canibais.

1 de 230
Baixado 164 vezes
1
2
Mais lidos
3
Mais lidos
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
Mais lidos
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
Grafos Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br http://www.dcc.ufmg.br/~loureiro UFMG/ICEx/DCC PAA · Grafos 1
Motivação • Suponha que existam seis sistemas computacionais (A, B, C, D, E, e F) interconectados entre si da seguinte forma: B A C F D E § Esta informação pode ser representada por este diagrama, chamado de grafo. § Este diagrama identifica unicamente um grafo. UFMG/ICEx/DCC PAA · Grafos 2
Motivação • Dois objetos especiais: – Vértices – Arestas B Vértice A C Aresta F D E UFMG/ICEx/DCC PAA · Grafos 3
Definição Um grafo G consiste de dois conjuntos finitos: 1. Vértices V (G) 2. Arestas E(G) Em geral, um grafo G é representado como: G = (V, E) UFMG/ICEx/DCC PAA · Grafos 4
Terminologia – Cada aresta está associada a um conjunto de um ou dois vértices, chamados nós terminais. – Extremidade de uma aresta: vértice da aresta. – Função aresta–extremidade: associa aresta a vértices. – Laço (Loop): aresta somente com nó terminal. – Arestas paralelas: arestas associadas ao mesmo conjunto de vértices. – Uma aresta é dita conectar seus nós terminais. – Dois vértices que são conectados por uma aresta são chamados de adjacentes. – Um vértice que é nó terminal de um laço é dito ser adjacente a si próprio. – Uma aresta é dita ser incidente a cada um de seus nós terminais. – Duas arestas incidentes ao mesmo vértice são chamadas de adjacentes. – Um vértice que não possui nenhuma aresta incidente é chamado de isolado. – Um grafo com nenhum vértice é chamado de vazio. UFMG/ICEx/DCC PAA · Grafos 5
Terminologia Arestas paralelas v2 e3 Vértice isolado v5 v3 v7 e2 e4 v1 e1 e6 e5 v4 v6 Laço UFMG/ICEx/DCC PAA · Grafos 6
Terminologia • Conjunto de vértices: {v1, v2, v3, v4, v5, v6}. • Conjunto de arestas: {e1, e2, e3, e4, e5, e6, e7}. v1 v3 e3 v4 e7 v6 e2 • Função aresta–vértice: Aresta e1 e2 e3 e4 e5 e6 e7 Vértice {v1, v2} {v1, v3} {v1, v3} {v2, v3} {v5, v6} {v5} {v6} UFMG/ICEx/DCC e1 e4 e5 v5 v2 e6 PAA · Grafos 7
Terminologia • e1, e2 e e3 são incidentes a v1 . • v2 e v3 são adjacentes a v1. v1 v4 e7 v6 • e2, e3 e e4 são adjacentes a e1. • e6 e e7 são laços. v3 e3 e2 e1 e4 e5 • e2 e e3 são paralelas. v5 v2 • v5 e v6 são adjacentes entre si. e6 • v4 é um vértice isolado. UFMG/ICEx/DCC PAA · Grafos 8
Terminologia Seja um grafo especificado como: • Conjunto de vértices: {v1, v2, v3, v4}. Duas possíveis representações deste grafo: e4 v3 v4 e3 v 2 e2 e1 • Conjunto de arestas: {e1, e2, e3, e4}. v1 e4 • Função aresta–vértice: Aresta e1 e2 e3 e4 v4 v3 Vértice {v1, v3} {v2, v4} {v2, v4} {v3} e2 e3 v2 UFMG/ICEx/DCC PAA · Grafos e1 v1 9
Terminologia Considere os dois diagramas abaixo. Rotule os vértices e as arestas de tal forma que os dois diagramas representem o mesmo grafo. UFMG/ICEx/DCC PAA · Grafos 10
Terminologia Uma possível identificação de vértices e rótulos pode ser: v1 e1 e5 v2 v5 • Conjunto de arestas: {e1, e2, e3, e4, e5}. e2 e4 Os dois diagramas são representados por: • Conjunto de vértices: {v1, v2, v3, v4, v5}. • Função aresta–vértice: e3 v4 v3 v1 Aresta e1 e2 e3 e4 e5 e1 v3 e3 v4 e4 e5 e2 v5 UFMG/ICEx/DCC Vértice {v1, v2} {v2, v3} {v3, v4} {v4, v5} {v5, v1} v2 PAA · Grafos 11
Modelos usando grafos Grafo Vértice Aresta Comunicação Centrais telefônicas, Computadores, Satélites Portas lógicas, registradores, processadores Reservatórios, estações de bombeamento Ações, moeda Cidades, Aeroportos Tarefas Módulos Cabos, Fibra óptica, Enlaces de microondas Filamentos Páginas Web Posições no tabuleiro Pessoas, Atores Links Movimentos permitidos Amizades, Trabalho conjunto em filmes Circuitos Hidráulico Financeiro Transporte Escalonamento Arquitetura funcional de um software Internet Jogos de tabuleiro Relações sociais UFMG/ICEx/DCC PAA · Grafos Tubulações Transações Rodovias, Vias aéreas Restrições de precedência Interações entre os módulos 12
Modelos usando grafos Circuito elétrico: Leis de Kirchoff Gustav Kirchoff (1824– 1887), físico alemão. Foi o primeiro a analisar o comportamento de “árvores matemáticas” com a investigação de circuitos elétricos. i1 + i4 = i2 + i3 UFMG/ICEx/DCC PAA · Grafos 13
Modelos usando grafos Estruturas de moléculas de hidrocarboneto H H C C C C Arthur Cayley (1821– 1895), matemático inglês. Logo após o trabalho de Kirchoff, Cayley usou “árvores matemáticas” para enumerar todos os isômeros para certos hidrocarbonetos. H C H H C C C H Butano H H H H C C C H H C H H H H Isobutano UFMG/ICEx/DCC PAA · Grafos 14
Modelos usando grafos Conectividade na Internet Este grafo mostra a conectividade entre roteadores na Internet, resultado do trabalho “Internet Mapping Project” de Hal Burch e Bill Cheswick. Atualmente o trabalho está sendo desenvolvido comercialmente pela empresa Lumeta (www.lumeta.com). UFMG/ICEx/DCC PAA · Grafos 15
Modelos usando grafos Conectividade na Internet Este trabalho de Stephen Coast (http://www.fractalus .com/steve/stuff/ipmap/) está “medindo” e mapeando a estrutura e desempenho da Internet. Este é um de seus trabalhos iniciais. UFMG/ICEx/DCC PAA · Grafos 16
Modelos usando grafos Conectividade na RNP2 A Rede Nacional de Pesquisa (RNP) criou a primeira infraestrutura de comunicação (backbone) no Brasil para interconexão com a Internet. Atualmente, este backbone é conhecido como RNP2. O grafo de conectividade da RNP2 tem uma “estrutura” (topologia) basicamente na forma de estrela. Note que diferentes enlaces de comunicação (arestas) possuem diferentes capacidades. A Internet é formada basicamente por interconexão de Sistemas Autônomos (AS – Autonomous System), onde cada AS é um backbone distinto. UFMG/ICEx/DCC PAA · Grafos 17
Modelos usando grafos Grafo de derivação sintática Noam Chomsky John Backus Peter Naur Chomsky e outros desenvolveram novas formas de descrever a sintaxe (estrutura gramatical) de linguagens naturais como inglês. Este trabalho tornou-se bastante útil na construção de compiladores para linguagens de programação de alto nível. Neste estudo, árvores (grafos especiais) são usadas para mostrar a derivação de sentenças corretas gramaticalmente a partir de certas regras básicas. É comum representar estas regras, chamadas de produção, usando uma notação proposta por Backus (1959) e modificada por Naur (1960) usada para descrever a linguagem de programação Algol. Esta notação é chamada de BNF (Backus-Naur Notation). UFMG/ICEx/DCC PAA · Grafos Notação BNF (subconjunto gramática da língua inglesa): da sentence ::= noun phrase verb phrase noun phrase ::= article noun | article adjective noun verb phrase ::= verb noun phrase article ::= the adjective ::= young noun ::= man | ball verb ::= caught 18
Modelos usando grafos Vegetarianos e Canibais (1) • Seja uma região formada por vegetarianos e canibais. • Inicialmente, dois vegetarianos e dois canibais estão na margem esquerda (ME) de um rio. • Existe um barco que pode transportar no máximo duas pessoas e sempre atravessa o rio com pelo menos uma pessoa. • O objetivo é achar uma forma de transportar os dois vegetarianos e os dois canibais para a margem direita (MD) do rio. • Em nenhum momento, o número de canibais numa margem do rio pode ser maior que o número de vegetarianos, caso contrário, . . . UFMG/ICEx/DCC PAA · Grafos 19
Modelos usando grafos Vegetarianos e Canibais (2) • Solução: – Notação para representar cada cenário possível. – Modelo para representar a mudança de um cenário em outro válido. • Notação: ME/MD – vvccB/ → ME: 2v, 2c e o barco (B); MD: –. – vc/Bvc → ME: 1v, 1c; MD: B, 1v e 1c. • Modelo: grafo – Vértice: cenário válido. – Aresta: transição válida de um dado cenário em outro. UFMG/ICEx/DCC PAA · Grafos 20
Modelos usando grafos Vegetarianos e Canibais (3) Uma possível seqüência válida de cenários é: vc/Bvc ccB/vv vvcB/c /Bvvcc c/Bvvc vcB/vc vv/Bcc vvccB/ vvc/Bc cc/Bvv UFMG/ICEx/DCC PAA · Grafos 21
Modelos usando grafos Visualizando grafos Para muitas aplicações é importante desenhar grafos com certas restrições: – Planares, i.e., não há cruzamento de arestas Graph Drawing: Algorithms for the Visualization of Graphs. Giuseppe Di Battista, Peter Eades, Roberto Tamassia, e Ioannis G. Tollis. Prentice Hall Engineering, Science & Math, 432 pp., ISBN 0-13-301615-3. UFMG/ICEx/DCC PAA · Grafos 22
Grafo simples Definição: Um grafo simples é um grafo que não possui laços nem arestas paralelas. Num grafo simples, uma aresta com vértices (nós terminais) u e v é representada por uv. Exemplo: Quais são os grafos com quatro vértices {u, v, w, x} e duas arestas, sendo que uma delas é a aresta uv? – Dado quatro vértices, existem C(4, 2) = 6 subconjuntos, que definem arestas diferentes: {uv, uw, ux, vw, vx, wx}. – Logo, todos os grafos simples de quatro vértices e duas arestas, sendo uma delas a uv são: u v u v u v u v u v w x w x w x w x w x UFMG/ICEx/DCC PAA · Grafos 23
Grafo dirigido (1) Definição: Um grafo dirigido ou digrafo ou direcionado G consiste de dois conjuntos finitos: 1. Vértices V (G) 2. Arestas dirigidas E(G), onde cada aresta é associada a um par ordenado de vértices chamados de nós terminais. Se a aresta e é associada ao par (u, v) de vértices, diz-se que e é a aresta dirigida de u para v. v2 e3 v5 v3 v7 e2 e7 v1 UFMG/ICEx/DCC e4 e6 e1 e8 e5 v6 v4 PAA · Grafos 24
Grafo dirigido (2) Para cada grafo dirigido, existe um grafo simples (não dirigido) que é obtido removendo as direções das arestas, e os loops. Grafo dirigido: v2 v3 v1 v4 UFMG/ICEx/DCC v5 Grafo não dirigido correspondente: v7 v2 v3 v6 v1 v4 PAA · Grafos v5 v7 v6 25
Grafo dirigido (3) • A versão dirigida de um grafo não dirigido G = (V, E) é um grafo dirigido G = (V , E ) onde (u, v) ∈ E sse (u, v) ∈ E. • Cada aresta não dirigida (u, v) em G é substituída por duas arestas dirigidas (u, v) e (v, u). • Em um grafo dirigido, um vizinho de um vértice u é qualquer vértice adjacente a u na versão não dirigida de G. Grafo não dirigido: v2 Grafo dirigido correspondente: v3 v2 v1 UFMG/ICEx/DCC v3 v1 PAA · Grafos 26
Grafo completo (1) Definição: Um grafo completo de n vértices, denominado Kn∗, é um grafo simples com n vértices v1, v2, . . . , vn, cujo conjunto de arestas contém exatamente uma aresta para cada par de vértices distintos. Exemplo: Grafos completos com 2, 3, 4, e 5 vértices. v4 v3 v4 v3 v5 v1 v2 K2 ∗A v1 v2 v2 v1 K3 K4 v3 v1 v2 K5 letra K representa a letra inicial da palavra komplett do alemão, que significa “completo”. UFMG/ICEx/DCC PAA · Grafos 27
Grafo completo (2) Dado o grafo completo Kn temos que Vértice está conectado aos vértices (não conectados ainda) através de # arestas v1 v2 , v 3 , . . . , v n n−1 v2 . . . v3 , v 4 , . . . , v n . . . n−2 . . . vn−1 vn 1 vn – 0 ou seja, se contarmos o número total de arestas de Kn temos n−1 (n − 1) · n n2 − n (|V |2 − |V |) i= = = 2 2 2 i=1 UFMG/ICEx/DCC PAA · Grafos 28
Grafo completo (3) Os grafos K2, K3, K4, e K5 v4 v3 v4 v3 v5 v1 v2 K2 v1 v2 v2 v1 K3 K4 v3 v1 v2 K5 possuem a seguinte quantidade de arestas: Grafo K2 1 K3 3 K4 6 K5 UFMG/ICEx/DCC # arestas 10 PAA · Grafos 29
Quantidade de grafos distintos com n vértices (1) O número total de grafos distintos com n vértices (|V |) é 2 n2 −n 2 =2 (|V |2 −|V |) 2 que representa a quantidade de maneiras diferentes de escolher um subconjunto a partir de (|V |2 − |V |) n2 − n = 2 2 possíveis arestas de um grafo com n vértices. UFMG/ICEx/DCC PAA · Grafos 30
Quantidade de grafos distintos com n vértices (2) Exemplo: Quantos grafos distintos com 3 vértices existem? • Um grafo com 3 vértices v1, v2 e v3 possui no máximo 3 arestas, ou seja, E = {v1v2, v1v3, v2v3}. • O número de sub-conjuntos distintos de E é dado por P(E), ou seja, o conjunto potência de E que vale 2|E|. Cada elemento de P(E) deve P(E) =                              ∅, {v1v2}, {v1v3}, {v2v3}, {v1v2, v2v3}, {v1v3, v2v3}, {v1v2, v1v3}, {v1v2, v1v3, v2v3}                ser mapeado num grafo com 3               v3 vértices levando a um grafo distinto: v1 UFMG/ICEx/DCC PAA · Grafos v2 31
Quantidade de grafos distintos com n vértices (3) Exemplo: Quantos grafos distintos com 3 vértices existem (continuação)? • Para cada elemento (sub-conjunto) do conjunto potência de E temos um grafo distinto associado, ou seja, o número total de grafos com 3 vértices é: 2 n2 −n 2 =2 32 −3 2 = 23 = 8 v1 v2 v1 v1 v2 PAA v2 v1 · Grafos v1 v2 v1 v2 v1 v2 v3 v3 v3 v3 UFMG/ICEx/DCC v3 v3 v3 v3 v2 v1 v2 32
Grafo ciclo Definição: Um grafo ciclo de n vértices, denominado Cn, n ≥ 3, é um grafo simples com n vértices v1, v2, . . . , vn, e arestas v1v2, v2v3, . . ., vn−1vn, vnv1. Exemplo: Grafos ciclos de 3, 4, e 5 vértices. v4 v3 v4 v3 v5 v1 v2 v2 v1 C3 UFMG/ICEx/DCC C4 PAA · Grafos v3 v1 v2 C5 33
Grafo roda Definição: Um grafo roda, denominado Wn, é um grafo simples com n + 1 vértices que é obtido acrescentado um vértice ao grafo ciclo Cn, n ≥ 3, e conectando este novo vértice a cada um dos n vértices de Cn. Exemplo: Grafos rodas de 3, 4, e 5 vértices. v4 v3 v4 v3 v5 v5 v4 v1 v2 v6 v2 v1 W3 UFMG/ICEx/DCC v3 W4 PAA · Grafos v1 v2 W5 34
Grafo Cubo-n (1) Definição: Um grafo cubo-n de 2n vértices, denominado Qn, é um grafo simples que representa os 2n strings de n bits. Dois vértices são adjacentes sse os strings que eles representam diferem em exatamente uma posição. O grafo Qn+1 pode ser obtido a partir do grafo Qn usando o seguinte algoritmo: 1. Faça duas cópias de Qn; 2. Prefixe uma das cópias de Qn com 0 e a outra com 1; 3. Acrescente uma aresta conectando os vértices que só diferem no primeiro bit. UFMG/ICEx/DCC PAA · Grafos 35
Grafo Cubo-n (2) Exemplo: Grafos Qn, para n = 1, 2, e 3 vértices. 110 10 11 111 100 101 010 0 1 Q1 UFMG/ICEx/DCC 00 01 Q2 PAA · Grafos 000 011 Q3 001 36
Grafo bipartido (1) Definição: Um grafo bipartido∗ de m, n vértices, denominado Km,n, é um grafo simples com vértices v1, v2, . . . , vm e w1, w2, . . . , wn, que satisfaz as seguintes propriedades: ∀ i, k = 1, 2, . . . , m ∧ ∀ j, l = 1, 2, . . . , n 1. ∃ uma aresta entre cada par de vértices vi e wj ; 2. ∼∃ uma aresta entre cada par de vértices vi e vk ; 3. ∼∃ uma aresta entre cada par de vértices wj e wl ; ∗ Também chamado na literatura de grafo bipartido completo. UFMG/ICEx/DCC PAA · Grafos 37
Grafo bipartido (2) Exemplo: Grafos bipartidos K3,2 e K3,3. v1 w1 v2 w2 v3 v1 w3 w1 v2 w2 v3 K 3,2 UFMG/ICEx/DCC K 3,3 PAA · Grafos 38
Multigrafo Definição: Um multigrafo é um grafo que não possui laços mas pode ter arestas paralelas. Formalmente, um multigrafo G = (V, E) consiste de um conjunto V de vértices, um conjunto E de arestas, e uma função f de E para {{u, v}|u, v ∈ V, u = v}. As arestas e1 e e2 são chamadas múltiplas ou paralelas se f (e1) = f (e2). v1 v3 e3 v4 v6 e2 e1 e4 e5 v5 v2 § Várias aplicações precisam ser modeladas como um multigrafo. UFMG/ICEx/DCC PAA · Grafos 39
Pseudografo Definição: Um pseudografo é um grafo que pode ter laços e arestas paralelas. Formalmente, um pseudografo G = (V, E) consiste de um conjunto V de vértices, um conjunto E de arestas, e uma função f de E para {{u, v}|u, v ∈ V }. § Pseudografo é mais geral que um multigrafo. UFMG/ICEx/DCC PAA · Grafos 40
Multigrafo dirigido Definição: Um multigrafo dirigido é um grafo que pode ter laços e arestas paralelas. Formalmente, um multigrafo dirigido G = (V, E) consiste de um conjunto V de vértices, um conjunto E de arestas, e uma função f de E para {{u, v}|u, v ∈ V }. As arestas e1 e e2 são arestas múltiplas se f (e1) = f (e2). UFMG/ICEx/DCC PAA · Grafos 41
Hipergrafo Definição: Um hipergrafo H(V, F ) é definido pelo par de conjuntos V e F , onde: • V é um conjunto não vazio de vértices; • F é um conjunto que representa uma “família” e partes não vazias de V . Um hipergrafo é um grafo não dirigido em que cada aresta conecta um número arbitrário de vértices. Seja, por exemplo, o grafo H(V, F ) dado por: v1 v2 v4 v3 = {v1, v2, v3, v4} F = {{v1, v2, v4}, {v2, v3, v4}, {v2, v3}} V UFMG/ICEx/DCC PAA · Grafos 42
Terminologia de grafos Tipo Aresta Arestas múltiplas? Laços permitidos? Grafo simples Não dirigida Não Não Multigrafo Não dirigida Sim Não Pseudografo Não dirigida Sim Sim Grafo dirigido Dirigida Não Sim Multigrafo dirigido Dirigida Sim Sim UFMG/ICEx/DCC PAA · Grafos 43
Grafo valorado Definição: Um grafo valorado é um grafo em que cada aresta tem um valor associado. Formalmente, um grafo valorado G = (V, E) consiste de um conjunto V de vértices, um conjunto E de arestas, e uma função f de E para P , onde P representa o conjunto de valores (pesos) associados às arestas. § Grafo valorado é usado para modelar vários problemas importantes em Ciência da Computação. UFMG/ICEx/DCC PAA · Grafos 44
Grafo imersível Definição: Um grafo é imersível em uma superfície S se puder ser representado geograficamente em S de tal forma que arestas se cruzem nas extremidades (vértices). Um grafo planar é um grafo que é imersível no plano. § As conexões de uma placa de circuito impresso devem ser representadas por um grafo planar. UFMG/ICEx/DCC PAA · Grafos 45
Subgrafo Definição: Um grafo H = (V , E ) é dito ser um subgrafo de um grafo G = (V, E) sse: – cada vértice de H é também um vértice de G, ou seja, V ⊆ V ; – cada aresta de H é também uma aresta de G, ou seja, E ⊆ E; e – cada aresta de H tem os mesmos nós terminais em G, ou seja, se (u, v) ∈ E então (u, v) ∈ E. Exemplo: Todos os subgrafos do grafo G: v2 e1 v1 2 v2 v1 5 v2 e2 e1 v1 8 v2 e2 e1 v1 e3 G e2 v1 1 v2 v1 v2 v2 v1 v1 4 v2 3 e1 e3 e3 6 v2 9 UFMG/ICEx/DCC e1 7 v2 v1 v1 e3 e3 e2 10 PAA · 11 Grafos v1 e3 e2 46
Grau de um vértice (1) Definição: Seja G um grafo e um vértice v de G. O grau de v, denominado grau(v) (deg(v)), é igual ao número de arestas que são incidentes a v, com uma aresta que seja um laço contada duas vezes. O grau total de G é a soma dos graus de todos os vértices de G. Exemplo: Determinando o grau de v1 no grafo abaixo. v1 v2 UFMG/ICEx/DCC grau(v 1) = 5 v3 v4 PAA · Grafos 47
Grau de um vértice (2) Em um grafo dirigido o grau de um vértice v é o número de arestas quem saem dele (out-deg(v)) mais o número de arestas que chegam nele (in-deg(v)). Exemplo: Determinando o grau de v3 no grafo abaixo. grau(v 3) = 4 v2 e3 v5 v3 v7 e2 e7 v1 UFMG/ICEx/DCC e4 e6 e1 e8 e5 v6 v4 PAA · Grafos 48
Grau de um vértice (3) Exemplo: Seja o grafo G abaixo. Determine o grau de cada vértice e o grau total de G. v1 v2 e1 v3 e3 e2 – grau(v1) = 0, já que não existe aresta incidente a v1, que é um vértice isolado. – grau(v2) = 2, já que e1 e e2 são incidentes a v2. – grau(v3) = 4, já que e1, e2 e e3 são incidentes a v3, sendo que e3 contribui com dois para o grau de v3. § Grau de G = grau(v1) + grau(v2) + grau(v3) = 0 + 2 + 4 = 6 § Grau de G = 2 × número de arestas de G, que é 3, ou seja, cada aresta contribui com dois para o grau total do grafo. UFMG/ICEx/DCC PAA · Grafos 49
Grau de um vértice (4) Teorema (do aperto de mãos ou handshaking): Seja G um grafo. A soma dos graus de todos os vértices de G é duas vezes o número de arestas de G. Especificamente, se os vértices de G são v1, v2, . . . , vn, onde n é um inteiro positivo, então Grau de G grau(v1) + grau(v2) + . . . + grau(vn) = UFMG/ICEx/DCC = 2 × número de arestas de G. PAA · Grafos 50
Grau de um vértice (5) Prova: • Seja G um grafo específico mas escolhido arbitrariamente. • Se G não possui vértices então não possui arestas, e o grau total é 0, que é o dobro das arestas, que é 0. • Se G tem n vértices v1, v2, . . . , vn e m arestas, onde n é um inteiro positivo e m é um inteiro não negativo. A hipótese é que cada aresta de G contribui com 2 para o grau total de G. • Suponha que e seja uma aresta arbitrária com extremidades vi e vj . Esta aresta contribui com 1 para o grau de vi e 1 para o grau de vj . UFMG/ICEx/DCC PAA · Grafos 51
Grau de um vértice (6) Prova (continuação): • Isto é verdadeiro mesmo se i = j já que no caso de um laço conta-se duas vezes para o grau do vértice no qual incide. vi vj e e i=j vi = vj i=j • Assim, a aresta e contribui com 2 para o grau total de G. Como e foi escolhido arbitrariamente, isto mostra que cada aresta de G contribui com 2 para o grau total de G. . . . O grau total de G = 2× número de arestas de G. § Corolário: O grau total de um grafo é par. UFMG/ICEx/DCC PAA · Grafos 52
Grafo regular Definição: Um grafo é dito ser regular quando todos os seus vértices têm o mesmo grau. Exemplo: Os grafos completos com 2, 3, 4, e 5 vértices são grafos regulares. v4 v3 v4 v3 v5 v1 v2 K2 UFMG/ICEx/DCC v1 v2 v2 v1 K3 K4 PAA · Grafos v3 v1 v2 K5 53
Determinando a existência de certos grafos (1) • É possível ter um grafo com quatro vértices de graus 1, 1, 2, e 3? Não. O grau total deste grafo é 7, que é um número ímpar. • É possível ter um grafo com quatro vértices de graus 1, 1, 3, e 3? Sim. Exemplos: a a c a b a b d c d c d c b d b UFMG/ICEx/DCC PAA · Grafos 54
Determinando a existência de certos grafos (2) • É possível ter um grafo simples com quatro vértices de graus 1, 1, 3, e 3? Não. Prova (por contradição): – Suponha que exista um grafo simples G com quatro vértices de graus 1, 1, 3, e 3. Chame a e b os vértices de grau 1, e c e d os vértices de grau 3. Como grau(c) = 3 e G não possui laços ou arestas paralelas, devem existir arestas que conectam c aos vértices a, b e d. b a d c – Pelo mesmo raciocínio devem existir arestas que conectam d aos vértices a, b e c. a b d c – Mas o grau(a) ≥ 2 e grau(b) ≥ 2, o que contradiz a suposição que estes vértices têm grau 1. . . . A suposição inicial é falsa e, conseqüentemente, não existe um grafo simples com quatro vértices com graus 1, 1, 3, e 3. UFMG/ICEx/DCC PAA · Grafos 55
Determinando a existência de certos grafos (3) • É possível num grupo de nove pessoas, cada um ser amigo de exatamente cinco outras pessoas? Não. Prova (por contradição): – Suponha que cada pessoa represente um vértice de um grafo e a aresta indique uma relação de amizade entre duas pessoas (vértices). – Suponha que cada pessoa seja amiga de exatamente cinco outras pessoas. – Então o grau de cada vértice é cinco e o grau total do grafo é 45. . . . Isto contradiz o corolário que o grau total de um grafo é par e, conseqüentemente, a suposição é falsa. UFMG/ICEx/DCC PAA · Grafos 56
Característica de um grafo Teorema: Em qualquer grafo G, existe um número par de vértices de grau ímpar. Prova: – Suponha que G tenha n vértices de grau ímpar e m vértices de grau par, onde n e m são inteiros não negativos. [Deve-se mostrar que n é par.] – Se n = 0, então G tem um número par de vértices de grau ímpar. – Suponha que n ≥ 1. Seja P a soma dos graus de todos os vértices de grau par, I a soma dos graus de todos os vértices de grau ímpar, e T o grau total de G. – Se p1 , p2 , . . . , pm são os vértices de grau par e i1 , i2 , . . . , in são os vértices de grau ímpar, P = grau(p1 ) + grau(p2 ) + . . . + grau(pm ), I = grau(i1 ) + grau(i2 ) + . . . + grau(in), T = grau(p1 ) + grau(p2 ) + . . . + grau(pm ) + grau(i1 ) + grau(i2 ) + . . . + grau(in) = P + I [que deve ser um número par] – P é par, já que P = 0 ou P é a soma de grau(pr ), 0 ≤ r ≤ m, que é par. – Mas T = P + I e I = T − P . Assim, I é a diferença de dois inteiros pares, que é par. – Pela suposição, grau(is ), 0 ≤ s ≤ n, é ímpar. Assim, I, um inteiro par, é a soma de n inteiros ímpares grau(i1 ) + grau(i2 ) + . . . + grau(in). Mas a soma de n inteiros ímpares é par, então n é par [o que devia ser mostrado]. UFMG/ICEx/DCC PAA · Grafos 57
Determinando a existência de certos grafos (4) • É possível ter um grafo com 10 vértices de graus 1, 1, 2, 2, 2, 3, 4, 4, 4, e 6? Não. Duas formas de provar: 1. Este grafo supostamente possui três vértices de grau ímpar, o que não é possível. 2. Este grafo supostamente possui um grau total = 29, o que não é possível. UFMG/ICEx/DCC PAA · Grafos 58
O problema das sete pontes de Königsberg ou O início da teoria dos grafos (1) Leonhard Euler (1707-1783) aos 49 anos. Tela em óleo pintada por Jakob Emanuel Handmann em 1756. Leonhard Euler, matemático suíço. Considerado um dos maiores matemáticos de todos os tempos. Foi um cientista extremamente produtivo contribuindo para muitas áreas da matemática como teoria dos números, análise combinatória e análise, bem como o seu uso em áreas como música e arquitetura naval. Euler foi o primeiro a usar o termo “função” para descrever uma expressão envolvendo vários argumentos, ou seja, y = F (x). No total escreveu mais de 1100 artigos e livros. Durante os últimos 17 anos de vida, ele ficou praticamente cego, quando produziu quase que metade de seus trabalhos. A área de teoria dos grafos começa em 1736 quando publica um artigo (Solutio problematis ad geometriam situs pertinentis) contendo a solução para o problema das sete pontes de Königsberg, na época uma cidade da Prússia e, atualmente, cidade da Rússia. UFMG/ICEx/DCC PAA · Grafos 59
O problema das sete pontes de Königsberg ou O início da teoria dos grafos (2) A cidade de Königsberg foi construída numa região onde haviam dois braços do Rio Pregel e uma ilha. Foram construídas sete pontes ligando diferentes partes da cidade, como mostrado na figura: Problema: É possível que uma pessoa faça um percurso na cidade de tal forma que inicie e volte a mesma posição passando por todas as pontes somente uma única vez? UFMG/ICEx/DCC PAA · Grafos 60
O problema das sete pontes de Königsberg ou Onde é Königsberg (3) Referência: “Northern Germany as far as the Bavarian and Austrian Frontiers; Handbook for Travellers” by Karl Baedeker. Fifteenth Revised Edition. Leipzig, Karl Baedeker; New York, Charles Scribner’s Sons 1910. UFMG/ICEx/DCC History: Kaliningrad was for- Mapa parcial (recente) da merly the Prussian port of cidade. Königsberg, capital of East Prussia. It was captured by the Red Army in April 1945 and ceded to the Soviet Union at the Potsdam conference. It was renamed in honor of senior Soviet leader Mikhail Kalinin, although he never actually visited the area. PAA · Grafos 61
O problema das sete pontes de Königsberg (4) • Euler resolveu este problema dando início à teoria dos grafos. • Modelagem proposta por Euler: – Todos os “pontos” de uma dada área de terra podem ser representados por um único ponto já que uma pessoa pode andar de um lado para o outro sem atravessar uma ponte. – Um ponto é conectado a outro se houver uma ponte de um lado para o outro. – Graficamente, Euler representou o problema como: A B C D UFMG/ICEx/DCC PAA · Grafos 62
O problema das sete pontes de Königsberg (5) • Problema a ser resolvido: – É possível achar um caminho que comece e termine num vértice qualquer (A, B, C, ou D) e passe por cada aresta, exatamente, e uma única vez?, ou ainda, – É possível desenhar este grafo que comece e termine na mesma posição sem levantar o lápis do papel? A B C D UFMG/ICEx/DCC PAA · Grafos 63
O problema das sete pontes de Königsberg (6) • Aparentemente não existe solução! A • Partindo do vértice A, toda vez que se passa por qualquer outro vértice, duas arestas são usadas: a de “chegada” e a de “saída”. B • Assim, se for possível achar uma rota que usa todas as arestas do grafo e começa e termina em A, então o número total de “chegadas” e “saídas” de cada vértice deve ser um valor múltiplo de 2. C D • No entanto, temos: – grau(A) = grau(C) = grau(D) = 3; e – grau(B) = 5. • Assim, por este raciocínio informal não é possível ter uma solução para este problema. UFMG/ICEx/DCC PAA · Grafos 64
Caminhamentos em grafos Caminho (1) Seja G um grafo não dirigido, n ≥ 1, e v e w vértices de G. Caminho (walk ): Um caminho de v para w é uma seqüência alternada de vértices e arestas adjacentes de G. Um caminho tem a forma: (v =)v0e1v1e2v2 . . . vn−1envn(= w) ou ainda v0[v0, v1]v1[v1, v2]v2 . . . vn−1[vn−1, vn]vn onde v0 = v e vn = w. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 Um possível caminho entre v1 e v4: v1e6v3e2v4e7v2e1v3e2v4e3v1e4v2e5v4 e2 v4 PAA · Grafos 65
Caminhamentos em grafos Caminho (2) • No caso de arestas múltiplas, deve-se indicar qual delas está sendo usada. • Vértices v0 e vn são extremidades do caminho. • Tamanho (comprimento) do caminho: número de arestas do mesmo, ou seja, número de vértices menos um. • O caminho trivial de v para v consiste apenas do vértice v. • Se existir um caminho c de v para w então w é alcançável a partir de v via c. UFMG/ICEx/DCC PAA · Grafos 66
Caminhamentos em grafos Caminho fechado (1) Caminho fechado (Closed walk ): Caminho que começa e termina no mesmo vértice: (v =)v0e1v1e2v3 . . . vn−1envn(= w) onde v = w. v2 e1 e4 e 6 e5 e7 v1 e3 v3 Um possível caminho fechado é: v1e6v3e2v4e7v2e1v3e2v4e3v1e4v2e5v4e3v1 e2 v4 Um caminho fechado com pelo menos uma aresta é chamado de ciclo. UFMG/ICEx/DCC PAA · Grafos 67
Caminhamentos em grafos Caminho fechado (2) Dois caminhos fechados e v0v1 . . . vn v0v1 . . . vn formam o mesmo ciclo se existir um inteiro j tal que vi = vi+j mod n, para i = 0, 1, . . . , n − 1. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 O caminho fechado v1v2v3v4v1 forma o mesmo ciclo que os caminhos fechados v2 v3 v4 v1 v2 , v3 v4 v1 v2 v3 e v4 v1 v2 v3 v4 . e2 v4 PAA · Grafos 68
Caminhamentos em grafos Trajeto Trajeto (Path): Caminho de v para w sem arestas repetidas: (v =)v0e1v1e2v3 . . . vn−1envn(= w) onde todas as arestas ei são distintas, ou seja, ei = ek , para qualquer i = k. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 Um possível trajeto é: v1e6v3e2v4e7v2e1v3 e2 v4 PAA · Grafos 69
Caminhamentos em grafos Trajeto simples Trajeto simples (Simple path): Caminho de v para w sem arestas e vértices repetidos. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 Um possível trajeto simples é: v1e6v3e2v4e7v2 e2 v4 PAA · Grafos 70
Caminhamentos em grafos Circuito Circuito (Circuit): Trajeto fechado, ou seja, um caminho onde não há aresta repetida e os vértices inicial e final são idênticos: (v =)v0e1v1e2v3 . . . vn−1envn(= w) onde toda aresta ei, 1 ≤ i ≤ n, é distinta e v0 = vn. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 Um possível circuito é: v1e6v3e2v4e7v2e1v3 e2 v4 PAA · Grafos 71
Caminhamentos em grafos Circuito simples Circuito simples (Simple circuit): Trajeto fechado, ou seja, um caminho onde não há arestas e vértices repetidos, exceto os vértices inicial e final que são idênticos. v2 e1 e4 e 6 e5 e7 v1 e3 v3 Um possível circuito simples é: v1e6v3e2v4e7v2e4v1 e2 v4 Um circuito simples também é chamado de ciclo simples. UFMG/ICEx/DCC PAA · Grafos 72
Terminologia de caminhamentos Aresta repetida? Vértice repetido? Começa e termina no mesmo vértice? Caminho (walk ) Pode Pode Pode Caminho fechado (closed walk ) Pode Pode Sim Trajeto (path) Não Pode Pode Trajeto simples (simple path) Não Não Não Circuito (circuit) Não Pode Sim Circuito simples (simple circuit) Não v0 = vn Sim Tipo UFMG/ICEx/DCC PAA · Grafos 73
Caminhamentos em grafos Notação simplificada (1) Em geral um caminho pode ser identificado de forma não ambígua através de uma seqüência de arestas ou vértices. e2 e1 v1 e4 v2 e3 v3 • O caminho e1e2e4e3 representa de forma não ambígua o caminho v1e1v2e2v3e4v3e3v2 • A notação e1 é ambígua, se usada para referenciar um caminho, pois pode representar duas possibilidades: v1e1v2 ou v2e1v1. • A notação v2v3 é ambígua, se usada para referenciar um caminho, pois pode representar duas possibilidades: v2e2v3 ou v2e3v3. UFMG/ICEx/DCC PAA · Grafos 74
Caminhamentos em grafos Notação simplificada (2) e2 e1 e3 v1 v2 v3 • A notação v1v2v2v3, se for associada a um caminho, representa de forma não ambígua o caminho v1e1v2e2v2e3v3 § Se um grafo G não possui arestas paralelas, então qualquer caminho em G pode ser determinado de forma única por uma seqüência de vértices. UFMG/ICEx/DCC PAA · Grafos 75
Identificando o caminhamento (1) e4 v1 e2 e3 v2 e1 e5 v3 e7 e6 v4 e 10 e8 v6 e9 v5 Que tipo de caminhamento é? • v1e1v2e3v3e4v3e5v4 – Aresta repetida? Não. – Vértice repetido? Sim – v3. – Começa e termina no mesmo vértice? Não. § Trajeto. UFMG/ICEx/DCC PAA • e1e3e5e5e6 – Aresta repetida? Sim – e5. – Vértice repetido? Sim – v3. – Começa e termina no mesmo vértice? Não. § Caminho. · Grafos 76
Identificando o caminhamento (2) e4 v1 e2 e3 v2 e1 e5 v3 e7 e6 v4 e 10 e8 v6 e9 v5 Que tipo de caminhamento é? • v2 v3 v4 v5 v3 v6 v2 – Aresta repetida? Não. – Vértice repetido? Sim – v2 e v3. – Começa e termina no mesmo vértice? Sim – v2. § Circuito. UFMG/ICEx/DCC PAA • v2 v3 v4 v5 v6 v2 – Aresta repetida? Não. – Vértice repetido? Sim – v2. – Começa e termina no mesmo vértice? Sim – v2. § Circuito simples. · Grafos 77
Identificando o caminhamento (3) e4 v1 e2 e3 v2 e1 e5 v3 e7 e6 v4 e 10 e8 v6 e9 v5 Que tipo de caminhamento é? • v2 v3 v4 v5 v6 v3 v2 – Aresta repetida? Sim – e3. – Vértice repetido? Sim – v2 e v3. – Começa e termina no mesmo vértice? Sim – v2. § Caminho fechado. UFMG/ICEx/DCC PAA • v1 – Aresta repetida? Não. – Vértice repetido? Não. – Começa e termina no mesmo vértice? Sim – v1. § Caminho (circuito) trivial. · Grafos 78
Fecho transitivo direto Definição: O fecho transitivo direto (FTD) de um vértice v é o conjunto de todos os vértices que podem ser atingidos por algum caminho iniciando em v. Exemplo: O FTD do vértice v5 do grafo ao lado é o conjunto {v1, v2, v3, v4, v5, v6}. Note que o próprio vértice faz parte do FTD já que ele é alcançável partindo-se dele mesmo. v2 v1 v4 v3 v6 v5 v7 UFMG/ICEx/DCC PAA · Grafos 79
