V ypoˇ cetn ı sloˇ zitost v teorii graf u Martin Doucha

Podobné dokumenty
Výpočetní složitost v teorii grafů

Ukážeme si lineární algoritmus, který pro pevné k rozhodne, zda vstupní. stromový rozklad. Poznamenejme, že je-li k součástí vstupu, pak rozhodnout

Vybíravost grafů, Nullstellensatz, jádra

Grafy. RNDr. Petra Surynková, Ph.D. Univerzita Karlova v Praze Matematicko-fyzikální fakulta.

1. Toky, řezy a Fordův-Fulkersonův algoritmus

VLASTNOSTI GRAFŮ. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze. BI-GRA, LS 2010/2011, Lekce 5

Definice 1 eulerovský Definice 2 poloeulerovský

ALGORITMY A DATOVÉ STRUKTURY

autorovu srdci... Petr Hliněný, FI MU Brno 1 FI: MA010: Průnikové grafy

Kostry. 9. týden. Grafy. Marie Demlová (úpravy Matěj Dostál) 16. dubna 2019

Drsná matematika III 10. demonstrovaná cvičení Kostry grafů

Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2.

5 Orientované grafy, Toky v sítích

Úvod do vybíravosti grafů, Nullstellensatz, polynomiální metoda

Definice barevnosti grafu, základní vlastnosti. Varinaty problému barvení.

10 Podgrafy, isomorfismus grafů

Základy informatiky. 07 Teorie grafů. Kačmařík/Szturcová/Děrgel/Rapant

Barevnost grafů MFF UK

Teorie grafů. zadání úloh. letní semestr 2008/2009. Poslední aktualizace: 19. května First Prev Next Last Go Back Full Screen Close Quit

Funkce a lineární funkce pro studijní obory

NP-ÚPLNÉ PROBLÉMY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze

Základy informatiky. Teorie grafů. Zpracoval: Pavel Děrgel Úprava: Daniela Szturcová

Vrcholová barevnost grafu

Obsah prezentace. Základní pojmy v teorii o grafech Úlohy a prohledávání grafů Hledání nejkratších cest

Hledáme efektivní řešení úloh na grafu

Jan Březina. Technical University of Liberec. 21. dubna 2015

STROMY. v 7 v 8. v 5. v 2. v 3. Základní pojmy. Řešené příklady 1. příklad. Stromy

TGH09 - Barvení grafů

VLASTNOSTI GRAFŮ. Vlastnosti grafů - kap. 3 TI 5 / 1

Jan Březina. Technical University of Liberec. 30. dubna 2013

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

Další NP-úplné problémy

Úvod do teorie grafů

zejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry.

Pravděpodobnost a statistika

Dynamické programování

07 Základní pojmy teorie grafů

10 Přednáška ze

5 Minimální kostry, Hladový algoritmus

Vztah teorie vyčíslitelnosti a teorie složitosti. IB102 Automaty, gramatiky a složitost, /31

TGH02 - teorie grafů, základní pojmy

10. Složitost a výkon

VE 2D A 3D. Radek Výrut. Abstrakt Tento článek obsahuje postupy pro výpočet Minkowského sumy dvou množin v rovině a pro výpočet Minkowského sumy

1. Převeďte dané číslo do dvojkové, osmičkové a šestnáctkové soustavy: a) b)

Složitost a moderní kryptografie

Regulární výrazy. Definice Množina regulárních výrazů nad abecedou Σ, označovaná RE(Σ), je definována induktivně takto:

3. Podmíněná pravděpodobnost a Bayesův vzorec

Teorie grafů. Teoretická informatika Tomáš Foltýnek

Algoritmy na ohodnoceném grafu

Stromové rozklady. Definice 1. Stromový rozklad grafu G je dvojice (T, β) taková, že T je strom,

STROMOVE ALGORITMY Prohledavani do sirky (level-order) Po vodorovnejch carach fronta

