Algoritmi di Visita di Grafi Moreno Marzolla

Presentazione sul tema: "Algoritmi di Visita di Grafi Moreno Marzolla"— Transcript della presentazione:

1 Algoritmi di Visita di Grafi Moreno Marzolla http://www.moreno.marzolla.name/

2 Algoritmi e Strutture Dati2 Original work Copyright © Alberto Montresor, Università di Trento, Italy (http://www.dit.unitn.it/~montreso/asd/index.shtml) Modifications Copyright © 2010, Moreno Marzolla, Università di Bologna, Italy (http://www.moreno.marzolla.name/teaching/ASD2009/) This work is licensed under the Creative Commons Attribution-NonCommercial- ShareAlike License. To view a copy of this license, visit http://creativecommons.org/licenses/by-nc-sa/2.5/ or send a letter to Creative Commons, 543 Howard Street, 5th Floor, San Francisco, California, 94105, USA.

3 Algoritmi e Strutture Dati3 Attraversamento grafi ● Definizione del problema – Dato un grafo G= ed un vertice s di V (detto sorgente), visitare ogni vertice raggiungibile nel grafo dal vertice s – Ogni nodo deve essere visitato una volta sola ● Visita in ampiezza (breadth-first search) – Visita i nodi “espandendo” la frontiera fra nodi scoperti / da scoprire – Es: Cammini più brevi da singola sorgente ● Visita in profondità (depth-first search) – Visita i nodi andando il “più lontano possibile” nel grafo – Es: Componenti fortemente connesse, ordinamento topologico

4 Algoritmi e Strutture Dati4 Visita: attenzione alle soluzioni “facili” ● Prendere ispirazione dalla visita degli alberi ● Ad esempio: – utilizziamo una visita BFS basata su coda – trattiamo i “vertici adiacenti” come se fossero i “figli” algoritmo non-visita(grafo G, nodo s) coda := {s} while (coda ≠ ∅ ) do u = coda.dequeue() “visita u” for each “nodo v adiacente a u” do coda.enqueue(v) endfor endwhile Sbagliat o

5 Algoritmi e Strutture Dati5 Perché non funziona? algoritmo non-visita(grafo G, nodo s) coda := {s} while (coda ≠ ∅ ) do u = coda.dequeue() “visita u” for each “nodo v adiacente a u” do coda.enqueue(v) endfor endwhile AB DC coda = { A }

6 Algoritmi e Strutture Dati6 Perché non funziona? algoritmo non-visita(grafo G, nodo s) coda := {s} while (coda ≠ ∅ ) do u = coda.dequeue() “visita u” for each “nodo v adiacente a u” do coda.enqueue(v) endfor endwhile AB DC coda = { A } coda = { B, D }

7 Algoritmi e Strutture Dati7 Perché non funziona? algoritmo non-visita(grafo G, nodo s) coda := {s} while (coda ≠ ∅ ) do u = coda.dequeue() “visita u” for each “nodo v adiacente a u” do coda.enqueue(v) endfor endwhile AB DC coda = { A } coda = { B, D } coda = { D, A, C }

8 Algoritmi e Strutture Dati8 Perché non funziona? algoritmo non-visita(grafo G, nodo s) coda := {s} while (coda ≠ ∅ ) do u = coda.dequeue() “visita u” for each “nodo v adiacente a u” do coda.enqueue(v) endfor endwhile AB DC coda = { A } coda = { B, D } coda = { D, A, C } coda = { A, C, A, C }

9 Algoritmi e Strutture Dati9 Perché non funziona? algoritmo non-visita(grafo G, nodo s) coda := {s} while (coda ≠ ∅ ) do u = coda.dequeue() “visita u” for each “nodo v adiacente a u” do coda.enqueue(v) endfor endwhile ● Problema: questo algoritmo non termina se applicato a grafi con cicli

10 Algoritmi e Strutture Dati10 Idea ● L'algoritmo esplora il grafo a partire da un nodo s – Costruisce un albero T radicato in s che contiene tutti i nodi raggiungibili a partire da s ● Ogni vertice del grafo può essere – inesplorato: Il vertice non è ancora stato incontrato – aperto: l'algoritmo ha incontrato il vertice la prima volta – chiuso: il vertice è stato visitato completamente (tutti gli archi incidenti sono stati esplorati) ● L'algoritmo mantiene un sottoinsieme F  T – Se un nodo v sta in T-F, significa che tutti gli archi incidenti sono stati esplorati (v è chiuso) – Se un nodo v sta in F, non tutti gli archi sono stati esplorati (v è aperto) – Se un nodo non sta in T, allora è inesplorato

