Kernelizacja ćwiczenia 1

Wielkość: px
Rozpocząć pokaz od strony:

Download "Kernelizacja ćwiczenia 1"

Transkrypt

1 Kernelizacja ćwiczenia 1 kernelizacja na palcach, lemat o słoneczniku Zadanie 1. W problemie Max-SAT, mając daną formułę CNF-SAT i liczbę k pytamy, czy istnieje wartościowanie tej formuły spełniające co najmniej k klauzul. Pokaż, że ten problem ma jądro: 1. o co najwyżej 2k klauzulach; 2. o O(k 2 ) zmiennych. Zadanie 2. Pokaż jądro dla problemu pokrycia wierzchołkowego o co najwyżej 2k 2 /3 wierzchołkach. Zadanie 3. W problemie Feedback Arc Set in Tournaments mamy dany turniej (skierowaną klikę) i liczbę k, a pytamy, czy można odwrócić co najwyżej k krawędzi by dostać graf acykliczny. Pokaż, że problem ten ma jądro z O(k 2 ) wierzchołkami. Zadanie 4. W problemie zbioru dominującego mamy dany graf G i liczbę k i pytamy, czy istnieje zbiór k wierzchołków który dominuje całe V (G), tj. każdy wierzchołek G jest w wybranym zbiorze lub ma sąsiada w wybranym zbiorze. W problemie Big-Girth Dominating Set dodatkowo zakładamy, że długość najkrótszego cyklu w G jest co najmniej 5. Pokaż, że ten problem ma jądro z O(k 3 ) wierzchołkami. Zadanie 5. W problemie Cluster Editing, mając dany graf G i liczbę k, pytamy, czy w G można zmienić (dodać lub usunąć) co najwyżej k krawędzi by dostać graf, którego każda spójna składowa jest kliką. Pokaż, że ten problem ma jądro o O(k 2 ) wierzchołkach. Zadanie 6. W problemie Max-SAT-Above-Average, mając daną formułę CNF-SAT o m zmiennych i liczbę k pytamy, czy istnieje wartościowanie tej formuły spełniające co najmniej m/2 + k klauzul. Pokaż, że ten problem ma jądro o O(k) klauzulach. Wskazówka do zadania 2: Jeśli graf ma m krawędzi i każdy wierzchołek ma stopień co najmniej 3, to ma co najwyżej 2m/3 wierzchołków. Wskazówka do zadania 4: Rozważ wersje problemu, gdzie niektóre wierzchołki muszą być w wybranym zbiorze dominującym, a ich sąsiedzi są już zdominowani. Wskazówka do zadania 5: Wprowadź tymczasowe anotacje te wierzchołki muszą być razem w spójnej składowej, te wierzchołki muszą być osobno. Wskazówka do zadania 6: Jedyną redukcją, jakiej potrzebujesz, to jeśli jest klazula x i klauzula x, usuń obie. 1

2 Kernelizacja ćwiczenia 2 liniowe jądra dla pokrycia wierzchołkowego Zadanie 7. Pokaż, że C = V 0, H = V 1, R = V 1/2 jest dekompozycją koronną. Zadanie 8. W problemie Max-SAT, mając daną formułę CNF-SAT i liczbę k pytamy, czy istnieje wartościowanie tej formuły spełniające co najmniej k klauzul. Pokaż, że ten problem ma jądro o co najwyżej 2k klauzulach oraz co najwyżej k zmiennych. Zadanie 9. Pokaż, jak znaleźć optymalne rozwiązanie programu liniowego dla pokrycia wierzchołkowego kombinatorycznie (bez rozwiązywania programu liniowego). Zadanie 10. Pokaż, że istnieje rozwiązanie programu liniowego, w którym wszystkie wartości należą do zbioru {0, 1/2, 1}. Zadanie 11. Przeanalizuj, w jakim czasie możemy znaleźć jądro wielkości 2k dla pokrycia wierzchołkowego. Zadanie 12 ( ). Pokaż, że w grafie dwudzielnym rozmiar maksymalnego skojarzenia jest równy rozmiarowi minimalnego pokrycia wierzchołkowego. Zadanie 13 ( ). W problemie Min-Ones-2-SAT mamy daną formułę φ w postacie 2-CNF oraz liczbę k i chcemy sprawdzić, czy istnieje wartościowanie spełniające φ, nadające true co najwyżej k zmiennym. Pokaż, że ten problem ma jądro z co najwyżej 2k literałami. Wskazówka do zadania 9: Dla grafu G = (V, E) stwórz graf dwudzielny gdzie po obu stronach są kopie V i wykorzystaj minimalne pokrycie wierzchołkowe w tym grafie. Wskazówka do zadania 13: Znajdź wszystkie klauzule z oboma literałami prawdziwymi, których dodanie nie zmienia spełnialności φ. Użyć jądra dla pokrycia wierzchołkowego. 2