Fecho transitivo inverso Definição: O fecho transitivo inverso (FTI) de um vértice v é o conjunto de todos os vértices a partir dos quais se pode atingir v por algum caminho. Exemplo: O FTI do vértice v5 do grafo abaixo é o conjunto {v1, v2, v4, v5, v7}. Note que o próprio vértice faz parte do FTI já que dele pode alcançar ele mesmo. v2 v1 v4 v3 v6 v5 v7 UFMG/ICEx/DCC PAA · Grafos 80
Conectividade (1) Informalmente um grafo é conexo (conectado) se for possível caminhar de qualquer vértice para qualquer outro vértice através de uma seqüência de arestas adjacentes. Definição: Seja G um grafo. Dois vértices v e w de G estão conectados sse existe um caminho de v para w. Um grafo G é conexo sse dado um par qualquer de vértice v e w em G, existe um caminho de v para w. Simbolicamente, G é conexo ⇔ ∀ vértices v, w ∈ V (G), ∃ um caminho de v para w. Se a negação desta afirmação for tomada, é possível ver que um grafo não é conexo sse existem dois vértices em G que não estão conectados por qualquer caminho. UFMG/ICEx/DCC PAA · Grafos 81
Conectividade (2) v2 v3 v4 v1 v5 v6 G1 Grafo conexo. v2 v4 v5 v3 v6 v4 v2 v5 v1 v3 v8 v1 v7 v6 G3 G2 Grafos não conexos. UFMG/ICEx/DCC PAA · Grafos 82
Conectividade (3) Lemas Seja G um grafo. (a) Se G é conexo, então quaisquer dois vértices distintos de G podem ser conectados por um trajeto simples (simple path). (b) Se vértices v e w são parte de um circuito de G e uma aresta é removida do circuito, ainda assim existe um trajeto de v para w em G. (c) Se G é conexo e contém um circuito, então uma aresta do circuito pode ser removida sem desconectar G. UFMG/ICEx/DCC PAA · Grafos 83
Conectividade (4) Os grafos v2 v4 v5 v3 v6 v4 v2 v5 v1 v3 v8 v1 v7 v6 G3 G2 possuem três “partes” cada um, sendo cada parte um grafo conexo. Um componente conexo de um grafo é um subgrafo conexo de maior tamanho possível. UFMG/ICEx/DCC PAA · Grafos 84
Componente conexo (1) Definição: Um grafo H é um componente conexo de um grafo G sse: 1. H é um subgrafo de G; 2. H é conexo; 3. Nenhum subgrafo conexo I de G tem H como um subgrafo e I contém vértices ou arestas que não estão em H. § Um grafo pode ser visto como a união de seus componentes conexos. UFMG/ICEx/DCC PAA · Grafos 85
Componente conexo (2) Os componentes conexos do grafo G abaixo são: v3 v1 v5 v8 e5 e1 v4 e3 e2 v 6 e4 v 7 v2 G possui três componentes conexos: H1 : V1 = {v1, v2, v3} E1 = {e1, e2} H2 : V2 = {v4} E2 = ∅ H3 : V3 = {v5, v6, v7, v8} E3 = {e3, e4, e5} UFMG/ICEx/DCC PAA · Grafos 86
Componente fortemente conexo (conectado) Um grafo dirigido G = (V, E) é fortemente conexo se cada dois vértices quaisquer são alcançáveis a partir um do outro. Os componentes fortemente conexos de um grafo dirigido são conjuntos de vértices sob a relação “são mutuamente alcançáveis”. Um grafo dirigido fortemente conexo tem apenas um componente fortemente conexo. v3 v0 v4 Os componentes fortemente conexos do grafo ao lado são: H1 : V1 = {v0 , v1 , v2 , v3 } H2 : V2 = {v4 } H3 : V3 = {v5 } Observe que {v4 , v5 } não é um componente fortemente conexo já que o vértice v5 não é alcançável a partir do vér- v2 UFMG/ICEx/DCC v1 v 5 tice v4. PAA · Grafos 87
Circuito Euleriano (1) Definição: Seja G um grafo. Um circuito Euleriano é um circuito que contém cada vértice e cada aresta de G. É uma seqüência de vértices e arestas adjacentes que começa e termina no mesmo vértice de G, passando pelo menos uma vez por cada vértice e exatamente uma única vez por cada aresta de G. UFMG/ICEx/DCC PAA · Grafos 88
Circuito Euleriano (2) Teorema: Se um grafo possui um circuito Euleriano, então cada vértice do grafo tem grau par. Prova: – Suponha que G é um grafo que tem um circuito Euleriano. [Deve-se mostrar que qualquer vértice v de G tem grau par.] – Seja v um vértice particular de G mas escolhido aleatoriamente. – O circuito Euleriano possui cada aresta de G incluindo todas as arestas incidentes a v. – Vamos imaginar um caminho que começa no meio de uma das arestas adjacentes ao início do circuito Euleriano e continua ao longo deste circuito e termina no mesmo ponto. UFMG/ICEx/DCC PAA · Grafos 89
Circuito Euleriano (3) Par de arestas entrada/saída Comece aqui v3 v1 v2 v0 v5 v4 Par de arestas entrada/saída Prova (continuação): – Cada vez que o vértice v é visitado através de uma aresta de entrada, este vértice é “deixado” já que o caminho termina no meio de uma aresta. – Já que cada circuito Euleriano passa em cada aresta de G exatamente uma única vez, cada aresta incidente a v é visitada uma única vez neste processo. – Como o caminho que passa por v é feito através de arestas incidentes a v na forma de pares entrada/saída, o grau de v deve ser múltiplo de 2. – Isto significa que o grau de v é par. [O que devia ser mostrado.] UFMG/ICEx/DCC PAA · Grafos 90
Circuito Euleriano (4) O contrapositivo deste teorema (que é logicamente equivalente ao teorema original) é: Teorema: Se algum vértice de um grafo tem grau ímpar, então o grafo não tem um circuito Euleriano. § Esta versão do teorema é útil para mostrar que um grafo não possui um circuito Euleriano. v2 e1 e4 e 6 e5 e7 v1 e3 v3 e2 v4 Vértices v1 e v3 possuem grau 3 e, assim, não possuem um circuito Euleriano. UFMG/ICEx/DCC PAA · Grafos 91
Circuito Euleriano (5) Revisitando o problema das sete pontes da cidade de Königsberg. A B C D Problema: É possível que uma pessoa faça um percurso na cidade de tal forma que inicie e volte a mesma posição passando por todas as pontes somente uma única vez? § Não. Todos os vértices têm grau ímpar. UFMG/ICEx/DCC PAA · Grafos 92
Circuito Euleriano (6) No entanto, se cada vértice de um grafo tem grau par, então o grafo tem um circuito Euleriano? – Não. Por exemplo, no grafo abaixo todos os vértices têm grau par, mas como o grafo não é conexo, não possui um circuito Euleriano. v2 v3 e1 e3 e2 e4 v1 UFMG/ICEx/DCC v4 PAA · Grafos 93
Circuito Euleriano (7) Teorema: Se cada vértice de um grafo não vazio tem grau par e o grafo é conexo, então o grafo tem um circuito Euleriano. Prova: [Esta é uma prova construtivista, ou seja, apresenta um algoritmo para achar um circuito Euleriano para um grafo conexo no qual cada vértice tem grau par.] • Suponha que G é um grafo conexo não vazio e que cada vértice de G tem grau par. [Deve-se achar um circuito Euleriano para G.] • Construa um circuito C usando o algoritmo descrito a seguir. PASSO 1: – Escolha qualquer vértice v de G. [Este passo pode ser executado já que pela suposição o conjunto de vértices de G é não vazio.] UFMG/ICEx/DCC PAA · Grafos 94
Circuito Euleriano (8) Prova (continuação): PASSO 2: – Escolha uma seqüência qualquer de vértices e arestas adjacentes, começando e terminando em v, sem repetir arestas. Chame o circuito resultante de C. [Este passo pode ser executado pelas seguintes razões: • Como o grau de cada vértice de G é par, é possível entrar num vértice qualquer que não seja o v por arestas de entrada e saída não visitadas ainda. • Assim, uma seqüência de arestas adjacentes distintas pode ser obtida enquanto o vértice v não seja alcançado. • Esta seqüência de arestas deve voltar em v já que existe um número finito de arestas. ] UFMG/ICEx/DCC PAA · Grafos 95
Circuito Euleriano (9) Prova (continuação): PASSO 3: Verifique se C contém cada aresta e vértice de G. Se sim, C é um circuito Euleriano e o problema está terminado. Caso contrário, execute os passos abaixo. UFMG/ICEx/DCC PAA · Grafos 96
Circuito Euleriano (10) Prova (continuação): PASSO 3 A : – Remova todas as arestas do circuito C do grafo G e quaisquer vértices que se tornaram isolados quando as arestas de C são removidas. – Chame o grafo resultante de G . [Note que G pode não ser conexo, como ilustrado abaixo, mas cada vértice de G tem grau par, já que removendo as arestas de C remove um número par de arestas de cada vértice e a diferença de dois números pares é par.] C v u w G: G´ UFMG/ICEx/DCC PAA · Grafos 97
Circuito Euleriano (11) Prova (continuação): PASSO 3 B : – Escolha qualquer vértice w comum a ambos C e G . [Deve haver pelo menos um vértice deste tipo já que G é conexo. Na figura abaixo existem dois vértices deste tipo: u e w.] C v u w G: G´ UFMG/ICEx/DCC PAA · Grafos 98
Circuito Euleriano (12) Prova (continuação): PASSO 3 C : – Escolha uma seqüência qualquer de vértices e arestas adjacentes, começando e terminando em w, sem repetir arestas. Chame o circuito resultante de C . [Este passo pode ser executado já que o grau de cada vértice de G é par e G é finito. Veja a justificativa para o passo 2.] UFMG/ICEx/DCC PAA · Grafos 99
Circuito Euleriano (13) Prova (continuação): PASSO 3 D : – Agrupe C e C para criar um novo circuito C como segue: • Comece em v e siga em direção a w. • Percorra todo o circuito C e volte a w. • Caminhe pela parte de C não percorrida ainda até o vértice v. [O efeito de executar os passos 3 C e 3 D para o grafo anterior é mostrado abaixo.] C C´ v u w G: C´´ UFMG/ICEx/DCC PAA · Grafos 100
Circuito Euleriano (14) Prova (continuação): PASSO 3 E : – Seja C ← C e retorne ao passo 3. [Como o grafo G é finito, a execução dos passos deste algoritmo termina, com a construção de um circuito Euleriano para G. Como diferentes escolhas podem ser feitas, diferentes circuitos podem ser gerados.] UFMG/ICEx/DCC PAA · Grafos 101
Circuito Euleriano (15) Determine se o grafo abaixo tem um circuito Euleriano. Em caso positivo ache um circuito Euleriano para o grafo. i a f d e b c j h g • Os vértices a, b, c, f, g, i, j têm grau 2. • Os vértices d, e, h têm grau 4. § Pelo teorema anterior, este grafo possui um circuito Euleriano. UFMG/ICEx/DCC PAA · Grafos 102
Circuito Euleriano (16) Seja v = a e seja C : abcda. i a f d 4 j 1 3 b 2 e h c g C não é um circuito Euleriano para este grafo, mas C possui uma intersecção com o restante do grafo no vértice d. UFMG/ICEx/DCC PAA · Grafos 103
Circuito Euleriano (17) Seja C : deghjid. Agrupe C a C para obter C : abcdeghjida. Seja C ← C . Então C pode ser representado pelas arestas rotuladas no grafo abaixo: i 9 8 a f d 10 1 j 4 3 b 2 7 e h 5 c 6 g C não é um circuito Euleriano para este grafo, mas C possui uma intersecção com o restante do grafo no vértice e. UFMG/ICEx/DCC PAA · Grafos 104
Circuito Euleriano (18) Seja C : ef he. Agrupe C a C para obter C : abcdef heghjida. Seja C ← C . Então C pode ser representado pelas arestas rotuladas no grafo abaixo: i 12 11 a f d 13 j 5 6 1 7 4 3 b 2 10 e h 8 c 9 g C inclui cada aresta do grafo exatamente uma única vez e, assim, C é um circuito Euleriano para este grafo. UFMG/ICEx/DCC PAA · Grafos 105
Circuito Euleriano (19) Teorema: Um grafo G tem um circuito Euleriano sse G é conexo e cada vértice de G tem grau par. Definição: Seja G um grafo e seja v e w dois vértices de G. Um Trajeto Euleriano de v para w é uma seqüência de arestas e vértices adjacentes que começa em v, termina em w e passa por cada vértice de G pelo menos uma vez e passa por cada aresta de G exatamente uma única vez. Corolário: Seja G um grafo e dois vértices v e w de G. Existe um trajeto Euleriano de v para w sse G é conexo e v e w têm grau ímpar e todos os outros vértices de G têm grau par. UFMG/ICEx/DCC PAA · Grafos 106
Trajeto Euleriano (1) Uma casa possui uma divisão representada pela planta abaixo. É possível uma pessoa sair do cômodo A, terminar no cômodo B e passar por todas as portas da casa exatamente uma única vez? Se sim, apresente um possível trajeto. G H A I F E B J C D K UFMG/ICEx/DCC PAA · Grafos 107
Trajeto Euleriano (2) A planta da casa pode ser representada pelo grafo abaixo: G G H A H A I F F E B E B J J C I C D D K K Cada vértice deste grafo tem um grau par, exceto os vértices A e B que têm grau 1. Assim, pelo corolário anterior, existe um trajeto Euleriano de A para B. § AGHFEIHEKJDCB UFMG/ICEx/DCC PAA · Grafos 108
Circuito Hamiltoniano (1) Em 1859, propôs um jogo na forma de um dodecaedro (sólido de 12 faces). William Hamilton (1805– 1865), matemático irlandês. Con- tribuiu para o desenvolvimento da óptica, dinâmica e álgebra. Em particular, descobriu a álgebra dos quaternions (álgebra onde a multiplicação não é comutativa). Seu trabalho provou ser significante para o desenvolvimento da mecânica quântica. UFMG/ICEx/DCC PAA · Grafos 109
Circuito Hamiltoniano (2) Jogo proposto por Hamilton Cada vértice recebeu o nome de uma cidade: Londres, Paris, Hong Kong, New York, etc. O problema era: É possível começar em uma cidade e visitar todas as outras cidades exatamente uma única vez e retornar à cidade de partida? O jogo é mais fácil de ser imaginado projetando o dodecaedro no plano: UFMG/ICEx/DCC PAA · Grafos 110
Circuito Hamiltoniano (3) Jogo proposto por Hamilton Uma possível solução para este grafo é: Definição: Dado um grafo G, um Circuito Hamiltoniano para G é um circuito simples que inclui cada vértice de G, ou seja, uma seqüência de vértices adjacentes e arestas distintas tal que cada vértice de G aparece exatamente uma única vez. UFMG/ICEx/DCC PAA · Grafos 111
Comentários sobre circuitos Euleriano e Hamiltoniano (1) • Circuito Euleriano: – Inclui todas as arestas uma única vez. § Inclui todos os vértices, mas que podem ser repetidos, ou seja, pode não gerar um circuito Hamiltoniano. • Circuito Hamiltoniano: – Inclui todas os vértices uma única vez (exceto o inicial = final). § Pode não incluir todas as arestas, ou seja, pode não gerar um circuito Euleriano. UFMG/ICEx/DCC PAA · Grafos 112
Comentários sobre circuitos Euleriano e Hamiltoniano (2) • É possível determinar a priori se um grafo G possui um circuito Euleriano. • Não existe um teorema que indique se um grafo possui um circuito Hamiltoniano nem se conhece um algoritmo eficiente (polinomial) para achar um circuito Hamiltoniano. • No entanto, existe uma técnica simples que pode ser usada em muitos casos para mostrar que um grafo não possui um circuito Hamiltoniano. UFMG/ICEx/DCC PAA · Grafos 113
Determinando se um grafo não possui um circuito Hamiltoniano (1) Suponha que um grafo G tenha um circuito Hamiltoniano C dado por: C : v0e1v1e2 . . . vn−1envn Como C é um circuito simples, todas as arestas ei são distintas e todos os vértices são distintos, exceto v0 = vn. Seja H um subgrafo de G que é formado pelos vértices e arestas de C, como mostrado na figura abaixo (H é o subgrafo com as linhas grossas). UFMG/ICEx/DCC PAA · Grafos 114
Determinando se um grafo não possui um circuito Hamiltoniano (2) Se um grafo G tem um circuito Hamiltoniano então G tem um subgrafo H com as seguintes propriedades: 1. H contém cada vértice de G; 2. H é conexo; 3. H tem o mesmo número de arestas e de vértices; 4. Cada vértice de H tem grau 2. Contrapositivo desta afirmação: § Se um grafo G não tem um subgrafo H com propriedades (1)–(4) então G não possui um circuito Hamiltoniano. UFMG/ICEx/DCC PAA · Grafos 115
Determinando se um grafo não possui um circuito Hamiltoniano (3) Prove que o grafo G abaixo não tem um circuito Hamiltoniano. a c b e d Se G tem um circuito Hamiltoniano, então G tem um subgrafo H que: 1. 2. 3. 4. H contém cada vértice de G; H é conexo; H tem o mesmo número de arestas e de vértices; Cada vértice de H tem grau 2. UFMG/ICEx/DCC PAA · Grafos 116
Determinando se um grafo não possui um circuito Hamiltoniano (4) a c b e d – Em G, grau(b) = 4 e cada vértice de H tem grau 2; – Duas arestas incidentes a b devem ser removidas de G para criar H; – Qualquer aresta incidente a b que seja removida fará com que os outros vértices restantes tenham grau menor que 2; § Conseqüentemente, não existe um subgrafo H com as quatro propriedades acima e, assim, G não possui um circuito Hamiltoniano. UFMG/ICEx/DCC PAA · Grafos 117
O Problema do Caixeiro Viajante (1) • Em inglês, Traveling Salesman Problem, ou TSP. • Suponha o mapa abaixo mostrando quatro cidades (A, B, C, D) e as distâncias em km entre elas. 30 B C 30 25 50 35 A D 40 • Um caixeiro viajante deve percorrer um circuito Hamiltoniano, ou seja, visitar cada cidade exatamente uma única vez e voltar a cidade inicial. § Que rota deve ser escolhida para minimizar o total da distância percorrida? UFMG/ICEx/DCC PAA · Grafos 118
O Problema do Caixeiro Viajante (2) • Possível solução: – Enumere todos os possíveis circuitos Hamiltonianos começando e terminando em A; – Calcule a distância de cada um deles; – Determine o menor deles. B Rota 30 + 30 + 25 + 40 = 125 30 + 35 + 25 + 50 = 140 50 + 30 + 35 + 40 = 155 50 + 25 + 35 + 30 = 140 40 + 35 + 30 + 50 = 155 40 + 25 + 30 + 30 = 125 C Distância (km) ABCDA ABDCA ACBDA ACDBA ADBCA ADCBA 30 30 25 50 35 A D 40 § Assim, tanto a rota ABCDA ou ADCBA tem uma distância total de 125 km. UFMG/ICEx/DCC PAA · Grafos 119
O Problema do Caixeiro Viajante (3) • A solução do TSP é um circuito Hamiltoniano que minimiza a distância total percorrida para um grafo valorado arbitrário G com n vértices, onde uma distância é atribuída a cada aresta. • Algoritmo para resolver o TSP: – Atualmente, força bruta, como feito no exemplo anterior. § Problema da classe NP-Completo. • Exemplo: para o grafo K30 existem 29! ≈ 8, 84 × 1030 circuitos Hamiltonianos diferentes começando e terminando num determinado vértice. • Mesmo se cada circuito puder ser achado e calculado em apenas 1µs, seria necessário aproximadamente 2, 8 × 1017 anos para terminar a computação nesse computador. UFMG/ICEx/DCC PAA · Grafos 120
Representação de um grafo • Dado um grafo G = (V, E): – V = conjunto de vértices. – E = conjunto de arestas, que pode ser representado pelo subconjunto de V ×V. • O tamanho da entrada de dados é medido em termos do: – Número de vértices |V |. – Número de arestas |E|. • Se G é conexo então |E| ≥ |V | − 1. UFMG/ICEx/DCC PAA · Grafos 121
Representação de um grafo Convenções • Convenção I (Notação): – Dentro e somente dentro da notação assintótica os símbolos V e E significam respectivamente |V | e |E|. § Se um algoritmo “executa em tempo O(V + E)” é equivalente a dizer que “executa em tempo O(|V | + |E|)”. • Convenção II (Em pseudo-código): – O conjunto V de vértices de G é representado por V [G]. – O conjunto E de arestas de G é representado por E[G]. § Os conjuntos V e E são vistos como atributos de G. UFMG/ICEx/DCC PAA · Grafos 122
Representação de um grafo Estruturas de dados • Matriz de adjacência: – Forma preferida de representar grafos densos (|E| ≈ |V |2). – Indica rapidamente (O(1)) se existe uma aresta conectando dois vértices. • Lista de adjacência: – Representação normalmente preferida. – Provê uma forma compacta de representar grafos esparsos (|E| |V |2). • Matriz de incidência: – Representação que inclui vértice e aresta. § As duas primeiras formas acima são as principais formas de representar um grafo. UFMG/ICEx/DCC PAA · Grafos 123
Representação de um grafo Matriz de adjacência e grafo dirigido (1) Seja o grafo dirigido abaixo: e3 v2 e2 Este grafo pode ser representado por uma matriz A = (aij ), onde (aij ) representa o número de arestas de vi para vj . § Matriz de Adjacência e1 e4 v 1 e5 v1 e6 A= v3 UFMG/ICEx/DCC v2 v3  v1  1 0 0    v2  1 1 2  v3 PAA · Grafos  1 0 0  124
Representação de um grafo Matriz de adjacência e grafo dirigido (2) Definição: Seja G um grafo dirigido com vértices v1, v2, . . . , vn. A matriz de adjacência de G é a matriz A = (aij ) (A[1 . . . n, 1 . . . n]) é definida como: aij = # de arestas de vi para vj , ∀i, j = 1, 2, . . . , n. • Valor diferente de zero na diagonal principal: laço. • Valor igual a 1 na entrada (aij ): uma única aresta de vi a vj . • Valores maiores que 1 na entrada (aij ): arestas paralelas de vi a vj . • Espaço: O(V 2). UFMG/ICEx/DCC PAA · Grafos 125
Representação de um grafo Matriz de adjacência e grafo dirigido (3) e5 e5 v1 v3 v2 e2 v1 e2 e3 e1 e3 e1 e4 e4 v3 v 1 A= v2 v 1 v2 v3  v1  0 0 0    v2  0 1 1  v3 UFMG/ICEx/DCC  2 1 0 A=  v2 v3  v1  1 1 0    v2  1 0 2  v3 PAA · Grafos  0 0 0  126
Representação de um grafo Matriz de adjacência e grafo dirigido (4) Um possível desenho deste grafo é: Dada a matriz de adjacência de um grafo: v1 v2 v 1 A= v2 v3 v4  v1  0 1 1 0    v2  1 1 0 2    v3  0 0 1 1 2 1 0 0 v4     v3 UFMG/ICEx/DCC PAA · Grafos v4 127
Representação de um grafo Matriz de adjacência e grafo não dirigido Definição: Seja G um grafo não dirigido com vértices v1, v2, . . . , vn. A matriz de adjacência de G é a matriz A = (aij ) sobre o conjunto dos inteiros não negativos tal que aij = # de arestas conectando vi a vj , ∀i, j = 1, 2, . . . , n. Dado o grafo: A matriz de adjacência correspondente é: e3 e2 v1 e1 e7 v 1 v2 e5 A= e4 v2 v3 v4  v1  0 1 0 1    v2  1 1 2 1    e6 UFMG/ICEx/DCC 2 0 0 v4 v4 v3  0 1 0 1   1   v3 PAA · Grafos 128
Representação de um grafo Matriz de adjacência e componentes conexos Dado o grafo: A matriz de adjacência correspondente é:  v2 e4 e3 e1 e2 v1 v3 e6 0 2 0 0 0 2 0 0 0 0 0 0 0 1 0 0 0 1 1 0 0 0 0 0 0  0   0   0   0   2  0 0 0 0 0 2 0 e5 v5 v4 v6 e7 1 0 1 0 0 0 0  0   1   A=0   0   0   A matriz A consiste de “blocos” de diferentes tamanhos ao longo da diagonal principal, já que o conjunto de vértices é disjunto. e8 v7 UFMG/ICEx/DCC PAA · Grafos 129
Representação de um grafo Matriz de adjacência: Análise • Deve ser utilizada para grafos densos, onde |E| é próximo de |V |2 (|E| ≈ |V |2). • O tempo necessário para acessar um elemento é independente de |V | ou |E|. • É muito útil para algoritmos em que necessitamos saber com rapidez se existe uma aresta ligando dois vértices. • A maior desvantagem é que a matriz necessita O(V 2) de espaço. • Ler ou examinar a matriz tem complexidade de tempo O(V 2). UFMG/ICEx/DCC PAA · Grafos 130
Representação de um grafo Uso de matriz de adjacência • Quando usada, a maior parte dos algoritmos requer tempo O(V 2), mas existem exceções. • Seja um grafo dirigido que contém um vértice sink, ou seja, um vértice com: – Grau de entrada (in-degree) = |V | − 1 – Grau de saída (out-degree) = 0 – Não existe uma aresta loop • Apresente um algoritmo para determinar se um grafo dirigido possui um vértice sink em tempo O(V ) usando uma matriz de adjacência. UFMG/ICEx/DCC PAA · Grafos 131
Representação de um grafo Número de vértices sink num grafo dirigido Quantos vértices sink um grafo dirigido G = (V, E) possui no máximo? § No máximo 1. Prova por contradição: – Suponha que si e sj sejam vértices sink. – Deve existir uma aresta de todos os nós do grafo G para si e sj , exceto loops. – Em particular deve existir uma aresta (si, sj ) e uma aresta (sj , si) já que si e sj são vértices sink. – Isto não pode ocorrer já que o grau de saída de um vértice sink é 0. Logo, se existir um vértice sink no grafo G é no máximo 1. UFMG/ICEx/DCC PAA · Grafos 132
Representação de um grafo Matriz de incidência Definição: Seja G um grafo não dirigido com vértices v1 , v2 , . . . , vn e arestas e1 , e2 , . . . , em . A matriz de incidência de G é a matriz M = (mij ) de tamanho n × m sobre o conjunto dos inteiros não negativos tal que 1 0 mij = quando a aresta ej é incidente a vi. caso contrário. Dado o grafo: A matriz de incidência correspondente é: e3 e2 v1 v2 M = e1 v4 e7 e6 UFMG/ICEx/DCC e5 e4 v1 v2 v3 v4 e 1 1 0   0 1 e2 e3 e4 e5 e6 1 0 0 0 0 1 1 1 1 0 0 0 1 1 0 0 0 0 0 1 e7  0  1  0 1 v3 PAA · Grafos 133
Representação de um grafo Lista de adjacência • Vetor Adj de |V | listas, uma para cada vértice de V . • Para cada vértice u ∈ V , a lista Adj[u] contém apontadores para todos os vértices v tal que a aresta (u, v) ∈ E (todos os vértices adjacentes a u em G). § Definição vale para grafos não dirigidos e dirigidos. • |V | i=1 “comprimento da lista de adjacência”, vale: – Grafo dirigido = |E|, cada aresta aparece uma única vez na lista. – Grafo não dirigido = 2|E|, cada aresta aparece duas vezes na lista (entrada de u e entrada de v). • Espaço: O(V + E). UFMG/ICEx/DCC PAA · Grafos 134
Representação de um grafo Lista de adjacência e grafo dirigido (1) Seja o grafo dirigido abaixo: e3 Este grafo pode ser representado por uma lista de adjacência Adj: v2 e2 Adj[v1] = [v1] Adj[v2] = [v1, v2, v3, v3] e1 e4 e5 v1 Adj[v3] = [v1] e6 v3 Adj v1 v2 v1 v3 UFMG/ICEx/DCC v1 v1 PAA · Grafos v2 v3 v3 135
Representação de um grafo Lista de adjacência e grafo dirigido (2) e5 e5 v1 v3 v2 e2 e2 e3 e1 e3 e1 e4 e4 v2 v3 Este grafo pode ser representado pela lista de adjacência: Este grafo pode ser representado pela lista de adjacência: Adj[v1] = [] Adj[v1] = [v1, v2] Adj[v2] = [v1, v3, v3] Adj[v2] = [v2, v3] Adj[v3] = [v1, v1, v2] UFMG/ICEx/DCC v1 Adj[v3] = [] PAA · Grafos 136
Representação de um grafo Lista de adjacência e grafo não dirigido Dado o grafo: Uma lista de adjacência correspondente é: e3 e2 v1 e1 v4 e7 e6 UFMG/ICEx/DCC v2 e5 Adj[v1] = [v2, v4] Adj[v2] = [v1, v2, v3, v3, v4] Adj[v3] = [v2, v2] Adj[v4] = [v1, v2, v4] e4 v3 PAA · Grafos 137
Contando caminhos de tamanho n (1) O tamanho (comprimento) de um caminho é o número de arestas do mesmo, ou seja, número de vértices menos um. Dado o grafo O caminho e2 e1 v2e3v3e4v2e2v2e3v3 v2 v1 e3 tem tamanho 4. e4 v3 Quantos caminhos distintos de tamanho 2 existem conectando v2 a v2? § Existem seis caminhos distintos. v2e1v1e1v2 v2e2v2e2v2 v2e3v3e4v2 v2e4v3e3v2 v2e3v3e3v2 v2e4v3e4v2 UFMG/ICEx/DCC PAA · Grafos 138
Contando caminhos de tamanho n (2) Quantos caminhos distintos de tamanho n existem conectando dois vértices de um dado grafo G? § Este valor pode ser computado usando multiplicação de matrizes. Seja o grafo: A matriz de adjacência correspondente é: e2 e1 v 1 v2 v1 e3 e4 A= v3 UFMG/ICEx/DCC v2 v3  v1  0 1 0    v2  1 1 2  v3 PAA · Grafos  0 2 0  139
Contando caminhos de tamanho n (3) O valor de A2 é dado por:  0 1 0  0 1 0   1 1 2        1 1 2  1 1 2  =  1 6 2  0 2 0 0 2 0 2 2 4 Observe que a22 = 6, que é o número de caminhos de tamanho 2 de v2 para v2. e2 e1 v2 v1 e3 e4 v3 § Se A é a matriz de adjacência de um grafo G, a entrada aij da matriz A2 indica a quantidade de caminhos de tamanho 2 conectando vi a vj no grafo G. § Este resultado é válido para caminhos de tamanho n calculando An. UFMG/ICEx/DCC PAA · Grafos 140
Isomorfismo de grafos (1) Os desenhos abaixo v1 v1 e5 e1 e1 v5 v2 v3 e3 v4 e4 e4 e2 e5 v4 v3 v5 e3 e2 v2 representam o mesmo grafo G: – Conjuntos de vértices e arestas são idênticos; – Funções aresta–vértice são as mesmas. § Grafos isomorfos (do grego, o que significa a mesma forma). UFMG/ICEx/DCC PAA · Grafos 141
Isomorfismo de grafos (2) G G v1 v1 e5 e1 e4 v5 v2 e4 e2 v4 v3 e1 v2 v3 e2 e3 v4 As funções aresta–vértice não são as mesmas. v5 e3 Vértices de G Estes grafos são diferentes apesar de possuírem os mesmos conjuntos de vértices e arestas. e5 Vértices de G´ Arestas de G Arestas de G´ v1 v1 e1 e1 v2 v2 e2 e2 v3 v3 e3 e3 v4 v4 e4 e4 v5 v5 e5 e5 UFMG/ICEx/DCC PAA · Grafos 142
Isomorfismo de grafos (3) Definição: Sejam os grafos G e G com conjuntos de vértices V (G) e V (G ) e com conjuntos de arestas E(G) e E(G ), respectivamente. O grafo G é isomorfo ao grafo G sse existem correspondências um-para-um g : V (G) → V (G ) h : E(G) → E(G ) que preservam as funções aresta-vértice de G e G no sentido que ∀v ∈ V (G) ∧ e ∈ E(G) v é um nó terminal de e ⇔ g(v) é um nó terminal de h(e). UFMG/ICEx/DCC PAA · Grafos 143
Isomorfismo de grafos (4) Os grafos G G e1 e7 w1 w3 v2 e5 v3 e6 v5 v1 e2 e3 f4 f5 w4 e4 v4 f3 f6 f2 w2 f1 f7 w5 são isomorfos? UFMG/ICEx/DCC PAA · Grafos 144
Isomorfismo de grafos (5) Para resolver este problema, devemos achar funções G G e1 g : V (G) → V (G ) e e6 v1 e5 w1 w3 v2 e7 h : E(G) → E(G ) v3 e2 e3 f4 f5 v5 w4 tal que exista a correspondência como mencionado anteriormente. f3 f6 w2 w5 E(G´) E(G) § Grafos G e G são isomorfos. f1 f7 v4 e4 f2 h e1 e2 g V(G) V(G´) f1 f2 v1 e3 f3 v2 w2 e4 f4 v3 w3 e5 f5 v4 w4 e6 f6 v5 UFMG/ICEx/DCC w1 w5 e7 f7 PAA · Grafos 145
Isomorfismo de grafos (6) Os grafos G v0 G v1 e0 e8 v 4 e4 e7 e3 f3 v 5 e9 e5 e1 f8 w4 e11 v 7 e6 v 6 e10 v3 e2 f0 w0 w1 f1 f9 f4 w2 f2 f10 f5 w5 f11 f6 w6 w3 w7 e7 v2 são isomorfos? UFMG/ICEx/DCC PAA · Grafos 146
Isomorfismo de grafos (7) Para resolver este problema, devemos achar funções G v0 g : V (G) → V (G ) e8 v 4 e4 e7 e3 v3 V(G) g f0 w0 e5 e2 f3 v 5 e9 e1 f8 w4 e11 v 7 e6 v 6 e10 tal que exista a correspondência como mencionado anteriormente. § Grafos G e G são isomorfos. v1 e0 e h : E(G) → E(G ) G w1 f1 f9 f4 w2 f2 w3 f10 f5 w5 f11 f6 w7 w6 e7 v2 V(G´) v0 E(G) w0 h E(G´) e0 w1 v1 f0 f6 e6 e1 v2 w2 w3 e8 v4 w4 e9 v5 w5 e10 v6 w6 e11 f7 e7 v3 f1 e2 f2 f8 e3 f3 f9 e4 f4 f10 e5 UFMG/ICEx/DCC PAA · Grafos f5 f11 147
Isomorfismo de grafos (8) • Isomorfismo de grafos é uma relação de equivalência no conjunto de grafos. • Informalmente, temos que esta propriedade é: – Reflexiva: Um grafo é isomorfo a si próprio. – Simétrica: Se um grafo G é isomorfo a um grafo G então G é isomorfo a G. – Transitiva: Se um grafo G é isomorfo a um grafo G e G é isomorfo a G então G é isomorfo a G . UFMG/ICEx/DCC PAA · Grafos 148
Representantes de classes de isomorfismo (1) Ache todos os grafos não isomorfos que têm dois vértices e duas arestas. (a) (b) (c) (d) • Existe um algoritmo que aceita como entrada os grafos G e G e produz como resultado uma afirmação se estes grafos são isomorfos ou não? – Sim. Gere todas as funções g e h e determine se elas preservam as funções aresta–vértice de G e G . UFMG/ICEx/DCC PAA · Grafos 149
Representantes de classes de isomorfismo (2) • Se G e G têm cada um n vértices e m arestas, o número de funções g é n! e o número de funções h é m!, o que dá um número total de n! · m! funções. • Exemplo para n = m = 20. – Temos 20! · 20! ≈ 5, 9 × 1036 pares a verificar. – Assumindo que cada combinação possa ser achada e calculada em apenas 1µs, seria necessário aproximadamente 1, 9 × 1023 anos para terminar a computação nesse computador. UFMG/ICEx/DCC PAA · Grafos 150
Invariantes para isomorfismo de grafos (1) Teorema: Cada uma das seguintes propriedades é uma invariante para isomorfismo de dois grafos G e G , onde n, m e k são inteiros não negativos: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Tem n vértices; Tem m arestas; Tem um vértice de grau k; Tem m vértices de grau k; Tem um circuito de tamanho k; Tem um circuito simples de tamanho k; Tem m circuitos simples de tamanho k; É conexo; Tem um circuito Euleriano; Tem um circuito Hamiltoniano. Isto significa que se G é isomorfo a G então se G tem uma destas propriedades G também tem. UFMG/ICEx/DCC PAA · Grafos 151
Invariantes para isomorfismo de grafos (2) Os grafos G G´ são isomorfos? Não. G tem nove arestas e G tem oito arestas. UFMG/ICEx/DCC PAA · Grafos 152
Invariantes para isomorfismo de grafos (3) Os grafos H H´ são isomorfos? Não. H tem um vértice de grau 4 e H não tem. UFMG/ICEx/DCC PAA · Grafos 153
Isomorfismo de grafos simples (1) Definição: Se G e G são grafos simples (sem arestas paralelas e sem laços) então G é isomorfo a G sse existe uma correspondência g um-para-um do conjunto de vértices V (G) de G para o conjunto de vértices V (G ) de G que preserva a função aresta–vértice de G e de G no sentido que ∀ vértices u, v ∈ G uv é uma aresta de G ⇔ {g(u), g(v)} é uma aresta de G . UFMG/ICEx/DCC PAA · Grafos 154
Isomorfismo de grafos simples (2) Os grafos b a x c w d y z G G´ são isomorfos? UFMG/ICEx/DCC PAA · Grafos 155
Isomorfismo de grafos simples (3) x b a c w d z G Sim, são isomorfos. V(G) g y G´ A função g preserva a função aresta–vértice de G e de G : V(G´) a w Arestas de G Arestas de G b x ab yw = {g(a), g(b)} c y ac yx = {g(a), g(c)} ad yz = {g(a), g(d)} d z cd xz = {g(c), g(d)} UFMG/ICEx/DCC PAA · Grafos 156
Árvore Definição: Uma árvore (também chamada de árvore livre) é um grafo não dirigido acíclico e conexo. UFMG/ICEx/DCC PAA · Grafos 157
Floresta Definição: Uma floresta é um grafo não dirigido acíclico podendo ou não ser conexo. UFMG/ICEx/DCC PAA · Grafos 158
Árvore geradora (1) Suponha que uma companhia aérea recebeu permissão para voar nas seguintes rotas: No entanto, por questões de economia, esta empresa irá operar apenas nas seguintes rotas: A A M M D C D C I S I L S N L N Este conjunto de rotas interconecta todas as cidades. § Este conjunto de rotas é mínimo? – Sim! Qualquer árvore deste grafo possui oito vértices e sete arestas. UFMG/ICEx/DCC PAA · Grafos 159
Árvore geradora (2) Definição: Uma árvore geradora de um grafo G é um grafo que contém cada vértice de G e é uma árvore. Esta definição pode ser estendida para floresta geradora. • Proposição: – Cada grafo conexo tem uma árvore geradora. – Duas árvores geradores quaisquer de um grafo têm a mesma quantidade de arestas. UFMG/ICEx/DCC PAA · Grafos 160
Árvore geradora (3) Seja o grafo G abaixo Este grafo possui o circuito v2v1v4v2. v5 v4 v3 A remoção de qualquer uma das três arestas do circuito leva a uma árvore. v0 v1 v2 Assim, todas as três árvores geradoras são: v5 v4 v3 v5 v4 v3 v5 v4 v3 v0 v1 v2 v0 v1 v2 v0 v1 v2 UFMG/ICEx/DCC PAA · Grafos 161
Árvore geradora mínima ou Minimal Spanning Tree (1) O grafo de rotas da companhia aérea que recebeu permissão para voar pode ser “rotulado” com as distâncias entre as cidades: Suponha que a companhia deseja voar para todas as cidades mas usando um conjunto de rotas que minimiza o total de distâncias percorridas: A 355 A M D 74 695 C 355 M 348 74 230 306 262 D C 269 I S L 242 230 262 83 I 151 S L 242 83 151 N N Este conjunto de rotas interconecta todas as cidades. UFMG/ICEx/DCC PAA · Grafos 162
