Cammini minimi da un sorgente

Presentazione sul tema: "Cammini minimi da un sorgente"— Transcript della presentazione:

1 Cammini minimi da un sorgente
Precondizioni: G = <V, E> grafo orientato e pesato, w: E  R funzione peso, s V G non ha cicli di peso negativo raggiungibili da s Dopo qualunque sequenza di RELAX sugli archi di G, eseguita dopo la INITIALIZE_SINGLE_SOURCE (G, s), si ha: 1. G è un albero di radice s. 2. Se vV, d[v] = (s, v), allora G è un albero di cammini minimi da s.

2 Se riusciamo ad individuare una strategia per effettuare
Grazie alla proprietà 2 si può affermare che: Se riusciamo ad individuare una strategia per effettuare le RELAX in modo da assicurare la condizione d[v] = (s, v), vV abbiamo risolto il problema di costruire un albero di cammini minimi da s.

3 Due strategie: fare su tutti gli archi del grafo un numero di RELAX sufficiente ad assicurare la condizione.

4 Due strategie: fare su tutti gli archi del grafo un numero di RELAX sufficiente ad assicurare la condizione. Algoritmo di Bellman-Ford

5 Due strategie: fare su tutti gli archi del grafo un numero di RELAX sufficiente ad assicurare la condizione. Algoritmo di Bellman-Ford fare le RELAX in modo “guidato” su archi opportuni.

6 Due strategie: fare su tutti gli archi del grafo un numero di RELAX sufficiente ad assicurare la condizione. Algoritmo di Bellman-Ford fare le RELAX in modo “guidato” su archi opportuni. Algoritmo di Dijkstra

7 Algoritmo di Dijkstra fare le RELAX in modo “guidato” su archi opportuni.

8 Algoritmo di Dijkstra fare le RELAX in modo “guidato” su archi opportuni. fare le RELAX sugli archi uscenti da un vertice via via scelto “bene” e che non sia già stato preso in esame prima.

9 Algoritmo di Dijkstra fare le RELAX in modo “guidato” su archi opportuni. fare le RELAX sugli archi uscenti da un vertice via via scelto “bene” e che non sia già stato preso in esame prima. 1^ approssimazione dell’algoritmo, dove S è l’insieme dei vertici già considerati:

10 Algoritmo di Dijkstra fare le RELAX in modo “guidato” su archi opportuni. fare le RELAX sugli archi uscenti da un vertice via via scelto “bene” e che non sia già stato preso in esame prima. 1^ approssimazione dell’algoritmo, dove S è l’insieme dei vertici già considerati: INITIALIZE_SINGLE_SOURCE (G, s) S   while S  V[G] do u  vertice scelto “bene” S  S  {u} for ogni v  ADJ[u] do if v  S then RELAX (u, v, w)

11 u  vertice scelto “bene” ????????
Scriviamo un algoritmo greedy che effettua la scelta migliore in ogni istante e dimostreremo che tale scelta si rivela buona anche a lungo termine.

12 u  vertice scelto “bene” ????????
Scriviamo un algoritmo greedy che effettua la scelta migliore in ogni istante e dimostreremo che tale scelta si rivela buona anche a lungo termine. Scelta migliore a breve: un vertice la cui stima della distanza pesata è minima tra tutte quelle dei vertici non ancora considerati.

13 u  vertice scelto “bene” ????????
Scriviamo un algoritmo greedy che effettua la scelta migliore in ogni istante e dimostreremo che tale scelta si rivela buona anche a lungo termine. Scelta migliore a breve: un vertice la cui stima della distanza pesata è minima tra tutte quelle dei vertici non ancora considerati. Riscriviamo l’algoritmo

14 INITIALIZE_SINGLE_SOURCE (G, s)
while S  V[G] do u  vertice con d minima tra tutti i vertici non in S S  S  {u} for ogni v  ADJ[u] do if v  S then RELAX (u, v, w)

15 INITIALIZE_SINGLE_SOURCE (G, s)
while S  V[G] do u  vertice con d minima tra tutti i vertici non in S S  S  {u} for ogni v  ADJ[u] do if v  S then RELAX (u, v, w) Non sempre la scelta funziona!

