7. Skojarzenia w grafach. 7.1 Definicje i twierdzenia

Transkrypt

1 p. 7. Skojarzenia w grafach 7.1 Definicje i twierdzenia

2 p. 7. Skojarzenia w grafach 7.1 Definicje i twierdzenia Definicja (Skojarzenie w grafie). Podzbiór M zbioru krawędzi E(G) nazywamy skojarzeniem grafu G jeżeli M nie zawiera pętli i żadne dwie krawędzie z M nie sa przyległe. Dwa końce krawędzi z M sa skojarzone przez M.

3 p. 7. Skojarzenia w grafach 7.1 Definicje i twierdzenia Definicja (Skojarzenie w grafie). Podzbiór M zbioru krawędzi E(G) nazywamy skojarzeniem grafu G jeżeli M nie zawiera pętli i żadne dwie krawędzie z M nie sa przyległe. Dwa końce krawędzi z M sa skojarzone przez M. Mówimy, że skojarzenie M nasyca wierzchołek v (lub, że v jest M-nasycony) jeżeli pewna krawędź z M jest incydentna z v; w przeciwnym razie wierzchołek v jest M-nienasycony.

4 p. Definicja (Skojarzenie doskonałe i największe). Jeżeli skojarzenie M nasyca każdy wierzchołek grafu G, to M nazywamy skojarzeniem doskonałym. Natomiast M jest skojarzeniem największym jeżeli graf G nie ma skojarzenia M takiego, że M > M.

5 p. Definicja (Skojarzenie doskonałe i największe). Jeżeli skojarzenie M nasyca każdy wierzchołek grafu G, to M nazywamy skojarzeniem doskonałym. Natomiast M jest skojarzeniem największym jeżeli graf G nie ma skojarzenia M takiego, że M > M. Oczywiście każde skojarzenie doskonałe jest największe, chociaż nie zawsze skojarzenie największe jest doskonałe

6 p. Definicja (Skojarzenie doskonałe i największe). Jeżeli skojarzenie M nasyca każdy wierzchołek grafu G, to M nazywamy skojarzeniem doskonałym. Natomiast M jest skojarzeniem największym jeżeli graf G nie ma skojarzenia M takiego, że M > M. Oczywiście każde skojarzenie doskonałe jest największe, chociaż nie zawsze skojarzenie największe jest doskonałe Definicja. Ścieżkę, do której należa na przemian krawędzie z M i M c, gdzie M c = E(G) M, nazywać będziemy ścieżka M -przemienna. Jeżeli poczatek i koniec M -przemiennej ścieżki jest M -nienasycony, to nazywamy ja ścieżka M -powiększajac a.

7 p. Twierdzenie (Petersen, Berge). Skojarzenie M w grafie G jest największe wtedy i tylko wtedy, gdy G nie zawiera ścieżki M -powiększajacej.

8 p. Twierdzenie (Petersen, Berge). Skojarzenie M w grafie G jest największe wtedy i tylko wtedy, gdy G nie zawiera ścieżki M -powiększajacej.

9 7.2 Skojarzenia w grafach dwudzielnych p.

10 p. 7.2 Skojarzenia w grafach dwudzielnych klasyczny mini-maxowy zwiazek podany przez Königa (191) charakteryzuje rozmiar (moc) największego skojarzenia (α (G)) w grafie dwudzielnym

11 p. 7.2 Skojarzenia w grafach dwudzielnych klasyczny mini-maxowy zwiazek podany przez Königa (191) charakteryzuje rozmiar (moc) największego skojarzenia (α (G)) w grafie dwudzielnym Definicja. Podzbiór U zbioru V (G) nazywamy pokryciem wierzchołkowym (krawędzi) jeżeli każda krawędź grafu G ma przynajmniej jeden koniec w U (moc najmniejszego pokrycia wierzchołkowego oznaczamy przez β(g)).

12 p. 7.2 Skojarzenia w grafach dwudzielnych klasyczny mini-maxowy zwiazek podany przez Königa (191) charakteryzuje rozmiar (moc) największego skojarzenia (α (G)) w grafie dwudzielnym Definicja. Podzbiór U zbioru V (G) nazywamy pokryciem wierzchołkowym (krawędzi) jeżeli każda krawędź grafu G ma przynajmniej jeden koniec w U (moc najmniejszego pokrycia wierzchołkowego oznaczamy przez β(g)). Twierdzenie (König, 191). W grafie dwudzielnym G moc największego skojarzenia jest równa mocy najmniejszego pokrycia wierzchołkowego, tzn. α (G) = β(g)

13 p. Wniosek (Twierdzenie Frobeniusa, 1917). Dwudzielny graf G ma skojarzenie doskonałe wtedy i tylko wtedy gdy każde pokrycie wierzchołkowe ma rozmiar co najmniej V (G) /2.

14 p. Wniosek (Twierdzenie Frobeniusa, 1917). Dwudzielny graf G ma skojarzenie doskonałe wtedy i tylko wtedy gdy każde pokrycie wierzchołkowe ma rozmiar co najmniej V (G) /2. Dowód. Wynika bezpośrednio z twierdzenia Königa, ponieważ graf G ma skojarzenie doskonałe wtedy i tylko wtedy gdy α (G) V /2.

15 p. Wniosek (Twierdzenie Frobeniusa, 1917). Dwudzielny graf G ma skojarzenie doskonałe wtedy i tylko wtedy gdy każde pokrycie wierzchołkowe ma rozmiar co najmniej V (G) /2. Dowód. Wynika bezpośrednio z twierdzenia Königa, ponieważ graf G ma skojarzenie doskonałe wtedy i tylko wtedy gdy α (G) V /2. Wniosek (Twierdzenie o parach małżeńskich). Jeżeli G jest k-regularnym grafem dwudzielnym (k > 0), to G ma skojarzenie doskonałe.

16 p. Wniosek (Twierdzenie Frobeniusa, 1917). Dwudzielny graf G ma skojarzenie doskonałe wtedy i tylko wtedy gdy każde pokrycie wierzchołkowe ma rozmiar co najmniej V (G) /2. Dowód. Wynika bezpośrednio z twierdzenia Königa, ponieważ graf G ma skojarzenie doskonałe wtedy i tylko wtedy gdy α (G) V /2. Wniosek (Twierdzenie o parach małżeńskich). Jeżeli G jest k-regularnym grafem dwudzielnym (k > 0), to G ma skojarzenie doskonałe. Dowód. Jeżeli graf G jest k-regularnym grafem dwudzielnym to każdy jego wierzchołek jest incydentny z dokładnie k krawędziami. Ponieważ E(G) = k V (G) /2, więc potrzebujemy co najmniej V (G) /2 wierzchołków aby pokryć wszystkie krawędzie. Zatem z twierdzenia Frobeniusa wynika, że w G istnieje skojarzenie doskonałe.