4. NP-úplné (NPC) a NP-těžké (NPH) problémy

8. Geometrie vrací úder (sepsal Pavel Klavík)

TEORIE GRAFŮ TEORIE GRAFŮ 1

H {{u, v} : u,v U u v }

Výroková a predikátová logika - II

3. Třídy P a NP. Model výpočtu: Turingův stroj Rozhodovací problémy: třídy P a NP Optimalizační problémy: třídy PO a NPO MI-PAA

Stromy, haldy, prioritní fronty

Kreslení grafů na plochy Tomáš Novotný

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

TGH05 - aplikace DFS, průchod do šířky

Výroková a predikátová logika - V

TGH05 - aplikace DFS, průchod do šířky

Funkce - pro třídu 1EB

4EK311 Operační výzkum. 5. Teorie grafů

Příklad 1 ŘEŠENÉ PŘÍKLADY Z M1B ČÁST 2. Určete a načrtněte definiční obory funkcí více proměnných: a) (, ) = b) (, ) = 3. c) (, ) = d) (, ) =

Kapitola 1: Reálné funkce 1/13

Výroková a predikátová logika - II

Algoritmus pro hledání nejkratší cesty orientovaným grafem

Metody analýzy dat II

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení

Paralelní grafové algoritmy

4 Pojem grafu, ve zkratce

Metody návrhu algoritmů, příklady. IB111 Programování a algoritmizace

Jarníkův algoritmus. Obsah. Popis

Výroková a predikátová logika - III

Jan Březina. 7. března 2017

Funkce arcsin. Některé dosud probírané funkce můžeme spojit do dvojic: 4 - je číslo, které když dám na druhou tak vyjde 4.

TGH02 - teorie grafů, základní pojmy

Teorie grafů Jirka Fink

TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 3. PREDNÁŠKA - KOMPAKTNÍ PROSTORY.

Bipartitní grafy. Karel Klouda c KTI, FIT, ČVUT v Praze 28. března, letní semestr 2010/2011

Aproximativní algoritmy UIN009 Efektivní algoritmy 1

Algoritmizace prostorových úloh

1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu

Problémy třídy Pa N P, převody problémů

Výpočetní složitost algoritmů

Graf. Uzly Lokality, servery Osoby fyzické i právní Informatické objekty... atd. Hrany Cesty, propojení Vztahy Informatické závislosti... atd.

MATEMATIKA A 3 Metodický list č. 1

Kapitola 1: Reálné funkce 1/13

Funkce pro studijní obory

Zavedení a vlastnosti reálných čísel

analytické geometrie v prostoru s počátkem 18. stol.

TGH02 - teorie grafů, základní pojmy

Hlavolamy a teorie grafů

TGH08 - Optimální kostry

Zobrazování těles. problematika geometrického modelování. základní typy modelů. datové reprezentace modelů základní metody geometrického modelování

Stromy. Strom: souvislý graf bez kružnic využití: počítačová grafika seznam objektů efektivní vyhledávání výpočetní stromy rozhodovací stromy

Základní datové struktury III: Stromy, haldy

8 Přednáška z

Transkript:

Výpočetní složitost v teorii grafů Martin Doucha

Parametrizovaná složitost Nástroj, jak zkrotit výpočetní složitost NP-těžkých problémů Klasický přístup: exponenciála v n

Parametrizovaná složitost Nástroj, jak zkrotit výpočetní složitost NP-těžkých problémů Klasický přístup: exponenciála v n FPT algoritmus: f (k)n O(1)

Parametrizovaná složitost Nástroj, jak zkrotit výpočetní složitost NP-těžkých problémů Klasický přístup: exponenciála v n FPT algoritmus: f (k)n O(1) Základní myšlenka: najít vhodný (a dost malý) parametr k nezávislý na n, na který se přesune exponenciální složitost algoritmu.