16 A B D C E 2 5 3 -3 1 Ad esempio:

17 Se il vertice sorgente è A, dopo le opportune RELAX,
B D C E 2 5 3 -3 1 Ad esempio: Se il vertice sorgente è A, dopo le opportune RELAX, vengono scelti, nell’ordine:

18 Se il vertice sorgente è A, dopo le opportune RELAX,
B D C E 2 5 3 -3 1 Ad esempio: Se il vertice sorgente è A, dopo le opportune RELAX, vengono scelti, nell’ordine: A (d[A] = 0, d[B] = d[C] = d[D] = d[E] = )

19 Se il vertice sorgente è A, dopo le opportune RELAX,
B D C E 2 5 3 -3 1 Ad esempio: Se il vertice sorgente è A, dopo le opportune RELAX, vengono scelti, nell’ordine: A (d[A] = 0, d[B] = d[C] = d[D] = d[E] = ) C (d[B] = 5, d[C] = 2, d[D] = 3, d[E] = )

20 Se il vertice sorgente è A, dopo le opportune RELAX,
B D C E 2 5 3 -3 1 Ad esempio: Se il vertice sorgente è A, dopo le opportune RELAX, vengono scelti, nell’ordine: A (d[A] = 0, d[B] = d[C] = d[D] = d[E] =  C (d[B] = 5, d[C] = 2, d[D] = 3, d[E] = ) D (d[B] = 5, d[D] = 3, d[E] = )

21 Se il vertice sorgente è A, dopo le opportune RELAX,
B D C E 2 5 3 -3 1 Ad esempio: Se il vertice sorgente è A, dopo le opportune RELAX, vengono scelti, nell’ordine: A (d[A] = 0, d[B] = d[C] = d[D] = d[E] =  C (d[B] = 5, d[C] = 2, d[D] = 3, d[E] = ) D (d[B] = 5, d[D] = 3, d[E] = ) E (d[B] = 5, d[E] = 4)

22 Se il vertice sorgente è A, dopo le opportune RELAX,
B D C E 2 5 3 -3 1 Ad esempio: Se il vertice sorgente è A, dopo le opportune RELAX, vengono scelti, nell’ordine: A (d[A] = 0, d[B] = d[C] = d[D] = d[E] =  C (d[B] = 5, d[C] = 2, d[D] = 3, d[E] = ) D (d[B] = 5, d[D] = 3, d[E] = ) E (d[B] = 5, d[E] = 4) B (d[B] = 5)

23 Se il vertice sorgente è A, dopo le opportune RELAX,
B D C E 2 5 3 -3 1 Ad esempio: Se il vertice sorgente è A, dopo le opportune RELAX, vengono scelti, nell’ordine: A (d[A] = 0, d[B] = d[C] = d[D] = d[E] =  C (d[B] = 5, d[C] = 2, d[D] = 3, d[E] = ) D (d[B] = 5, d[D] = 3, d[E] = ) E (d[B] = 5, d[E] = 4) B (d[B] = 5) Ma (A, E) = 2, mentre d[E] = 4

24 Se il vertice sorgente è A, dopo le opportune RELAX,
B D C E 2 5 3 -3 1 Ad esempio: Se il vertice sorgente è A, dopo le opportune RELAX, vengono scelti, nell’ordine: A (d[A] = 0, d[B] = d[C] = d[D] = d[E] =  C (d[B] = 5, d[C] = 2, d[D] = 3, d[E] = ) D (d[B] = 5, d[D] = 3, d[E] = ) E (d[B] = 5, d[E] = 4) B (d[B] = 5) Ma (A, E) = 2, mentre d[E] = 4 La scelta funziona solo in assenza di archi di peso negativo

25 Riscriviamo l ‘algoritmo di Dijkstra aggiungendo come
precondizione la richiesta che la funzione peso non assuma valori negativi.