17 p. Algorytm węgierski Dane: graf dwudzielny G (V = (X,Y )) oraz skojarzenie M Poszukiwane: największe skojarzenie w grafie G 1. Zorientuj każda krawędź e = xy, gdzie x X, y Y grafu G w następujacy sposób: (a) jeżeli e M to zorientuj e od y do x (b) jeżeli e M to zorientuj e od x do y 2. Znajdź zbiory X M i Y M wierzchołków M-nienasyconych w zbiorach, odpowiednio, X i Y.

18 p. Znajdź ścieżkę M-powiększajac a P, poprzez wyznaczenie skierowanej ścieżki (o ile taka istnieje) z X M do Y M, M M E(P) i przejdź do kroku 1, w przeciwnym razie STOP. Twierdzenie. Największe skojarzenie w grafie dwudzielnym można znaleźć w czasie O(nm). Dowód. Zauważmy, że w powyższym algorytmie mamy co najwyżej n iteracji, z których każda może być wykonana, za pomoca algorytmu BFS, w czasie O(m)

19 p.

20 p. 1

21 p. 1

22 p. 1

23 p. 1

24 4 / YM 4 / YM p. 1 G = ((X, Y ), E) M XM YM e = xy E XM XM {x}; YM YM {y} e M! yx "e e xy # XM - 1% '+ 2 $ 1 1 * 0 XM X \ XM; YM Y \ YM exists exists { P M M E(P) exists - '+./,+ ( '+ '( )* $ %& XM - 1% '+ 2 $ 1 1 * 0 - '+./ 5 *1( 4 /0/ " " " 6 6 "(M)

25 p. 1 Kolejny algorytm dowodzi, że można poprawić czas znajdowania skojarzenia o największej mocy do następujacych wartości:

26 p. 1 Kolejny algorytm dowodzi, że można poprawić czas znajdowania skojarzenia o największej mocy do następujacych wartości: Twierdzenie. Największe skojarzenie w grafie dwudzielnym można znaleźć w czasie O(n 1/2 m). Twierdzenie. Największe skojarzenie w grafie dwudzielnym można znaleźć w czasie O(β(G) 1/2 m) = O(α (G) 1/2 m).

27 p. 1 Algorytm ścieżkowy Dane: graf dwudzielny G (V = (X,Y )) Poszukiwane: skojarzenie M o najwiekszej mocy w G 1. Utwórz z grafu G digraf D poprzez nadanie wszystkim krawędziom grafu G orientacji od zbioru X do zbioru Y. 2. Dodaj dwa nowe wierzchołki s oraz t i nowe łuki: od wierzchołka s do wszystkich wierzchołków z X, oraz od każdego wierzchołka z Y do wierzchołka t.. Znajdź wszystkie wewnętrznie wierzchołkowo rozłaczne ścieżki z s do t (w czasie O(n 1/2 m) lub O(β(G) 1/2 m)) 4. Zalicz do M wszystkie krawędzie grafu G należace do znalezionej rodziny ścieżek.

28 p. 1

29 p. 1

30 p. 1 s t

31 p. 2 s t

32 p. 2

33 Q G = ((X, Y ), E) P I O M NG E L JK I H D EFG B A? < => ; : 789 VD X Y {s, t} ED E x X > U T R :;S ED ED {sx} y Y ED ED {ys} V : > U T R :;S V : WD \ i ] ]^ h b g (s, t) Y_^ b efy d a Wd \d e cd ]^ayb W ]^ [a Y_ ` _ W ]^W^ \ [ X X W YZ S M S E (M) = j;k S ; p. 2

34 p. 2 Dla każdego zbioru S V (G) przez zbiór jego sasiadów N G (S) rozumiemy zbiór wszystkich wierzchołków przyległych do wierzchołków z S. Twierdzenie (Hall). Niech G będzie grafem dwudzielnym z dwupodziałem (X, Y ). Graf G zawiera skojarzenie, które nasyca każdy wierzchołek w X wtedy i tylko wtedy, gdy N G (S) S dla każdego S X

35 p. 2 Dla każdego zbioru S V (G) przez zbiór jego sasiadów N G (S) rozumiemy zbiór wszystkich wierzchołków przyległych do wierzchołków z S. Twierdzenie (Hall). Niech G będzie grafem dwudzielnym z dwupodziałem (X, Y ). Graf G zawiera skojarzenie, które nasyca każdy wierzchołek w X wtedy i tylko wtedy, gdy N G (S) S dla każdego S X

36 p. 2 Dla każdego zbioru S V (G) przez zbiór jego sasiadów N G (S) rozumiemy zbiór wszystkich wierzchołków przyległych do wierzchołków z S. Twierdzenie (Hall). Niech G będzie grafem dwudzielnym z dwupodziałem (X, Y ). Graf G zawiera skojarzenie, które nasyca każdy wierzchołek w X wtedy i tylko wtedy, gdy N G (S) S dla każdego S X

37 p. 2 Problem przydziału zadań Problem: znajdź w grafie dwudzielnym z V = (X,Y ) skojarzenie nasycajace każdy wierzchołek X lub, jeżeli nie jest to możliwe, znajdź podzbiór S zbioru X taki, że N G (S) < S. Dane: graf dwudzielny G (V = (X,Y )) oraz skojarzenie M 1. Jeżeli M nasyca wszystkie wierzchołki X, to STOP. W przeciwnym razie niech u, (u X) będzie M-nienasycony. S {u}, T. 2. Jeżeli N G (S) = T, to N G (S) < S i STOP - nie ma szukanego skojarzenia. W przeciwnym razie niech y N G (S) T.

38 p. 2 Jeżeli y jest M-nasycony, yz M, to S S {z}, T T {y} i przejdź do kroku 2. W przeciwnym razie niech P będzie M-przemienna ścieżka powiększajac a z u do y, M M E(P) i przejdź do kroku 1. Przykład. Wyznacz skojarzenie doskonałe, jeżeli takie istnieje, w grafie: x 1 x 2 x x 4 x 5 y 1 y 2 y y 4 y 5

39 G = ((X, Y ), E) ƒ } {~ } y z{ w x u v u v t q rs p o lmn M p. 2 M X u M S {u}; T sqm X Š Ž Œ Ž Š ˆ r p NG(S) = T q Š Œ ) Œ Ÿ Œ ž Œ œ Š ( r pš p š s r T NG(S) Ž y y M o q Œ Ž ˆ {y} T T {z}; S S š s r Œ Ž Š ˆ y M P M M M E(P) (M) q m r š y u Œ Š Œ Š Œ Š ˆ r pš p

40 p. 2 Przykład x x x x x y y y y y

41 p. Przykład x x x x x y y y y y

42 p. Przykład x x x x x y y y y y

43 p. Przykład x x x x x y y y y y

44 p. Przykład x x x x x y y y y y

45 p. Przykład B x x x x x y y y y y

46 p. Przykład B x x x x x y y y y y

47 p. Przykład B x x x x x y y y y y

48 p. Przykład B x x x x x y y y y y

49 p. Przykład B x x x x x y y y y y

50 p. Przykład B x x x x x y y y y y

51 p. 4 Przykład B x x x x x y y y y y

52 p Skojarzenia w ważonych grafach dwudzielnych Niech będzie dany graf dwudzielny G = (V,E), gdzie V = (X,Y ), oraz niech w : E R + przyporzadkowuje nieujemne wagi rzeczywiste krawędziom grafu G. Problem: znajdź w grafie dwudzielnym G skojarzenie M o maksymalnej wadze, gdzie w(m) = e M w(e) Wprowadźmy funkcję l określona na zbiorze wierzchołków V = X Y : l : V R + taka, że dla każdego x X i dla każdego y Y l(x) + l(y) w(xy), (1) gdzie w(xy) jest waga krawędzi xy.