Parametrizovaná složitost Nástroj, jak zkrotit výpočetní složitost NP-těžkých problémů Klasický přístup: exponenciála v n FPT algoritmus: f (k)n O(1) Základní myšlenka: najít vhodný (a dost malý) parametr k nezávislý na n, na který se přesune exponenciální složitost algoritmu. Bohužel to ne vždy funguje. (W[1]-těžkost a další těžké třídy parametrizované složitosti)

Parametrizovaná složitost Parametrem může být jakákoliv vlastnost problému nebo vstupu. Hasseovský diagram obĺıbených parametrizací pro grafové úlohy: Uspořádání v diagramu je definováno pomocí existence funkce jedné parametrizace, která shora omezuje velikost jiné parametrizace na stejné struktuře.

Parametrizovaná složitost Nové parametrizace pro grafové úlohy zařazené do hierarchie: Všechny výsledky u zvýrazněných parametrizací jsou nové.

Pokrytí s neomezenými klikami Definice Pokrytí s neomezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik.

Pokrytí s neomezenými klikami Definice Pokrytí s neomezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik. Zobecnění vrcholového pokrytí

Pokrytí s neomezenými klikami Definice Pokrytí s neomezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik. Zobecnění vrcholového pokrytí Jako parametrizace nás zajímá nejmenší možná velikost W pro dané G

Pokrytí s neomezenými klikami Definice Pokrytí s neomezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik. Zobecnění vrcholového pokrytí Jako parametrizace nás zajímá nejmenší možná velikost W pro dané G V anglické literatuře označováno jako Cluster Vertex Deletion

Pokrytí s neomezenými klikami Definice Pokrytí s neomezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik. Zobecnění vrcholového pokrytí Jako parametrizace nás zajímá nejmenší možná velikost W pro dané G V anglické literatuře označováno jako Cluster Vertex Deletion Dosud zkoumáno jen jako problém, ne jako parametrizace

Pokrytí s neomezenými klikami Definice Pokrytí s neomezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik. Zobecnění vrcholového pokrytí Jako parametrizace nás zajímá nejmenší možná velikost W pro dané G V anglické literatuře označováno jako Cluster Vertex Deletion Dosud zkoumáno jen jako problém, ne jako parametrizace Na hledání W existuje FPT algoritmus s časovou složitostí O(2 k k 6 log k + mn) pro k = W (Hüffner a kol.: Fixed-Parameter Algorithms for Cluster Vertex Deletion. Theory Comput. Syst. 47,1 (2010) pp. 196-217)

Pokrytí s omezenými klikami Definice Pokrytí s c-omezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik, kde každá komponenta souvislosti obsahuje c vrcholů.

Pokrytí s omezenými klikami Definice Pokrytí s c-omezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik, kde každá komponenta souvislosti obsahuje c vrcholů. Vrcholové pokrytí je speciální případ pro c = 1

Pokrytí s omezenými klikami Definice Pokrytí s c-omezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik, kde každá komponenta souvislosti obsahuje c vrcholů. Vrcholové pokrytí je speciální případ pro c = 1 Jako parametrizace nás opět zajímá nejmenší možná velikost W pro dané G a c (c je druhý parametr)

Pokrytí s omezenými klikami Definice Pokrytí s c-omezenými klikami grafu G je množina W V (G), že G \ W je disjunktní sjednocení klik, kde každá komponenta souvislosti obsahuje c vrcholů. Vrcholové pokrytí je speciální případ pro c = 1 Jako parametrizace nás opět zajímá nejmenší možná velikost W pro dané G a c (c je druhý parametr) Na hledání W existuje FPT algoritmus s časovou složitostí O((k + kc(k + c)) k+2 + m + n)

Hamiltonovská cesta a kružnice Definice Vstup: Graf G Otázka: Existuje cesta (kružnice), která prochází všemi vrcholy G?

Hamiltonovská cesta a kružnice Definice Vstup: Graf G Otázka: Existuje cesta (kružnice), která prochází všemi vrcholy G? Stromová šířka: Arnborg, Proskurowski [2] Kliková šířka: Fomin, Golovach, Lokshtanov, Saurabh [11]

Klasické barvení grafu Definice Vstup: Graf G, počet barev r Otázka: Existuje korektní obarvení G pomocí r barev?