26 Riscriviamo l ‘algoritmo di Dijkstra aggiungendo come
precondizione la richiesta che la funzione peso non assuma valori negativi. {G = <V, E> grafo orientato e pesato and sV and w: E  R+{0} funzione peso and G non ha cicli di peso negativo raggiungibili da s}

27 Riscriviamo l ‘algoritmo di Dijkstra aggiungendo come
precondizione la richiesta che la funzione peso non assuma valori negativi. {G = <V, E> grafo orientato e pesato and sV and w: E  R+{0} funzione peso}

28 Riscriviamo l ‘algoritmo di Dijkstra aggiungendo come
precondizione la richiesta che la funzione peso non assuma valori negativi. {G = <V, E> grafo orientato e pesato and sV and w: E  R+{0} funzione peso} INITIALIZE_SINGLE_SOURCE (G, s) S   while S  V[G] do u  vertice con d minima tra tutti i vertici non in S S  S  {u} for ogni v  ADJ[u] do if v  S then RELAX (u, v, w)

29 {G = <V, E> grafo orientato e pesato and sV and
w: E  R+{0} funzione peso} INITIALIZE_SINGLE_SOURCE (G, s) S   while S  V[G] do u  vertice con d minima tra tutti i vertici non in S S  S  {u} for ogni v  ADJ[u] do if v  S then RELAX (u, v, w) Coda con priorità

30 {G = <V, E> grafo orientato e pesato and sV and
w: E  R+{0} funzione peso} INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] while S  V[G] do (Q  ) u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do if v  S (v  Q) then RELAX (u, v, w)

31 ricorda il nuovo cammino e aggiorna la stima della distanza
INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] while S  V[G] do (Q  ) u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do if v  S (v  Q) then RELAX (u, v, w) INITIALIZE_SINGLE_SOURCE(G, s) for ogni v  V do d[v]   [v]  nil d[s]  0 Se è piu conveniente ricorda il nuovo cammino e aggiorna la stima della distanza

32 Ricorda un altro algoritmo che conosciamo
L’algoritmo di PRIM

33 Ricorda un altro algoritmo che conosciamo
L’algoritmo di PRIM riscriviamolo

34 then if key[v] > w(u,v) then key[v]  w(u,v) [v]  u
INITIALIZE_ KEY(G, s) A   Q  V[G] while Q   do u  extract_min (Q) A  A  {([u], u)} for ogni v  ADJ[u] do if v  Q then if key[v] > w(u,v) then key[v]  w(u,v) [v]  u INITIALIZE_ KEY(G, s) for ogni v  V do key[v]   [v]  nil key[s]  0

35 then if key[v] > w(u,v) then key[v]  w(u,v) [v]  u
INITIALIZE_ KEY(G, s) A   Q  V[G] while Q   do u  extract_min (Q) A  A  {u} for ogni v  ADJ[u] do if v  Q then if key[v] > w(u,v) then key[v]  w(u,v) [v]  u INITIALIZE_ KEY(G, s) for ogni v  V do key[v]   [v]  nil key[s]  0 Se è più conveniente ricorda il nuovo arco e aggiorna la chiave

36 MST_Prim (G, s) Dijkstra (G, w, s) A   Q  V[G] while Q   do
INITIALIZE_ KEY(G, s) A   Q  V[G] while Q   do u  extract_min (Q) A  A  {([u], u)} for ogni v  ADJ[u] do if v  Q then if key[v] > w(u,v) then key[v]  w(u,v) [v]  u Dijkstra (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] while Q   do u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do if v  Q then RELAX (u, v, w)

37 Dijkstra (G, w, s) S   Q  V[G] while Q   do u  extract_min (Q)
INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] while Q   do u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do if v  Q then RELAX (u, v, w) Complessità: - coda realizzata con un array lineare O(V2)

38 Dijkstra (G, w, s) S   Q  V[G] while Q   do u  extract_min (Q)
INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] while Q   do u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do if v  Q then RELAX (u, v, w) Complessità: - coda realizzata con un array lineare O(V2) - coda realizzata con heap binario O((V+E)logV) O(E logV)

39 N.B. Poichè per tutti i vertici t  S: d[t] = (s, t) e d[t] non
verrà più modificata da nessuna RELAX, diventa inutile condizionare la RELAX(u,v,w) al fatto che v  Q. Tale semplificazione non è invece possibile nell’algoritmo di Prim. Dijkstra (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] while Q   do u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do RELAX (u, v, w)

40 Dobbiamo ancora dimostrare che l’algoritmo è corretto

41 {G = <V, E> grafo orientato e pesato and sV and
w: E  R+{0} funzione peso} Dijkstra (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] while Q   do u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do RELAX (u, v, w)