53 p. 4 Przykładem funkcji l spełniajacej warunek (1) może być funkcja : l(x) := max y Y w(xy) x X oraz l(y) := 0 y Y Twierdzenie (Egerváry, 191). Maksymalna waga skojarzenia w G = (V,E) jest równa l (V ) = v V l (v), gdzie l (V ) = min l L l(v ), natomiast L oznacza klasę funkcji spełniajacych warunek (1). Dowód. (szkic) Niech M będzie dowolnym skojarzeniem w G i niech l L. Wtedy w(m) = w(e) = + l(y)) e M e=xy M(l(x) l(v). (2) v V

54 p. 4 Aby pokazać, że w (2) zachodzi równość, przyjmijmy, że l jest funkcja z L osiagaj ac a minimalna wartość l (V ).

55 p. 4 Aby pokazać, że w (2) zachodzi równość, przyjmijmy, że l jest funkcja z L osiagaj ac a minimalna wartość l (V ). Oznaczmy przez F zbiór krawędzi grafu G dla których w (1) mamy równość, a przez R zbiór wierzchołków v dla których l (v) > 0.

56 p. 4 Aby pokazać, że w (2) zachodzi równość, przyjmijmy, że l jest funkcja z L osiagaj ac a minimalna wartość l (V ). Oznaczmy przez F zbiór krawędzi grafu G dla których w (1) mamy równość, a przez R zbiór wierzchołków v dla których l (v) > 0. Jeżeli F zawiera skojarzenie M pokrywajace R, to wtedy w(m ) = e M w(e) = v V l (v) = l (V ).

57 p. 4 Aby pokazać, że w (2) zachodzi równość, przyjmijmy, że l jest funkcja z L osiagaj ac a minimalna wartość l (V ). Oznaczmy przez F zbiór krawędzi grafu G dla których w (1) mamy równość, a przez R zbiór wierzchołków v dla których l (v) > 0. Jeżeli F zawiera skojarzenie M pokrywajace R, to wtedy w(m ) = e M w(e) = v V l (v) = l (V ). Jeżeli F nie zawiera skojarzenia M pokrywajacego R, to można pokazać, że musi istnieć zbór niezależny S R taki, że N(S) < S. Wtedy α > 0 takie, że l(v) l(v) α dla v S, l(v) l(v) + α gdy v N(S), otrzymujemy mniejsze l, czyli sprzeczność!

58 p. 4 Algorytm węgierski Dane: ważony graf dwudzielny G (V = (X,Y )) oraz skojarzenie M Poszukiwane: skojarzenie M takie, że w(m) jest największa 1. Zorientuj każda krawędź e = xy, gdzie x X, y Y grafu G w następujacy sposób: (a) jeżeli e M to zorientuj e od y do x i przyjmij w(e) za długość łuku (b) jeżeli e M to zorientuj e od x do y i przyjmij w(e) za długość łuku 2. Znajdź zbiory X M i Y M wierzchołków M-nienasyconych w zbiorach, odpowiednio, X i Y.

59 p. 4 Znajdź najkrótsza ścieżkę M-powiększajac a P, poprzez wyznaczenie najkrótszej skierowanej ścieżki z X M do Y M, M M E(P). Jeżeli znaleziona najkrótsza ścieżka ma ujemna długość to przejdź do kroku 1, w przeciwnym razie STOP.

60 p. 4 Znajdź najkrótsza ścieżkę M-powiększajac a P, poprzez wyznaczenie najkrótszej skierowanej ścieżki z X M do Y M, M M E(P). Jeżeli znaleziona najkrótsza ścieżka ma ujemna długość to przejdź do kroku 1, w przeciwnym razie STOP. Twierdzenie. Skojarzenie w ważonym grafie dwudzielnym znalezione za pomoca algorytmu węgierskiego jest ekstremalne.

61 p. 4 Znajdź najkrótsza ścieżkę M-powiększajac a P, poprzez wyznaczenie najkrótszej skierowanej ścieżki z X M do Y M, M M E(P). Jeżeli znaleziona najkrótsza ścieżka ma ujemna długość to przejdź do kroku 1, w przeciwnym razie STOP. Twierdzenie. Skojarzenie w ważonym grafie dwudzielnym znalezione za pomoca algorytmu węgierskiego jest ekstremalne. Twierdzenie. Algorytm węgierski znajduje skojarzenie o największej wadze w ważonym grafie dwudzielnym w czasie O(n 2 m) Dowód. Zauważmy, że w powyższym algorytmie mamy co najwyżej n iteracji, z których każda może być wykonana za pomoca algorytmu Bellmana-Forda (znajdowanie najkrótszej ścieżki z X M do Y M ), w czasie O(nm).

62 Þ Ù YM Þ Ù YM p. 4 Å E) ), Y ((X, = G Ä ¼ à ¾ À Á ½ ¼ º» ¹ µ ³ ³ ±² ª«M È Æ Ç Æ XM YM e = xy E XM XM {x}; YM YM {y} e M ± È Ê É Æ É Ë w(e) ) w( e yx; ÆÌe ± w(e) ) w( e xy; e «Í Æ Æ XM Ý ÛÏ ÑÕ Ü Î Û Û Ô Ú XM X \ XM; YM Y \ YM exists exists { P ÑÕØÙ ÖÕ Ò ÑÕ ÑÒ ÓÔ Î ÏÐ É XM Ý ÛÏ ÑÕ Ü Î Û Û Ô Ú ÑÕ ØÙ ß ÓÒÏÛÒ Ö Ø Û Ô ± ÆÌ M M E( P ) 0 < ) w( P exists Ì «Ì à à Ì(M) Æ

63 p. 4 Problem optymalnego przydziału zadań Oznaczmy przez E l zbiór krawędzi E l = {xy E(G) : l(x) + l(y) = w(xy)} a przez G l odpowiedni rozpięty podgraf grafu G. Dane: graf dwudzielny G = (V,E), V = (X,Y ) z wagami na krawędziach, funkcja etykietujaca wierzchołki l, graf G l oraz jego skojarzenie M Poszukiwane: skojarzenie o maksymalnej wadze nasycajace zbiór wierzchołków X (skojarzenie optymalne)