11 Algoritmi e Strutture Dati11 Algoritmo generico per la visita algoritmo visitaGenerica(vertice s)→albero marca tutti i vertici come inesplorati marca il vertice s come aperto inizializza la frangia F e l'albero T inserendovi s while ( F ≠  ) do estrai un vertice u da F if (u è chiuso) then continue; marca u come chiuso visita il vertice u for each arco (u,v) in G do if (v è inesplorato) then marca v come aperto inserisci v in F e (u,v) in T elseif (serveAggiornamento per via di (u,v)) then aggiorna F considerando l'arco (u,v) aggiorna l'albero T mettendo u come nuovo padre di v endif endfor endwhile return T

12 Algoritmi e Strutture Dati12 Algoritmo generico per la visita (semplificato) algoritmo visita(G, s)→albero rendi “non marcati” tutti i vertici T := s F := { s } “marca” il vertice s while (F ≠  ) do u := F.extract() “visita il vertice u” for each v adiacente a u do if (v non è marcato) then marca il vertice v F.insert(v) v.parent := u endif endfor endwhile return T ● F è l'insieme frontiera (o frangia) ● Il funzionamento di extract() e insert() non è specificato ● T è l'albero che viene costruito dalla visita ● v.parent è il padre di v nell'albero T

13 Algoritmi e Strutture Dati13 Algoritmo generico per la visita ● Alcune cose da notare: – I nodi vengono visitati al più una volta (marcatura) – Tutti i nodi raggiungibili da s vengono visitati ● Ne segue che T è un albero che contiene esattamente tutti i nodi raggiungibili da s – Ciascun arco viene “percorso” al piú due volte nel caso dei grafi non orientati ( {u,v}, {v,u} ). – La visita avviene in base all'ordine di estrazione ● Complessità – O(n+m)liste di adiacenza – O(n 2 )matrice di adiacenza – n è il numero di vertici, m è il numero di archi

14 Algoritmi e Strutture Dati14 Visita in ampiezza (breadth first search, BFS) ● Cosa vogliamo fare? – Visitare i nodi a distanze crescenti dalla sorgente ● visitare i nodi a distanza k prima di visitare i nodi a distanza k+1 – Generare un albero BF (breadth-first) ● albero contenente tutti i vertici raggiungibili da s e tale che il cammino da s ad un nodo nell'albero corrisponde al cammino più breve nel grafo – Calcolare la distanza minima da s a tutti i vertici raggiungibili ● numero di archi attraversati per andare da s ad un vertice raggiungibile a partire da s

15 Algoritmi e Strutture Dati15 Visita in ampiezza (breadth first search, BFS)

16 Algoritmi e Strutture Dati16 Visita in ampiezza (breadth first search, BFS)

17 Algoritmi e Strutture Dati17 Visita in ampiezza (breadth first search, BFS)

18 Algoritmi e Strutture Dati18 Visita in ampiezza (breadth first search, BFS)

19 Algoritmi e Strutture Dati19 Visita in ampiezza (breadth first search, BFS)

20 Algoritmi e Strutture Dati20 Visita in ampiezza (breadth first search, BFS) algoritmo BFS(Grafo G, vertice s)→albero for each v in V do v.mark := false T := s F := new Queue() F.enqueue(s) s.mark := true s.dist := 0 while (F ≠  ) do u := F.dequeue() “visita il vertice u” for each v adiacente a u do if (not v.mark) then v.mark := true v.dist := u.dist+1 F.enqueue(v) v.parent := u endif endfor endwhile return T ● Insieme F gestito tramite una coda ● v.mark è la marcatura del nodo v ● v.dist è la distanza del nodo v dal vertice s