42 {G = <V, E> grafo orientato e pesato and sV and
w: E  R+{0} funzione peso} Dijkstra (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] {t  S: d[t] = (s, t) and S  Q = V[G]} while Q   do u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do RELAX (u, v, w) {t  V[G] : d[t] = (s, t)}

43 {G = <V, E> grafo orientato e pesato and sV and
w: E  R+{0} funzione peso} Dijkstra (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) S   Q  V[G] {t  S: d[t] = (s, t) and S  Q = V[G]} while Q   do u  extract_min (Q) S  S  {u} for ogni v  ADJ[u] do RELAX (u, v, w) {t  V[G] : d[t] = (s, t)} {G è un albero di cammini minimi da s}

44 Algoritmo di Bellman-Ford
INITIALIZE_SINGLE_SOURCE (G, s) for ogni arco (u, v)  E[G] do RELAX (u, v, w)

45 Algoritmo di Bellman-Ford
INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to ? do for ogni arco (u, v)  E[G] do RELAX (u, v, w) Si tratta di trovare un numero da sostituire al ?.

46 Algoritmo di Bellman-Ford
INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to ? do for ogni arco (u, v)  E[G] do RELAX (u, v, w) Si tratta di trovare un numero da sostituire al ?. Quante RELAX si dovranno fare per essere sicuri che le stime delle “distanze pesate” per ogni vertice siano diminuite abbastanza da raggiungere le distanze stesse?

47 Ricordiamo una proprietà delle RELAX
Se s u v e` un cammino minimo da s a v, allora: {d[u] = (s, u)} RELAX(u, v, w) {d[v] = (s, v)}

48 Ricordiamo una proprietà delle RELAX
Se s u v e` un cammino minimo da s a v, allora: {d[u] = (s, u)} RELAX(u, v, w) {d[v] = (s, v)} Possiamo dedurre che, se vi e` un vertice t la cui distanza pesata da s e` data da un cammino di lunghezza 1, d[t] sara`uguale a (s, t) dopo la prima sequenza di RELAX su tutti gli archi del grafo.

49 Ricordiamo una proprietà delle RELAX
Se s u v è un cammino minimo da s a v, allora: {d[u] = (s, u)} RELAX(u, v, w) {d[v] = (s, v)} Possiamo dedurre che, se vi e` un vertice t la cui distanza pesata da s e` data da un cammino di lunghezza 1, d[t] sarà uguale a (s, t) dopo la prima sequenza di RELAX su tutti gli archi del grafo. Generalizzando: dopo n sequenze di RELAX su tutti gli archi del grafo i vertici t per cui esiste un cammino minimo da s di lunghezza minore o uguale ad n hanno d[t] = (s, t).

50 Poichè, se nel grafo non ci sono cicli di peso negativo,
i cammini minimi hanno al massimo lunghezza |V|-1, abbiamo trovato un valore per il ?

51 Bellman-Ford (G, w, s) for i = 1 to |V|-1 do
INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to |V|-1 do for ogni arco (u, v)  E[G] do RELAX (u, v, w)

52 Bellman-Ford (G, w, s) for i = 1 to |V|-1 do
INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to |V|-1 do for ogni arco (u, v)  E[G] do RELAX (u, v, w) Complessità: O(V . E)

53 Dimostriamo che l’algoritmo è corretto

54 {G = <V, E> grafo orientato e pesato and sV and
w: E  R funzione peso and non ci sono cicli di peso negativo raggiungibili da s} Bellman-Ford (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to |V|-1 do for ogni arco (u, v)  E[G] do RELAX (u, v, w) {t  V[G] : d[t] = (s, t)}

55 {G = <V, E> grafo orientato e pesato and sV and
w: E  R funzione peso and non ci sono cicli di peso negativo raggiungibili da s} Bellman-Ford (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to |V|-1 do for ogni arco (u, v)  E[G] do RELAX (u, v, w) {t  V[G] : d[t] = (s, t)} {G è un albero di cammini minimi da s}

56 Possiamo modificare l’algoritmo in modo da eliminare
nella precondizione la richiesta che non vi siano cicli di peso negativo raggiungibili dal sorgente.