64 p. 4 Algorytm Kuhna - Munkresa - (Edmondsa) 1. Jeżeli M nasyca wszystkie wierzchołki X, to M jest skojarzeniem optymalnym - STOP. W przeciwnym razie niech u, (u X) będzie M-nienasyconym wierzchołkiem, S := {u}, T := 2. Jeżeli T N Gl (S), to przejdź do kroku. Jeżeli T = N Gl (S), to obliczamy α = min {l(x) + l(y) w(xy)} (α > 0) x S, y Y T l (v) l(v) α, dla v S; l (v) l(v) + α, dla v T; l (v) l(v) dla wszystkich v poza S i poza T; G l G l

65 p. 4 Wybieramy y N Gl (S) T. Jeżeli y jest M-nasycony, yz M, to S S {z}, T T {y} i przejdź do kroku 2. W przeciwnym razie mamy M-powiększajac a ścieżkę P z u do y w G l ; M M E(P) i przejdź do kroku 1. Przykład. Wyznaczyć optymalne skojarzenie (skojarzenie doskonałe o maksymalnej wadze) w grafie o macierzy wag: x 1 x 2 x x 4 x 5 y y y y y

66 èú S S {z}; T T {y} p. 5 ø õ ö G = ((X, Y ), E) ò ïñóô î ï ð ñ ì êë í êë æ çèé áâã äå M M X èæâú ù X ÿ þÿ ý þÿ ý ý üu M S {u}; T ç ú åú { α min x S, y Y T NG(S) = T æ {l(x) + l(y) w(xy)} èú ç v S è äåú û äl (v) l(v) α v T è äåú û äl (v) l(v) + α û ä v V \ {S T } è äåú NG(S) T û äl (v) l(v) ý ÿ ÿ ÿ ý y æ ýÿ ý üy M ç ýÿ þÿý ý üy M çæâ y u þ þÿ þÿ ýý M üp M M E(P) (M) ÿ ç å åú

67 p. 5 Przykład x x x x x y y y y y

68 p. 5 Przykład x x x x x y y y y y

69 p. 5 Przykład x x x x x G l y y y y y

70 p. 5 Przykład x x x x x S={x } T={0} G l y y y y y

71 p. 5 Przykład x x x x x y={y } G l y y y y y

72 p. 5 Przykład x x x x x S={x } T={0} G l y y y y y

73 p. 5 Przykład x x x x x S={x, x } T={y } T=N(S) G l y y y y y

74 p. 5 Przykład x x x x x y y y y y

75 p. 5 Przykład x x x x x y y y y y

76 p. 6 Przykład x x x x x u={x } y y y y y

77 p. 6 Przykład x x x x x u={x } y y y y y

78 p. 6 Przykład x x x x x u={x } 5 S={x,x } T={y } y y y y y

79 p. 6 Przykład x x x x x S={x,x,x } T={y,y } y y y y y

80 p. 6 Przykład x x x x x S={x,x,x } T={y,y } y=y y y y y y

81 p. 6 Przykład x x x x x u=x S={x } T={0} 2 2 T=N(S) y y y y y

82 p. 6 Przykład x x x x x u=x 2 alfa= y y y y y

83 p. 6 Przykład x x x x x u=x 2 2 y=y y y y y y

84 p. 6 Przykład x x x x x u=x S={x } T={0} T=N(S) y y y y y

85 p. 6 Przykład x x x x x y y y y y

86 p. 7 Przykład x x x x x S={x,x } 4 T={y } y y y y y

87 p. 7 Przykład x x x x x S={x,x,x } 2 4 T={y,y } y y y y y

88 p. 7 Przykład x x x x x T=N(S) y y y y y

89 p. 7 Przykład x x x x x y y y y y

90 p. 7 Przykład x x x x x y=y 2 N(S)=T y y y y y

91 p. 7 Przykład x x x x x y y y y y 1 alfa=2 u=x y=y

92 p. 7 Przykład x x x x x y y y y y 1 w(m)=

93 p Skojarzenia w dowolnych grafach podstawowa idea stosowana w algorytmach znajdowania skojarzeń o najwiekszym rozmiarze polega na znajdowaniu ścieżek M-powiększajacych

94 p Skojarzenia w dowolnych grafach podstawowa idea stosowana w algorytmach znajdowania skojarzeń o najwiekszym rozmiarze polega na znajdowaniu ścieżek M-powiększajacych w przypadku grafów dwudzielnych stosowaliśmy w celu znalezienia takich ścieżek prosty pomysł polegajacy na odpowiedniej orientacji krawędzi grafu

95 p Skojarzenia w dowolnych grafach podstawowa idea stosowana w algorytmach znajdowania skojarzeń o najwiekszym rozmiarze polega na znajdowaniu ścieżek M-powiększajacych w przypadku grafów dwudzielnych stosowaliśmy w celu znalezienia takich ścieżek prosty pomysł polegajacy na odpowiedniej orientacji krawędzi grafu w przypadku dowolnych grafów to podejście nie działa ponieważ M-przemienne spacery moga się zapętlać (tworzyć cykle)

96 p Skojarzenia w dowolnych grafach podstawowa idea stosowana w algorytmach znajdowania skojarzeń o najwiekszym rozmiarze polega na znajdowaniu ścieżek M-powiększajacych w przypadku grafów dwudzielnych stosowaliśmy w celu znalezienia takich ścieżek prosty pomysł polegajacy na odpowiedniej orientacji krawędzi grafu w przypadku dowolnych grafów to podejście nie działa ponieważ M-przemienne spacery moga się zapętlać (tworzyć cykle) Edmonds(1965) rozwiazał ten problem przez ściaganie takich cykli do pojedyńczego wierzchołka a następnie szukanie najwiekszego skojarzenia w mniejszym grafie

97 p. 7 Definicja. M -przemienny spacer P = (v 0,v 1,...,v t ) nazywamy M -kwiatem jeżeli t jest nieparzyste, v 0,v 1,...,v t 1 sa wszystkie różne, v 0 jet wierzchołkiem M -nienasyconym, oraz v t = v i dla pewnego parzystego i < t. Wtedy cykl (v i,v i+1,...,v t ) jest nazywany M -kwieciem.