Árvore geradora mínima (2) Definição: Um grafo com peso é um grafo onde cada aresta possui um peso representado por um número real. A soma de todos os pesos de todas as arestas é o peso total do grafo. Uma árvore geradora mínima para um grafo com peso é uma árvore geradora que tem o menor peso total possível dentre todas as possíveis árvores geradoras do grafo. Se G é um grafo com peso e e uma aresta de G então: – w(e) indica o peso da aresta e, e – w(G) indica o peso total do grafo G. UFMG/ICEx/DCC PAA · Grafos 163
Algoritmos para obter a árvore geradora mínima • Algoritmo de Kruskal. • Algoritmo de Prim. Grafo inicial: Árvore geradora mínima: A A 355 M 355 D 74 695 C M D 74 348 C 230 306 262 230 262 269 I S L 242 I 83 S L 242 151 151 N UFMG/ICEx/DCC 83 N PAA · Grafos 164
Algoritmo de Kruskal (1) • Idéia básica: – Seleciona a aresta de menor peso que conecta duas árvores de uma floresta. – Repita o processo até que todos os vértices estejam conectados sempre preservando a invariante de se ter uma árvore. UFMG/ICEx/DCC PAA · Grafos 165
Algoritmo de Kruskal (2) UFMG/ICEx/DCC PAA · Grafos 166
Algoritmo de Kruskal (3) UFMG/ICEx/DCC PAA · Grafos 167
Algoritmo de Prim • Idéia básica: – Tomando como vértice inicial A, crie uma fila de prioridades classificada pelos pesos das arestas conectando A. – Repita o processo até que todos os vértices tenham sido visitados. UFMG/ICEx/DCC PAA · Grafos 168
Algoritmos de pesquisa em grafo • Objetivo: – Pesquisa sistemática de cada aresta e vértice de um grafo. • Grafo G = (V, E) pode ser tanto dirigido quanto não dirigido. • Os algoritmos apresentados assumem que a estrutura de dados utilizada é uma lista de adjacência. • Exemplos de algoritmos de pesquisa em grafo: – Pesquisa em profundidade (Depth-first search – DFS). – Pesquisa em largura (Breadth-first search – BFS). • Aplicações: – Computação gráfica. – Técnicas de verificação formal. – Compiladores. – Resolução de problemas. – ... UFMG/ICEx/DCC PAA · Grafos 169
Pesquisa em largura (1) • Seja um grafo G = (V, E) e um vértice origem s. • Pesquisa em largura: – Descobre as arestas em G que são alcançáveis a partir de s. – Computa a distância (em no de arestas) de s para os vértices que são alcançáveis. – Produz uma árvore em largura com raiz s e seus vértices alcançáveis. – Se v é um vértice alcançável a partir de s, então o caminho entre s e v na árvore corresponde ao caminho mais curto entre s e v no grafo G. UFMG/ICEx/DCC PAA · Grafos 170
Pesquisa em largura (2) • Expande a fronteira entre vértices descobertos e não descobertos uniformemente através da extensão (largura) da fronteira. • Pesquisa descobre todos os vértices que estão a distância k antes de descobrir os vértices a distância k + 1. UFMG/ICEx/DCC PAA · Grafos 171
Algoritmo para calcular BFS (1) • Estruturas de dados: – Grafo representado como uma lista de adjacência. – Vetor color [u]: cor de cada vértice u ∈ V . – Vetor π[u]: predecessor de cada vértice u ∈ V . Se u não tem predecessor ou ainda não foi descoberto então π[u] = nil. – Vetor d[u]: distância de cada vértice u ∈ V ao vértice s. – Fila Q: contém os vértices já descobertos em largura. • Cores dos vértices: – white: não visitados ainda. – gray : vértice descoberto mas que não teve a sua lista de adjacência totalmente examinada. – black : vértice descoberto que já teve a sua lista de adjacência totalmente examinada. § garantir que a pesquisa caminha em largura • Funções: – Enqueue e Dequeue: operações sobre uma fila FIFO. UFMG/ICEx/DCC PAA · Grafos 172
Algoritmo para calcular BFS (2) BFS(G, s) 1 for each vertex u ∈ V [G] − {s} 2 do color [u] ← white 3 d[u] ← ∞ 4 π[u] ← nil 5 color [s] ← gray 6 d[s] ← 0 7 π[s] ← nil 8 Q ← {s} 9 while Q = ∅ 10 do u ← head[Q] 11 for each v ∈ Adj[u] 12 do if color [v] = white 13 then color [v] ← gray 14 d[v] ← d[u] + 1 15 π[v] ← u 16 Enqueue(Q, v) 17 Dequeue(Q) 18 color [u] ← black UFMG/ICEx/DCC PAA · Grafos 173
Comentários e análise do algoritmo (1) 19 for each vertex u ∈ V [G] − {s} 20 do color [u] ← white 21 d[u] ← ∞ 22 π[u] ← nil Linhas 1–4: Inicialização I • Inicialização de cada vértice para white (não descoberto). • Distância para o vértice s como ∞. • Predecessor do vértice desconhecido. Análise: • Linhas 1–4: O(V ). • Cada vértice (exceto s) é inicializado como white e nenhum vértice volta a ser white. 23 24 25 26 color [s] ← gray d[s] ← 0 π[s] ← nil Q ← {s} Linhas 5–8: Inicialização II • Inicialização de s com gray (é considerado descoberto). • Distância para o próprio vértice s é 0. • Não possui predecessor. • A fila Q contém inicialmente apenas s (irá conter apenas os vértices gray, ou seja, os vértices descobertos em “largura”). Análise: • Linhas 5–8: O(1). UFMG/ICEx/DCC PAA · Grafos 174
Comentários e análise do algoritmo (2) 27 while Q = ∅ 28 do u ← head[Q] 29 for each v ∈ Adj[u] 30 do if color [v] = white 31 then color [v] ← gray 32 d[v] ← d[u] + 1 33 π[v] ← u 34 Enqueue(Q, v) 35 Dequeue(Q) 36 color [u] ← black UFMG/ICEx/DCC Linhas 9–18: Loop • Loop é executado até que a fila esteja vazia, ou seja, não hajam vértices gray. • Cada vértice é colocado e retirado da fila somente uma única vez. • Vértice gray é um vértice que foi descoberto mas a sua lista de adjacência ainda não foi totalmente descoberta. • Vértice black já foi totalmente examinado. • Vértice u contém o primeiro elemento da fila Q. • Linhas 11–16 examinam cada vértice v adjacente a u que não foi descoberto ainda (white (12)), marca como descoberto (gray (13)), calcula a sua distância até s (14), marca o seu predecessor como u (15), e o coloca na fila Q (16). • Quando todos os vértices adjacentes a u forem examinados, u é retirado da fila Q (17) e passa a ser black (18). PAA · Grafos 175
Comentários e análise do algoritmo (3) 37 while Q = ∅ 38 do u ← head[Q] 39 for each v ∈ Adj[u] 40 do if color [v] = white 41 then color [v] ← gray 42 d[v] ← d[u] + 1 43 π[v] ← u 44 Enqueue(Q, v) 45 Dequeue(Q) 46 color [u] ← black Análise: • Operações de colocar e retirar da fila cada vértice é O(1) e o tempo total relacionado com as operações de fila é O(V ). • A lista de adjacência de cada vértice u é percorrida somente uma única vez quando esse vértice será retirado de Q. • A soma dos comprimentos das filas de adjacência é O(E), assim como o tempo para percorrê-la. • Linhas 9–18: O(V + E), que é o custo das operações associadas à fila e a percorrer as listas de adjacência. Análise de todo algoritmo: • Linhas 1–4: O(V ). • Linhas 5–8: O(1). • Linhas 9–18: O(V + E). § Custo total: O(V + E). UFMG/ICEx/DCC PAA · Grafos 176
Execução do algoritmo BFS (1) UFMG/ICEx/DCC PAA · Grafos 177
Execução do algoritmo BFS (2) UFMG/ICEx/DCC PAA · Grafos 178
Execução do algoritmo BFS (3) UFMG/ICEx/DCC PAA · Grafos 179
Caminho mais curto • BFS calcula a distância (em no de arestas) de s ∈ V para os vértices que são alcançáveis em G = (V, E). • Caminho mais curto δ(s, v): – Número mínimo de arestas em qualquer caminho de s para v, no caso de ser alcançável, ou ∞ se não for. – d[v] = δ(s, v), para todo v ∈ V . § Caminho mais curto entre s e v. • Teorema: Sub-caminhos de caminhos mais curtos são caminhos mais curtos. Prova: Se algum sub-caminho não gerar o caminho mais curto, ele poderia ser substituído por um sub-caminho atalho e gerar um caminho total mais curto. UFMG/ICEx/DCC PAA · Grafos 180
Inequação triangular • Teorema: δ(u, v) ≤ δ(u, x) + δ(x, v). – Caminho mais curto u Y v não é mais longo que qualquer outro caminho u Y v — em particular o caminho concatenando o caminho mais curto u Y x com o caminho mais curto x Y v. UFMG/ICEx/DCC PAA · Grafos 181
Árvore em largura (1) • BFS produz uma árvore em largura com raiz s e seus vértices alcançáveis. – Árvore representada pelo vetor π. • Seja o grafo G = (V, E) e o vértice origem s. O sub-grafo predecessor de G é definido como Gπ = (Vπ , Eπ ), onde Vπ = {v ∈ V | π[v] = nil} ∪ {s} e Eπ = {(π[v], v) ∈ E | v ∈ Vπ − {s}} UFMG/ICEx/DCC PAA · Grafos 182
Árvore em largura (2) • O sub-grafo predecessor Gπ é uma árvore em largura se: – Vπ consiste dos vértices alcançáveis a partir de s, ∀v ∈ Vπ . – ∃ um caminho simples único de s a v em Gπ que também é o caminho mais curto de s a v em G. § |Eπ | = |Vπ | − 1. • BFS constrói o vetor π tal que sub-grafo predecessor Gπ é uma árvore em largura. UFMG/ICEx/DCC PAA · Grafos 183
Imprime caminho mais curto Print-Path(G, s, v) 47 if v = s 48 then print s 49 else if π[v] = nil 50 then print “no path from” s “to” v “exists” 51 else Print-Path(G, s, π[v]) print v 52 Análise: • Executa em tempo O(V ). UFMG/ICEx/DCC PAA · Grafos 184
Pesquisa em profundidade (1) • Seja um grafo G = (V, E), dirigido ou não. • Pesquisa em profundidade: – Explora os vértices do grafo a partir de arestas não exploradas ainda, mais fundo no grafo quanto possível. – Quando todas as arestas de v tiverem sido exploradas, a pesquisa volta para explorar outras arestas do vértice do qual v foi descoberto. – Processo continua até que todos os vértices alcançáveis a partir de uma origem tenham sido descobertos. – Se existe vértice não descoberto ainda então um novo vértice é selecionado e o processo começa todo novamente. UFMG/ICEx/DCC PAA · Grafos 185
Pesquisa em profundidade (2) v v UFMG/ICEx/DCC PAA · Grafos 186
Algoritmo para calcular DFS (1) • Estruturas de dados: – Grafo representado como uma lista de adjacência. – Vetor color [u]: cor de cada vértice u ∈ V . – Vetor π[u]: predecessor de cada vértice u ∈ V . Se u não tem predecessor ou ainda não foi descoberto então π[u] = nil. – Vetor d[1 . . . |V |]: marca quando o vértice é descoberto (white → gray ). – Vetor f [1 . . . |V |]: marca quando o vértice é finalizado (gray → black ). – Variável global time: indica o instante em que o vértice é descoberto e terminado, ou seja, o timestamp. UFMG/ICEx/DCC PAA · Grafos 187
Algoritmo para calcular DFS (2) • Cores dos vértices: – white : não visitados ainda. – gray : vértice descoberto mas que não teve a sua lista de adjacência totalmente examinada. – black : vértice descoberto que já teve a sua lista de adjacência totalmente examinada e está terminado. • Função: – DFS-V ISIT: Percorre recursivamente o grafo em profundidade. UFMG/ICEx/DCC PAA · Grafos 188
Algoritmo para calcular DFS (3) • Saída: para cada vértice temos duas mar- • ∀u ∈ V , tempo lógico: cas de tempo (timestamp) e um predeceswhite sor (π(v)) para construir a árvore em prod[u] fundidade. – d[v]: instante de descoberta do vértice v; gray – f [v]: instante de finalização do vértice v; d[u] f[u] § Essas informações serão úteis para outros algoritmos. black • Timestamps estão entre 1 e 2|V | f[u] – ∀u ∈ V, ∃ um único evento de descoberta e um único evento de término (inteiros distintos). – ∀u ∈ V, d[u] f [u] ⇒ d[u] < f [u] § 1 ≤ d[v] < f [v] ≤ 2|V |. UFMG/ICEx/DCC PAA · Grafos 189
Algoritmo para calcular DFS (4) DFS(G) £ Inicializa variáveis associadas a cada vértice u £ Marca u como não descoberto (branco) £ Marca o ancestral de u como inexistente £ Inicializa a variável de tempo £ Examina cada vértice u do grafo G £ Vértice não descoberto ainda? £ Pesquisa em profundidade a partir de u 1 for each vertex u ∈ V [G] 2 do color [u] ← white 3 π[u] ← nil 4 time ← 0 5 for each vertex u ∈ V [G] 6 do if color [u] = white 7 then DFS-V ISIT(u) DFS-V ISIT(u) 1 2 3 4 5 6 7 8 9 10 £ Vértice u descoberto £ Gera o instante da descoberta £ Marca o instante da descoberta £ Explora todos os vértices v adjacentes a u £ Vértice v não foi descoberto ainda? £ Marca o ancestral de v £ Explora vértice v em profundidade £ Vértice u finalizado £ Gera o instante de finalização £ Marca o instante da finalização color [u] ← gray time ← time + 1 d[u] ← time for each v ∈ Adj[u] do if color [v] = white then π[v] ← u DFS-V ISIT(v) color [u] ← black time ← time + 1 f [u] ← time UFMG/ICEx/DCC PAA · Grafos 190
Comentários e análise do algoritmo (1) DFS(G) 1 for each vertex u ∈ V [G] 2 do color [u] ← white 3 π[u] ← nil 4 time ← 0 5 for each vertex u ∈ V [G] 6 do if color [u] = white 7 then DFS-V ISIT(u) Linhas 1–4: Inicialização • Inicialização de cada vértice para branco (white) (não descoberto – linha 2). • Predecessor do vértice desconhecido (linha 3). • Variável global usada para indicar o timestamp (linha 4). Linhas 5–7: Loop • Para cada vértice ainda não descoberto (linha 6) faz a pesquisa em profundidade (linha 7). Vértice u torna-se a raiz de uma nova árvore (se houver) na floresta de pesquisa em profundidade. Análise: • Linhas 1–3: Θ(V ). Cada vértice é inicializado como white e nenhum vértice volta a ser white. • Linha 4: O(1). • Linhas 5–7: Θ(V + E). As linhas 5–7 de DFS gastam Θ(V ) sem contar o tempo de DFS-V ISIT, que só é chamado uma única vez para cada vértice branco. • DFS-V ISIT executa em Θ(E). UFMG/ICEx/DCC PAA · Grafos 191
Comentários e análise do algoritmo (2) DFS-V ISIT(u) 1 2 3 4 5 6 7 8 9 10 color [u] ← gray time ← time + 1 d[u] ← time for each v ∈ Adj[u] do if color [v] = white then π[v] ← u DFS-V ISIT(v) color [u] ← black time ← time + 1 f [u] ← time Comentários: • Linha 1: Vértice u é descoberto e torna-se cinza (gray ). • Linha 2: Incrementa a variável de timestamp. • Linha 3: Marca o instante em que o vértice u foi descoberto. • Linhas 4 a 7: Verifica cada vértice v adjacente a u (linha 4). Se o vértice v ainda não foi descoberto (linha 5) marca como seu ancestral o vértice u (linha 6) e continua pesquisando o grafo em profundidade (linha 7). • Linha 8: Vértice u é finalizado e torna-se preto (black ). • Linha 9: Incrementa a variável de timestamp. • Linha 10: Marca o instante em o vértice u foi finalizado. Análise: • Todas as atribuições têm custo O(1). • Loop das linhas 4–7: é executado |Adj[u]| vezes, sendo que Σv∈V |Adj[v]| = Θ(E). Assim o custo de DFS-V ISIT é Θ(E). UFMG/ICEx/DCC PAA · Grafos 192
Execução do algoritmo DFS UFMG/ICEx/DCC PAA · Grafos 193
Classificação das arestas numa pesquisa em profundidade É possível identificar quatro tipos de arestas durante a construção da floresta de pesquisa em profundidade Gπ obtida pelo algoritmo de DFS no grafo G. O primeiro tipo de aresta pertence a floresta enquanto os outros três não: – T (tree): aresta da floresta de pesquisa em profundidade Gπ . Aresta (u, v) é uma aresta da árvore se o vértice v foi descoberto inicialmente ao explorar a aresta dirigida (u, v). – B (back ): aresta (u, v) que conecta um vértice u a um ancestral v já presente na árvore. Loops são consideradas arestas back. – F (forward): aresta (u, v) que conecta um vértice u a um descendente v na árvore de pesquisa em profundidade. – C (cross): são todas as outras arestas. UFMG/ICEx/DCC PAA · Grafos 194
Propriedades da pesquisa em profundidade (1) • O sub-grafo Gπ define uma floresta de árvores (no caso do grafo G não ser conexo). – As árvores da pesquisa em profundidade refletem a estrutura das chamadas recursivas de DFS-V ISIT. – Temos que π[v] = u sse DFS-V ISIT foi chamado durante uma pesquisa da lista de adjacência de u, i.e., vértice v tem como ancestral o vértice u. – Pode-se dizer que vértice v é descendente do vértice u na floresta de pesquisa em profundidade sse v foi descoberto quando u era cinza (gray ). • Pesquisa em profundidade apresenta “Estrutura de Parênteses”. • Algoritmo: – Represente a descoberta do vértice u pelo parêntese da esquerda: (u. – Represente a finalização do vértice u pelo parêntese da direita: u). § Seqüencia de descobertas e finalizações de um dado vértice define uma expressão bem formada no sentido que parênteses são propriamente aninhados. UFMG/ICEx/DCC PAA · Grafos 195
Propriedades da pesquisa em profundidade (2) Resultado de uma pesquisa em profundidade sobre o grafo G ao lado. Intervalos de descoberta e finalização de cada vértice correspondem a estrutura de parênteses mostrada. Cada retângulo representa o “intervalo de tempo” entre o instante de descoberta e finalização de um vértice. Se há sobreposição de intervalos então um está inserido no outro e o vértice que representa o menor intervalo é um descendente do vértice que representa o maior intervalo. O grafo acima está desenhado com todas as arestas da árvore (T) de cima para baixo e as outras arestas que não fazem parte dela (B, F e C). UFMG/ICEx/DCC PAA · Grafos 196
Teorema do Parênteses (1) Seja uma pesquisa em profundidade em um grafo G = (V, E), dirigido ou não. Para quaisquer dois vértices u e v desse grafo, temos que apenas uma das três condições abaixo é verdadeira: 1. Os intervalos [d[u], f [u]] e [d[v], f [v]] são totalmente disjuntos e nem u nem v é um descendente do outro na floresta de pesquisa em profundidade. § d[u] < f [u] < d[v] < d[v] ou d[v] < f [v] < d[u] < f [u]. 2. O intervalo [d[u], f [u]] está contido inteiramente dentro do intervalo [d[v], f [v]] e o vértice u é um descendente do vértice v na árvore de pesquisa em profundidade. § d[v] < d[u] < f [u] < f [v]. 3. O intervalo [d[v], f [v]] está contido inteiramente dentro do intervalo [d[u], f [u]] e o vértice v é um descendente do vértice u na árvore de pesquisa em profundidade. § d[u] < d[v] < f [v] < f [u]. UFMG/ICEx/DCC PAA · Grafos 197
Teorema do Parênteses (2) Prova. Seja o caso d[u] < d[v]. Existem duas possibilidades: (a) d[v] < f [u] – Vértice v foi descoberto quando u era cinza (gray ). – Vértice v é um descendente de u. – Arestas de saída de v são exploradas. – Vértice v é finalizado antes da pesquisa retornar a u e ser finalizado. . . . Intervalo [d[v], f [v]] está inteiramente contido em [d[u], f [u]]. (b) d[v] < f [u], ou ainda, f [u] < d[v] – Sabe-se que d[u] < f [u] e d[v] < f [v]. . . . Intervalos são disjuntos e os dois vértices não têm uma relação de ancestral e descendente. O caso d[v] < d[u] é similar ao que foi explicado acima. Exemplos: – Certo: ()[] ([]) [()] – Errado: ([)] [(]) UFMG/ICEx/DCC PAA · Grafos 198
Aninhamento de intervalos de descendentes Corolário: Vértice v é um descendente próprio do vértice u na floresta de pesquisa em profundidade para um grafo G (dirigido ou não) sse d[u] < d[v] < f [v] < f [u]. Prova. Imediato do Teorema do Parênteses. UFMG/ICEx/DCC PAA · Grafos 199
Teorema do Caminho Branco Teorema: Na floresta de pesquisa em profundidade de um grafo G = (V, E) (dirigido ou não), o vértice v é um descendente do vértice u sse (⇔) no instante d[u] que DFS descobre u, o vértice v pode ser alcançado a partir de u ao longo de um caminho formado inteiramente de vértices brancos. Prova. (⇒) [se o vértice v é um descendente do vértice u então no instante d[u] que DFS descobre u, o vértice v pode ser alcançado a partir de u ao longo de um caminho formado inteiramente de vértices brancos.] Suponha que v é um descendente de u. Seja w um vértice qualquer no caminho entre u e v na árvore de pesquisa em profundidade. Pelo corolário do “Aninhamento de Intervalos de Descendentes” (AID), d[u] < d[w] e w é branco no instante d[u]. Como w é um vértice qualquer no caminho entre u e v, a conclusão é verdadeira. (⇐) [se no instante d[u] que DFS descobre u, o vértice v pode ser alcançado a partir de u ao longo de um caminho formado inteiramente de vértices brancos então o vértice v é um descendente do vértice u.] Suponha que a hipótese é verdadeira e que o vértice v não se torna um descendente de u na árvore de pesquisa em profundidade. Assuma que todos os outros vértices ao longo do caminho tornam-se um descendente de u. Seja w o predecessor de v no caminho tal que w é um descendente de u (w e u podem ser o mesmo vértice) e, pelo corolário AID, f [w] ≤ f [u]. Note que v deve ser descoberto depois que u é descoberto, mas antes que w seja finalizado (w é o predecessor de v). Assim, d[u] < d[v] < f [w] ≤ f [u]. Pelo teorema do Parênteses temos que o intervalo [d[v], f [v]] está contido inteiramente dentro do intervalo [d[u], f [u]]. Pelo corolário AID, v deve ser um descendente de u. UFMG/ICEx/DCC PAA · Grafos 200
Pesquisa em profundidade e Conjectura I Se existe um caminho do vértice u para o vértice v num grafo dirigido G e se d[u] < d[v] na pesquisa em profundidade de G, então o vértice v é um descendente do vértice u na floresta de pesquisa em profundidade obtida. [Exercício 22.3-7 do livro CLRS] A conjectura é verdadeira ou falsa? UFMG/ICEx/DCC PAA · Grafos 201
Pesquisa em profundidade e Conjectura I Se existe um caminho do vértice u para o vértice v num grafo dirigido G e se d[u] < d[v] na pesquisa em profundidade de G, então o vértice v é um descendente do vértice u na floresta de pesquisa em profundidade obtida. [Exercício 22.3-7 do livro CLRS] A conjectura é verdadeira ou falsa? § Falsa! Prova por contra-exemplo. – Existe um caminho de u para v no grafo. – A árvore de pesquisa em profundidade é produzida e as arestas identificadas. – Temos que d[u] < d[v] na pesquisa em profundidade mas v não é um descendente de u. UFMG/ICEx/DCC PAA · Grafos 202
Pesquisa em profundidade e Conjectura II Se existe um caminho do vértice u para o vértice v num grafo dirigido G, então qualquer pesquisa em profundidade deve resultar em d[v] ≤ f [u]. [Exercício 22.3-8 do livro CLRS] A conjectura é verdadeira ou falsa? UFMG/ICEx/DCC PAA · Grafos 203
Pesquisa em profundidade e Conjectura II Se existe um caminho do vértice u para o vértice v num grafo dirigido G, então qualquer pesquisa em profundidade deve resultar em d[v] ≤ f [u]. [Exercício 22.3-8 do livro CLRS] A conjectura é verdadeira ou falsa? § Falsa! Prova por contra-exemplo. – Existe um caminho de u para v no grafo. – A árvore de pesquisa em profundidade é produzida e as arestas identificadas. – Contudo, d[v] > f [u]. UFMG/ICEx/DCC PAA · Grafos 204
Pesquisa em profundidade e floresta com certa propriedade Seja um vértice u, que tem arestas de entrada e saída, em um grafo dirigido G. É possível que esse vértice fique sozinho na árvore de pesquisa em profundidade? [Exercício 22.3-10 do livro CLRS] UFMG/ICEx/DCC PAA · Grafos 205
Pesquisa em profundidade e floresta com certa propriedade Seja um vértice u, que tem arestas de entrada e saída, em um grafo dirigido G. É possível que esse vértice fique sozinho na árvore de pesquisa em profundidade? [Exercício 22.3-10 do livro CLRS] Sim! – Vértice u tem arestas de entrada e saída no grafo G. – No entanto, a floresta de pesquisa em profundidade produzida faz com que o vértice u apareça sozinho na árvore de pesquisa em profundidade. UFMG/ICEx/DCC PAA · Grafos 206
Classificação de arestas na DFS (1) • A pesquisa em profundidade pode ser usada para classificar as arestas de um grafo G. • Exemplo de aplicação: – Um grafo dirigido é acíclico sse a pesquisa em profundidade não identifica nenhuma aresta do tipo back (retorno). • O procedimento DFS pode ser modificado para classificar as arestas de um grafo G à medida que elas forem sendo encontradas. § Nesta versão, arestas F (forward) e C (cross) não são discriminadas. • Idéia: tem-se uma aresta incidente a um vértice (de cor:) – white : indica uma aresta da árvore. – gray : indica uma aresta B (back ). – black : indica uma aresta F (forward) ou C (cross). UFMG/ICEx/DCC PAA · Grafos 207
Classificação de arestas na DFS (2) Aresta incidente a um vértice (de cor): • white : aresta T – Identificação imediata a partir da especificação do algoritmo. • gray : aresta B – Vértices cinza (gray ) formam uma seqüência linear de descendentes que correspondem à pilha de invocações ativas ao procedimento DFS-V ISIT. – Nesse processo de exploração, se um vértice cinza encontra outro vértice cinza então foi encontrado um ancestral. • black : aresta F ou C – Possibilidade restante. – É possível mostrar que uma aresta (u, v) é F (forward) se d[u] < d[v] e, C (cross) se d[u] > d[v]. UFMG/ICEx/DCC PAA · Grafos 208
Classificação de arestas na DFS (3) DFS-W ITH -E DGE -C LASSIFICATION(G) £ Idêntico ao DFS DFS-V ISIT(u) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 £ Vértice u descoberto color [u] ← gray time ← time + 1 d[u] ← time for each v ∈ Adj[u] do if color [v] = white then (u, v) ← T π[v] ← u DFS-V ISIT(v) else if color [v] = gray then (u, v) ← B else (u, v) ← {F, C} color [u] ← black time ← time + 1 f [u] ← time UFMG/ICEx/DCC £ Explore vértices v adjacentes a u £ Aresta pertence à árvore £ Aresta é do tipo B £ Aresta é do tipo F ou C £ Vértice u finalizado PAA · Grafos 209
Classificação de arestas num grafo não dirigido Teorema: Numa pesquisa em profundidade de um grafo não dirigido G, cada aresta de G é uma aresta da árvore (T) ou uma aresta de retorno (B). Prova. Seja (u, v) uma aresta arbitrária de G e suponha, sem perda de generalidade, que d[u] < d[v]. Nesse caso, o vértice v deve ser descoberto e finalizado antes de finalizar o vértice u (enquanto u for cinza), já que v está na lista de adjacência de u. Se a aresta (u, v) é explorada primeiro na direção de u para v, então v não era conhecido (white) naquele instante, caso contrário, a aresta já teria sido explorada na direção de v para u. Assim, a aresta (u, v) torna-se uma aresta da árvore (T). Se a aresta (u, v) é explorada primeiro na direção de v para u, então (u, v) é uma aresta de retorno (B), já que o vértice u ainda tem a cor cinza (gray ) no momento que a aresta é primeiro explorada. UFMG/ICEx/DCC PAA · Grafos 210
Ordenação topológica • A busca em profundidade pode ser usada para executar uma ordenação topológica em um grafo dirigido acíclico (DAG – Directed Acyclic Graph). • Uma ordenação topológica de um DAG G = (V, E) é uma ordenação linear de todos os seus vértices, tal que se G contém uma aresta (u, v), então u aparece antes de v na ordenação. • Se o grafo não é acíclico, então não é possível nenhuma ordenação linear. • Uma ordenação topológica de um grafo pode ser vista como uma ordenação de seus vértices ao longo de uma linha horizontal, de tal forma que todas as arestas orientadas sigam da esquerda para a direita. UFMG/ICEx/DCC PAA · Grafos 211
Ordenação topológica • DAGs são usados em aplicações para indicar precedência entre eventos. • O grafo abaixo (resultado de uma pesquisa DFS) mostra como um dado homem se veste pela manhã. • Uma aresta orientada (u, v) no DAG indica que a peça de roupa u deve ser vestida antes da peça v. – Algumas peças devem ser vestidas antes de outras (e.g., meias antes dos sapatos); – Outras, em qualquer ordem (e.g., meias e calças). • Uma ordenação topológica desse DAG fornece uma ordem para o processo de se vestir. UFMG/ICEx/DCC PAA · Grafos 212
Algoritmo de ordenação topológica TOPOLOGICAL -S ORT(G) 1 DFS(G) £ Chama DFS para calcular o instante de término f [u] para cada vértice u. À medida que cada vértice é terminado, ele deve ser inserido na frente de uma lista encadeada. 2 return lista encadeada de vértices. TOPOLOGICAL -S ORT(G) DFS-V ISIT(u) £ Versão modificada de DFS 1 for each vertex u ∈ V [G] 2 do color [u] ← white 3 π[u] ← nil 4 time ← 0 5 for each vertex u ∈ V [G] 6 do if color [u] = white 7 then DFS-V ISIT(u) 8 return Q 1 2 3 4 5 6 7 8 9 10 UFMG/ICEx/DCC color [u] ← gray time ← time + 1 d[u] ← time for each v ∈ Adj[u] do if color [v] = white then π[v] ← u DFS-V ISIT(v) color [u] ← black time ← time + 1 f [u] ← time £ Monta a ordenação topológica 11 Enqueue(Q, u) PAA · Grafos 213
Algoritmo de ordenação topológica § Os vértices topologicamente ordenados aparecem na ordem inversa de seus tempos de término. UFMG/ICEx/DCC PAA · Grafos 214
Ordenação topológica: Análise de complexidade • A busca em profundidade é Θ(V + E) e leva tempo O(1) para inserir cada um dos n vértices à frente da lista encadeada. • Logo, a ordenação topológica tem complexidade de tempo de Θ(V + E). UFMG/ICEx/DCC PAA · Grafos 215
Componentes fortemente conectados • Um grafo orientado é fortemente conectado se cada um de dois vértices quaisquer é acessível a partir do outro. • Um componente fortemente conectado de um grafo orientado G = (V, E) é um conjunto máximo de vértices C ⊆ V tal que, para todo par de vértices u e v em C, temos que os vértices u e v são acessíveis um a partir do outro. a c d e UFMG/ICEx/DCC b f g h PAA · Grafos 216
Componentes fortemente conectados • A busca em profundidade pode ser utilizada também para realizar a decomposição de um grafo orientado em seus componentes fortemente conectados. – Vários algoritmos que trabalham com grafos dirigidos começam por essa decomposição. – Uma vez feita essa decomposição, o algoritmo é executado sobre cada componente. – As soluções são combinadas de acordo com a estrutura das conexões entre os componentes. UFMG/ICEx/DCC PAA · Grafos 217
Componentes fortemente conectados • Dado um um grafo G = (V, E), o seu grafo transposto GT = (V, E T ) consiste das arestas de G com seus sentidos invertidos (E T ). a b c d a b c d e f g h e f g h GT G UFMG/ICEx/DCC PAA · Grafos 218
Componentes fortemente conectados: Algoritmo O algoritmo abaixo calcula os componentes fortemente conectados de um grafo orientado G = (V, E) fazendo duas pesquisas em profundidade, a primeira sobre G e a segunda sobre GT . S TRONGLY-C ONNECTED -C OMPONENTS(G) £ Faz a pesquisa em profundidade e calcula o tempo de finalização f [u] para cada vértice u. 2 Gere GT £ Gera o grafo transposto GT do grafo G. 3 DFS(GT ) £ Faz a pesquisa em profundidade para o grafo GT , mas no laço principal de DFS, considere os vértices em ordem decrescente de f [u] (como computado na linha 1). 4 Liste os vértices de cada árvore na floresta DFS formada na linha 3 como um componente fortemente conectado. 1 DFS(G) UFMG/ICEx/DCC PAA · Grafos 219
Componentes fortemente conectados: Análise • Busca em profundidade sobre G : Θ(V + E). • Cálculo de GT : Θ(V + E). • Busca em profundidade sobre GT : Θ(V + E). • Assim, a complexidade de tempo é Θ(V + E). UFMG/ICEx/DCC PAA · Grafos 220
Componentes fortemente conectados: Exemplo UFMG/ICEx/DCC PAA · Grafos 221
Componentes fortemente conectados: Exemplo Passo 1 Seja o grafo G abaixo: Um possível resultado para o cálculo de DFS do grafo G é: Para a pesquisa resultante, temos os seguintes tempos de finalização f [u] em ordem decrescente: u f [u] UFMG/ICEx/DCC b 16 e 15 a 14 PAA c 10 · Grafos d 9 g 7 h 6 f 4 222
Componentes fortemente conectados: Exemplo Passo 2 Dado o grafo G: O grafo transposto GT do grafo G é: UFMG/ICEx/DCC PAA · Grafos 223
Componentes fortemente conectados: Exemplo Passo 3 u f [u] b 16 e 15 a 14 c 10 d 9 g 7 h 6 f 4 Faz a pesquisa em profundidade para o grafo GT , mas no laço principal de DFS, considere os vértices em ordem decrescente de f [u] (como computado na linha 1). UFMG/ICEx/DCC PAA · Grafos 224
Componentes fortemente conectados: Exemplo Passo 4 Liste os vértices de cada árvore na floresta DFS formada na linha 3 como um componente fortemente conectado. O grafo G pode ser representado por um grafo de componentes GSCC = (V SCC , E SCC ) definido da seguinte forma: – Suponha que G tenha componentes fortemente conectados C1 , C2 , . . . , Ck . – V SCC = {v1 , v2 , . . . , vk }, onde vi representa o componente fortemente conectado Ci de G. – ∃(vi, vj ) ∈ E SCC , se G contém a aresta dirigida (x, y)|x ∈ Ci, y ∈ Cj . § No grafo GSCC , cada vértice representa um componente e cada aresta representa a conectividade entre componentes. UFMG/ICEx/DCC PAA · Grafos 225
Conectividade entre componentes fortemente conectados Lema: Sejam C e C dois componentes fortemente conectados distintos do grafo G. Sejam os vértices u, v ∈ C e u , v ∈ C . Suponha que exista um caminho u Y u ∈ G. Então não pode haver um caminho v Y v ∈ G. Prova. Se existir um caminho v Y v ∈ G, então existem caminhos u Y u Y v e v Y v Y u em G. Assim, u e v são alcançáveis a partir de cada um, o que contradiz a suposição que C e C são componentes fortemente conectados distintos. UFMG/ICEx/DCC PAA · Grafos 226
Problema do carteiro chinês Um carteiro deseja entregar cartas ao longo de todas as ruas de sua área de distribuição, e retornar ao posto de distribuição. Como ele pode planejar as rotas de forma a percorrer a menor distância possível? – Se o grafo for Euleriano, basta percorrer o circuito de Euler. – Caso contrário, algumas arestas serão percorridas mais de uma vez. § Objetivo: minimizar a distância a ser percorrida. UFMG/ICEx/DCC PAA · Grafos 227
Variante do problema do carteiro chinês § Problema da limpeza de neve de todas as ruas de uma cidade é importante por conta do tempo necessário para executar essa tarefa e do custo do equipamento que faz a limpeza. UFMG/ICEx/DCC PAA · Grafos 228
Problema do carteiro chinês Problema: dado um grafo valorado conexo, ache um circuito de peso total mínimo que inclua cada aresta pelo menos uma vez. b v 1 2 a 2 6 2 5 3 w UFMG/ICEx/DCC d 4 3 PAA · Grafos c 229
Problema carteiro chinês Passo 1: Identifique os m nós de grau ímpar de G(V, E) (m é sempre par). Passo 2: Encontre o “casamento de pares com a mínima distância” (minimumlength pairwise matching) desses m nós e identifique os m caminhos mínimos 2 deste “casamento” ótimo. Passo 3: Adicione estes m caminhos mínimos como arcos ligando os nós do 2 “casamento” ótimo. O novo grafo G(V, E) contém zero vértices de grau ímpar. Passo 4: Encontre um ciclo euleriano em G(V, E). Este ciclo é a solução ótima do problema no grafo original G(N,A) e o seu comprimento é igual ao comprimento total das arestas do grafo original mais o comprimento total dos m/2 caminhos mínimos. b v 1 2 a 2 6 2 a 3 w 3 1 6 w PAA · Grafos 2 2 2 3 d 4 3 5 c v 1 2 d 4 5 UFMG/ICEx/DCC b 3 c 230