57 Possiamo modificare l’algoritmo in modo da eliminare
nella precondizione la richiesta che non vi siano cicli di peso negativo raggiungibili dal sorgente. In assenza di cicli di peso negativo raggiungibili dal sorgente, alla fine dell’algoritmo G è un albero di cammini minimi da s, allora, per ogni vertice v raggiungibile da s, è vera la seguente uguaglianza: d[v] = d[[v]] + w([v], v)

58 Possiamo modificare l’algoritmo in modo da eliminare
nella precondizione la richiesta che non vi siano cicli di peso negativo raggiungibili dal sorgente. In assenza di cicli di peso negativo raggiungibili dal sorgente, alla fine dell’algoritmo G è un albero di cammini minimi da s, allora, per ogni vertice v raggiungibile da s, è vera la seguente uguaglianza: d[v] = d[[v]] + w([v], v) Tale uguaglianza sarà vera anche in presenza di cicli di peso negativo ?

59 Esempio: A B D C E 3 5 2 - 4 - 3 1 

60 Supponiamo di eseguire le RELAX sugli archi nel seguente
Esempio: A B D C E 3 5 2 - 4 - 3 1  Supponiamo di eseguire le RELAX sugli archi nel seguente ordine: <D,B>, <E,D>, <B,E>, <C,D>, <A,B>, <A,C>

61 Dopo la prima sequenza di RELAX si ha:
<D,B>, <E,D>, <B,E>, <C,D>, <A,B>, <A,C> A B D C E 3 5 2 - 4 - 3 1 

62 <D,B>, <E,D>, <B,E>, <C,D>, <A,B>, <A,C>
3 5 3 C B 2 5 - 4  D - 3 1  E

63 <D,B>, <E,D>, <B,E>, <C,D>, <A,B>, <A,C>
3 3 5 5 C 3 C 3 2 B - 4 2 B 2 5 5 - 4 D  D - 3 5 - 3 1 1  2 E E

64 <D,B>, <E,D>, <B,E>, <C,D>, <A,B>, <A,C>
3 3 5 5 3 C 3 C 2 B - 4 2 B 2 5 5 - 4 D  D - 3 5 - 3 1 1  2 E E 3 A B D C E 3 5 2 - 4 - 3 1 -2

65 <D,B>, <E,D>, <B,E>, <C,D>, <A,B>, <A,C>
3 3 5 5 3 C 3 C 2 B - 4 2 B 2 5 5 - 4 D  D - 3 5 - 3 1 1  2 E E 3 A B D C E 3 5 2 - 4 - 3 1 -1 -4 A B D C E 3 5 2 - 4 - 3 1 -2 4

66 Bastano 4 cicli di RELAX perchè il grafo ha 5 vertici
3 5 2 - 4 - 3 1 -1 -4 [B] = D d[B] = -1 d[D] = -1 d[B] > d[D] + w(D,B)

67 Bastano 4 cicli di RELAX perchè il grafo ha 5 vertici
3 5 2 - 4 - 3 1 -1 -4 [B] = D d[B] = -1 d[D] = -1 d[B] > d[D] + w(D,B) Non e` casuale ! Si ha sempre un arco del genere in presenza di cicli di peso negativo

68 Versione finale

69 {G = <V, E> grafo orientato e pesato and sV and
w: E  R funzione peso} Bellman-Ford (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to |V|-1 do for ogni arco (u, v)  E[G] do RELAX (u, v, w) if d[v] > d[u] + w(u, v) then return “false” return “true”

70 {G = <V, E> grafo orientato e pesato and sV and
w: E  R funzione peso} Bellman-Ford (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to |V|-1 do for ogni arco (u, v)  E[G] do RELAX (u, v, w) if d[v] > d[u] + w(u, v) then return “false” return “true” {true  non ci sono cicli di peso negativo raggiungibili da s}

71 {G = <V, E> grafo orientato e pesato and sV and
w: E  R funzione peso} Bellman-Ford (G, w, s) INITIALIZE_SINGLE_SOURCE (G, s) for i = 1 to |V|-1 do for ogni arco (u, v)  E[G] do RELAX (u, v, w) if d[v] > d[u] + w(u, v) then return “false” return “true” {true  non ci sono cicli di peso negativo raggiungibili da s} {true  G è un albero di cammini minimi da s}