98 p. 7 Definicja. M -przemienny spacer P = (v 0,v 1,...,v t ) nazywamy M -kwiatem jeżeli t jest nieparzyste, v 0,v 1,...,v t 1 sa wszystkie różne, v 0 jet wierzchołkiem M -nienasyconym, oraz v t = v i dla pewnego parzystego i < t. Wtedy cykl (v i,v i+1,...,v t ) jest nazywany M -kwieciem. M kwiat v t 1 v t 2 v v v v v v = 4 t v 5 v 6 M kwiecie

99 p. 7 Twierdzenie (Lemat o ściaganiu cykli). Niech G będzie grafem, M jego skojarzeniem, a B będzie M -kwieciem (to znaczy cyklem długości 2k + 1, który zawiera dokładnie k krawędzi z M ). Niech G będzie grafem otrzymanym z G poprzez ściagnięcie cyklu B do jednego wierzchołka. Wówczas M jest największym skojarzeniem grafu G wtedy i tylko wtedy, gdy M = M E(B) jest największym skojarzeniem grafu G.

100 p. 7 Twierdzenie (Lemat o ściaganiu cykli). Niech G będzie grafem, M jego skojarzeniem, a B będzie M -kwieciem (to znaczy cyklem długości 2k + 1, który zawiera dokładnie k krawędzi z M ). Niech G będzie grafem otrzymanym z G poprzez ściagnięcie cyklu B do jednego wierzchołka. Wówczas M jest największym skojarzeniem grafu G wtedy i tylko wtedy, gdy M = M E(B) jest największym skojarzeniem grafu G.

101 p. 8

102 p. 8

103 p. 8

104 p. 8

105 Dowód. Załóżmy, że M = M E(B) jest największym skojarzeniem w grafie G, natomiast M nie jest największym skojarzeniem w grafie G. p. 8

106 p. 8 Dowód. Załóżmy, że M = M E(B) jest największym skojarzeniem w grafie G, natomiast M nie jest największym skojarzeniem w grafie G. Z twierdzenia Berge a wynika, że w grafie G istnieje M -powiększajaca ścieżka P.

107 p. 8 Dowód. Załóżmy, że M = M E(B) jest największym skojarzeniem w grafie G, natomiast M nie jest największym skojarzeniem w grafie G. Z twierdzenia Berge a wynika, że w grafie G istnieje M -powiększajaca ścieżka P. Jeżeli P jest rozłaczna z cyklem B, to P jest M -powiększajac a ścieżka w grafie G co przeczy założeniu, że M jest największe w G.

108 p. 8 Dowód. Załóżmy, że M = M E(B) jest największym skojarzeniem w grafie G, natomiast M nie jest największym skojarzeniem w grafie G. Z twierdzenia Berge a wynika, że w grafie G istnieje M -powiększajaca ścieżka P. Jeżeli P jest rozłaczna z cyklem B, to P jest M -powiększajac a ścieżka w grafie G co przeczy założeniu, że M jest największe w G. Jeżeli natomiast P przecina cykl B, to przynajmniej jeden z jej końców nie może należeć do B.

109 p. 8 Dowód. Załóżmy, że M = M E(B) jest największym skojarzeniem w grafie G, natomiast M nie jest największym skojarzeniem w grafie G. Z twierdzenia Berge a wynika, że w grafie G istnieje M -powiększajaca ścieżka P. Jeżeli P jest rozłaczna z cyklem B, to P jest M -powiększajac a ścieżka w grafie G co przeczy założeniu, że M jest największe w G. Jeżeli natomiast P przecina cykl B, to przynajmniej jeden z jej końców nie może należeć do B. Powiedzmy, że x jest takim wierzchołkiem końcowym. Niech z będzie pierwszym wierzchołkiem ścieżki P należacym do cyklu B, do którego dochodzimy po tej ścieżce idac od wierzchołka x. Wówczas (x,z)-segment ścieżki P generuje M -powiększajac a ścieżkę w grafie G i podobnie, jak poprzednio, M nie mogłoby być największym skojarzeniem.

110 p. 8 Dowód. (c.d.) Załóżmy, dowodzac prawdziwość implikacji w druga stronę, że M nie jest największym skojarzeniem grafu G i niech w takim razie N będzie skojarzeniem w G takim, że N > M. Zrekonstruujmy cykl B wracajac do grafu G. Wówczas N będzie generować skojarzenie w grafie G, które nasyca co najwyżej jeden wierzchołek cyklu Z. Możemy więc, używajac k krawędzi tego cyklu powiększyć nasze skojarzenie do skojarzenia N o mocy N + k. St N = N + k > M + k = M, ad czyli M nie mogłoby być wtedy skojarzeniem największym.

111 p. 8 Twierdzenie. Niech X będzie zbiorem wierzchołków M -nienasyconych, natomiast P = (v 0,v 1,...,v t ) będzie najkrótszym M -przemiennym spacerem ze zbioru X do zbioru X. Wtedy albo P jest ścieżka M -powiększajac a lub (v 0,v 1,...,v j ) jest M -kwiatem dla pewnego j t. Dowód. Przyjmijmy, że P nie jest ścieżka. Wybierzmy możliwie najmniejsze jtakie, że i < j oraz v j = v i. Oznacza to, że (v 0,v 1,...,v j 1 ) sa wszystkie różne. Jeżeli j i byłoby parzyste to wtedy można usunać z P wierzchołki (v i+1,...,v j ), otrzymujac w ten sposób krótszy M -przemienny spacer z X do X. Zatem j i jest nieparzyste. Jeżeli j jest parzyste a i jest nieparzyste to v i+1 = v j 1 (ponieważ jest wierzchołkiem skojarzonym z v i = v j, co przeczy minimalności wyboru j. Zatem j jest nieparzyste a i jest parzyste, co implikuje iż (v 0,v 1,...,v j ) jest M -kwiatem.

112 p. 8 Algorytm powiększania skojarzenia Dane: graf G = (V,E) oraz skojarzenie M Poszukiwane: M-powiększajaca ścieżka (o ile istnieje) Oznaczmy przez X zbiór wierzchołków M-nienasyconych w G. 1. Jeżeli nie istnieje w G spacer M-przemienny z X do X to G nie zawiera M-powiększajacej ścieżki STOP 2. Jeżeli istnieje w G spacer M-przemienny z X do X dodatniej długości to wybierz najkrótszy możliwy, powiedzmy, P = (v 0,v 1,...,v t ).

113 p. 8 a Jeżeli P jest ścieżka to podaj na wyjście P STOP b Jeżeli P nie jest ścieżka to wybierz j takie, że (v 0,v 1,...,v j ) jest M-kwiatem z M-kwieciem B. Zastosuj algorytm (rekurencyjnie) do grafu G B (graf powstały z G po ściagnięciu B) i skojarzenia M B, otrzymujac w ten sposób M B-powiększajac a ścieżkę P w G B. Następnie rozszerz P do M-powiększajacej ścieżki w G STOP Twierdzenie. Dla dowolnego grafu G istnieje algorytm znajdujacy skojarzenie o największym rozmiarze w czasie O(n 2 m).