Mais conteúdo relacionado

PPTX
Aula de fração
Neilor
 
PDF
Teoria dos Grafos - História e COnceitos Iniciais
Victor Hazin da Rocha
 
PDF
Teoria dos Grafos
Gabriel Albuquerque
 
PDF
Introdução à Teoria dos Grafos
Bianca Dantas
 
PDF
Estrutura de Dados - Grafos
Leinylson Fontinele
 
PDF
Laboratório de Programação II: Grafos - Matriz de adjacência e Matriz de inci...
Alex Camargo
 
PPTX
Grafos
GPslide1209
 
PPTX
MACS - grafos, trajetos e circuitos eulerianos; circuitos eulerianos...
Joana Pinto
 
Aula de fração
Neilor
 
Teoria dos Grafos - História e COnceitos Iniciais
Victor Hazin da Rocha
 
Teoria dos Grafos
Gabriel Albuquerque
 
Introdução à Teoria dos Grafos
Bianca Dantas
 
Estrutura de Dados - Grafos
Leinylson Fontinele
 
Laboratório de Programação II: Grafos - Matriz de adjacência e Matriz de inci...
Alex Camargo
 
Grafos
GPslide1209
 
MACS - grafos, trajetos e circuitos eulerianos; circuitos eulerianos...
Joana Pinto
 

Mais procurados (20)

PPT
Equações literais
aldaalves
 
PPT
Funções
aldaalves
 
PDF
Relações
Chromus Master
 
PPS
Desigualdade triangular
Vítor Batista
 
PPT
Matemática Discreta - Parte IV teoria dos-conjuntos
Ulrich Schiel
 
PDF
RESUMO Matemática 9º ano
Ricardo Santos
 
PDF
Pesquisa operacional teoria dos grafos
Diego Henrique
 
PPT
Inequações
leilamaluf
 
PPT
Equações do 2.º grau
aldaalves
 
PDF
Termos e conceitos estatísticos
Helena Borralho
 
PPTX
Proporcionalidade direta
Helena Borralho
 
PPS
Quadrilateros.Ppt
Andréa Thees
 
PPT
Grafos e Árvores
Patrick Momoli
 
PPSX
8 exercícios com escalas
Mayjö .
 
PPTX
Dízimas finitas e infinitas periódicas
Andreia Horta
 
DOCX
Ficha Revisões 2
MariaJoão Agualuza
 
PDF
Primeira lei de ohm
Maick Goulart
 
PDF
Triângulo de Pascal: Exercícios resolvidos
numerosnamente
 
PDF
Matemática 8º Diagrama de Extremos e Quartis
Espaço Crescer Centro de Estudos
 
PPTX
Teorema de Pitágoras - Matemática 8º ano - Resumo da matéria
O Bichinho do Saber
 
Equações literais
aldaalves
 
Funções
aldaalves
 
Relações
Chromus Master
 
Desigualdade triangular
Vítor Batista
 
Matemática Discreta - Parte IV teoria dos-conjuntos
Ulrich Schiel
 
RESUMO Matemática 9º ano
Ricardo Santos
 
Pesquisa operacional teoria dos grafos
Diego Henrique
 
Inequações
leilamaluf
 
Equações do 2.º grau
aldaalves
 
Termos e conceitos estatísticos
Helena Borralho
 
Proporcionalidade direta
Helena Borralho
 
Quadrilateros.Ppt
Andréa Thees
 
Grafos e Árvores
Patrick Momoli
 
8 exercícios com escalas
Mayjö .
 