Klasické barvení grafu Definice Vstup: Graf G, počet barev r Otázka: Existuje korektní obarvení G pomocí r barev? Twin cover: Ganian [12] Stromová šířka: Arnborg, Proskurowski [2] Kliková šířka: Fomin, Golovach, Lokshtanov, Saurabh [11]

Precoloring extension Definice Vstup: Graf G, počet barev r a předbarvení některých vrcholů Otázka: Lze předbarvení rozšířit na korektní obarvení celého G pomocí r barev?

Precoloring extension Definice Vstup: Graf G, počet barev r a předbarvení některých vrcholů Otázka: Lze předbarvení rozšířit na korektní obarvení celého G pomocí r barev? Vrcholové pokrytí: Fiala, Golovach, Kratochvíl [10] Twin cover: Ganian [12] Stromová šířka: Fellows, Fomin, Lokshtanov, Rosamond, Saurabh, Szeider, Thomassen [7]

Equitable coloring Definice Vstup: Graf G, počet barev r Existuje korektní obarvení G pomocí r barev, že každá barva je použita n r -krát?

Equitable coloring Definice Vstup: Graf G, počet barev r Existuje korektní obarvení G pomocí r barev, že každá barva je použita n r -krát? Vrcholové pokrytí: Fiala, Golovach, Kratochvíl [10] Twin cover: Ganian [12] Stromová šířka: Fellows, Fomin, Lokshtanov, Rosamond, Saurabh, Szeider, Thomassen [7]

Number coloring Definice Vstup: Graf G, počet barev r, předepsané počty vrcholů n 1,..., n r Otázka: Existuje korektní obarvení G pomocí r barev, že každá barva i je použita právě n i -krát?

Number coloring Definice Vstup: Graf G, počet barev r, předepsané počty vrcholů n 1,..., n r Otázka: Existuje korektní obarvení G pomocí r barev, že každá barva i je použita právě n i -krát? Stromová šířka: Fellows, Fomin, Lokshtanov, Rosamond, Saurabh, Szeider, Thomassen [7]

W[1]-těžkost Precoloring extensionu Precoloring extension parametrizovaný pokrytím s neomezenými klikami je jediná ze zkoumaných kombinací, která vyšla jako W[1]-těžká

W[1]-těžkost Precoloring extensionu Precoloring extension parametrizovaný pokrytím s neomezenými klikami je jediná ze zkoumaných kombinací, která vyšla jako W[1]-těžká Důkaz: převodem na List coloring

W[1]-těžkost Precoloring extensionu Precoloring extension parametrizovaný pokrytím s neomezenými klikami je jediná ze zkoumaných kombinací, která vyšla jako W[1]-těžká Důkaz: převodem na List coloring Definice List coloring Vstup: Graf G, přiřazení seznamů povolených barev vrcholům G Otázka: Existuje korektní obarvení G, že každý vrchol dostane některou barvu ze svého seznamu? W[1]-těžkost List coloringu parametrizovaného vrcholovým pokrytím dokázal Fellows a kol. [7], [8]

W[1]-těžkost Precoloring extensionu Začneme se zadáním List coloringu parametrizovaného vrcholovým pokrytím:

W[1]-těžkost Precoloring extensionu Seznam barev u každého vrcholu nahradíme předbarvenou klikou:

W[1]-těžkost Precoloring extensionu Seznam barev u každého vrcholu nahradíme předbarvenou klikou: A jsme hotovi.

FPT řešitelnost Equitable coloringu Základní pozorování pro parametrizaci pokrytím s neomezenými klikami: Pro W množinu vrcholů v pokrytí je G \ W disjunktní sjednocení klik. Hledání obarvení se tak redukuje na otázku, do kterých komponent dáme příslušnou barvu a do kterých ne.

FPT řešitelnost Equitable coloringu Základní pozorování pro parametrizaci pokrytím s neomezenými klikami: Pro W množinu vrcholů v pokrytí je G \ W disjunktní sjednocení klik. Hledání obarvení se tak redukuje na otázku, do kterých komponent dáme příslušnou barvu a do kterých ne. Když W nějak předbarvíme, na G \ W nám vzniknou seznamy povolených barev (a zkomplikují se počty, kolikrát kterou barvu použít).