114 p. 8 Dowód. Algorytm znajdowania skojarzenia o największej mocy jest prosta konsekwencja powyższego algorytmu. Rozpoczynajac z M = można, iterujac, znaleźć M -powiększajac a ścieżkę P a następnie zastapić M przez M E(P). Algorytm kończy pracę jeżeli w grafie G nie ma już żadnej ścieżki M -powiększajacej. Ścieżkę P można znaleźć w czasie O(m) a graf G B w czasie O(m). Ponieważ rekurencja ma głębokość co najwyżej n, dlatego M -powiększajac a ścieżkę P można znaleźć w czasie O(nm). Końcowa złożoność wynika z faktu, że liczba ulepszeń nie może przekroczyć n/2.

115 p. 9 Algorytm o czasie O(n ) Poprzedni algorytm, w każdej iteracji, prowadzi do powiększania skojarzenia M. Krok iteracyjny składa się z dwóch czynności: 1. znalezienia M-przemiennego spaceru i 2. "ściagnięcia"m-kwiecia, powtarzanych tak długo aż otrzymany M-spacer jest prosty, to znaczy jest ścieżka M-powiększajac a.

116 p. 9 Algorytm o czasie O(n ) Poprzedni algorytm, w każdej iteracji, prowadzi do powiększania skojarzenia M. Krok iteracyjny składa się z dwóch czynności: 1. znalezienia M-przemiennego spaceru i 2. "ściagnięcia"m-kwiecia, powtarzanych tak długo aż otrzymany M-spacer jest prosty, to znaczy jest ścieżka M-powiększajac a. Przypomnijmy,że czynności 1 oraz 2 wykonujemy w czasie O(m) (co w rezultacie prowadzi do algorytmu o złożonosci O(n 2 m)). Dlatego aby przyspieszyć algorytm znajdowania największego skojarzenia należy zoptymalizować obie te czynności, stosujac lokalne modyfikacje grafu.

117 p. 9 Niech G = (V,E) będzie grafem prostym, a M pewnym skojarzeniem w G. Oznaczmy, jak poprzednio, przez X zbiór wierzchołków M-nienasyconych w G. Definicja. Podgraf F grafu G nazywamy lasem M -przemiennym, jeżeli F jest lasem takim, że M F, każda składowa (drzewo) lasu F zawiera dokładnie jeden wierzchołek (korzeń) z X lub tworzy ja jedna krawędź z M, oraz każda ścieżka rozpoczynajaca się w X jest M -przemienna.

118 p. 9 Niech G = (V,E) będzie grafem prostym, a M pewnym skojarzeniem w G. Oznaczmy, jak poprzednio, przez X zbiór wierzchołków M-nienasyconych w G. Definicja. Podgraf F grafu G nazywamy lasem M -przemiennym, jeżeli F jest lasem takim, że M F, każda składowa (drzewo) lasu F zawiera dokładnie jeden wierzchołek (korzeń) z X lub tworzy ja jedna krawędź z M, oraz każda ścieżka rozpoczynajaca się w X jest M -przemienna. Definicja. parzyste(f) := {v V : F zawiera parzysta X v ścieżkę} nieparzyste(f) := {v V : F zaw. nieparzysta X v ścieżkę} wolne(f) := {v V : F nie zawiera X v ścieżki}

119 p. 9 M-przemienny las X

120 p. 9 Zauważmy, że korzenie drzewa F należa do parzyste(f)

121 p. 9 Zauważmy, że korzenie drzewa F należa do parzyste(f) jeżeli u nieparzyste(f) to u jest incydentne z dokładnie jedna krawędzia z M i dokładnie jedna krawędzia z F \ M (każdy wierzchołek drzewa w odległości nieparzystej od korzenia ma stopień dwa)

122 p. 9 Zauważmy, że korzenie drzewa F należa do parzyste(f) jeżeli u nieparzyste(f) to u jest incydentne z dokładnie jedna krawędzia z M i dokładnie jedna krawędzia z F \ M (każdy wierzchołek drzewa w odległości nieparzystej od korzenia ma stopień dwa) ze wzoru Tutte a-berge a wynika, że jeżeli nie istnieje krawędź łacz aca parzyste(f) z parzyste(f) wolne(f), to M jest skojarzeniem o największej mocy w G

123 p. 9 Twierdzenie (wzór Tutte a-berge a). Dla każdego grafu G = (V,E), α (G) = min U V 1 ( V + U o(g U)) 2 Dowód. (tylko ) Zauważmy, że dla każdego U V moc największego skojarzenia w G α (G) U + α (G U) U + 1 ( V \ U o(g U)) 2 = 1 2 ( V + U o(g U))

124 p. 9 jeżeli nie istnieje krawędź łacz aca parzyste(f) z parzyste(f) wolne(f), to M jest skojarzeniem o największej mocy w G

125 p. 9 jeżeli nie istnieje krawędź łacz aca parzyste(f) z parzyste(f) wolne(f), to M jest skojarzeniem o największej mocy w G jeżeli taka krawędź nie istnieje to parzyste(f) jest zbiorem niezależnym w G nieparzyste(f)

126 p. 9 jeżeli nie istnieje krawędź łacz aca parzyste(f) z parzyste(f) wolne(f), to M jest skojarzeniem o największej mocy w G jeżeli taka krawędź nie istnieje to parzyste(f) jest zbiorem niezależnym w G nieparzyste(f) biorac U := nieparzyste(f), mamy o(g U) parzyste(f) = X + U = V 2 M + U

127 p. 9 jeżeli nie istnieje krawędź łacz aca parzyste(f) z parzyste(f) wolne(f), to M jest skojarzeniem o największej mocy w G jeżeli taka krawędź nie istnieje to parzyste(f) jest zbiorem niezależnym w G nieparzyste(f) biorac U := nieparzyste(f), mamy o(g U) parzyste(f) = X + U = V 2 M + U M 2 1 ( V + U o(g U))

128 p. 9 jeżeli nie istnieje krawędź łacz aca parzyste(f) z parzyste(f) wolne(f), to M jest skojarzeniem o największej mocy w G jeżeli taka krawędź nie istnieje to parzyste(f) jest zbiorem niezależnym w G nieparzyste(f) biorac U := nieparzyste(f), mamy o(g U) parzyste(f) = X + U = V 2 M + U M 2 1 ( V + U o(g U)) zatem ze wzoru Tutte a-berge a wynika, że M jest największym skojarzeniem w G.

129 p. 9 Struktury danych: M-przemienny las dla każdego wierzchołka v pamiętamy krawędzie z E, M oraz F z nim incydentne, oraz jedna krawędź e v = vu, gdzie u parzyste(f) (o ile taka krawędź istnieje) oraz funkcje indykatorowa przynależności do zbiorów parzyste(f) i nieparzyste(f)

130 p. 9 Algorytm znajdowania największego skojarzenia Dane: graf G = (V,E) oraz skojarzenie M Poszukiwane: największe skojarzenie M w G Oznaczmy przez X zbiór wierzchołków M-nienasyconych w G, F M, i dla każdego v V wybierz krawędź e v = vu, gdzie u parzyste(f), gdzie u parzyste(f). Znajdź wierzchołek v parzyste(f) wolne(f) dla którego istnieje krawędź e v = vu. 1. v wolne(f). Dodaj krawędź uv do F. Niech vw będzie krawędzia z M incydentna z v. Dla każdej krawędzi wx incydentnej z w wykonaj e x wx.