Dízimas finitas e infinitas periódicas
Andreia Horta
 
Ficha Revisões 2
MariaJoão Agualuza
 
Primeira lei de ohm
Maick Goulart
 
Triângulo de Pascal: Exercícios resolvidos
numerosnamente
 
Matemática 8º Diagrama de Extremos e Quartis
Espaço Crescer Centro de Estudos
 
Teorema de Pitágoras - Matemática 8º ano - Resumo da matéria
O Bichinho do Saber
 
Anúncio

Destaque (18)

PDF
Percursos em grafos
Bruno dos Anjos Silveira
 
PDF
Graph Theory - Exercises - Chapters 2, 3, 4, 5, 6, 7, 8, and 9
Michel Alves
 
PPTX
Grafos
greriber91
 
ODP
Jesuseduardo edg
gonje17
 
PPTX
GRAFOS EULERIANOS Y HAMILTONIANOS
mariangemat
 
PPTX
áRboles binarios
Javier Martinez
 
PPT
Recurso unidad 3
Christian Jesus Rodriguez Gomez
 
PPT
Tema grafos
Roxana Elízabeth Heredia Pedroza
 
PPT
Recorrido de grafos 1ra parte
Sergio Ormeño
 
PPT
Presentacion del Proyecto de Construccion de una Wiki - Grupo 3
matediscretas
 
PDF
Introdução a Teoria dos Grafos
Chromus Master
 
PPT
Grafos
Henrry Eliseo Navarro Chinchilla
 
PPT
Grafos/EjerciciosPropuestos
Amanda_84
 
PDF
Test Psicotecnico
German Daza
 
DOC
Grafos resueltos
Paloma Garcia Injoque
 
PPTX
Matemáticas discretas- Teoría de Grafos
Angela Janeth Jimenez
 
PDF
Probabilidades exercicios
Cidinha Santos
 
PPTX
Teoria de Grafos. Conceptos básicos.
Nabor Chirinos
 
Percursos em grafos
Bruno dos Anjos Silveira
 
Graph Theory - Exercises - Chapters 2, 3, 4, 5, 6, 7, 8, and 9
Michel Alves
 
Grafos
greriber91
 
Jesuseduardo edg
gonje17
 
GRAFOS EULERIANOS Y HAMILTONIANOS
mariangemat
 
áRboles binarios
Javier Martinez
 
Recurso unidad 3
Christian Jesus Rodriguez Gomez
 
Tema grafos
Roxana Elízabeth Heredia Pedroza
 
Recorrido de grafos 1ra parte
Sergio Ormeño
 
Presentacion del Proyecto de Construccion de una Wiki - Grupo 3
matediscretas
 
Introdução a Teoria dos Grafos
Chromus Master
 
Grafos
Henrry Eliseo Navarro Chinchilla
 
Grafos/EjerciciosPropuestos
Amanda_84
 
Test Psicotecnico
German Daza
 
Grafos resueltos
Paloma Garcia Injoque
 
Matemáticas discretas- Teoría de Grafos
Angela Janeth Jimenez
 
Probabilidades exercicios
Cidinha Santos
 
Teoria de Grafos. Conceptos básicos.
Nabor Chirinos
 
Anúncio

Semelhante a Aula Grafos (20)

PPTX
Capítulo 8 - Algoritmos em grafos com Pseudocódigos e em Java
profjotamarcosduarte
 
PDF
Introdução aos grafos: Principais conceitos
ssusera0fc94
 
PPTX
Grafos_1.pptx
ssusera0fc94
 
PPTX
Seminário sobre Grafos por Samyra Lara
IFPB
 
PDF
Análise de Algoritmos - Conceitos de Grafos
Delacyr Ferreira
 
PPTX
Grafos
rodrigogolin
 
PDF
Aula 2 - Terminologia de Grafos (Parte II de Grafos).pdf
ravadsan
 
PPTX
Teoria de Grafos.ppt.pptx para estudar MACS
sandra soares
 
PPT
Grafos.ppt
LucianoRodrigoFerrei2
 
PPTX
PowerPoint Introdução_aos_grafos 11º Ano.pptx
paulavagarinho1966
 
PPTX
Cap1-pp-01-14-coGrafos 1mpleta.pptgrafos x
DaniloAraujoFeitosa
 
PPTX
Grafos .pptx
AnaLinharesz
 
PDF
Teoria dos grafos
XequeMateShannon
 
PDF
ARS - Análise de Redes Sociais - VIII ERI MG
Petronio Candido
 
PDF
Grafos1
Cesar Tomo
 
PPTX
Grafos - Organização de dados para a Matemática.pptx
formacaofqanaritafel
 
PDF
Com red2011q1mirisola grafosaleatoriossmallworld
Gabriel Teodoro
 
PDF
Conectividade em grafos
Michelle Guerreiro C Silva
 
KEY
Treinamento Para competições de Programação do INF-UFG - Grafos Parte 1 - Tur...
Murilo Adriano Vasconcelos
 
PDF
Cap1-pp-15-29-completa.pdfgraofs 222222222
DaniloAraujoFeitosa
 
Capítulo 8 - Algoritmos em grafos com Pseudocódigos e em Java
profjotamarcosduarte
 
Introdução aos grafos: Principais conceitos
ssusera0fc94
 
Grafos_1.pptx
ssusera0fc94
 
Seminário sobre Grafos por Samyra Lara
IFPB
 
Análise de Algoritmos - Conceitos de Grafos
Delacyr Ferreira
 
Grafos
rodrigogolin
 
Aula 2 - Terminologia de Grafos (Parte II de Grafos).pdf
ravadsan
 
Teoria de Grafos.ppt.pptx para estudar MACS
sandra soares
 
Grafos.ppt
LucianoRodrigoFerrei2
 
PowerPoint Introdução_aos_grafos 11º Ano.pptx
paulavagarinho1966
 
Cap1-pp-01-14-coGrafos 1mpleta.pptgrafos x
DaniloAraujoFeitosa
 
Grafos .pptx
AnaLinharesz
 
Teoria dos grafos
XequeMateShannon
 
ARS - Análise de Redes Sociais - VIII ERI MG
Petronio Candido
 
Grafos1
Cesar Tomo
 
Grafos - Organização de dados para a Matemática.pptx
formacaofqanaritafel
 
Com red2011q1mirisola grafosaleatoriossmallworld
Gabriel Teodoro
 
Conectividade em grafos
Michelle Guerreiro C Silva
 
Treinamento Para competições de Programação do INF-UFG - Grafos Parte 1 - Tur...
Murilo Adriano Vasconcelos
 