21 Algoritmi e Strutture Dati21 Esempio A B C E G F H I L D M Coda:{F} 0

22 Algoritmi e Strutture Dati22 Esempio A B C E G F H I L D M Coda:{B,D,I} 0 1 1 1

23 Algoritmi e Strutture Dati23 Esempio A B C E G F H I L D M Coda:{D,I,C,A} 0 1 1 1 2 2

24 Algoritmi e Strutture Dati24 Esempio A B C E G F H I L D M Coda:{I,C,A,E} 0 1 1 1 2 2 2

25 Algoritmi e Strutture Dati25 Esempio A B C E G F H I L D M Coda:{C,A,E,H} 0 1 1 1 2 2 2 2

26 Algoritmi e Strutture Dati26 Esempio A B C E G F H I L D M Coda:{A,E,H} 0 1 1 1 2 2 2 2

27 Algoritmi e Strutture Dati27 Esempio A B C E G F H I L D M Coda:{E,H} 0 1 1 1 2 2 2 2

28 Algoritmi e Strutture Dati28 Esempio A B C E G F H I L D M Coda:{H,G} 0 1 1 1 2 2 2 2 3

29 Algoritmi e Strutture Dati29 Esempio A B C E G F H I L D M Coda:{G} 0 1 1 1 2 2 2 2 3

30 Algoritmi e Strutture Dati30 Esempio A B C E G F H I L D M Coda:{} 0 1 1 1 2 2 2 2 3

31 Algoritmi e Strutture Dati31 Esempio A B C E G F H I L D M Coda:{} 0 1 1 1 2 2 2 2 3

32 Algoritmi e Strutture Dati32 Esempio A B C E G F H I D 0 1 1 1 2 2 2 2 3 F BDI ACE G H Albero prodotto dalla visita BFS

33 Algoritmi e Strutture Dati33 Applicazioni algoritmo print-path(G, s, v) if (v = s) then print s else if (v.parent = nil) then print “no path from s to v” else print-path(G, s, v.parent) print v endif ● La visita BFS può essere utilizzata per ottenere il percorso più breve (minor numero di archi attraversati) fra due vertici ● Ad esempio, il seguente pseudocodice stampa un cammino piú breve tra due nodi s e v – il grafo G è stato precedentemente visitato con l'algoritmo BFS a partire da s e l'albero della visita T è stato creato

34 Algoritmi e Strutture Dati34 Esempio cammino piú breve da F a G A B C E G F H I D

35 Algoritmi e Strutture Dati35 Esempio cammino piú breve da F a G A B C E G F H I D I.parent

36 Algoritmi e Strutture Dati36 Esempio print-path(G, s, v) A B C E G F H I D algoritmo print-path(G, s, v) if v = s then print s else if v.parent = nil then print “no path from s to v” else print-path(G,s,v.parent) print v endif s v

37 Algoritmi e Strutture Dati37 Esempio Percorso piú breve per uscire dal labirinto? e u

38 Algoritmi e Strutture Dati38 Esempio Percorso piú breve per uscire dal labirinto? a b c e d g f h i j a b c e d g fh i j

39 Algoritmi e Strutture Dati39 Visita in profondità (depth first search, DFS) ● Visita in profondità – Utilizzata per coprire l'intero grafo, non solo i nodi raggiungibili da una singola sorgente (diversamente da BFS) ● Output – Invece di un albero, una foresta DF (depth-first) G π =(V,E π ) ● Contenente un insieme di alberi DF – Informazioni addizionali sul tempo di visita ● Tempo di scoperta di un nodo ● Tempo di “terminazione” di un nodo

40 Algoritmi e Strutture Dati40 Visita in profondità (depth first search, DFS) ● Nodi bianchi = inesplorati ● Nodi grigi = aperti ● Nodi neri = chiusi algoritmo DFS-visit(vertice u) u.mark := gray; time := time+1; u.dt := time; for each v adiacente a u do if (v.mark = white) then v.parent := u; DFS-visit(v); endif endfor “visita il vertice u” time := time+1; u.ft := time; u.mark := black;

41 Algoritmi e Strutture Dati41 Visita in profondità (depth first search, DFS) global time := 0; // var.globale algoritmo DFS(Grafo G) for each u in V do u.mark := white; u.parent := nil; endfor for each u in V do if (u.mark == white) then DFS-visit(u); endif endfor ● Versione ricorsiva ● time è una variabile globale che contiene il numero di “passi” dell'algoritmo ● v.dt (discovery time): è il tempo in cui il nodo è stato scoperto ● v.ft (finish time): è il tempo in cui il la visita del nodo termina