131 p v parzyste(f). Znajdź X u oraz X v ścieżki P i Q w F. (a) Ścieżki P i Q sa rozłaczne. Wtedy P i Q razem z krawędzia uv tworza ścieżkę M-powiększajac a. (b) Ścieżki P i Q nie sa rozłaczne. Wtedy P i Q zawieraja M-kwiecie B. Dla każdej krawędzi bx, gdzie b B oraz x / B podstaw e x Bx. Zastap G przez G B oraz usuń wszystkie pętle i krawędzie równoległe z E,M oraz F.

132 p. 9 Przypadek 1 v u X

133 p. 10 Przypadek 2a v u X

134 p. 10 Przypadek 2a v u X

135 p. 10 Przypadek 2a X

136 p. 10 Przypadek 2b-1 v u X

137 p. 10 Przypadek 2b-1 X B

138 p. 10 Przypadek 2b-2 v u X

139 p. 10 Przypadek 2b-2 B X

140 p. 10 Twierdzenie. Algorytm znajduje największe skojarzenie w dowolnym grafie G w czasie O(n ).

141 p. 10 Twierdzenie. Algorytm znajduje największe skojarzenie w dowolnym grafie G w czasie O(n ). Dowód. Liczba iteracji głównej pętli algorytmu nie przekracza V, ponieważ w każdej iteracji, V + wolne(f) zmniejsza się co najmniej o dwa (jeden ze składników maleje o co najmniej dwa podczas gdy drugi pozostaje bez zmian).

142 p. 10 Twierdzenie. Algorytm znajduje największe skojarzenie w dowolnym grafie G w czasie O(n ). Dowód. Liczba iteracji głównej pętli algorytmu nie przekracza V, ponieważ w każdej iteracji, V + wolne(f) zmniejsza się co najmniej o dwa (jeden ze składników maleje o co najmniej dwa podczas gdy drugi pozostaje bez zmian). Przypadek 1. Uaktualnienie struktury danych w tym przypadku zajmuje O(n).

143 p. 10 Twierdzenie. Algorytm znajduje największe skojarzenie w dowolnym grafie G w czasie O(n ). Dowód. Liczba iteracji głównej pętli algorytmu nie przekracza V, ponieważ w każdej iteracji, V + wolne(f) zmniejsza się co najmniej o dwa (jeden ze składników maleje o co najmniej dwa podczas gdy drugi pozostaje bez zmian). Przypadek 1. Uaktualnienie struktury danych w tym przypadku zajmuje O(n). Przypadek 2a. Ścieżki P i Q można znaleźć w czasie O(n), zatem całkowity czas wyznaczenia ścieżki M -powiększajacej jest równe O(n).

144 p. 10 Twierdzenie. Algorytm znajduje największe skojarzenie w dowolnym grafie G w czasie O(n ). Dowód. Liczba iteracji głównej pętli algorytmu nie przekracza V, ponieważ w każdej iteracji, V + wolne(f) zmniejsza się co najmniej o dwa (jeden ze składników maleje o co najmniej dwa podczas gdy drugi pozostaje bez zmian). Przypadek 1. Uaktualnienie struktury danych w tym przypadku zajmuje O(n). Przypadek 2a. Ścieżki P i Q można znaleźć w czasie O(n), zatem całkowity czas wyznaczenia ścieżki M -powiększajacej jest równe O(n). Przypadek 2b. Uaktualnienie struktury danych w tym przypadku zajmuje O( B n). Podobnie zamiana G na G B zajmuje O( B n). Ponieważ B jest ograniczony z góry przez podwojone obniżenie liczby wierzchołków grafu, dlatego całkowity czas wynosi O(n 2 ).

145 p Skojarzenia w dowolnych ważonych grafach podobnie jak w przypadku dowolnych grafów bez wag na krawędziach algorytm dla grafów z wagami (grafów ważonych) wykorzystuje ideę ściagania nieparzystych cykli (M-kwiecia) oraz powiększania skojarzeń za pomoca ścieżek M-przemiennych

146 p Skojarzenia w dowolnych ważonych grafach podobnie jak w przypadku dowolnych grafów bez wag na krawędziach algorytm dla grafów z wagami (grafów ważonych) wykorzystuje ideę ściagania nieparzystych cykli (M-kwiecia) oraz powiększania skojarzeń za pomoca ścieżek M-przemiennych w przypadku grafów ważonych będziemy również stosować operację przeciwna do ściagania czyli rozciaganie cykli

147 p Skojarzenia w dowolnych ważonych grafach podobnie jak w przypadku dowolnych grafów bez wag na krawędziach algorytm dla grafów z wagami (grafów ważonych) wykorzystuje ideę ściagania nieparzystych cykli (M-kwiecia) oraz powiększania skojarzeń za pomoca ścieżek M-przemiennych w przypadku grafów ważonych będziemy również stosować operację przeciwna do ściagania czyli rozciaganie cykli podamy algorytm znajdowania skojarzenia doskonałego o minimalnej wadze w grafie (który implikuje algorytm znajdowania skojarzenia o maksymalnej wadze)

148 p. 10 Niech G = (V,E) będzie grafem a w : E Q, gdzie Q oznacza zbiór liczb wymiernych, będzie funkcja ważenia krawędzi grafu G. Zakładamy, że G ma co najmniej jedno skojarzenie doskonałe oraz, że wagi sa nieujemne Definicja. Rodzinę podzbiorów C zbioru V nazywamy warstwowa jeżeli dla każdej pary zbiorów T,U C, T U lub U T lub T U =. Głowne narzędzie jakim będziemy operowali stanowi para: warstwowa rodzina Ω podzbiorów, o nieparzystej mocy, zbioru V funkcja π : Ω Q spełniajaca następujace warunki:

149 p. 11 (i) π(u) 0 jeżeli U Ω oraz U (ii) U Ω, e δ(u) π(u) w(e) dla każdego e E, gdzie δ(u) oznacza zbiór krawędzi incydentnych z U

150 p. 11 (i) π(u) 0 jeżeli U Ω oraz U (ii) U Ω, e δ(u) π(u) w(e) dla każdego e E, gdzie δ(u) oznacza zbiór krawędzi incydentnych z U Zauważmy, że powyższe dwa waruni implikuja, że jeżeli M jest dowolnym skojarzeniem doskonałym w G to w(m) U Ω π(u), ponieważ w(m) = e M w(e) e M U Ω, e δ(u) π(u) = = U Ω π(u) M δ(u) U Ω π(u)

151 p. 11 (i) π(u) 0 jeżeli U Ω oraz U (ii) U Ω, e δ(u) π(u) w(e) dla każdego e E, gdzie δ(u) oznacza zbiór krawędzi incydentnych z U Zauważmy, że powyższe dwa waruni implikuja, że jeżeli M jest dowolnym skojarzeniem doskonałym w G to w(m) U Ω π(u), ponieważ w(m) = e M w(e) e M U Ω, e δ(u) π(u) = = U Ω π(u) M δ(u) U Ω π(u) Zatem M jest skojarzeniem doskonałym o minimalnej wadze jeżeli mamy w powyższym wzorze wszędzie równości zamiast nierówności.