Cap1-pp-15-29-completa.pdfgraofs 222222222
DaniloAraujoFeitosa
 

Aula Grafos

  • 1. Grafos Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br http://www.dcc.ufmg.br/~loureiro UFMG/ICEx/DCC PAA · Grafos 1
  • 2. Motivação • Suponha que existam seis sistemas computacionais (A, B, C, D, E, e F) interconectados entre si da seguinte forma: B A C F D E § Esta informação pode ser representada por este diagrama, chamado de grafo. § Este diagrama identifica unicamente um grafo. UFMG/ICEx/DCC PAA · Grafos 2
  • 3. Motivação • Dois objetos especiais: – Vértices – Arestas B Vértice A C Aresta F D E UFMG/ICEx/DCC PAA · Grafos 3
  • 4. Definição Um grafo G consiste de dois conjuntos finitos: 1. Vértices V (G) 2. Arestas E(G) Em geral, um grafo G é representado como: G = (V, E) UFMG/ICEx/DCC PAA · Grafos 4
  • 5. Terminologia – Cada aresta está associada a um conjunto de um ou dois vértices, chamados nós terminais. – Extremidade de uma aresta: vértice da aresta. – Função aresta–extremidade: associa aresta a vértices. – Laço (Loop): aresta somente com nó terminal. – Arestas paralelas: arestas associadas ao mesmo conjunto de vértices. – Uma aresta é dita conectar seus nós terminais. – Dois vértices que são conectados por uma aresta são chamados de adjacentes. – Um vértice que é nó terminal de um laço é dito ser adjacente a si próprio. – Uma aresta é dita ser incidente a cada um de seus nós terminais. – Duas arestas incidentes ao mesmo vértice são chamadas de adjacentes. – Um vértice que não possui nenhuma aresta incidente é chamado de isolado. – Um grafo com nenhum vértice é chamado de vazio. UFMG/ICEx/DCC PAA · Grafos 5
  • 7. Terminologia • Conjunto de vértices: {v1, v2, v3, v4, v5, v6}. • Conjunto de arestas: {e1, e2, e3, e4, e5, e6, e7}. v1 v3 e3 v4 e7 v6 e2 • Função aresta–vértice: Aresta e1 e2 e3 e4 e5 e6 e7 Vértice {v1, v2} {v1, v3} {v1, v3} {v2, v3} {v5, v6} {v5} {v6} UFMG/ICEx/DCC e1 e4 e5 v5 v2 e6 PAA · Grafos 7
  • 8. Terminologia • e1, e2 e e3 são incidentes a v1 . • v2 e v3 são adjacentes a v1. v1 v4 e7 v6 • e2, e3 e e4 são adjacentes a e1. • e6 e e7 são laços. v3 e3 e2 e1 e4 e5 • e2 e e3 são paralelas. v5 v2 • v5 e v6 são adjacentes entre si. e6 • v4 é um vértice isolado. UFMG/ICEx/DCC PAA · Grafos 8
  • 9. Terminologia Seja um grafo especificado como: • Conjunto de vértices: {v1, v2, v3, v4}. Duas possíveis representações deste grafo: e4 v3 v4 e3 v 2 e2 e1 • Conjunto de arestas: {e1, e2, e3, e4}. v1 e4 • Função aresta–vértice: Aresta e1 e2 e3 e4 v4 v3 Vértice {v1, v3} {v2, v4} {v2, v4} {v3} e2 e3 v2 UFMG/ICEx/DCC PAA · Grafos e1 v1 9
  • 10. Terminologia Considere os dois diagramas abaixo. Rotule os vértices e as arestas de tal forma que os dois diagramas representem o mesmo grafo. UFMG/ICEx/DCC PAA · Grafos 10
  • 11. Terminologia Uma possível identificação de vértices e rótulos pode ser: v1 e1 e5 v2 v5 • Conjunto de arestas: {e1, e2, e3, e4, e5}. e2 e4 Os dois diagramas são representados por: • Conjunto de vértices: {v1, v2, v3, v4, v5}. • Função aresta–vértice: e3 v4 v3 v1 Aresta e1 e2 e3 e4 e5 e1 v3 e3 v4 e4 e5 e2 v5 UFMG/ICEx/DCC Vértice {v1, v2} {v2, v3} {v3, v4} {v4, v5} {v5, v1} v2 PAA · Grafos 11
  • 12. Modelos usando grafos Grafo Vértice Aresta Comunicação Centrais telefônicas, Computadores, Satélites Portas lógicas, registradores, processadores Reservatórios, estações de bombeamento Ações, moeda Cidades, Aeroportos Tarefas Módulos Cabos, Fibra óptica, Enlaces de microondas Filamentos Páginas Web Posições no tabuleiro Pessoas, Atores Links Movimentos permitidos Amizades, Trabalho conjunto em filmes Circuitos Hidráulico Financeiro Transporte Escalonamento Arquitetura funcional de um software Internet Jogos de tabuleiro Relações sociais UFMG/ICEx/DCC PAA · Grafos Tubulações Transações Rodovias, Vias aéreas Restrições de precedência Interações entre os módulos 12
  • 13. Modelos usando grafos Circuito elétrico: Leis de Kirchoff Gustav Kirchoff (1824– 1887), físico alemão. Foi o primeiro a analisar o comportamento de “árvores matemáticas” com a investigação de circuitos elétricos. i1 + i4 = i2 + i3 UFMG/ICEx/DCC PAA · Grafos 13
  • 14. Modelos usando grafos Estruturas de moléculas de hidrocarboneto H H C C C C Arthur Cayley (1821– 1895), matemático inglês. Logo após o trabalho de Kirchoff, Cayley usou “árvores matemáticas” para enumerar todos os isômeros para certos hidrocarbonetos. H C H H C C C H Butano H H H H C C C H H C H H H H Isobutano UFMG/ICEx/DCC PAA · Grafos 14
  • 15. Modelos usando grafos Conectividade na Internet Este grafo mostra a conectividade entre roteadores na Internet, resultado do trabalho “Internet Mapping Project” de Hal Burch e Bill Cheswick. Atualmente o trabalho está sendo desenvolvido comercialmente pela empresa Lumeta (www.lumeta.com). UFMG/ICEx/DCC PAA · Grafos 15
  • 16. Modelos usando grafos Conectividade na Internet Este trabalho de Stephen Coast (http://www.fractalus .com/steve/stuff/ipmap/) está “medindo” e mapeando a estrutura e desempenho da Internet. Este é um de seus trabalhos iniciais. UFMG/ICEx/DCC PAA · Grafos 16
  • 17. Modelos usando grafos Conectividade na RNP2 A Rede Nacional de Pesquisa (RNP) criou a primeira infraestrutura de comunicação (backbone) no Brasil para interconexão com a Internet. Atualmente, este backbone é conhecido como RNP2. O grafo de conectividade da RNP2 tem uma “estrutura” (topologia) basicamente na forma de estrela. Note que diferentes enlaces de comunicação (arestas) possuem diferentes capacidades. A Internet é formada basicamente por interconexão de Sistemas Autônomos (AS – Autonomous System), onde cada AS é um backbone distinto. UFMG/ICEx/DCC PAA · Grafos 17
  • 18. Modelos usando grafos Grafo de derivação sintática Noam Chomsky John Backus Peter Naur Chomsky e outros desenvolveram novas formas de descrever a sintaxe (estrutura gramatical) de linguagens naturais como inglês. Este trabalho tornou-se bastante útil na construção de compiladores para linguagens de programação de alto nível. Neste estudo, árvores (grafos especiais) são usadas para mostrar a derivação de sentenças corretas gramaticalmente a partir de certas regras básicas. É comum representar estas regras, chamadas de produção, usando uma notação proposta por Backus (1959) e modificada por Naur (1960) usada para descrever a linguagem de programação Algol. Esta notação é chamada de BNF (Backus-Naur Notation). UFMG/ICEx/DCC PAA · Grafos Notação BNF (subconjunto gramática da língua inglesa): da sentence ::= noun phrase verb phrase noun phrase ::= article noun | article adjective noun verb phrase ::= verb noun phrase article ::= the adjective ::= young noun ::= man | ball verb ::= caught 18
  • 19. Modelos usando grafos Vegetarianos e Canibais (1) • Seja uma região formada por vegetarianos e canibais. • Inicialmente, dois vegetarianos e dois canibais estão na margem esquerda (ME) de um rio. • Existe um barco que pode transportar no máximo duas pessoas e sempre atravessa o rio com pelo menos uma pessoa. • O objetivo é achar uma forma de transportar os dois vegetarianos e os dois canibais para a margem direita (MD) do rio. • Em nenhum momento, o número de canibais numa margem do rio pode ser maior que o número de vegetarianos, caso contrário, . . . UFMG/ICEx/DCC PAA · Grafos 19
  • 20. Modelos usando grafos Vegetarianos e Canibais (2) • Solução: – Notação para representar cada cenário possível. – Modelo para representar a mudança de um cenário em outro válido. • Notação: ME/MD – vvccB/ → ME: 2v, 2c e o barco (B); MD: –. – vc/Bvc → ME: 1v, 1c; MD: B, 1v e 1c. • Modelo: grafo – Vértice: cenário válido. – Aresta: transição válida de um dado cenário em outro. UFMG/ICEx/DCC PAA · Grafos 20
  • 21. Modelos usando grafos Vegetarianos e Canibais (3) Uma possível seqüência válida de cenários é: vc/Bvc ccB/vv vvcB/c /Bvvcc c/Bvvc vcB/vc vv/Bcc vvccB/ vvc/Bc cc/Bvv UFMG/ICEx/DCC PAA · Grafos 21
  • 22. Modelos usando grafos Visualizando grafos Para muitas aplicações é importante desenhar grafos com certas restrições: – Planares, i.e., não há cruzamento de arestas Graph Drawing: Algorithms for the Visualization of Graphs. Giuseppe Di Battista, Peter Eades, Roberto Tamassia, e Ioannis G. Tollis. Prentice Hall Engineering, Science & Math, 432 pp., ISBN 0-13-301615-3. UFMG/ICEx/DCC PAA · Grafos 22
  • 23. Grafo simples Definição: Um grafo simples é um grafo que não possui laços nem arestas paralelas. Num grafo simples, uma aresta com vértices (nós terminais) u e v é representada por uv. Exemplo: Quais são os grafos com quatro vértices {u, v, w, x} e duas arestas, sendo que uma delas é a aresta uv? – Dado quatro vértices, existem C(4, 2) = 6 subconjuntos, que definem arestas diferentes: {uv, uw, ux, vw, vx, wx}. – Logo, todos os grafos simples de quatro vértices e duas arestas, sendo uma delas a uv são: u v u v u v u v u v w x w x w x w x w x UFMG/ICEx/DCC PAA · Grafos 23
  • 24. Grafo dirigido (1) Definição: Um grafo dirigido ou digrafo ou direcionado G consiste de dois conjuntos finitos: 1. Vértices V (G) 2. Arestas dirigidas E(G), onde cada aresta é associada a um par ordenado de vértices chamados de nós terminais. Se a aresta e é associada ao par (u, v) de vértices, diz-se que e é a aresta dirigida de u para v. v2 e3 v5 v3 v7 e2 e7 v1 UFMG/ICEx/DCC e4 e6 e1 e8 e5 v6 v4 PAA · Grafos 24
  • 25. Grafo dirigido (2) Para cada grafo dirigido, existe um grafo simples (não dirigido) que é obtido removendo as direções das arestas, e os loops. Grafo dirigido: v2 v3 v1 v4 UFMG/ICEx/DCC v5 Grafo não dirigido correspondente: v7 v2 v3 v6 v1 v4 PAA · Grafos v5 v7 v6 25
  • 26. Grafo dirigido (3) • A versão dirigida de um grafo não dirigido G = (V, E) é um grafo dirigido G = (V , E ) onde (u, v) ∈ E sse (u, v) ∈ E. • Cada aresta não dirigida (u, v) em G é substituída por duas arestas dirigidas (u, v) e (v, u). • Em um grafo dirigido, um vizinho de um vértice u é qualquer vértice adjacente a u na versão não dirigida de G. Grafo não dirigido: v2 Grafo dirigido correspondente: v3 v2 v1 UFMG/ICEx/DCC v3 v1 PAA · Grafos 26
  • 27. Grafo completo (1) Definição: Um grafo completo de n vértices, denominado Kn∗, é um grafo simples com n vértices v1, v2, . . . , vn, cujo conjunto de arestas contém exatamente uma aresta para cada par de vértices distintos. Exemplo: Grafos completos com 2, 3, 4, e 5 vértices. v4 v3 v4 v3 v5 v1 v2 K2 ∗A v1 v2 v2 v1 K3 K4 v3 v1 v2 K5 letra K representa a letra inicial da palavra komplett do alemão, que significa “completo”. UFMG/ICEx/DCC PAA · Grafos 27
  • 28. Grafo completo (2) Dado o grafo completo Kn temos que Vértice está conectado aos vértices (não conectados ainda) através de # arestas v1 v2 , v 3 , . . . , v n n−1 v2 . . . v3 , v 4 , . . . , v n . . . n−2 . . . vn−1 vn 1 vn – 0 ou seja, se contarmos o número total de arestas de Kn temos n−1 (n − 1) · n n2 − n (|V |2 − |V |) i= = = 2 2 2 i=1 UFMG/ICEx/DCC PAA · Grafos 28
  • 29. Grafo completo (3) Os grafos K2, K3, K4, e K5 v4 v3 v4 v3 v5 v1 v2 K2 v1 v2 v2 v1 K3 K4 v3 v1 v2 K5 possuem a seguinte quantidade de arestas: Grafo K2 1 K3 3 K4 6 K5 UFMG/ICEx/DCC # arestas 10 PAA · Grafos 29
  • 30. Quantidade de grafos distintos com n vértices (1) O número total de grafos distintos com n vértices (|V |) é 2 n2 −n 2 =2 (|V |2 −|V |) 2 que representa a quantidade de maneiras diferentes de escolher um subconjunto a partir de (|V |2 − |V |) n2 − n = 2 2 possíveis arestas de um grafo com n vértices. UFMG/ICEx/DCC PAA · Grafos 30
  • 31. Quantidade de grafos distintos com n vértices (2) Exemplo: Quantos grafos distintos com 3 vértices existem? • Um grafo com 3 vértices v1, v2 e v3 possui no máximo 3 arestas, ou seja, E = {v1v2, v1v3, v2v3}. • O número de sub-conjuntos distintos de E é dado por P(E), ou seja, o conjunto potência de E que vale 2|E|. Cada elemento de P(E) deve P(E) =                              ∅, {v1v2}, {v1v3}, {v2v3}, {v1v2, v2v3}, {v1v3, v2v3}, {v1v2, v1v3}, {v1v2, v1v3, v2v3}                ser mapeado num grafo com 3               v3 vértices levando a um grafo distinto: v1 UFMG/ICEx/DCC PAA · Grafos v2 31
  • 32. Quantidade de grafos distintos com n vértices (3) Exemplo: Quantos grafos distintos com 3 vértices existem (continuação)? • Para cada elemento (sub-conjunto) do conjunto potência de E temos um grafo distinto associado, ou seja, o número total de grafos com 3 vértices é: 2 n2 −n 2 =2 32 −3 2 = 23 = 8 v1 v2 v1 v1 v2 PAA v2 v1 · Grafos v1 v2 v1 v2 v1 v2 v3 v3 v3 v3 UFMG/ICEx/DCC v3 v3 v3 v3 v2 v1 v2 32
  • 33. Grafo ciclo Definição: Um grafo ciclo de n vértices, denominado Cn, n ≥ 3, é um grafo simples com n vértices v1, v2, . . . , vn, e arestas v1v2, v2v3, . . ., vn−1vn, vnv1. Exemplo: Grafos ciclos de 3, 4, e 5 vértices. v4 v3 v4 v3 v5 v1 v2 v2 v1 C3 UFMG/ICEx/DCC C4 PAA · Grafos v3 v1 v2 C5 33
  • 34. Grafo roda Definição: Um grafo roda, denominado Wn, é um grafo simples com n + 1 vértices que é obtido acrescentado um vértice ao grafo ciclo Cn, n ≥ 3, e conectando este novo vértice a cada um dos n vértices de Cn. Exemplo: Grafos rodas de 3, 4, e 5 vértices. v4 v3 v4 v3 v5 v5 v4 v1 v2 v6 v2 v1 W3 UFMG/ICEx/DCC v3 W4 PAA · Grafos v1 v2 W5 34
  • 35. Grafo Cubo-n (1) Definição: Um grafo cubo-n de 2n vértices, denominado Qn, é um grafo simples que representa os 2n strings de n bits. Dois vértices são adjacentes sse os strings que eles representam diferem em exatamente uma posição. O grafo Qn+1 pode ser obtido a partir do grafo Qn usando o seguinte algoritmo: 1. Faça duas cópias de Qn; 2. Prefixe uma das cópias de Qn com 0 e a outra com 1; 3. Acrescente uma aresta conectando os vértices que só diferem no primeiro bit. UFMG/ICEx/DCC PAA · Grafos 35
  • 36. Grafo Cubo-n (2) Exemplo: Grafos Qn, para n = 1, 2, e 3 vértices. 110 10 11 111 100 101 010 0 1 Q1 UFMG/ICEx/DCC 00 01 Q2 PAA · Grafos 000 011 Q3 001 36
  • 37. Grafo bipartido (1) Definição: Um grafo bipartido∗ de m, n vértices, denominado Km,n, é um grafo simples com vértices v1, v2, . . . , vm e w1, w2, . . . , wn, que satisfaz as seguintes propriedades: ∀ i, k = 1, 2, . . . , m ∧ ∀ j, l = 1, 2, . . . , n 1. ∃ uma aresta entre cada par de vértices vi e wj ; 2. ∼∃ uma aresta entre cada par de vértices vi e vk ; 3. ∼∃ uma aresta entre cada par de vértices wj e wl ; ∗ Também chamado na literatura de grafo bipartido completo. UFMG/ICEx/DCC PAA · Grafos 37
  • 38. Grafo bipartido (2) Exemplo: Grafos bipartidos K3,2 e K3,3. v1 w1 v2 w2 v3 v1 w3 w1 v2 w2 v3 K 3,2 UFMG/ICEx/DCC K 3,3 PAA · Grafos 38
  • 39. Multigrafo Definição: Um multigrafo é um grafo que não possui laços mas pode ter arestas paralelas. Formalmente, um multigrafo G = (V, E) consiste de um conjunto V de vértices, um conjunto E de arestas, e uma função f de E para {{u, v}|u, v ∈ V, u = v}. As arestas e1 e e2 são chamadas múltiplas ou paralelas se f (e1) = f (e2). v1 v3 e3 v4 v6 e2 e1 e4 e5 v5 v2 § Várias aplicações precisam ser modeladas como um multigrafo. UFMG/ICEx/DCC PAA · Grafos 39
  • 40. Pseudografo Definição: Um pseudografo é um grafo que pode ter laços e arestas paralelas. Formalmente, um pseudografo G = (V, E) consiste de um conjunto V de vértices, um conjunto E de arestas, e uma função f de E para {{u, v}|u, v ∈ V }. § Pseudografo é mais geral que um multigrafo. UFMG/ICEx/DCC PAA · Grafos 40
  • 41. Multigrafo dirigido Definição: Um multigrafo dirigido é um grafo que pode ter laços e arestas paralelas. Formalmente, um multigrafo dirigido G = (V, E) consiste de um conjunto V de vértices, um conjunto E de arestas, e uma função f de E para {{u, v}|u, v ∈ V }. As arestas e1 e e2 são arestas múltiplas se f (e1) = f (e2). UFMG/ICEx/DCC PAA · Grafos 41
  • 42. Hipergrafo Definição: Um hipergrafo H(V, F ) é definido pelo par de conjuntos V e F , onde: • V é um conjunto não vazio de vértices; • F é um conjunto que representa uma “família” e partes não vazias de V . Um hipergrafo é um grafo não dirigido em que cada aresta conecta um número arbitrário de vértices. Seja, por exemplo, o grafo H(V, F ) dado por: v1 v2 v4 v3 = {v1, v2, v3, v4} F = {{v1, v2, v4}, {v2, v3, v4}, {v2, v3}} V UFMG/ICEx/DCC PAA · Grafos 42
  • 43. Terminologia de grafos Tipo Aresta Arestas múltiplas? Laços permitidos? Grafo simples Não dirigida Não Não Multigrafo Não dirigida Sim Não Pseudografo Não dirigida Sim Sim Grafo dirigido Dirigida Não Sim Multigrafo dirigido Dirigida Sim Sim UFMG/ICEx/DCC PAA · Grafos 43
  • 44. Grafo valorado Definição: Um grafo valorado é um grafo em que cada aresta tem um valor associado. Formalmente, um grafo valorado G = (V, E) consiste de um conjunto V de vértices, um conjunto E de arestas, e uma função f de E para P , onde P representa o conjunto de valores (pesos) associados às arestas. § Grafo valorado é usado para modelar vários problemas importantes em Ciência da Computação. UFMG/ICEx/DCC PAA · Grafos 44
  • 45. Grafo imersível Definição: Um grafo é imersível em uma superfície S se puder ser representado geograficamente em S de tal forma que arestas se cruzem nas extremidades (vértices). Um grafo planar é um grafo que é imersível no plano. § As conexões de uma placa de circuito impresso devem ser representadas por um grafo planar. UFMG/ICEx/DCC PAA · Grafos 45
  • 46. Subgrafo Definição: Um grafo H = (V , E ) é dito ser um subgrafo de um grafo G = (V, E) sse: – cada vértice de H é também um vértice de G, ou seja, V ⊆ V ; – cada aresta de H é também uma aresta de G, ou seja, E ⊆ E; e – cada aresta de H tem os mesmos nós terminais em G, ou seja, se (u, v) ∈ E então (u, v) ∈ E. Exemplo: Todos os subgrafos do grafo G: v2 e1 v1 2 v2 v1 5 v2 e2 e1 v1 8 v2 e2 e1 v1 e3 G e2 v1 1 v2 v1 v2 v2 v1 v1 4 v2 3 e1 e3 e3 6 v2 9 UFMG/ICEx/DCC e1 7 v2 v1 v1 e3 e3 e2 10 PAA · 11 Grafos v1 e3 e2 46
  • 47. Grau de um vértice (1) Definição: Seja G um grafo e um vértice v de G. O grau de v, denominado grau(v) (deg(v)), é igual ao número de arestas que são incidentes a v, com uma aresta que seja um laço contada duas vezes. O grau total de G é a soma dos graus de todos os vértices de G. Exemplo: Determinando o grau de v1 no grafo abaixo. v1 v2 UFMG/ICEx/DCC grau(v 1) = 5 v3 v4 PAA · Grafos 47
  • 48. Grau de um vértice (2) Em um grafo dirigido o grau de um vértice v é o número de arestas quem saem dele (out-deg(v)) mais o número de arestas que chegam nele (in-deg(v)). Exemplo: Determinando o grau de v3 no grafo abaixo. grau(v 3) = 4 v2 e3 v5 v3 v7 e2 e7 v1 UFMG/ICEx/DCC e4 e6 e1 e8 e5 v6 v4 PAA · Grafos 48
  • 49. Grau de um vértice (3) Exemplo: Seja o grafo G abaixo. Determine o grau de cada vértice e o grau total de G. v1 v2 e1 v3 e3 e2 – grau(v1) = 0, já que não existe aresta incidente a v1, que é um vértice isolado. – grau(v2) = 2, já que e1 e e2 são incidentes a v2. – grau(v3) = 4, já que e1, e2 e e3 são incidentes a v3, sendo que e3 contribui com dois para o grau de v3. § Grau de G = grau(v1) + grau(v2) + grau(v3) = 0 + 2 + 4 = 6 § Grau de G = 2 × número de arestas de G, que é 3, ou seja, cada aresta contribui com dois para o grau total do grafo. UFMG/ICEx/DCC PAA · Grafos 49
  • 50. Grau de um vértice (4) Teorema (do aperto de mãos ou handshaking): Seja G um grafo. A soma dos graus de todos os vértices de G é duas vezes o número de arestas de G. Especificamente, se os vértices de G são v1, v2, . . . , vn, onde n é um inteiro positivo, então Grau de G grau(v1) + grau(v2) + . . . + grau(vn) = UFMG/ICEx/DCC = 2 × número de arestas de G. PAA · Grafos 50
  • 51. Grau de um vértice (5) Prova: • Seja G um grafo específico mas escolhido arbitrariamente. • Se G não possui vértices então não possui arestas, e o grau total é 0, que é o dobro das arestas, que é 0. • Se G tem n vértices v1, v2, . . . , vn e m arestas, onde n é um inteiro positivo e m é um inteiro não negativo. A hipótese é que cada aresta de G contribui com 2 para o grau total de G. • Suponha que e seja uma aresta arbitrária com extremidades vi e vj . Esta aresta contribui com 1 para o grau de vi e 1 para o grau de vj . UFMG/ICEx/DCC PAA · Grafos 51
  • 52. Grau de um vértice (6) Prova (continuação): • Isto é verdadeiro mesmo se i = j já que no caso de um laço conta-se duas vezes para o grau do vértice no qual incide. vi vj e e i=j vi = vj i=j • Assim, a aresta e contribui com 2 para o grau total de G. Como e foi escolhido arbitrariamente, isto mostra que cada aresta de G contribui com 2 para o grau total de G. . . . O grau total de G = 2× número de arestas de G. § Corolário: O grau total de um grafo é par. UFMG/ICEx/DCC PAA · Grafos 52
  • 53. Grafo regular Definição: Um grafo é dito ser regular quando todos os seus vértices têm o mesmo grau. Exemplo: Os grafos completos com 2, 3, 4, e 5 vértices são grafos regulares. v4 v3 v4 v3 v5 v1 v2 K2 UFMG/ICEx/DCC v1 v2 v2 v1 K3 K4 PAA · Grafos v3 v1 v2 K5 53
  • 54. Determinando a existência de certos grafos (1) • É possível ter um grafo com quatro vértices de graus 1, 1, 2, e 3? Não. O grau total deste grafo é 7, que é um número ímpar. • É possível ter um grafo com quatro vértices de graus 1, 1, 3, e 3? Sim. Exemplos: a a c a b a b d c d c d c b d b UFMG/ICEx/DCC PAA · Grafos 54
  • 55. Determinando a existência de certos grafos (2) • É possível ter um grafo simples com quatro vértices de graus 1, 1, 3, e 3? Não. Prova (por contradição): – Suponha que exista um grafo simples G com quatro vértices de graus 1, 1, 3, e 3. Chame a e b os vértices de grau 1, e c e d os vértices de grau 3. Como grau(c) = 3 e G não possui laços ou arestas paralelas, devem existir arestas que conectam c aos vértices a, b e d. b a d c – Pelo mesmo raciocínio devem existir arestas que conectam d aos vértices a, b e c. a b d c – Mas o grau(a) ≥ 2 e grau(b) ≥ 2, o que contradiz a suposição que estes vértices têm grau 1. . . . A suposição inicial é falsa e, conseqüentemente, não existe um grafo simples com quatro vértices com graus 1, 1, 3, e 3. UFMG/ICEx/DCC PAA · Grafos 55
  • 56. Determinando a existência de certos grafos (3) • É possível num grupo de nove pessoas, cada um ser amigo de exatamente cinco outras pessoas? Não. Prova (por contradição): – Suponha que cada pessoa represente um vértice de um grafo e a aresta indique uma relação de amizade entre duas pessoas (vértices). – Suponha que cada pessoa seja amiga de exatamente cinco outras pessoas. – Então o grau de cada vértice é cinco e o grau total do grafo é 45. . . . Isto contradiz o corolário que o grau total de um grafo é par e, conseqüentemente, a suposição é falsa. UFMG/ICEx/DCC PAA · Grafos 56
  • 57. Característica de um grafo Teorema: Em qualquer grafo G, existe um número par de vértices de grau ímpar. Prova: – Suponha que G tenha n vértices de grau ímpar e m vértices de grau par, onde n e m são inteiros não negativos. [Deve-se mostrar que n é par.] – Se n = 0, então G tem um número par de vértices de grau ímpar. – Suponha que n ≥ 1. Seja P a soma dos graus de todos os vértices de grau par, I a soma dos graus de todos os vértices de grau ímpar, e T o grau total de G. – Se p1 , p2 , . . . , pm são os vértices de grau par e i1 , i2 , . . . , in são os vértices de grau ímpar, P = grau(p1 ) + grau(p2 ) + . . . + grau(pm ), I = grau(i1 ) + grau(i2 ) + . . . + grau(in), T = grau(p1 ) + grau(p2 ) + . . . + grau(pm ) + grau(i1 ) + grau(i2 ) + . . . + grau(in) = P + I [que deve ser um número par] – P é par, já que P = 0 ou P é a soma de grau(pr ), 0 ≤ r ≤ m, que é par. – Mas T = P + I e I = T − P . Assim, I é a diferença de dois inteiros pares, que é par. – Pela suposição, grau(is ), 0 ≤ s ≤ n, é ímpar. Assim, I, um inteiro par, é a soma de n inteiros ímpares grau(i1 ) + grau(i2 ) + . . . + grau(in). Mas a soma de n inteiros ímpares é par, então n é par [o que devia ser mostrado]. UFMG/ICEx/DCC PAA · Grafos 57
  • 58. Determinando a existência de certos grafos (4) • É possível ter um grafo com 10 vértices de graus 1, 1, 2, 2, 2, 3, 4, 4, 4, e 6? Não. Duas formas de provar: 1. Este grafo supostamente possui três vértices de grau ímpar, o que não é possível. 2. Este grafo supostamente possui um grau total = 29, o que não é possível. UFMG/ICEx/DCC PAA · Grafos 58
  • 59. O problema das sete pontes de Königsberg ou O início da teoria dos grafos (1) Leonhard Euler (1707-1783) aos 49 anos. Tela em óleo pintada por Jakob Emanuel Handmann em 1756. Leonhard Euler, matemático suíço. Considerado um dos maiores matemáticos de todos os tempos. Foi um cientista extremamente produtivo contribuindo para muitas áreas da matemática como teoria dos números, análise combinatória e análise, bem como o seu uso em áreas como música e arquitetura naval. Euler foi o primeiro a usar o termo “função” para descrever uma expressão envolvendo vários argumentos, ou seja, y = F (x). No total escreveu mais de 1100 artigos e livros. Durante os últimos 17 anos de vida, ele ficou praticamente cego, quando produziu quase que metade de seus trabalhos. A área de teoria dos grafos começa em 1736 quando publica um artigo (Solutio problematis ad geometriam situs pertinentis) contendo a solução para o problema das sete pontes de Königsberg, na época uma cidade da Prússia e, atualmente, cidade da Rússia. UFMG/ICEx/DCC PAA · Grafos 59
  • 60. O problema das sete pontes de Königsberg ou O início da teoria dos grafos (2) A cidade de Königsberg foi construída numa região onde haviam dois braços do Rio Pregel e uma ilha. Foram construídas sete pontes ligando diferentes partes da cidade, como mostrado na figura: Problema: É possível que uma pessoa faça um percurso na cidade de tal forma que inicie e volte a mesma posição passando por todas as pontes somente uma única vez? UFMG/ICEx/DCC PAA · Grafos 60
  • 61. O problema das sete pontes de Königsberg ou Onde é Königsberg (3) Referência: “Northern Germany as far as the Bavarian and Austrian Frontiers; Handbook for Travellers” by Karl Baedeker. Fifteenth Revised Edition. Leipzig, Karl Baedeker; New York, Charles Scribner’s Sons 1910. UFMG/ICEx/DCC History: Kaliningrad was for- Mapa parcial (recente) da merly the Prussian port of cidade. Königsberg, capital of East Prussia. It was captured by the Red Army in April 1945 and ceded to the Soviet Union at the Potsdam conference. It was renamed in honor of senior Soviet leader Mikhail Kalinin, although he never actually visited the area. PAA · Grafos 61
  • 62. O problema das sete pontes de Königsberg (4) • Euler resolveu este problema dando início à teoria dos grafos. • Modelagem proposta por Euler: – Todos os “pontos” de uma dada área de terra podem ser representados por um único ponto já que uma pessoa pode andar de um lado para o outro sem atravessar uma ponte. – Um ponto é conectado a outro se houver uma ponte de um lado para o outro. – Graficamente, Euler representou o problema como: A B C D UFMG/ICEx/DCC PAA · Grafos 62
  • 63. O problema das sete pontes de Königsberg (5) • Problema a ser resolvido: – É possível achar um caminho que comece e termine num vértice qualquer (A, B, C, ou D) e passe por cada aresta, exatamente, e uma única vez?, ou ainda, – É possível desenhar este grafo que comece e termine na mesma posição sem levantar o lápis do papel? A B C D UFMG/ICEx/DCC PAA · Grafos 63
  • 64. O problema das sete pontes de Königsberg (6) • Aparentemente não existe solução! A • Partindo do vértice A, toda vez que se passa por qualquer outro vértice, duas arestas são usadas: a de “chegada” e a de “saída”. B • Assim, se for possível achar uma rota que usa todas as arestas do grafo e começa e termina em A, então o número total de “chegadas” e “saídas” de cada vértice deve ser um valor múltiplo de 2. C D • No entanto, temos: – grau(A) = grau(C) = grau(D) = 3; e – grau(B) = 5. • Assim, por este raciocínio informal não é possível ter uma solução para este problema. UFMG/ICEx/DCC PAA · Grafos 64
  • 65. Caminhamentos em grafos Caminho (1) Seja G um grafo não dirigido, n ≥ 1, e v e w vértices de G. Caminho (walk ): Um caminho de v para w é uma seqüência alternada de vértices e arestas adjacentes de G. Um caminho tem a forma: (v =)v0e1v1e2v2 . . . vn−1envn(= w) ou ainda v0[v0, v1]v1[v1, v2]v2 . . . vn−1[vn−1, vn]vn onde v0 = v e vn = w. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 Um possível caminho entre v1 e v4: v1e6v3e2v4e7v2e1v3e2v4e3v1e4v2e5v4 e2 v4 PAA · Grafos 65
  • 66. Caminhamentos em grafos Caminho (2) • No caso de arestas múltiplas, deve-se indicar qual delas está sendo usada. • Vértices v0 e vn são extremidades do caminho. • Tamanho (comprimento) do caminho: número de arestas do mesmo, ou seja, número de vértices menos um. • O caminho trivial de v para v consiste apenas do vértice v. • Se existir um caminho c de v para w então w é alcançável a partir de v via c. UFMG/ICEx/DCC PAA · Grafos 66
  • 67. Caminhamentos em grafos Caminho fechado (1) Caminho fechado (Closed walk ): Caminho que começa e termina no mesmo vértice: (v =)v0e1v1e2v3 . . . vn−1envn(= w) onde v = w. v2 e1 e4 e 6 e5 e7 v1 e3 v3 Um possível caminho fechado é: v1e6v3e2v4e7v2e1v3e2v4e3v1e4v2e5v4e3v1 e2 v4 Um caminho fechado com pelo menos uma aresta é chamado de ciclo. UFMG/ICEx/DCC PAA · Grafos 67
  • 68. Caminhamentos em grafos Caminho fechado (2) Dois caminhos fechados e v0v1 . . . vn v0v1 . . . vn formam o mesmo ciclo se existir um inteiro j tal que vi = vi+j mod n, para i = 0, 1, . . . , n − 1. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 O caminho fechado v1v2v3v4v1 forma o mesmo ciclo que os caminhos fechados v2 v3 v4 v1 v2 , v3 v4 v1 v2 v3 e v4 v1 v2 v3 v4 . e2 v4 PAA · Grafos 68
  • 69. Caminhamentos em grafos Trajeto Trajeto (Path): Caminho de v para w sem arestas repetidas: (v =)v0e1v1e2v3 . . . vn−1envn(= w) onde todas as arestas ei são distintas, ou seja, ei = ek , para qualquer i = k. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 Um possível trajeto é: v1e6v3e2v4e7v2e1v3 e2 v4 PAA · Grafos 69
  • 70. Caminhamentos em grafos Trajeto simples Trajeto simples (Simple path): Caminho de v para w sem arestas e vértices repetidos. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 Um possível trajeto simples é: v1e6v3e2v4e7v2 e2 v4 PAA · Grafos 70
  • 71. Caminhamentos em grafos Circuito Circuito (Circuit): Trajeto fechado, ou seja, um caminho onde não há aresta repetida e os vértices inicial e final são idênticos: (v =)v0e1v1e2v3 . . . vn−1envn(= w) onde toda aresta ei, 1 ≤ i ≤ n, é distinta e v0 = vn. v2 e1 e4 e 6 e5 e7 v1 UFMG/ICEx/DCC e3 v3 Um possível circuito é: v1e6v3e2v4e7v2e1v3 e2 v4 PAA · Grafos 71
  • 72. Caminhamentos em grafos Circuito simples Circuito simples (Simple circuit): Trajeto fechado, ou seja, um caminho onde não há arestas e vértices repetidos, exceto os vértices inicial e final que são idênticos. v2 e1 e4 e 6 e5 e7 v1 e3 v3 Um possível circuito simples é: v1e6v3e2v4e7v2e4v1 e2 v4 Um circuito simples também é chamado de ciclo simples. UFMG/ICEx/DCC PAA · Grafos 72
  • 73. Terminologia de caminhamentos Aresta repetida? Vértice repetido? Começa e termina no mesmo vértice? Caminho (walk ) Pode Pode Pode Caminho fechado (closed walk ) Pode Pode Sim Trajeto (path) Não Pode Pode Trajeto simples (simple path) Não Não Não Circuito (circuit) Não Pode Sim Circuito simples (simple circuit) Não v0 = vn Sim Tipo UFMG/ICEx/DCC PAA · Grafos 73
  • 74. Caminhamentos em grafos Notação simplificada (1) Em geral um caminho pode ser identificado de forma não ambígua através de uma seqüência de arestas ou vértices. e2 e1 v1 e4 v2 e3 v3 • O caminho e1e2e4e3 representa de forma não ambígua o caminho v1e1v2e2v3e4v3e3v2 • A notação e1 é ambígua, se usada para referenciar um caminho, pois pode representar duas possibilidades: v1e1v2 ou v2e1v1. • A notação v2v3 é ambígua, se usada para referenciar um caminho, pois pode representar duas possibilidades: v2e2v3 ou v2e3v3. UFMG/ICEx/DCC PAA · Grafos 74
  • 75. Caminhamentos em grafos Notação simplificada (2) e2 e1 e3 v1 v2 v3 • A notação v1v2v2v3, se for associada a um caminho, representa de forma não ambígua o caminho v1e1v2e2v2e3v3 § Se um grafo G não possui arestas paralelas, então qualquer caminho em G pode ser determinado de forma única por uma seqüência de vértices. UFMG/ICEx/DCC PAA · Grafos 75
  • 76. Identificando o caminhamento (1) e4 v1 e2 e3 v2 e1 e5 v3 e7 e6 v4 e 10 e8 v6 e9 v5 Que tipo de caminhamento é? • v1e1v2e3v3e4v3e5v4 – Aresta repetida? Não. – Vértice repetido? Sim – v3. – Começa e termina no mesmo vértice? Não. § Trajeto. UFMG/ICEx/DCC PAA • e1e3e5e5e6 – Aresta repetida? Sim – e5. – Vértice repetido? Sim – v3. – Começa e termina no mesmo vértice? Não. § Caminho. · Grafos 76
  • 77. Identificando o caminhamento (2) e4 v1 e2 e3 v2 e1 e5 v3 e7 e6 v4 e 10 e8 v6 e9 v5 Que tipo de caminhamento é? • v2 v3 v4 v5 v3 v6 v2 – Aresta repetida? Não. – Vértice repetido? Sim – v2 e v3. – Começa e termina no mesmo vértice? Sim – v2. § Circuito. UFMG/ICEx/DCC PAA • v2 v3 v4 v5 v6 v2 – Aresta repetida? Não. – Vértice repetido? Sim – v2. – Começa e termina no mesmo vértice? Sim – v2. § Circuito simples. · Grafos 77
  • 78. Identificando o caminhamento (3) e4 v1 e2 e3 v2 e1 e5 v3 e7 e6 v4 e 10 e8 v6 e9 v5 Que tipo de caminhamento é? • v2 v3 v4 v5 v6 v3 v2 – Aresta repetida? Sim – e3. – Vértice repetido? Sim – v2 e v3. – Começa e termina no mesmo vértice? Sim – v2. § Caminho fechado. UFMG/ICEx/DCC PAA • v1 – Aresta repetida? Não. – Vértice repetido? Não. – Começa e termina no mesmo vértice? Sim – v1. § Caminho (circuito) trivial. · Grafos 78
  • 79. Fecho transitivo direto Definição: O fecho transitivo direto (FTD) de um vértice v é o conjunto de todos os vértices que podem ser atingidos por algum caminho iniciando em v. Exemplo: O FTD do vértice v5 do grafo ao lado é o conjunto {v1, v2, v3, v4, v5, v6}. Note que o próprio vértice faz parte do FTD já que ele é alcançável partindo-se dele mesmo. v2 v1 v4 v3 v6 v5 v7 UFMG/ICEx/DCC PAA · Grafos 79