FPT řešitelnost Equitable coloringu Základní pozorování pro parametrizaci pokrytím s neomezenými klikami: Pro W množinu vrcholů v pokrytí je G \ W disjunktní sjednocení klik. Hledání obarvení se tak redukuje na otázku, do kterých komponent dáme příslušnou barvu a do kterých ne. Když W nějak předbarvíme, na G \ W nám vzniknou seznamy povolených barev (a zkomplikují se počty, kolikrát kterou barvu použít). Řešení: párování na pomocném bipartitním grafu

FPT řešitelnost Equitable coloringu Problém č. 1: Zajistit správné počty použití jednotlivých barev.

FPT řešitelnost Equitable coloringu Problém č. 1: Zajistit správné počty použití jednotlivých barev. Řešení: V pomocném grafu budou speciální předbarvené vrcholy, kterých budou správné počty.

FPT řešitelnost Equitable coloringu Problém č. 2: Zohlednit seznamy barev jednotlivých vrcholů při párování.

FPT řešitelnost Equitable coloringu Problém č. 2: Zohlednit seznamy barev jednotlivých vrcholů při párování. Řešení: Nosné množiny barev. Definice Dvojice (X, C) je nosná množina, pokud X V (G) indukuje kliku a právě pro každou barvu i C je to co do inkluze maximální souvislá množina, kde každý vrchol má v seznamu barvu i.

FPT řešitelnost Equitable coloringu Problém č. 2: Zohlednit seznamy barev jednotlivých vrcholů při párování. Řešení: Nosné množiny barev. Definice Dvojice (X, C) je nosná množina, pokud X V (G) indukuje kliku a právě pro každou barvu i C je to co do inkluze maximální souvislá množina, kde každý vrchol má v seznamu barvu i. Nosné množiny jsou určené jednoznačně přidělením seznamů.

FPT řešitelnost Equitable coloringu Problém č.3: Počet vrcholů a počet barev v nosné množině nemusí souhlasit. Kolik tedy přidáme vrcholů do pomocného grafu?

FPT řešitelnost Equitable coloringu Problém č.3: Počet vrcholů a počet barev v nosné množině nemusí souhlasit. Kolik tedy přidáme vrcholů do pomocného grafu? Řešení: Tolik, kolik je barev. A pak to případně pomocí dalších vrcholů dorovnáme na počet vrcholů v nosné množině.

FPT řešitelnost Equitable coloringu Problém č. 4: Vyřešit průniky dvou a více nosných množin.

FPT řešitelnost Equitable coloringu Problém č. 4: Vyřešit průniky dvou a více nosných množin. Řešení: Další skupinky pomocných vrcholů, tentokrát příslušné jednotlivým vrcholům původního grafu.

FPT řešitelnost Equitable coloringu Dobarvit G \ W tedy umíme, zbývá předbarvení W.

FPT řešitelnost Equitable coloringu Dobarvit G \ W tedy umíme, zbývá předbarvení W. Řešení: hrubou silou.

FPT řešitelnost Equitable coloringu Dobarvit G \ W tedy umíme, zbývá předbarvení W. Řešení: hrubou silou. Barvy se stejným předepsaným počtem vrcholů k obarvení jsou navzájem zaměnitelné. V případě Equitable coloringu jsou maximálně 2 třídy navzájem zaměnitelných barev musíme vyzkoušet (2k) k možností.

FPT řešitelnost Equitable coloringu Dobarvit G \ W tedy umíme, zbývá předbarvení W. Řešení: hrubou silou. Barvy se stejným předepsaným počtem vrcholů k obarvení jsou navzájem zaměnitelné. V případě Equitable coloringu jsou maximálně 2 třídy navzájem zaměnitelných barev musíme vyzkoušet (2k) k možností. V případě Number coloringu může být tříd zaměnitelných barev řádově až n, proto je zatím nevyřešený pro Twin cover a pokrytí s neomezenými klikami.

Děkuji za pozornost. http://kam.mff.cuni.cz/ doucm6am/master/