42 Algoritmi e Strutture Dati42 Esempio A B C E G F H I L D [1, ] M

43 Algoritmi e Strutture Dati43 Esempio A B C E G F H I L D [1, ] [2, ] M

44 Algoritmi e Strutture Dati44 Esempio A B C E G F H I L D [1, ] [2, ] [3, ] M

45 Algoritmi e Strutture Dati45 Esempio A B E G F H I L D [4, ] [1, ] [2, ] [3, ] C M

46 Algoritmi e Strutture Dati46 Esempio A B G F H I L D [4, ] [1, ] [2, ] [3, ] [5, ] C E M

47 Algoritmi e Strutture Dati47 Esempio A B C E G F H I L D [4, ] [1, ] [2, ] [3, ] [6, ] [5, ] M

48 Algoritmi e Strutture Dati48 Esempio A B C E G F H I L D [4, ] [1, ] [2, ] [3, ] [6, 7] [5, ] M

49 Algoritmi e Strutture Dati49 Esempio [1, ] A B C E G F H I L D [4, ] [2, ] [3, ] [6, 7] [5, ] [8, ] M

50 Algoritmi e Strutture Dati50 Esempio [1, ] A B C E G F H I L D [4, ] [2, ] [3, ] [6, 7] [5, ] [8, ] [9, ] M

51 Algoritmi e Strutture Dati51 Esempio [1, ] A B C E G F H I L D [4, ] [2, ] [3, ] [6, 7] [5, ] [8, ] [9, ] [10, ] M

52 Algoritmi e Strutture Dati52 Esempio [1, 18] A B C E G F H I L D M [4,15] [2, 17] [3, 16] [6, 7] [5,14 ] [8, 13] [9, 12] [10, 11]

53 Algoritmi e Strutture Dati53 Esempio L M [19, ] [1, 18] A B C E G F H I D [4,15] [2, 17] [3, 16] [6, 7] [5,14 ] [8, 13] [9, 12] [10, 11]

54 Algoritmi e Strutture Dati54 Esempio [1, 18] A B C E G F H I D [4,15] [2, 17] [3, 16] [6, 7] [5,14 ] [8, 13] [9, 12] [10, 11] L M [19, ] [20, ]

55 Algoritmi e Strutture Dati55 Esempio [1, 18] A B C E G F H I D [4,15] [2, 17] [3, 16] [6, 7] [5,14 ] [8, 13] [9, 12] [10, 11] L M [19, 22] [20, 21]

56 Algoritmi e Strutture Dati56 Proprietà della visita DFS Teorema delle parentesi ● In una qualsiasi visita di profondità di un grafo G=(V,E), per ogni coppia di vertici u,v, una sola delle seguenti condizioni è vera: – Gli intervalli [u.dt, u.ft] e [v.dt, v.ft] sono disgiunti  u,v non sono discendenti l'uno dell'altro nella foresta DF – L'intervallo [u.dt, u.ft] è interamente contenuto in [v.dt, v.ft]  u è discendente di v in un albero DF – L'intervallo [v.dt, v.ft] è interamente contenuto in [u.dt, u.ft]  v è discendente di u in un albero DF ● Corollario – Il vertice v è un discendente del vertice u nella foresta DF per un grafo G se e soltanto se: u.dt < v.dt < v.ft < u.ft

57 Algoritmi e Strutture Dati57 Foresta DFS F B A D E CG H I M L – Gli intervalli [u.dt, u.ft] e [v.dt, v.ft] sono disgiunti  u,v non sono discendenti nella foresta DF – [u.dt, u.ft] è interamente contenuto in [v.dt, v.ft]  u è discendente di v in un albero DF – [v.dt, v.ft] è interamente contenuto in [u.dt, u.ft]  v è discendente di u in un albero DF [1,18] [2,17] [3,16] [4,15] [5,14] [6,7][8,13] [9,12] [10,11 ] [19,22 ] [20,21 ]

58 Algoritmi e Strutture Dati58 Applicazioni DFS ● Individuare – le componenti connesse di un grafo non orientato – le componenti fortemente connesse di un grafo orientato

59 Algoritmi e Strutture Dati59 Componenti connesse (grafo non orientato) ● Due vertici u e v appartengono alla stessa componente connessa se u è raggiungibile da v ● La relazione “u è raggiungibile da v” è di equivalenza – Riflessiva ● u è raggiungibile da se stesso – Simmetrica ● Se u è raggiungibile da v, allora esiste un cammino che connette u e v. Tale cammino può essere percorso a ritroso per dimostrare che v è raggiungibile da u – Transitiva ● Se u è raggiungibile da v, e v è raggiungibile da w, allora u è raggiungibile da w.