152 p. 11 Oznaczenia i założenia: dla każdej krawędzi e zdefinujmy w π (e) := π(u) U Ω, e δ(u) Oznacza to, że w π (e) 0, e E.

153 p. 11 Oznaczenia i założenia: dla każdej krawędzi e zdefinujmy w π (e) := π(u) U Ω, e δ(u) Oznacza to, że w π (e) 0, e E. E π oznacza zbiór tych krawędzi e dla których w π (e) = 0 i niech G π = (V,E π )

154 p. 11 Oznaczenia i założenia: dla każdej krawędzi e zdefinujmy w π (e) := π(u) U Ω, e δ(u) Oznacza to, że w π (e) 0, e E. E π oznacza zbiór tych krawędzi e dla których w π (e) = 0 i niech G π = (V,E π ) w algorytmie zakładamy, że {v} Ω, dla każdego v V

155 Oznaczenia i założenia: dla każdej krawędzi e zdefinujmy w π (e) := U Ω, e δ(u) π(u) Oznacza to, że w π (e) 0, e E. E π oznacza zbiór tych krawędzi e dla których w π (e) = 0 i niech G π = (V,E π ) w algorytmie zakładamy, że {v} Ω, dla każdego v V ponieważ rodzina Ω jest warstwowa, dlatego rodzina Ω max, złożona z tych zbiorów z Ω które sa maksymalne w sensie zawierania (nie sa zawarte w żadnym innym zbiorze), stanowi podział zbioru V p. 11

156 p. 11 przez G oznaczymy graf otrzymany z G π poprzez ściagnięcie wszystkich zbiorów z Ω max : G = G π Ω max - oznacza to, że G zależy od Ω oraz π

157 p. 11 przez G oznaczymy graf otrzymany z G π poprzez ściagnięcie wszystkich zbiorów z Ω max : G = G π Ω max - oznacza to, że G zależy od Ω oraz π zauważmy, że zbiór wierzchołków grafu G stanowia zbiory z rodziny Ω max i dwa wierzchołki, powiedzmy U,U Ω max sa przyległe witw gdy G π ma krawędź łacz ac a pewien element ze zbioru U z pewnym elementem ze zbioru U

158 p. 11 przez G oznaczymy graf otrzymany z G π poprzez ściagnięcie wszystkich zbiorów z Ω max : G = G π Ω max - oznacza to, że G zależy od Ω oraz π zauważmy, że zbiór wierzchołków grafu G stanowia zbiory z rodziny Ω max i dwa wierzchołki, powiedzmy U,U Ω max sa przyległe witw gdy G π ma krawędź łacz ac a pewien element ze zbioru U z pewnym elementem ze zbioru U dla U Ω, U, oznaczamy przez H U graf otrzymany z podgrafu indukowanego przez zbiór U w grafie G π, (G π [U]), poprzez ściagnięcie wszystkich maksymalnych ze względu na zawieranie właściwych podzbiorów zbioru U, które należa do Ω

159 p. 11 Przechowujemy: warstwowa rodzinę Ω nieparzystych podzbiorów zbioru wierzchołków V funkcję π : Ω Q skojarzenie M dla każdego U Ω, U, cykl C U przechodzacy przez wszystkie wierzchołki grafu H U

160 p. 11 Algorytm znajdowania skojarzenia doskonałego o minimalnej wadze Dane: ważony graf prosty G = (V,E), zawierajacy co najmniej jedno skojarzenie doskonałe Poszukiwane: skojarzenie doskonałe o najmniejszej wadze w G Ω {{v} : v V }, M, π({v}) 0, dla każdego v V niech X będzie zbiorem wierzchołków grafu G nienasyconych przez M przyjmujemy, że ścieżka ma dodatnia długość gdy ma co najmniej jedna krawędź

161 p G zawiera M-przemienny X X spacer o dodatniej długości. Wybierz najkrótszy taki spacer P. Jeżeli P jest ścieżka to jest ścieżka M-powiększajac a w G. M M E(P) i iteruj. Jeżeli P nie jest ścieżka to zawiera M-kwiat (patrz odpowiednie twierdzenie z paragrafu 7.4). Niech C będzie kwieciem (cyklem) tego kwiatu. Dodaj U V (C) do rodziny Ω ( ściaganie ), podstaw π(u) 0,M M \ E(C),C U C i iteruj.

162 p G nie zawiera M-przemiennego X X spaceru o dodatniej długości. Niech S będzie zbiorem wierzchołków U grafu G dla którego G ma M-przemienny X U spacer nieparzystej długości i niech T będzie zbiorem wierzchołków U grafu G dla którego G ma M-przemienny X U spacer parzystej długości. π(u) π(u) + α jeżeli U T oraz π(u) π(u) α jeżeli U S, gdzie α jest największa wartościa spełniajac a warunki (i) oraz (ii) dla funkcji π. Jeżeli π(u) = 0 dla pewnego U S, gdzie U, to usuń U z Ω ( rozciaganie ), roszerz M o skojarzenie doskonałe zawarte w C U v, gdzie v jest wierzchołkiem M-nasyconym, i iteruj.

163 p. 11 Proces iteracyjny kończy się jeżeli M jest skojarzeniem doskonałym w G, wtedy używajac C U możemy rozszerzyć M do skojarzenia doskonałego N w G takiego, że w π (N) = 0 i N δ(u) = 1 dla każdego U Ω. Zatem dla N mamy wszędzie równości wyjściowym zbiorze, co oznacza, że N jest skojarzeniem o najmniejszej wadze w G Twierdzenie. Algorytm znajduje skojarzenie doskonałe o minimalnej wadze w czasie O(n 2 m). Wniosek. W dowolnym ważonym grafie można znaleźć skojarzenie o największej wadze w czasie O(n 2 m).

164 p. 11 Dowód. Niech G = (V,E) będzie grafem z funkcja ważenia w. Utwórz nowy graf w następujacy sposób: weź kopie G oraz w, odpowiednio, G oraz w. Połacz krawędzia każdy wierzchołek v V z jego kopia w G i przyporzadkuj im wagę 0. Jeżeli M jest skojarzeniem doskonałym o maksymalnej wadze w nowym grafie, to ograniczenie tego skojarzenia do do krawędzi wyjściowego grafu G jest skojarzeniem o największej wadze w tym grafie.