  • 80. Fecho transitivo inverso Definição: O fecho transitivo inverso (FTI) de um vértice v é o conjunto de todos os vértices a partir dos quais se pode atingir v por algum caminho. Exemplo: O FTI do vértice v5 do grafo abaixo é o conjunto {v1, v2, v4, v5, v7}. Note que o próprio vértice faz parte do FTI já que dele pode alcançar ele mesmo. v2 v1 v4 v3 v6 v5 v7 UFMG/ICEx/DCC PAA · Grafos 80
  • 81. Conectividade (1) Informalmente um grafo é conexo (conectado) se for possível caminhar de qualquer vértice para qualquer outro vértice através de uma seqüência de arestas adjacentes. Definição: Seja G um grafo. Dois vértices v e w de G estão conectados sse existe um caminho de v para w. Um grafo G é conexo sse dado um par qualquer de vértice v e w em G, existe um caminho de v para w. Simbolicamente, G é conexo ⇔ ∀ vértices v, w ∈ V (G), ∃ um caminho de v para w. Se a negação desta afirmação for tomada, é possível ver que um grafo não é conexo sse existem dois vértices em G que não estão conectados por qualquer caminho. UFMG/ICEx/DCC PAA · Grafos 81
  • 83. Conectividade (3) Lemas Seja G um grafo. (a) Se G é conexo, então quaisquer dois vértices distintos de G podem ser conectados por um trajeto simples (simple path). (b) Se vértices v e w são parte de um circuito de G e uma aresta é removida do circuito, ainda assim existe um trajeto de v para w em G. (c) Se G é conexo e contém um circuito, então uma aresta do circuito pode ser removida sem desconectar G. UFMG/ICEx/DCC PAA · Grafos 83
  • 84. Conectividade (4) Os grafos v2 v4 v5 v3 v6 v4 v2 v5 v1 v3 v8 v1 v7 v6 G3 G2 possuem três “partes” cada um, sendo cada parte um grafo conexo. Um componente conexo de um grafo é um subgrafo conexo de maior tamanho possível. UFMG/ICEx/DCC PAA · Grafos 84
  • 85. Componente conexo (1) Definição: Um grafo H é um componente conexo de um grafo G sse: 1. H é um subgrafo de G; 2. H é conexo; 3. Nenhum subgrafo conexo I de G tem H como um subgrafo e I contém vértices ou arestas que não estão em H. § Um grafo pode ser visto como a união de seus componentes conexos. UFMG/ICEx/DCC PAA · Grafos 85
  • 86. Componente conexo (2) Os componentes conexos do grafo G abaixo são: v3 v1 v5 v8 e5 e1 v4 e3 e2 v 6 e4 v 7 v2 G possui três componentes conexos: H1 : V1 = {v1, v2, v3} E1 = {e1, e2} H2 : V2 = {v4} E2 = ∅ H3 : V3 = {v5, v6, v7, v8} E3 = {e3, e4, e5} UFMG/ICEx/DCC PAA · Grafos 86
  • 87. Componente fortemente conexo (conectado) Um grafo dirigido G = (V, E) é fortemente conexo se cada dois vértices quaisquer são alcançáveis a partir um do outro. Os componentes fortemente conexos de um grafo dirigido são conjuntos de vértices sob a relação “são mutuamente alcançáveis”. Um grafo dirigido fortemente conexo tem apenas um componente fortemente conexo. v3 v0 v4 Os componentes fortemente conexos do grafo ao lado são: H1 : V1 = {v0 , v1 , v2 , v3 } H2 : V2 = {v4 } H3 : V3 = {v5 } Observe que {v4 , v5 } não é um componente fortemente conexo já que o vértice v5 não é alcançável a partir do vér- v2 UFMG/ICEx/DCC v1 v 5 tice v4. PAA · Grafos 87
  • 88. Circuito Euleriano (1) Definição: Seja G um grafo. Um circuito Euleriano é um circuito que contém cada vértice e cada aresta de G. É uma seqüência de vértices e arestas adjacentes que começa e termina no mesmo vértice de G, passando pelo menos uma vez por cada vértice e exatamente uma única vez por cada aresta de G. UFMG/ICEx/DCC PAA · Grafos 88
  • 89. Circuito Euleriano (2) Teorema: Se um grafo possui um circuito Euleriano, então cada vértice do grafo tem grau par. Prova: – Suponha que G é um grafo que tem um circuito Euleriano. [Deve-se mostrar que qualquer vértice v de G tem grau par.] – Seja v um vértice particular de G mas escolhido aleatoriamente. – O circuito Euleriano possui cada aresta de G incluindo todas as arestas incidentes a v. – Vamos imaginar um caminho que começa no meio de uma das arestas adjacentes ao início do circuito Euleriano e continua ao longo deste circuito e termina no mesmo ponto. UFMG/ICEx/DCC PAA · Grafos 89
  • 90. Circuito Euleriano (3) Par de arestas entrada/saída Comece aqui v3 v1 v2 v0 v5 v4 Par de arestas entrada/saída Prova (continuação): – Cada vez que o vértice v é visitado através de uma aresta de entrada, este vértice é “deixado” já que o caminho termina no meio de uma aresta. – Já que cada circuito Euleriano passa em cada aresta de G exatamente uma única vez, cada aresta incidente a v é visitada uma única vez neste processo. – Como o caminho que passa por v é feito através de arestas incidentes a v na forma de pares entrada/saída, o grau de v deve ser múltiplo de 2. – Isto significa que o grau de v é par. [O que devia ser mostrado.] UFMG/ICEx/DCC PAA · Grafos 90
  • 91. Circuito Euleriano (4) O contrapositivo deste teorema (que é logicamente equivalente ao teorema original) é: Teorema: Se algum vértice de um grafo tem grau ímpar, então o grafo não tem um circuito Euleriano. § Esta versão do teorema é útil para mostrar que um grafo não possui um circuito Euleriano. v2 e1 e4 e 6 e5 e7 v1 e3 v3 e2 v4 Vértices v1 e v3 possuem grau 3 e, assim, não possuem um circuito Euleriano. UFMG/ICEx/DCC PAA · Grafos 91
  • 92. Circuito Euleriano (5) Revisitando o problema das sete pontes da cidade de Königsberg. A B C D Problema: É possível que uma pessoa faça um percurso na cidade de tal forma que inicie e volte a mesma posição passando por todas as pontes somente uma única vez? § Não. Todos os vértices têm grau ímpar. UFMG/ICEx/DCC PAA · Grafos 92
  • 93. Circuito Euleriano (6) No entanto, se cada vértice de um grafo tem grau par, então o grafo tem um circuito Euleriano? – Não. Por exemplo, no grafo abaixo todos os vértices têm grau par, mas como o grafo não é conexo, não possui um circuito Euleriano. v2 v3 e1 e3 e2 e4 v1 UFMG/ICEx/DCC v4 PAA · Grafos 93
  • 94. Circuito Euleriano (7) Teorema: Se cada vértice de um grafo não vazio tem grau par e o grafo é conexo, então o grafo tem um circuito Euleriano. Prova: [Esta é uma prova construtivista, ou seja, apresenta um algoritmo para achar um circuito Euleriano para um grafo conexo no qual cada vértice tem grau par.] • Suponha que G é um grafo conexo não vazio e que cada vértice de G tem grau par. [Deve-se achar um circuito Euleriano para G.] • Construa um circuito C usando o algoritmo descrito a seguir. PASSO 1: – Escolha qualquer vértice v de G. [Este passo pode ser executado já que pela suposição o conjunto de vértices de G é não vazio.] UFMG/ICEx/DCC PAA · Grafos 94
  • 95. Circuito Euleriano (8) Prova (continuação): PASSO 2: – Escolha uma seqüência qualquer de vértices e arestas adjacentes, começando e terminando em v, sem repetir arestas. Chame o circuito resultante de C. [Este passo pode ser executado pelas seguintes razões: • Como o grau de cada vértice de G é par, é possível entrar num vértice qualquer que não seja o v por arestas de entrada e saída não visitadas ainda. • Assim, uma seqüência de arestas adjacentes distintas pode ser obtida enquanto o vértice v não seja alcançado. • Esta seqüência de arestas deve voltar em v já que existe um número finito de arestas. ] UFMG/ICEx/DCC PAA · Grafos 95
  • 96. Circuito Euleriano (9) Prova (continuação): PASSO 3: Verifique se C contém cada aresta e vértice de G. Se sim, C é um circuito Euleriano e o problema está terminado. Caso contrário, execute os passos abaixo. UFMG/ICEx/DCC PAA · Grafos 96
  • 97. Circuito Euleriano (10) Prova (continuação): PASSO 3 A : – Remova todas as arestas do circuito C do grafo G e quaisquer vértices que se tornaram isolados quando as arestas de C são removidas. – Chame o grafo resultante de G . [Note que G pode não ser conexo, como ilustrado abaixo, mas cada vértice de G tem grau par, já que removendo as arestas de C remove um número par de arestas de cada vértice e a diferença de dois números pares é par.] C v u w G: G´ UFMG/ICEx/DCC PAA · Grafos 97
  • 98. Circuito Euleriano (11) Prova (continuação): PASSO 3 B : – Escolha qualquer vértice w comum a ambos C e G . [Deve haver pelo menos um vértice deste tipo já que G é conexo. Na figura abaixo existem dois vértices deste tipo: u e w.] C v u w G: G´ UFMG/ICEx/DCC PAA · Grafos 98
  • 99. Circuito Euleriano (12) Prova (continuação): PASSO 3 C : – Escolha uma seqüência qualquer de vértices e arestas adjacentes, começando e terminando em w, sem repetir arestas. Chame o circuito resultante de C . [Este passo pode ser executado já que o grau de cada vértice de G é par e G é finito. Veja a justificativa para o passo 2.] UFMG/ICEx/DCC PAA · Grafos 99
  • 100. Circuito Euleriano (13) Prova (continuação): PASSO 3 D : – Agrupe C e C para criar um novo circuito C como segue: • Comece em v e siga em direção a w. • Percorra todo o circuito C e volte a w. • Caminhe pela parte de C não percorrida ainda até o vértice v. [O efeito de executar os passos 3 C e 3 D para o grafo anterior é mostrado abaixo.] C C´ v u w G: C´´ UFMG/ICEx/DCC PAA · Grafos 100
  • 101. Circuito Euleriano (14) Prova (continuação): PASSO 3 E : – Seja C ← C e retorne ao passo 3. [Como o grafo G é finito, a execução dos passos deste algoritmo termina, com a construção de um circuito Euleriano para G. Como diferentes escolhas podem ser feitas, diferentes circuitos podem ser gerados.] UFMG/ICEx/DCC PAA · Grafos 101
  • 102. Circuito Euleriano (15) Determine se o grafo abaixo tem um circuito Euleriano. Em caso positivo ache um circuito Euleriano para o grafo. i a f d e b c j h g • Os vértices a, b, c, f, g, i, j têm grau 2. • Os vértices d, e, h têm grau 4. § Pelo teorema anterior, este grafo possui um circuito Euleriano. UFMG/ICEx/DCC PAA · Grafos 102
  • 103. Circuito Euleriano (16) Seja v = a e seja C : abcda. i a f d 4 j 1 3 b 2 e h c g C não é um circuito Euleriano para este grafo, mas C possui uma intersecção com o restante do grafo no vértice d. UFMG/ICEx/DCC PAA · Grafos 103
  • 104. Circuito Euleriano (17) Seja C : deghjid. Agrupe C a C para obter C : abcdeghjida. Seja C ← C . Então C pode ser representado pelas arestas rotuladas no grafo abaixo: i 9 8 a f d 10 1 j 4 3 b 2 7 e h 5 c 6 g C não é um circuito Euleriano para este grafo, mas C possui uma intersecção com o restante do grafo no vértice e. UFMG/ICEx/DCC PAA · Grafos 104
  • 105. Circuito Euleriano (18) Seja C : ef he. Agrupe C a C para obter C : abcdef heghjida. Seja C ← C . Então C pode ser representado pelas arestas rotuladas no grafo abaixo: i 12 11 a f d 13 j 5 6 1 7 4 3 b 2 10 e h 8 c 9 g C inclui cada aresta do grafo exatamente uma única vez e, assim, C é um circuito Euleriano para este grafo. UFMG/ICEx/DCC PAA · Grafos 105
  • 106. Circuito Euleriano (19) Teorema: Um grafo G tem um circuito Euleriano sse G é conexo e cada vértice de G tem grau par. Definição: Seja G um grafo e seja v e w dois vértices de G. Um Trajeto Euleriano de v para w é uma seqüência de arestas e vértices adjacentes que começa em v, termina em w e passa por cada vértice de G pelo menos uma vez e passa por cada aresta de G exatamente uma única vez. Corolário: Seja G um grafo e dois vértices v e w de G. Existe um trajeto Euleriano de v para w sse G é conexo e v e w têm grau ímpar e todos os outros vértices de G têm grau par. UFMG/ICEx/DCC PAA · Grafos 106
  • 107. Trajeto Euleriano (1) Uma casa possui uma divisão representada pela planta abaixo. É possível uma pessoa sair do cômodo A, terminar no cômodo B e passar por todas as portas da casa exatamente uma única vez? Se sim, apresente um possível trajeto. G H A I F E B J C D K UFMG/ICEx/DCC PAA · Grafos 107
  • 108. Trajeto Euleriano (2) A planta da casa pode ser representada pelo grafo abaixo: G G H A H A I F F E B E B J J C I C D D K K Cada vértice deste grafo tem um grau par, exceto os vértices A e B que têm grau 1. Assim, pelo corolário anterior, existe um trajeto Euleriano de A para B. § AGHFEIHEKJDCB UFMG/ICEx/DCC PAA · Grafos 108
  • 109. Circuito Hamiltoniano (1) Em 1859, propôs um jogo na forma de um dodecaedro (sólido de 12 faces). William Hamilton (1805– 1865), matemático irlandês. Con- tribuiu para o desenvolvimento da óptica, dinâmica e álgebra. Em particular, descobriu a álgebra dos quaternions (álgebra onde a multiplicação não é comutativa). Seu trabalho provou ser significante para o desenvolvimento da mecânica quântica. UFMG/ICEx/DCC PAA · Grafos 109
  • 110. Circuito Hamiltoniano (2) Jogo proposto por Hamilton Cada vértice recebeu o nome de uma cidade: Londres, Paris, Hong Kong, New York, etc. O problema era: É possível começar em uma cidade e visitar todas as outras cidades exatamente uma única vez e retornar à cidade de partida? O jogo é mais fácil de ser imaginado projetando o dodecaedro no plano: UFMG/ICEx/DCC PAA · Grafos 110
  • 111. Circuito Hamiltoniano (3) Jogo proposto por Hamilton Uma possível solução para este grafo é: Definição: Dado um grafo G, um Circuito Hamiltoniano para G é um circuito simples que inclui cada vértice de G, ou seja, uma seqüência de vértices adjacentes e arestas distintas tal que cada vértice de G aparece exatamente uma única vez. UFMG/ICEx/DCC PAA · Grafos 111
  • 112. Comentários sobre circuitos Euleriano e Hamiltoniano (1) • Circuito Euleriano: – Inclui todas as arestas uma única vez. § Inclui todos os vértices, mas que podem ser repetidos, ou seja, pode não gerar um circuito Hamiltoniano. • Circuito Hamiltoniano: – Inclui todas os vértices uma única vez (exceto o inicial = final). § Pode não incluir todas as arestas, ou seja, pode não gerar um circuito Euleriano. UFMG/ICEx/DCC PAA · Grafos 112
  • 113. Comentários sobre circuitos Euleriano e Hamiltoniano (2) • É possível determinar a priori se um grafo G possui um circuito Euleriano. • Não existe um teorema que indique se um grafo possui um circuito Hamiltoniano nem se conhece um algoritmo eficiente (polinomial) para achar um circuito Hamiltoniano. • No entanto, existe uma técnica simples que pode ser usada em muitos casos para mostrar que um grafo não possui um circuito Hamiltoniano. UFMG/ICEx/DCC PAA · Grafos 113
  • 114. Determinando se um grafo não possui um circuito Hamiltoniano (1) Suponha que um grafo G tenha um circuito Hamiltoniano C dado por: C : v0e1v1e2 . . . vn−1envn Como C é um circuito simples, todas as arestas ei são distintas e todos os vértices são distintos, exceto v0 = vn. Seja H um subgrafo de G que é formado pelos vértices e arestas de C, como mostrado na figura abaixo (H é o subgrafo com as linhas grossas). UFMG/ICEx/DCC PAA · Grafos 114
  • 115. Determinando se um grafo não possui um circuito Hamiltoniano (2) Se um grafo G tem um circuito Hamiltoniano então G tem um subgrafo H com as seguintes propriedades: 1. H contém cada vértice de G; 2. H é conexo; 3. H tem o mesmo número de arestas e de vértices; 4. Cada vértice de H tem grau 2. Contrapositivo desta afirmação: § Se um grafo G não tem um subgrafo H com propriedades (1)–(4) então G não possui um circuito Hamiltoniano. UFMG/ICEx/DCC PAA · Grafos 115
  • 116. Determinando se um grafo não possui um circuito Hamiltoniano (3) Prove que o grafo G abaixo não tem um circuito Hamiltoniano. a c b e d Se G tem um circuito Hamiltoniano, então G tem um subgrafo H que: 1. 2. 3. 4. H contém cada vértice de G; H é conexo; H tem o mesmo número de arestas e de vértices; Cada vértice de H tem grau 2. UFMG/ICEx/DCC PAA · Grafos 116
  • 117. Determinando se um grafo não possui um circuito Hamiltoniano (4) a c b e d – Em G, grau(b) = 4 e cada vértice de H tem grau 2; – Duas arestas incidentes a b devem ser removidas de G para criar H; – Qualquer aresta incidente a b que seja removida fará com que os outros vértices restantes tenham grau menor que 2; § Conseqüentemente, não existe um subgrafo H com as quatro propriedades acima e, assim, G não possui um circuito Hamiltoniano. UFMG/ICEx/DCC PAA · Grafos 117
  • 118. O Problema do Caixeiro Viajante (1) • Em inglês, Traveling Salesman Problem, ou TSP. • Suponha o mapa abaixo mostrando quatro cidades (A, B, C, D) e as distâncias em km entre elas. 30 B C 30 25 50 35 A D 40 • Um caixeiro viajante deve percorrer um circuito Hamiltoniano, ou seja, visitar cada cidade exatamente uma única vez e voltar a cidade inicial. § Que rota deve ser escolhida para minimizar o total da distância percorrida? UFMG/ICEx/DCC PAA · Grafos 118
  • 119. O Problema do Caixeiro Viajante (2) • Possível solução: – Enumere todos os possíveis circuitos Hamiltonianos começando e terminando em A; – Calcule a distância de cada um deles; – Determine o menor deles. B Rota 30 + 30 + 25 + 40 = 125 30 + 35 + 25 + 50 = 140 50 + 30 + 35 + 40 = 155 50 + 25 + 35 + 30 = 140 40 + 35 + 30 + 50 = 155 40 + 25 + 30 + 30 = 125 C Distância (km) ABCDA ABDCA ACBDA ACDBA ADBCA ADCBA 30 30 25 50 35 A D 40 § Assim, tanto a rota ABCDA ou ADCBA tem uma distância total de 125 km. UFMG/ICEx/DCC PAA · Grafos 119
  • 120. O Problema do Caixeiro Viajante (3) • A solução do TSP é um circuito Hamiltoniano que minimiza a distância total percorrida para um grafo valorado arbitrário G com n vértices, onde uma distância é atribuída a cada aresta. • Algoritmo para resolver o TSP: – Atualmente, força bruta, como feito no exemplo anterior. § Problema da classe NP-Completo. • Exemplo: para o grafo K30 existem 29! ≈ 8, 84 × 1030 circuitos Hamiltonianos diferentes começando e terminando num determinado vértice. • Mesmo se cada circuito puder ser achado e calculado em apenas 1µs, seria necessário aproximadamente 2, 8 × 1017 anos para terminar a computação nesse computador. UFMG/ICEx/DCC PAA · Grafos 120
  • 121. Representação de um grafo • Dado um grafo G = (V, E): – V = conjunto de vértices. – E = conjunto de arestas, que pode ser representado pelo subconjunto de V ×V. • O tamanho da entrada de dados é medido em termos do: – Número de vértices |V |. – Número de arestas |E|. • Se G é conexo então |E| ≥ |V | − 1. UFMG/ICEx/DCC PAA · Grafos 121
  • 122. Representação de um grafo Convenções • Convenção I (Notação): – Dentro e somente dentro da notação assintótica os símbolos V e E significam respectivamente |V | e |E|. § Se um algoritmo “executa em tempo O(V + E)” é equivalente a dizer que “executa em tempo O(|V | + |E|)”. • Convenção II (Em pseudo-código): – O conjunto V de vértices de G é representado por V [G]. – O conjunto E de arestas de G é representado por E[G]. § Os conjuntos V e E são vistos como atributos de G. UFMG/ICEx/DCC PAA · Grafos 122
  • 123. Representação de um grafo Estruturas de dados • Matriz de adjacência: – Forma preferida de representar grafos densos (|E| ≈ |V |2). – Indica rapidamente (O(1)) se existe uma aresta conectando dois vértices. • Lista de adjacência: – Representação normalmente preferida. – Provê uma forma compacta de representar grafos esparsos (|E| |V |2). • Matriz de incidência: – Representação que inclui vértice e aresta. § As duas primeiras formas acima são as principais formas de representar um grafo. UFMG/ICEx/DCC PAA · Grafos 123
  • 124. Representação de um grafo Matriz de adjacência e grafo dirigido (1) Seja o grafo dirigido abaixo: e3 v2 e2 Este grafo pode ser representado por uma matriz A = (aij ), onde (aij ) representa o número de arestas de vi para vj . § Matriz de Adjacência e1 e4 v 1 e5 v1 e6 A= v3 UFMG/ICEx/DCC v2 v3  v1  1 0 0    v2  1 1 2  v3 PAA · Grafos  1 0 0  124
  • 125. Representação de um grafo Matriz de adjacência e grafo dirigido (2) Definição: Seja G um grafo dirigido com vértices v1, v2, . . . , vn. A matriz de adjacência de G é a matriz A = (aij ) (A[1 . . . n, 1 . . . n]) é definida como: aij = # de arestas de vi para vj , ∀i, j = 1, 2, . . . , n. • Valor diferente de zero na diagonal principal: laço. • Valor igual a 1 na entrada (aij ): uma única aresta de vi a vj . • Valores maiores que 1 na entrada (aij ): arestas paralelas de vi a vj . • Espaço: O(V 2). UFMG/ICEx/DCC PAA · Grafos 125
  • 126. Representação de um grafo Matriz de adjacência e grafo dirigido (3) e5 e5 v1 v3 v2 e2 v1 e2 e3 e1 e3 e1 e4 e4 v3 v 1 A= v2 v 1 v2 v3  v1  0 0 0    v2  0 1 1  v3 UFMG/ICEx/DCC  2 1 0 A=  v2 v3  v1  1 1 0    v2  1 0 2  v3 PAA · Grafos  0 0 0  126
  • 127. Representação de um grafo Matriz de adjacência e grafo dirigido (4) Um possível desenho deste grafo é: Dada a matriz de adjacência de um grafo: v1 v2 v 1 A= v2 v3 v4  v1  0 1 1 0    v2  1 1 0 2    v3  0 0 1 1 2 1 0 0 v4     v3 UFMG/ICEx/DCC PAA · Grafos v4 127
  • 128. Representação de um grafo Matriz de adjacência e grafo não dirigido Definição: Seja G um grafo não dirigido com vértices v1, v2, . . . , vn. A matriz de adjacência de G é a matriz A = (aij ) sobre o conjunto dos inteiros não negativos tal que aij = # de arestas conectando vi a vj , ∀i, j = 1, 2, . . . , n. Dado o grafo: A matriz de adjacência correspondente é: e3 e2 v1 e1 e7 v 1 v2 e5 A= e4 v2 v3 v4  v1  0 1 0 1    v2  1 1 2 1    e6 UFMG/ICEx/DCC 2 0 0 v4 v4 v3  0 1 0 1   1   v3 PAA · Grafos 128
  • 129. Representação de um grafo Matriz de adjacência e componentes conexos Dado o grafo: A matriz de adjacência correspondente é:  v2 e4 e3 e1 e2 v1 v3 e6 0 2 0 0 0 2 0 0 0 0 0 0 0 1 0 0 0 1 1 0 0 0 0 0 0  0   0   0   0   2  0 0 0 0 0 2 0 e5 v5 v4 v6 e7 1 0 1 0 0 0 0  0   1   A=0   0   0   A matriz A consiste de “blocos” de diferentes tamanhos ao longo da diagonal principal, já que o conjunto de vértices é disjunto. e8 v7 UFMG/ICEx/DCC PAA · Grafos 129
  • 130. Representação de um grafo Matriz de adjacência: Análise • Deve ser utilizada para grafos densos, onde |E| é próximo de |V |2 (|E| ≈ |V |2). • O tempo necessário para acessar um elemento é independente de |V | ou |E|. • É muito útil para algoritmos em que necessitamos saber com rapidez se existe uma aresta ligando dois vértices. • A maior desvantagem é que a matriz necessita O(V 2) de espaço. • Ler ou examinar a matriz tem complexidade de tempo O(V 2). UFMG/ICEx/DCC PAA · Grafos 130
  • 131. Representação de um grafo Uso de matriz de adjacência • Quando usada, a maior parte dos algoritmos requer tempo O(V 2), mas existem exceções. • Seja um grafo dirigido que contém um vértice sink, ou seja, um vértice com: – Grau de entrada (in-degree) = |V | − 1 – Grau de saída (out-degree) = 0 – Não existe uma aresta loop • Apresente um algoritmo para determinar se um grafo dirigido possui um vértice sink em tempo O(V ) usando uma matriz de adjacência. UFMG/ICEx/DCC PAA · Grafos 131
  • 132. Representação de um grafo Número de vértices sink num grafo dirigido Quantos vértices sink um grafo dirigido G = (V, E) possui no máximo? § No máximo 1. Prova por contradição: – Suponha que si e sj sejam vértices sink. – Deve existir uma aresta de todos os nós do grafo G para si e sj , exceto loops. – Em particular deve existir uma aresta (si, sj ) e uma aresta (sj , si) já que si e sj são vértices sink. – Isto não pode ocorrer já que o grau de saída de um vértice sink é 0. Logo, se existir um vértice sink no grafo G é no máximo 1. UFMG/ICEx/DCC PAA · Grafos 132
  • 133. Representação de um grafo Matriz de incidência Definição: Seja G um grafo não dirigido com vértices v1 , v2 , . . . , vn e arestas e1 , e2 , . . . , em . A matriz de incidência de G é a matriz M = (mij ) de tamanho n × m sobre o conjunto dos inteiros não negativos tal que 1 0 mij = quando a aresta ej é incidente a vi. caso contrário. Dado o grafo: A matriz de incidência correspondente é: e3 e2 v1 v2 M = e1 v4 e7 e6 UFMG/ICEx/DCC e5 e4 v1 v2 v3 v4 e 1 1 0   0 1 e2 e3 e4 e5 e6 1 0 0 0 0 1 1 1 1 0 0 0 1 1 0 0 0 0 0 1 e7  0  1  0 1 v3 PAA · Grafos 133
  • 134. Representação de um grafo Lista de adjacência • Vetor Adj de |V | listas, uma para cada vértice de V . • Para cada vértice u ∈ V , a lista Adj[u] contém apontadores para todos os vértices v tal que a aresta (u, v) ∈ E (todos os vértices adjacentes a u em G). § Definição vale para grafos não dirigidos e dirigidos. • |V | i=1 “comprimento da lista de adjacência”, vale: – Grafo dirigido = |E|, cada aresta aparece uma única vez na lista. – Grafo não dirigido = 2|E|, cada aresta aparece duas vezes na lista (entrada de u e entrada de v). • Espaço: O(V + E). UFMG/ICEx/DCC PAA · Grafos 134
  • 135. Representação de um grafo Lista de adjacência e grafo dirigido (1) Seja o grafo dirigido abaixo: e3 Este grafo pode ser representado por uma lista de adjacência Adj: v2 e2 Adj[v1] = [v1] Adj[v2] = [v1, v2, v3, v3] e1 e4 e5 v1 Adj[v3] = [v1] e6 v3 Adj v1 v2 v1 v3 UFMG/ICEx/DCC v1 v1 PAA · Grafos v2 v3 v3 135
  • 136. Representação de um grafo Lista de adjacência e grafo dirigido (2) e5 e5 v1 v3 v2 e2 e2 e3 e1 e3 e1 e4 e4 v2 v3 Este grafo pode ser representado pela lista de adjacência: Este grafo pode ser representado pela lista de adjacência: Adj[v1] = [] Adj[v1] = [v1, v2] Adj[v2] = [v1, v3, v3] Adj[v2] = [v2, v3] Adj[v3] = [v1, v1, v2] UFMG/ICEx/DCC v1 Adj[v3] = [] PAA · Grafos 136
  • 137. Representação de um grafo Lista de adjacência e grafo não dirigido Dado o grafo: Uma lista de adjacência correspondente é: e3 e2 v1 e1 v4 e7 e6 UFMG/ICEx/DCC v2 e5 Adj[v1] = [v2, v4] Adj[v2] = [v1, v2, v3, v3, v4] Adj[v3] = [v2, v2] Adj[v4] = [v1, v2, v4] e4 v3 PAA · Grafos 137
  • 138. Contando caminhos de tamanho n (1) O tamanho (comprimento) de um caminho é o número de arestas do mesmo, ou seja, número de vértices menos um. Dado o grafo O caminho e2 e1 v2e3v3e4v2e2v2e3v3 v2 v1 e3 tem tamanho 4. e4 v3 Quantos caminhos distintos de tamanho 2 existem conectando v2 a v2? § Existem seis caminhos distintos. v2e1v1e1v2 v2e2v2e2v2 v2e3v3e4v2 v2e4v3e3v2 v2e3v3e3v2 v2e4v3e4v2 UFMG/ICEx/DCC PAA · Grafos 138
  • 139. Contando caminhos de tamanho n (2) Quantos caminhos distintos de tamanho n existem conectando dois vértices de um dado grafo G? § Este valor pode ser computado usando multiplicação de matrizes. Seja o grafo: A matriz de adjacência correspondente é: e2 e1 v 1 v2 v1 e3 e4 A= v3 UFMG/ICEx/DCC v2 v3  v1  0 1 0    v2  1 1 2  v3 PAA · Grafos  0 2 0  139
  • 140. Contando caminhos de tamanho n (3) O valor de A2 é dado por:  0 1 0  0 1 0   1 1 2        1 1 2  1 1 2  =  1 6 2  0 2 0 0 2 0 2 2 4 Observe que a22 = 6, que é o número de caminhos de tamanho 2 de v2 para v2. e2 e1 v2 v1 e3 e4 v3 § Se A é a matriz de adjacência de um grafo G, a entrada aij da matriz A2 indica a quantidade de caminhos de tamanho 2 conectando vi a vj no grafo G. § Este resultado é válido para caminhos de tamanho n calculando An. UFMG/ICEx/DCC PAA · Grafos 140
  • 141. Isomorfismo de grafos (1) Os desenhos abaixo v1 v1 e5 e1 e1 v5 v2 v3 e3 v4 e4 e4 e2 e5 v4 v3 v5 e3 e2 v2 representam o mesmo grafo G: – Conjuntos de vértices e arestas são idênticos; – Funções aresta–vértice são as mesmas. § Grafos isomorfos (do grego, o que significa a mesma forma). UFMG/ICEx/DCC PAA · Grafos 141
  • 142. Isomorfismo de grafos (2) G G v1 v1 e5 e1 e4 v5 v2 e4 e2 v4 v3 e1 v2 v3 e2 e3 v4 As funções aresta–vértice não são as mesmas. v5 e3 Vértices de G Estes grafos são diferentes apesar de possuírem os mesmos conjuntos de vértices e arestas. e5 Vértices de G´ Arestas de G Arestas de G´ v1 v1 e1 e1 v2 v2 e2 e2 v3 v3 e3 e3 v4 v4 e4 e4 v5 v5 e5 e5 UFMG/ICEx/DCC PAA · Grafos 142
  • 143. Isomorfismo de grafos (3) Definição: Sejam os grafos G e G com conjuntos de vértices V (G) e V (G ) e com conjuntos de arestas E(G) e E(G ), respectivamente. O grafo G é isomorfo ao grafo G sse existem correspondências um-para-um g : V (G) → V (G ) h : E(G) → E(G ) que preservam as funções aresta-vértice de G e G no sentido que ∀v ∈ V (G) ∧ e ∈ E(G) v é um nó terminal de e ⇔ g(v) é um nó terminal de h(e). UFMG/ICEx/DCC PAA · Grafos 143
  • 144. Isomorfismo de grafos (4) Os grafos G G e1 e7 w1 w3 v2 e5 v3 e6 v5 v1 e2 e3 f4 f5 w4 e4 v4 f3 f6 f2 w2 f1 f7 w5 são isomorfos? UFMG/ICEx/DCC PAA · Grafos 144
  • 145. Isomorfismo de grafos (5) Para resolver este problema, devemos achar funções G G e1 g : V (G) → V (G ) e e6 v1 e5 w1 w3 v2 e7 h : E(G) → E(G ) v3 e2 e3 f4 f5 v5 w4 tal que exista a correspondência como mencionado anteriormente. f3 f6 w2 w5 E(G´) E(G) § Grafos G e G são isomorfos. f1 f7 v4 e4 f2 h e1 e2 g V(G) V(G´) f1 f2 v1 e3 f3 v2 w2 e4 f4 v3 w3 e5 f5 v4 w4 e6 f6 v5 UFMG/ICEx/DCC w1 w5 e7 f7 PAA · Grafos 145
  • 146. Isomorfismo de grafos (6) Os grafos G v0 G v1 e0 e8 v 4 e4 e7 e3 f3 v 5 e9 e5 e1 f8 w4 e11 v 7 e6 v 6 e10 v3 e2 f0 w0 w1 f1 f9 f4 w2 f2 f10 f5 w5 f11 f6 w6 w3 w7 e7 v2 são isomorfos? UFMG/ICEx/DCC PAA · Grafos 146
  • 147. Isomorfismo de grafos (7) Para resolver este problema, devemos achar funções G v0 g : V (G) → V (G ) e8 v 4 e4 e7 e3 v3 V(G) g f0 w0 e5 e2 f3 v 5 e9 e1 f8 w4 e11 v 7 e6 v 6 e10 tal que exista a correspondência como mencionado anteriormente. § Grafos G e G são isomorfos. v1 e0 e h : E(G) → E(G ) G w1 f1 f9 f4 w2 f2 w3 f10 f5 w5 f11 f6 w7 w6 e7 v2 V(G´) v0 E(G) w0 h E(G´) e0 w1 v1 f0 f6 e6 e1 v2 w2 w3 e8 v4 w4 e9 v5 w5 e10 v6 w6 e11 f7 e7 v3 f1 e2 f2 f8 e3 f3 f9 e4 f4 f10 e5 UFMG/ICEx/DCC PAA · Grafos f5 f11 147
  • 148. Isomorfismo de grafos (8) • Isomorfismo de grafos é uma relação de equivalência no conjunto de grafos. • Informalmente, temos que esta propriedade é: – Reflexiva: Um grafo é isomorfo a si próprio. – Simétrica: Se um grafo G é isomorfo a um grafo G então G é isomorfo a G. – Transitiva: Se um grafo G é isomorfo a um grafo G e G é isomorfo a G então G é isomorfo a G . UFMG/ICEx/DCC PAA · Grafos 148
  • 149. Representantes de classes de isomorfismo (1) Ache todos os grafos não isomorfos que têm dois vértices e duas arestas. (a) (b) (c) (d) • Existe um algoritmo que aceita como entrada os grafos G e G e produz como resultado uma afirmação se estes grafos são isomorfos ou não? – Sim. Gere todas as funções g e h e determine se elas preservam as funções aresta–vértice de G e G . UFMG/ICEx/DCC PAA · Grafos 149
  • 150. Representantes de classes de isomorfismo (2) • Se G e G têm cada um n vértices e m arestas, o número de funções g é n! e o número de funções h é m!, o que dá um número total de n! · m! funções. • Exemplo para n = m = 20. – Temos 20! · 20! ≈ 5, 9 × 1036 pares a verificar. – Assumindo que cada combinação possa ser achada e calculada em apenas 1µs, seria necessário aproximadamente 1, 9 × 1023 anos para terminar a computação nesse computador. UFMG/ICEx/DCC PAA · Grafos 150
  • 151. Invariantes para isomorfismo de grafos (1) Teorema: Cada uma das seguintes propriedades é uma invariante para isomorfismo de dois grafos G e G , onde n, m e k são inteiros não negativos: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Tem n vértices; Tem m arestas; Tem um vértice de grau k; Tem m vértices de grau k; Tem um circuito de tamanho k; Tem um circuito simples de tamanho k; Tem m circuitos simples de tamanho k; É conexo; Tem um circuito Euleriano; Tem um circuito Hamiltoniano. Isto significa que se G é isomorfo a G então se G tem uma destas propriedades G também tem. UFMG/ICEx/DCC PAA · Grafos 151
  • 152. Invariantes para isomorfismo de grafos (2) Os grafos G G´ são isomorfos? Não. G tem nove arestas e G tem oito arestas. UFMG/ICEx/DCC PAA · Grafos 152
  • 153. Invariantes para isomorfismo de grafos (3) Os grafos H H´ são isomorfos? Não. H tem um vértice de grau 4 e H não tem. UFMG/ICEx/DCC PAA · Grafos 153
  • 154. Isomorfismo de grafos simples (1) Definição: Se G e G são grafos simples (sem arestas paralelas e sem laços) então G é isomorfo a G sse existe uma correspondência g um-para-um do conjunto de vértices V (G) de G para o conjunto de vértices V (G ) de G que preserva a função aresta–vértice de G e de G no sentido que ∀ vértices u, v ∈ G uv é uma aresta de G ⇔ {g(u), g(v)} é uma aresta de G . UFMG/ICEx/DCC PAA · Grafos 154
  • 155. Isomorfismo de grafos simples (2) Os grafos b a x c w d y z G G´ são isomorfos? UFMG/ICEx/DCC PAA · Grafos 155
  • 156. Isomorfismo de grafos simples (3) x b a c w d z G Sim, são isomorfos. V(G) g y G´ A função g preserva a função aresta–vértice de G e de G : V(G´) a w Arestas de G Arestas de G b x ab yw = {g(a), g(b)} c y ac yx = {g(a), g(c)} ad yz = {g(a), g(d)} d z cd xz = {g(c), g(d)} UFMG/ICEx/DCC PAA · Grafos 156
  • 157. Árvore Definição: Uma árvore (também chamada de árvore livre) é um grafo não dirigido acíclico e conexo. UFMG/ICEx/DCC PAA · Grafos 157
  • 158. Floresta Definição: Uma floresta é um grafo não dirigido acíclico podendo ou não ser conexo. UFMG/ICEx/DCC PAA · Grafos 158
  • 159. Árvore geradora (1) Suponha que uma companhia aérea recebeu permissão para voar nas seguintes rotas: No entanto, por questões de economia, esta empresa irá operar apenas nas seguintes rotas: A A M M D C D C I S I L S N L N Este conjunto de rotas interconecta todas as cidades. § Este conjunto de rotas é mínimo? – Sim! Qualquer árvore deste grafo possui oito vértices e sete arestas. UFMG/ICEx/DCC PAA · Grafos 159
  • 160. Árvore geradora (2) Definição: Uma árvore geradora de um grafo G é um grafo que contém cada vértice de G e é uma árvore. Esta definição pode ser estendida para floresta geradora. • Proposição: – Cada grafo conexo tem uma árvore geradora. – Duas árvores geradores quaisquer de um grafo têm a mesma quantidade de arestas. UFMG/ICEx/DCC PAA · Grafos 160
  • 161. Árvore geradora (3) Seja o grafo G abaixo Este grafo possui o circuito v2v1v4v2. v5 v4 v3 A remoção de qualquer uma das três arestas do circuito leva a uma árvore. v0 v1 v2 Assim, todas as três árvores geradoras são: v5 v4 v3 v5 v4 v3 v5 v4 v3 v0 v1 v2 v0 v1 v2 v0 v1 v2 UFMG/ICEx/DCC PAA · Grafos 161
  • 162. Árvore geradora mínima ou Minimal Spanning Tree (1) O grafo de rotas da companhia aérea que recebeu permissão para voar pode ser “rotulado” com as distâncias entre as cidades: Suponha que a companhia deseja voar para todas as cidades mas usando um conjunto de rotas que minimiza o total de distâncias percorridas: A 355 A M D 74 695 C 355 M 348 74 230 306 262 D C 269 I S L 242 230 262 83 I 151 S L 242 83 151 N N Este conjunto de rotas interconecta todas as cidades. UFMG/ICEx/DCC PAA · Grafos 162