60 Algoritmi e Strutture Dati60 Componenti connesse (grafo non orientato) ● Poiché la relazione di raggiungibilità è di equivalenza, possiamo concludere che tutti i nodi raggiungibili (mediante visita DFS o BFS) da un nodo sorgente u (incluso u) appartengono alla stessa componente connessa

61 Algoritmi e Strutture Dati61 Componenti connesse (grafo non orientato) ● Per testare se un grafo non orientato è connesso possiamo: – usare l’algoritmo DFS-visit() o BFS() ● Nel caso dell'algoritmo DFS() è necessario applicare solo l'algoritmo DFS-visit(), in modo da fermarsi dopo l'esplorazione della prima componente connessa – il grafo è connesso se e solo se una chiamata di DFS-visit() raggiungerà tutti i vertici. ● Una chiamata di DFS-visit() raggiungerà tutti i vertici contenuti esattamente in una componente connessa

62 Algoritmi e Strutture Dati62 Componenti Connesse algoritmo CC(G) for each u in V do u.cc := -1; u.parent := NIL; endfor k := 0; for each u in V do if (u.cc < 0) then CC-visit(u,k); k := k+1; endif endfor algoritmo CC-visit(u, k) u.cc := k; for each v adiacente a u do if (v.cc < 0) then v.parent := u; CC-visit(v, k); endif endfor Etichetta con il valore k tutti i nodi della stessa componente connessa cui appartiene u

63 Algoritmi e Strutture Dati63 Applicazione: floodfill

64 Algoritmi e Strutture Dati64 Applicazione: floodfill

65 Algoritmi e Strutture Dati65 Componenti fortemente connesse (Strongly Connected Components) ● Ricordiamo: un grafo orientato G è fortemente connesso se ogni coppia di vertici è connessa da un cammino A B C E D F A B C E D F Questo grafo orientato è fortemente connesso. Questo grafo orientato non è fortemente connesso; ad es., non esiste cammino da D a A.

66 Algoritmi e Strutture Dati66 Nel mondo reale

67 Algoritmi e Strutture Dati67 Nel mondo reale

68 Algoritmi e Strutture Dati68 Componenti fortemente connesse (grafo orientato) ● u e v appartengono alla stessa componente fortemente connessa se e solo se esiste un cammino (orientato) che connette u con v e viceversa ● La relazione di connettività forte è di equivalenza – Riflessiva ● u è raggiungibile da se stesso per definizione – Simmetrica ● Se u è fortemente connesso a v, allora esiste un cammino (orientato) che connette u e v e viceversa. Quindi anche v è fortemente connesso a u. – Transitiva ● Se u è fortemente connesso a v, e v è fortemente connesso a w, allora u è fortemente connesso a w. uv uv w

69 Algoritmi e Strutture Dati69 Idea ● Due nodi u e v appartengono alla stessa componente fortemente connessa se e solo se valgono entrambe le seguenti proprietà – Esiste un cammino u →→ v ● cioè v è discendente di u in una visita DF che usa u come sorgente – Esiste un cammino v→→u ● cioè u è discendente di v in una visita DF che usa v come sorgente

70 Algoritmi e Strutture Dati70 Idea ● A(x) = insieme degli antenati del nodo x – cioè insieme di tutti i nodi da cui si può raggiungere x ● D(x) = insieme dei discendenti del nodo x – cioè insieme di tutti i nodi che si possono raggiungere da x ● Per individuare la componente fortemente connessa cui appartiene x, è sufficiente calcolare l'intersezione A(x)  D(x)

71 Algoritmi e Strutture Dati71 Idea ● Come calcolare D(x)? – D(x) include i nodi raggiungibili da una visita (DF o BF, poco importa) usando x come sorgente ● Come calcolare A(x)? – È sufficiente invertire la direzione di tutti gli archi, ed effettuare una nuova visita (DF o BF) usando ancora x come sorgente ● Nota: il calcolo di A(x) o D(x) richiede tempo O(n+m) x x

72 Algoritmi e Strutture Dati72 Algoritmo (schematico) algoritmo SCC(Grafo G, nodo x)→lista di nodi L := lista vuota di nodi (1)Esegui DFS(G, x) marcando i nodi visitati (2)Calcola il grafo trasposto G T (inverti la direzione degli archi di G) (3)Esegui DFS(G T, x), mettendo in L i nodi visitati che sono stati marcati durante (1) return L ● (1) costa O(n+m) ● (2) costa O(n+m) ● (3) costa O(n+m)

73 Algoritmi e Strutture Dati73 Calcolo di tutte le componenti fortemente connesse ● Per calcolare tutte le SCC di un grafo G è necessario eseguire l'algoritmo SCC(G,x) per ogni nodo x  V – Ogni esecuzione di SCC(G,x) costa O(n+m) ● Costo complessivo: O(nm+n 2 ) – Esiste un algoritmo più sofisticato che elenca tutte le SCC di un grafo G in tempo complessivo O(n+m)