  • 163. Árvore geradora mínima (2) Definição: Um grafo com peso é um grafo onde cada aresta possui um peso representado por um número real. A soma de todos os pesos de todas as arestas é o peso total do grafo. Uma árvore geradora mínima para um grafo com peso é uma árvore geradora que tem o menor peso total possível dentre todas as possíveis árvores geradoras do grafo. Se G é um grafo com peso e e uma aresta de G então: – w(e) indica o peso da aresta e, e – w(G) indica o peso total do grafo G. UFMG/ICEx/DCC PAA · Grafos 163
  • 164. Algoritmos para obter a árvore geradora mínima • Algoritmo de Kruskal. • Algoritmo de Prim. Grafo inicial: Árvore geradora mínima: A A 355 M 355 D 74 695 C M D 74 348 C 230 306 262 230 262 269 I S L 242 I 83 S L 242 151 151 N UFMG/ICEx/DCC 83 N PAA · Grafos 164
  • 165. Algoritmo de Kruskal (1) • Idéia básica: – Seleciona a aresta de menor peso que conecta duas árvores de uma floresta. – Repita o processo até que todos os vértices estejam conectados sempre preservando a invariante de se ter uma árvore. UFMG/ICEx/DCC PAA · Grafos 165
  • 166. Algoritmo de Kruskal (2) UFMG/ICEx/DCC PAA · Grafos 166
  • 167. Algoritmo de Kruskal (3) UFMG/ICEx/DCC PAA · Grafos 167
  • 168. Algoritmo de Prim • Idéia básica: – Tomando como vértice inicial A, crie uma fila de prioridades classificada pelos pesos das arestas conectando A. – Repita o processo até que todos os vértices tenham sido visitados. UFMG/ICEx/DCC PAA · Grafos 168
  • 169. Algoritmos de pesquisa em grafo • Objetivo: – Pesquisa sistemática de cada aresta e vértice de um grafo. • Grafo G = (V, E) pode ser tanto dirigido quanto não dirigido. • Os algoritmos apresentados assumem que a estrutura de dados utilizada é uma lista de adjacência. • Exemplos de algoritmos de pesquisa em grafo: – Pesquisa em profundidade (Depth-first search – DFS). – Pesquisa em largura (Breadth-first search – BFS). • Aplicações: – Computação gráfica. – Técnicas de verificação formal. – Compiladores. – Resolução de problemas. – ... UFMG/ICEx/DCC PAA · Grafos 169
  • 170. Pesquisa em largura (1) • Seja um grafo G = (V, E) e um vértice origem s. • Pesquisa em largura: – Descobre as arestas em G que são alcançáveis a partir de s. – Computa a distância (em no de arestas) de s para os vértices que são alcançáveis. – Produz uma árvore em largura com raiz s e seus vértices alcançáveis. – Se v é um vértice alcançável a partir de s, então o caminho entre s e v na árvore corresponde ao caminho mais curto entre s e v no grafo G. UFMG/ICEx/DCC PAA · Grafos 170
  • 171. Pesquisa em largura (2) • Expande a fronteira entre vértices descobertos e não descobertos uniformemente através da extensão (largura) da fronteira. • Pesquisa descobre todos os vértices que estão a distância k antes de descobrir os vértices a distância k + 1. UFMG/ICEx/DCC PAA · Grafos 171
  • 172. Algoritmo para calcular BFS (1) • Estruturas de dados: – Grafo representado como uma lista de adjacência. – Vetor color [u]: cor de cada vértice u ∈ V . – Vetor π[u]: predecessor de cada vértice u ∈ V . Se u não tem predecessor ou ainda não foi descoberto então π[u] = nil. – Vetor d[u]: distância de cada vértice u ∈ V ao vértice s. – Fila Q: contém os vértices já descobertos em largura. • Cores dos vértices: – white: não visitados ainda. – gray : vértice descoberto mas que não teve a sua lista de adjacência totalmente examinada. – black : vértice descoberto que já teve a sua lista de adjacência totalmente examinada. § garantir que a pesquisa caminha em largura • Funções: – Enqueue e Dequeue: operações sobre uma fila FIFO. UFMG/ICEx/DCC PAA · Grafos 172
  • 173. Algoritmo para calcular BFS (2) BFS(G, s) 1 for each vertex u ∈ V [G] − {s} 2 do color [u] ← white 3 d[u] ← ∞ 4 π[u] ← nil 5 color [s] ← gray 6 d[s] ← 0 7 π[s] ← nil 8 Q ← {s} 9 while Q = ∅ 10 do u ← head[Q] 11 for each v ∈ Adj[u] 12 do if color [v] = white 13 then color [v] ← gray 14 d[v] ← d[u] + 1 15 π[v] ← u 16 Enqueue(Q, v) 17 Dequeue(Q) 18 color [u] ← black UFMG/ICEx/DCC PAA · Grafos 173
  • 174. Comentários e análise do algoritmo (1) 19 for each vertex u ∈ V [G] − {s} 20 do color [u] ← white 21 d[u] ← ∞ 22 π[u] ← nil Linhas 1–4: Inicialização I • Inicialização de cada vértice para white (não descoberto). • Distância para o vértice s como ∞. • Predecessor do vértice desconhecido. Análise: • Linhas 1–4: O(V ). • Cada vértice (exceto s) é inicializado como white e nenhum vértice volta a ser white. 23 24 25 26 color [s] ← gray d[s] ← 0 π[s] ← nil Q ← {s} Linhas 5–8: Inicialização II • Inicialização de s com gray (é considerado descoberto). • Distância para o próprio vértice s é 0. • Não possui predecessor. • A fila Q contém inicialmente apenas s (irá conter apenas os vértices gray, ou seja, os vértices descobertos em “largura”). Análise: • Linhas 5–8: O(1). UFMG/ICEx/DCC PAA · Grafos 174
  • 175. Comentários e análise do algoritmo (2) 27 while Q = ∅ 28 do u ← head[Q] 29 for each v ∈ Adj[u] 30 do if color [v] = white 31 then color [v] ← gray 32 d[v] ← d[u] + 1 33 π[v] ← u 34 Enqueue(Q, v) 35 Dequeue(Q) 36 color [u] ← black UFMG/ICEx/DCC Linhas 9–18: Loop • Loop é executado até que a fila esteja vazia, ou seja, não hajam vértices gray. • Cada vértice é colocado e retirado da fila somente uma única vez. • Vértice gray é um vértice que foi descoberto mas a sua lista de adjacência ainda não foi totalmente descoberta. • Vértice black já foi totalmente examinado. • Vértice u contém o primeiro elemento da fila Q. • Linhas 11–16 examinam cada vértice v adjacente a u que não foi descoberto ainda (white (12)), marca como descoberto (gray (13)), calcula a sua distância até s (14), marca o seu predecessor como u (15), e o coloca na fila Q (16). • Quando todos os vértices adjacentes a u forem examinados, u é retirado da fila Q (17) e passa a ser black (18). PAA · Grafos 175
  • 176. Comentários e análise do algoritmo (3) 37 while Q = ∅ 38 do u ← head[Q] 39 for each v ∈ Adj[u] 40 do if color [v] = white 41 then color [v] ← gray 42 d[v] ← d[u] + 1 43 π[v] ← u 44 Enqueue(Q, v) 45 Dequeue(Q) 46 color [u] ← black Análise: • Operações de colocar e retirar da fila cada vértice é O(1) e o tempo total relacionado com as operações de fila é O(V ). • A lista de adjacência de cada vértice u é percorrida somente uma única vez quando esse vértice será retirado de Q. • A soma dos comprimentos das filas de adjacência é O(E), assim como o tempo para percorrê-la. • Linhas 9–18: O(V + E), que é o custo das operações associadas à fila e a percorrer as listas de adjacência. Análise de todo algoritmo: • Linhas 1–4: O(V ). • Linhas 5–8: O(1). • Linhas 9–18: O(V + E). § Custo total: O(V + E). UFMG/ICEx/DCC PAA · Grafos 176
  • 177. Execução do algoritmo BFS (1) UFMG/ICEx/DCC PAA · Grafos 177
  • 178. Execução do algoritmo BFS (2) UFMG/ICEx/DCC PAA · Grafos 178
  • 179. Execução do algoritmo BFS (3) UFMG/ICEx/DCC PAA · Grafos 179
  • 180. Caminho mais curto • BFS calcula a distância (em no de arestas) de s ∈ V para os vértices que são alcançáveis em G = (V, E). • Caminho mais curto δ(s, v): – Número mínimo de arestas em qualquer caminho de s para v, no caso de ser alcançável, ou ∞ se não for. – d[v] = δ(s, v), para todo v ∈ V . § Caminho mais curto entre s e v. • Teorema: Sub-caminhos de caminhos mais curtos são caminhos mais curtos. Prova: Se algum sub-caminho não gerar o caminho mais curto, ele poderia ser substituído por um sub-caminho atalho e gerar um caminho total mais curto. UFMG/ICEx/DCC PAA · Grafos 180
  • 181. Inequação triangular • Teorema: δ(u, v) ≤ δ(u, x) + δ(x, v). – Caminho mais curto u Y v não é mais longo que qualquer outro caminho u Y v — em particular o caminho concatenando o caminho mais curto u Y x com o caminho mais curto x Y v. UFMG/ICEx/DCC PAA · Grafos 181
  • 182. Árvore em largura (1) • BFS produz uma árvore em largura com raiz s e seus vértices alcançáveis. – Árvore representada pelo vetor π. • Seja o grafo G = (V, E) e o vértice origem s. O sub-grafo predecessor de G é definido como Gπ = (Vπ , Eπ ), onde Vπ = {v ∈ V | π[v] = nil} ∪ {s} e Eπ = {(π[v], v) ∈ E | v ∈ Vπ − {s}} UFMG/ICEx/DCC PAA · Grafos 182
  • 183. Árvore em largura (2) • O sub-grafo predecessor Gπ é uma árvore em largura se: – Vπ consiste dos vértices alcançáveis a partir de s, ∀v ∈ Vπ . – ∃ um caminho simples único de s a v em Gπ que também é o caminho mais curto de s a v em G. § |Eπ | = |Vπ | − 1. • BFS constrói o vetor π tal que sub-grafo predecessor Gπ é uma árvore em largura. UFMG/ICEx/DCC PAA · Grafos 183
  • 184. Imprime caminho mais curto Print-Path(G, s, v) 47 if v = s 48 then print s 49 else if π[v] = nil 50 then print “no path from” s “to” v “exists” 51 else Print-Path(G, s, π[v]) print v 52 Análise: • Executa em tempo O(V ). UFMG/ICEx/DCC PAA · Grafos 184
  • 185. Pesquisa em profundidade (1) • Seja um grafo G = (V, E), dirigido ou não. • Pesquisa em profundidade: – Explora os vértices do grafo a partir de arestas não exploradas ainda, mais fundo no grafo quanto possível. – Quando todas as arestas de v tiverem sido exploradas, a pesquisa volta para explorar outras arestas do vértice do qual v foi descoberto. – Processo continua até que todos os vértices alcançáveis a partir de uma origem tenham sido descobertos. – Se existe vértice não descoberto ainda então um novo vértice é selecionado e o processo começa todo novamente. UFMG/ICEx/DCC PAA · Grafos 185
  • 186. Pesquisa em profundidade (2) v v UFMG/ICEx/DCC PAA · Grafos 186
  • 187. Algoritmo para calcular DFS (1) • Estruturas de dados: – Grafo representado como uma lista de adjacência. – Vetor color [u]: cor de cada vértice u ∈ V . – Vetor π[u]: predecessor de cada vértice u ∈ V . Se u não tem predecessor ou ainda não foi descoberto então π[u] = nil. – Vetor d[1 . . . |V |]: marca quando o vértice é descoberto (white → gray ). – Vetor f [1 . . . |V |]: marca quando o vértice é finalizado (gray → black ). – Variável global time: indica o instante em que o vértice é descoberto e terminado, ou seja, o timestamp. UFMG/ICEx/DCC PAA · Grafos 187
  • 188. Algoritmo para calcular DFS (2) • Cores dos vértices: – white : não visitados ainda. – gray : vértice descoberto mas que não teve a sua lista de adjacência totalmente examinada. – black : vértice descoberto que já teve a sua lista de adjacência totalmente examinada e está terminado. • Função: – DFS-V ISIT: Percorre recursivamente o grafo em profundidade. UFMG/ICEx/DCC PAA · Grafos 188
  • 189. Algoritmo para calcular DFS (3) • Saída: para cada vértice temos duas mar- • ∀u ∈ V , tempo lógico: cas de tempo (timestamp) e um predeceswhite sor (π(v)) para construir a árvore em prod[u] fundidade. – d[v]: instante de descoberta do vértice v; gray – f [v]: instante de finalização do vértice v; d[u] f[u] § Essas informações serão úteis para outros algoritmos. black • Timestamps estão entre 1 e 2|V | f[u] – ∀u ∈ V, ∃ um único evento de descoberta e um único evento de término (inteiros distintos). – ∀u ∈ V, d[u] f [u] ⇒ d[u] < f [u] § 1 ≤ d[v] < f [v] ≤ 2|V |. UFMG/ICEx/DCC PAA · Grafos 189
  • 190. Algoritmo para calcular DFS (4) DFS(G) £ Inicializa variáveis associadas a cada vértice u £ Marca u como não descoberto (branco) £ Marca o ancestral de u como inexistente £ Inicializa a variável de tempo £ Examina cada vértice u do grafo G £ Vértice não descoberto ainda? £ Pesquisa em profundidade a partir de u 1 for each vertex u ∈ V [G] 2 do color [u] ← white 3 π[u] ← nil 4 time ← 0 5 for each vertex u ∈ V [G] 6 do if color [u] = white 7 then DFS-V ISIT(u) DFS-V ISIT(u) 1 2 3 4 5 6 7 8 9 10 £ Vértice u descoberto £ Gera o instante da descoberta £ Marca o instante da descoberta £ Explora todos os vértices v adjacentes a u £ Vértice v não foi descoberto ainda? £ Marca o ancestral de v £ Explora vértice v em profundidade £ Vértice u finalizado £ Gera o instante de finalização £ Marca o instante da finalização color [u] ← gray time ← time + 1 d[u] ← time for each v ∈ Adj[u] do if color [v] = white then π[v] ← u DFS-V ISIT(v) color [u] ← black time ← time + 1 f [u] ← time UFMG/ICEx/DCC PAA · Grafos 190
  • 191. Comentários e análise do algoritmo (1) DFS(G) 1 for each vertex u ∈ V [G] 2 do color [u] ← white 3 π[u] ← nil 4 time ← 0 5 for each vertex u ∈ V [G] 6 do if color [u] = white 7 then DFS-V ISIT(u) Linhas 1–4: Inicialização • Inicialização de cada vértice para branco (white) (não descoberto – linha 2). • Predecessor do vértice desconhecido (linha 3). • Variável global usada para indicar o timestamp (linha 4). Linhas 5–7: Loop • Para cada vértice ainda não descoberto (linha 6) faz a pesquisa em profundidade (linha 7). Vértice u torna-se a raiz de uma nova árvore (se houver) na floresta de pesquisa em profundidade. Análise: • Linhas 1–3: Θ(V ). Cada vértice é inicializado como white e nenhum vértice volta a ser white. • Linha 4: O(1). • Linhas 5–7: Θ(V + E). As linhas 5–7 de DFS gastam Θ(V ) sem contar o tempo de DFS-V ISIT, que só é chamado uma única vez para cada vértice branco. • DFS-V ISIT executa em Θ(E). UFMG/ICEx/DCC PAA · Grafos 191
  • 192. Comentários e análise do algoritmo (2) DFS-V ISIT(u) 1 2 3 4 5 6 7 8 9 10 color [u] ← gray time ← time + 1 d[u] ← time for each v ∈ Adj[u] do if color [v] = white then π[v] ← u DFS-V ISIT(v) color [u] ← black time ← time + 1 f [u] ← time Comentários: • Linha 1: Vértice u é descoberto e torna-se cinza (gray ). • Linha 2: Incrementa a variável de timestamp. • Linha 3: Marca o instante em que o vértice u foi descoberto. • Linhas 4 a 7: Verifica cada vértice v adjacente a u (linha 4). Se o vértice v ainda não foi descoberto (linha 5) marca como seu ancestral o vértice u (linha 6) e continua pesquisando o grafo em profundidade (linha 7). • Linha 8: Vértice u é finalizado e torna-se preto (black ). • Linha 9: Incrementa a variável de timestamp. • Linha 10: Marca o instante em o vértice u foi finalizado. Análise: • Todas as atribuições têm custo O(1). • Loop das linhas 4–7: é executado |Adj[u]| vezes, sendo que Σv∈V |Adj[v]| = Θ(E). Assim o custo de DFS-V ISIT é Θ(E). UFMG/ICEx/DCC PAA · Grafos 192
  • 193. Execução do algoritmo DFS UFMG/ICEx/DCC PAA · Grafos 193
  • 194. Classificação das arestas numa pesquisa em profundidade É possível identificar quatro tipos de arestas durante a construção da floresta de pesquisa em profundidade Gπ obtida pelo algoritmo de DFS no grafo G. O primeiro tipo de aresta pertence a floresta enquanto os outros três não: – T (tree): aresta da floresta de pesquisa em profundidade Gπ . Aresta (u, v) é uma aresta da árvore se o vértice v foi descoberto inicialmente ao explorar a aresta dirigida (u, v). – B (back ): aresta (u, v) que conecta um vértice u a um ancestral v já presente na árvore. Loops são consideradas arestas back. – F (forward): aresta (u, v) que conecta um vértice u a um descendente v na árvore de pesquisa em profundidade. – C (cross): são todas as outras arestas. UFMG/ICEx/DCC PAA · Grafos 194
  • 195. Propriedades da pesquisa em profundidade (1) • O sub-grafo Gπ define uma floresta de árvores (no caso do grafo G não ser conexo). – As árvores da pesquisa em profundidade refletem a estrutura das chamadas recursivas de DFS-V ISIT. – Temos que π[v] = u sse DFS-V ISIT foi chamado durante uma pesquisa da lista de adjacência de u, i.e., vértice v tem como ancestral o vértice u. – Pode-se dizer que vértice v é descendente do vértice u na floresta de pesquisa em profundidade sse v foi descoberto quando u era cinza (gray ). • Pesquisa em profundidade apresenta “Estrutura de Parênteses”. • Algoritmo: – Represente a descoberta do vértice u pelo parêntese da esquerda: (u. – Represente a finalização do vértice u pelo parêntese da direita: u). § Seqüencia de descobertas e finalizações de um dado vértice define uma expressão bem formada no sentido que parênteses são propriamente aninhados. UFMG/ICEx/DCC PAA · Grafos 195
  • 196. Propriedades da pesquisa em profundidade (2) Resultado de uma pesquisa em profundidade sobre o grafo G ao lado. Intervalos de descoberta e finalização de cada vértice correspondem a estrutura de parênteses mostrada. Cada retângulo representa o “intervalo de tempo” entre o instante de descoberta e finalização de um vértice. Se há sobreposição de intervalos então um está inserido no outro e o vértice que representa o menor intervalo é um descendente do vértice que representa o maior intervalo. O grafo acima está desenhado com todas as arestas da árvore (T) de cima para baixo e as outras arestas que não fazem parte dela (B, F e C). UFMG/ICEx/DCC PAA · Grafos 196
  • 197. Teorema do Parênteses (1) Seja uma pesquisa em profundidade em um grafo G = (V, E), dirigido ou não. Para quaisquer dois vértices u e v desse grafo, temos que apenas uma das três condições abaixo é verdadeira: 1. Os intervalos [d[u], f [u]] e [d[v], f [v]] são totalmente disjuntos e nem u nem v é um descendente do outro na floresta de pesquisa em profundidade. § d[u] < f [u] < d[v] < d[v] ou d[v] < f [v] < d[u] < f [u]. 2. O intervalo [d[u], f [u]] está contido inteiramente dentro do intervalo [d[v], f [v]] e o vértice u é um descendente do vértice v na árvore de pesquisa em profundidade. § d[v] < d[u] < f [u] < f [v]. 3. O intervalo [d[v], f [v]] está contido inteiramente dentro do intervalo [d[u], f [u]] e o vértice v é um descendente do vértice u na árvore de pesquisa em profundidade. § d[u] < d[v] < f [v] < f [u]. UFMG/ICEx/DCC PAA · Grafos 197
  • 198. Teorema do Parênteses (2) Prova. Seja o caso d[u] < d[v]. Existem duas possibilidades: (a) d[v] < f [u] – Vértice v foi descoberto quando u era cinza (gray ). – Vértice v é um descendente de u. – Arestas de saída de v são exploradas. – Vértice v é finalizado antes da pesquisa retornar a u e ser finalizado. . . . Intervalo [d[v], f [v]] está inteiramente contido em [d[u], f [u]]. (b) d[v] < f [u], ou ainda, f [u] < d[v] – Sabe-se que d[u] < f [u] e d[v] < f [v]. . . . Intervalos são disjuntos e os dois vértices não têm uma relação de ancestral e descendente. O caso d[v] < d[u] é similar ao que foi explicado acima. Exemplos: – Certo: ()[] ([]) [()] – Errado: ([)] [(]) UFMG/ICEx/DCC PAA · Grafos 198
  • 199. Aninhamento de intervalos de descendentes Corolário: Vértice v é um descendente próprio do vértice u na floresta de pesquisa em profundidade para um grafo G (dirigido ou não) sse d[u] < d[v] < f [v] < f [u]. Prova. Imediato do Teorema do Parênteses. UFMG/ICEx/DCC PAA · Grafos 199
  • 200. Teorema do Caminho Branco Teorema: Na floresta de pesquisa em profundidade de um grafo G = (V, E) (dirigido ou não), o vértice v é um descendente do vértice u sse (⇔) no instante d[u] que DFS descobre u, o vértice v pode ser alcançado a partir de u ao longo de um caminho formado inteiramente de vértices brancos. Prova. (⇒) [se o vértice v é um descendente do vértice u então no instante d[u] que DFS descobre u, o vértice v pode ser alcançado a partir de u ao longo de um caminho formado inteiramente de vértices brancos.] Suponha que v é um descendente de u. Seja w um vértice qualquer no caminho entre u e v na árvore de pesquisa em profundidade. Pelo corolário do “Aninhamento de Intervalos de Descendentes” (AID), d[u] < d[w] e w é branco no instante d[u]. Como w é um vértice qualquer no caminho entre u e v, a conclusão é verdadeira. (⇐) [se no instante d[u] que DFS descobre u, o vértice v pode ser alcançado a partir de u ao longo de um caminho formado inteiramente de vértices brancos então o vértice v é um descendente do vértice u.] Suponha que a hipótese é verdadeira e que o vértice v não se torna um descendente de u na árvore de pesquisa em profundidade. Assuma que todos os outros vértices ao longo do caminho tornam-se um descendente de u. Seja w o predecessor de v no caminho tal que w é um descendente de u (w e u podem ser o mesmo vértice) e, pelo corolário AID, f [w] ≤ f [u]. Note que v deve ser descoberto depois que u é descoberto, mas antes que w seja finalizado (w é o predecessor de v). Assim, d[u] < d[v] < f [w] ≤ f [u]. Pelo teorema do Parênteses temos que o intervalo [d[v], f [v]] está contido inteiramente dentro do intervalo [d[u], f [u]]. Pelo corolário AID, v deve ser um descendente de u. UFMG/ICEx/DCC PAA · Grafos 200
  • 201. Pesquisa em profundidade e Conjectura I Se existe um caminho do vértice u para o vértice v num grafo dirigido G e se d[u] < d[v] na pesquisa em profundidade de G, então o vértice v é um descendente do vértice u na floresta de pesquisa em profundidade obtida. [Exercício 22.3-7 do livro CLRS] A conjectura é verdadeira ou falsa? UFMG/ICEx/DCC PAA · Grafos 201
  • 202. Pesquisa em profundidade e Conjectura I Se existe um caminho do vértice u para o vértice v num grafo dirigido G e se d[u] < d[v] na pesquisa em profundidade de G, então o vértice v é um descendente do vértice u na floresta de pesquisa em profundidade obtida. [Exercício 22.3-7 do livro CLRS] A conjectura é verdadeira ou falsa? § Falsa! Prova por contra-exemplo. – Existe um caminho de u para v no grafo. – A árvore de pesquisa em profundidade é produzida e as arestas identificadas. – Temos que d[u] < d[v] na pesquisa em profundidade mas v não é um descendente de u. UFMG/ICEx/DCC PAA · Grafos 202
  • 203. Pesquisa em profundidade e Conjectura II Se existe um caminho do vértice u para o vértice v num grafo dirigido G, então qualquer pesquisa em profundidade deve resultar em d[v] ≤ f [u]. [Exercício 22.3-8 do livro CLRS] A conjectura é verdadeira ou falsa? UFMG/ICEx/DCC PAA · Grafos 203
  • 204. Pesquisa em profundidade e Conjectura II Se existe um caminho do vértice u para o vértice v num grafo dirigido G, então qualquer pesquisa em profundidade deve resultar em d[v] ≤ f [u]. [Exercício 22.3-8 do livro CLRS] A conjectura é verdadeira ou falsa? § Falsa! Prova por contra-exemplo. – Existe um caminho de u para v no grafo. – A árvore de pesquisa em profundidade é produzida e as arestas identificadas. – Contudo, d[v] > f [u]. UFMG/ICEx/DCC PAA · Grafos 204
  • 205. Pesquisa em profundidade e floresta com certa propriedade Seja um vértice u, que tem arestas de entrada e saída, em um grafo dirigido G. É possível que esse vértice fique sozinho na árvore de pesquisa em profundidade? [Exercício 22.3-10 do livro CLRS] UFMG/ICEx/DCC PAA · Grafos 205
  • 206. Pesquisa em profundidade e floresta com certa propriedade Seja um vértice u, que tem arestas de entrada e saída, em um grafo dirigido G. É possível que esse vértice fique sozinho na árvore de pesquisa em profundidade? [Exercício 22.3-10 do livro CLRS] Sim! – Vértice u tem arestas de entrada e saída no grafo G. – No entanto, a floresta de pesquisa em profundidade produzida faz com que o vértice u apareça sozinho na árvore de pesquisa em profundidade. UFMG/ICEx/DCC PAA · Grafos 206
  • 207. Classificação de arestas na DFS (1) • A pesquisa em profundidade pode ser usada para classificar as arestas de um grafo G. • Exemplo de aplicação: – Um grafo dirigido é acíclico sse a pesquisa em profundidade não identifica nenhuma aresta do tipo back (retorno). • O procedimento DFS pode ser modificado para classificar as arestas de um grafo G à medida que elas forem sendo encontradas. § Nesta versão, arestas F (forward) e C (cross) não são discriminadas. • Idéia: tem-se uma aresta incidente a um vértice (de cor:) – white : indica uma aresta da árvore. – gray : indica uma aresta B (back ). – black : indica uma aresta F (forward) ou C (cross). UFMG/ICEx/DCC PAA · Grafos 207
  • 208. Classificação de arestas na DFS (2) Aresta incidente a um vértice (de cor): • white : aresta T – Identificação imediata a partir da especificação do algoritmo. • gray : aresta B – Vértices cinza (gray ) formam uma seqüência linear de descendentes que correspondem à pilha de invocações ativas ao procedimento DFS-V ISIT. – Nesse processo de exploração, se um vértice cinza encontra outro vértice cinza então foi encontrado um ancestral. • black : aresta F ou C – Possibilidade restante. – É possível mostrar que uma aresta (u, v) é F (forward) se d[u] < d[v] e, C (cross) se d[u] > d[v]. UFMG/ICEx/DCC PAA · Grafos 208
  • 209. Classificação de arestas na DFS (3) DFS-W ITH -E DGE -C LASSIFICATION(G) £ Idêntico ao DFS DFS-V ISIT(u) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 £ Vértice u descoberto color [u] ← gray time ← time + 1 d[u] ← time for each v ∈ Adj[u] do if color [v] = white then (u, v) ← T π[v] ← u DFS-V ISIT(v) else if color [v] = gray then (u, v) ← B else (u, v) ← {F, C} color [u] ← black time ← time + 1 f [u] ← time UFMG/ICEx/DCC £ Explore vértices v adjacentes a u £ Aresta pertence à árvore £ Aresta é do tipo B £ Aresta é do tipo F ou C £ Vértice u finalizado PAA · Grafos 209
  • 210. Classificação de arestas num grafo não dirigido Teorema: Numa pesquisa em profundidade de um grafo não dirigido G, cada aresta de G é uma aresta da árvore (T) ou uma aresta de retorno (B). Prova. Seja (u, v) uma aresta arbitrária de G e suponha, sem perda de generalidade, que d[u] < d[v]. Nesse caso, o vértice v deve ser descoberto e finalizado antes de finalizar o vértice u (enquanto u for cinza), já que v está na lista de adjacência de u. Se a aresta (u, v) é explorada primeiro na direção de u para v, então v não era conhecido (white) naquele instante, caso contrário, a aresta já teria sido explorada na direção de v para u. Assim, a aresta (u, v) torna-se uma aresta da árvore (T). Se a aresta (u, v) é explorada primeiro na direção de v para u, então (u, v) é uma aresta de retorno (B), já que o vértice u ainda tem a cor cinza (gray ) no momento que a aresta é primeiro explorada. UFMG/ICEx/DCC PAA · Grafos 210
  • 211. Ordenação topológica • A busca em profundidade pode ser usada para executar uma ordenação topológica em um grafo dirigido acíclico (DAG – Directed Acyclic Graph). • Uma ordenação topológica de um DAG G = (V, E) é uma ordenação linear de todos os seus vértices, tal que se G contém uma aresta (u, v), então u aparece antes de v na ordenação. • Se o grafo não é acíclico, então não é possível nenhuma ordenação linear. • Uma ordenação topológica de um grafo pode ser vista como uma ordenação de seus vértices ao longo de uma linha horizontal, de tal forma que todas as arestas orientadas sigam da esquerda para a direita. UFMG/ICEx/DCC PAA · Grafos 211
  • 212. Ordenação topológica • DAGs são usados em aplicações para indicar precedência entre eventos. • O grafo abaixo (resultado de uma pesquisa DFS) mostra como um dado homem se veste pela manhã. • Uma aresta orientada (u, v) no DAG indica que a peça de roupa u deve ser vestida antes da peça v. – Algumas peças devem ser vestidas antes de outras (e.g., meias antes dos sapatos); – Outras, em qualquer ordem (e.g., meias e calças). • Uma ordenação topológica desse DAG fornece uma ordem para o processo de se vestir. UFMG/ICEx/DCC PAA · Grafos 212
  • 213. Algoritmo de ordenação topológica TOPOLOGICAL -S ORT(G) 1 DFS(G) £ Chama DFS para calcular o instante de término f [u] para cada vértice u. À medida que cada vértice é terminado, ele deve ser inserido na frente de uma lista encadeada. 2 return lista encadeada de vértices. TOPOLOGICAL -S ORT(G) DFS-V ISIT(u) £ Versão modificada de DFS 1 for each vertex u ∈ V [G] 2 do color [u] ← white 3 π[u] ← nil 4 time ← 0 5 for each vertex u ∈ V [G] 6 do if color [u] = white 7 then DFS-V ISIT(u) 8 return Q 1 2 3 4 5 6 7 8 9 10 UFMG/ICEx/DCC color [u] ← gray time ← time + 1 d[u] ← time for each v ∈ Adj[u] do if color [v] = white then π[v] ← u DFS-V ISIT(v) color [u] ← black time ← time + 1 f [u] ← time £ Monta a ordenação topológica 11 Enqueue(Q, u) PAA · Grafos 213
  • 214. Algoritmo de ordenação topológica § Os vértices topologicamente ordenados aparecem na ordem inversa de seus tempos de término. UFMG/ICEx/DCC PAA · Grafos 214
  • 215. Ordenação topológica: Análise de complexidade • A busca em profundidade é Θ(V + E) e leva tempo O(1) para inserir cada um dos n vértices à frente da lista encadeada. • Logo, a ordenação topológica tem complexidade de tempo de Θ(V + E). UFMG/ICEx/DCC PAA · Grafos 215
  • 216. Componentes fortemente conectados • Um grafo orientado é fortemente conectado se cada um de dois vértices quaisquer é acessível a partir do outro. • Um componente fortemente conectado de um grafo orientado G = (V, E) é um conjunto máximo de vértices C ⊆ V tal que, para todo par de vértices u e v em C, temos que os vértices u e v são acessíveis um a partir do outro. a c d e UFMG/ICEx/DCC b f g h PAA · Grafos 216
  • 217. Componentes fortemente conectados • A busca em profundidade pode ser utilizada também para realizar a decomposição de um grafo orientado em seus componentes fortemente conectados. – Vários algoritmos que trabalham com grafos dirigidos começam por essa decomposição. – Uma vez feita essa decomposição, o algoritmo é executado sobre cada componente. – As soluções são combinadas de acordo com a estrutura das conexões entre os componentes. UFMG/ICEx/DCC PAA · Grafos 217
  • 218. Componentes fortemente conectados • Dado um um grafo G = (V, E), o seu grafo transposto GT = (V, E T ) consiste das arestas de G com seus sentidos invertidos (E T ). a b c d a b c d e f g h e f g h GT G UFMG/ICEx/DCC PAA · Grafos 218
  • 219. Componentes fortemente conectados: Algoritmo O algoritmo abaixo calcula os componentes fortemente conectados de um grafo orientado G = (V, E) fazendo duas pesquisas em profundidade, a primeira sobre G e a segunda sobre GT . S TRONGLY-C ONNECTED -C OMPONENTS(G) £ Faz a pesquisa em profundidade e calcula o tempo de finalização f [u] para cada vértice u. 2 Gere GT £ Gera o grafo transposto GT do grafo G. 3 DFS(GT ) £ Faz a pesquisa em profundidade para o grafo GT , mas no laço principal de DFS, considere os vértices em ordem decrescente de f [u] (como computado na linha 1). 4 Liste os vértices de cada árvore na floresta DFS formada na linha 3 como um componente fortemente conectado. 1 DFS(G) UFMG/ICEx/DCC PAA · Grafos 219
  • 220. Componentes fortemente conectados: Análise • Busca em profundidade sobre G : Θ(V + E). • Cálculo de GT : Θ(V + E). • Busca em profundidade sobre GT : Θ(V + E). • Assim, a complexidade de tempo é Θ(V + E). UFMG/ICEx/DCC PAA · Grafos 220
  • 221. Componentes fortemente conectados: Exemplo UFMG/ICEx/DCC PAA · Grafos 221
  • 222. Componentes fortemente conectados: Exemplo Passo 1 Seja o grafo G abaixo: Um possível resultado para o cálculo de DFS do grafo G é: Para a pesquisa resultante, temos os seguintes tempos de finalização f [u] em ordem decrescente: u f [u] UFMG/ICEx/DCC b 16 e 15 a 14 PAA c 10 · Grafos d 9 g 7 h 6 f 4 222
  • 223. Componentes fortemente conectados: Exemplo Passo 2 Dado o grafo G: O grafo transposto GT do grafo G é: UFMG/ICEx/DCC PAA · Grafos 223
  • 224. Componentes fortemente conectados: Exemplo Passo 3 u f [u] b 16 e 15 a 14 c 10 d 9 g 7 h 6 f 4 Faz a pesquisa em profundidade para o grafo GT , mas no laço principal de DFS, considere os vértices em ordem decrescente de f [u] (como computado na linha 1). UFMG/ICEx/DCC PAA · Grafos 224
  • 225. Componentes fortemente conectados: Exemplo Passo 4 Liste os vértices de cada árvore na floresta DFS formada na linha 3 como um componente fortemente conectado. O grafo G pode ser representado por um grafo de componentes GSCC = (V SCC , E SCC ) definido da seguinte forma: – Suponha que G tenha componentes fortemente conectados C1 , C2 , . . . , Ck . – V SCC = {v1 , v2 , . . . , vk }, onde vi representa o componente fortemente conectado Ci de G. – ∃(vi, vj ) ∈ E SCC , se G contém a aresta dirigida (x, y)|x ∈ Ci, y ∈ Cj . § No grafo GSCC , cada vértice representa um componente e cada aresta representa a conectividade entre componentes. UFMG/ICEx/DCC PAA · Grafos 225
  • 226. Conectividade entre componentes fortemente conectados Lema: Sejam C e C dois componentes fortemente conectados distintos do grafo G. Sejam os vértices u, v ∈ C e u , v ∈ C . Suponha que exista um caminho u Y u ∈ G. Então não pode haver um caminho v Y v ∈ G. Prova. Se existir um caminho v Y v ∈ G, então existem caminhos u Y u Y v e v Y v Y u em G. Assim, u e v são alcançáveis a partir de cada um, o que contradiz a suposição que C e C são componentes fortemente conectados distintos. UFMG/ICEx/DCC PAA · Grafos 226
  • 227. Problema do carteiro chinês Um carteiro deseja entregar cartas ao longo de todas as ruas de sua área de distribuição, e retornar ao posto de distribuição. Como ele pode planejar as rotas de forma a percorrer a menor distância possível? – Se o grafo for Euleriano, basta percorrer o circuito de Euler. – Caso contrário, algumas arestas serão percorridas mais de uma vez. § Objetivo: minimizar a distância a ser percorrida. UFMG/ICEx/DCC PAA · Grafos 227
  • 228. Variante do problema do carteiro chinês § Problema da limpeza de neve de todas as ruas de uma cidade é importante por conta do tempo necessário para executar essa tarefa e do custo do equipamento que faz a limpeza. UFMG/ICEx/DCC PAA · Grafos 228
  • 229. Problema do carteiro chinês Problema: dado um grafo valorado conexo, ache um circuito de peso total mínimo que inclua cada aresta pelo menos uma vez. b v 1 2 a 2 6 2 5 3 w UFMG/ICEx/DCC d 4 3 PAA · Grafos c 229
  • 230. Problema carteiro chinês Passo 1: Identifique os m nós de grau ímpar de G(V, E) (m é sempre par). Passo 2: Encontre o “casamento de pares com a mínima distância” (minimumlength pairwise matching) desses m nós e identifique os m caminhos mínimos 2 deste “casamento” ótimo. Passo 3: Adicione estes m caminhos mínimos como arcos ligando os nós do 2 “casamento” ótimo. O novo grafo G(V, E) contém zero vértices de grau ímpar. Passo 4: Encontre um ciclo euleriano em G(V, E). Este ciclo é a solução ótima do problema no grafo original G(N,A) e o seu comprimento é igual ao comprimento total das arestas do grafo original mais o comprimento total dos m/2 caminhos mínimos. b v 1 2 a 2 6 2 a 3 w 3 1 6 w PAA · Grafos 2 2 2 3 d 4 3 5 c v 1 2 d 4 5 UFMG/ICEx/DCC b 3 c 230