3 Kernelizacja ćwiczenia 3 narzędzia ze skojarzeń Zadanie 14. Udowodnij, że jak warunek Halla zachodzi ze stałą 0 < α < 1, tj. w grafie dwudzielnym G = (V, W, E) dla każdego A V zachodzi N G (A) α A, to da się zrobić skojarzenie kojarzące α V wierzchołków z V. Zadanie 15. Rozważmy ważoną wersję sytuacji z twierdzenia Gallai. Mamy dany graf G z nieujemnymi wagami na krawędziach i zbiór terminali S V (G). Chcemy znaleźć, spośród rodzin rozłącznych wierzchołkowo ścieżek o końcach w S o największej możliwej mocy, rodzinę o najmniejszej możliwej sumarycznej wadze użytych krawędzi. Czy ten problem można rozwiązać w czasie wielomianowym? Zadanie 16. Podaj przykład grafu spójnego, dowolnie dużego, że warunek Tutte nie zachodzi tylko dla zbioru pustego. Zadanie 17. Graf nazwiemy krytycznym, jeśli ma on co najmniej trzy wierzchołki i po usunięciu dowolnego wierzchołka ma on doskonałe skojarzenie. W grafie spójnym G każda dwuspójna składowa jest trójkątem, a żaden wierzchołek nie ma stopnia większego niż 4. Pokaż, że G jest krytyczny. Zadanie 18. Pokaż, że nie ma grafów krytycznych dwudzielnych. Zadanie 19. Pokaż, że jeśli graf jest krytyczny wtedy i tylko wtedy gdy ma nieparzyście wiele wierzchołków i warunek Tutte nie zachodzi tylko dla zbioru pustego. Zadanie 20. Niech M będzie macierzą n n, gdzie każdy wiersz i każda kolumna sumuje się do jedynki. Udowodnij, że M jest kombinacją wypukłą macierzy permutacji. Zadanie 21. Udowodnij, że rodzina podzbiorów zbioru n elementowego da się ustawić w ( n ) n/2 rozłącznych łańcuchów. Zadanie 22. Kraj o powierzchni n został podzielony na n województw o powierzchni 1 każde. Dodatkowo, dowódcy wojskowi w tym kraju podzielili kraj na n rejonów strategicznych o powierzchnio 1 każdy. Pokaż, że w kraju można zbudować n lotnisk tak, by każde województwo i każdy rejon miał lotnisko. Zadanie 23. nk pracowników wydziału jest podzielonych na n komitetów po k osób i na n kół naukowych po k osób każde. Wykaż, że da się wysłać delegację n osób tak, by każdy komitet i każde koło naukowe było reprezentowane. Zadanie 24. Magik i jego pomocnik robią sztuczkę. Z talii 52 kart widz losuje pięć, po czym daje je pomocnikowi. Pomocnik wybiera jedną kartę i daje ją magikowi. Następnie wybiera kolejną z pozostałych czterech i daje ją magikowi. Powtarza tę czynność jeszcze dwa razy, aż zostanie z jedną kartą. W tym momencie magik zgaduje, jaka karta pozostała pomocnikowi. Pokaż, że tę sztuczkę można zrobić bez użycia magii. Zadanie 25. Graf nazwiemy kubicznym jeśli każdy wierzchołek ma stopień dokładnie trzy. Pokaż, korzystając z twierdzenia Tutte, że w grafach kubicznych bez mostów istnieje doskonałe skojarzenie. Zadanie 26. W grafie G jest 2n wierzchołków i minimalny stopień wynosi n. Pokaż, że jest doskonałe skojarzenie. 3

4 Kernelizacja ćwiczenia 4 drzewa w hipergrafach Zadanie 27. Pokaż, że w danym hipergrafie H = (V, E) istnieje drzewo rozpinające, wtedy i tylko wtedy gdy dla każdego podziału V = V 1 V 2... V p istnieje co najmniej p 1 krawędzi mających końce w co najmniej dwóch różnych zbiorach z podziału. Powyższe twierdzenie można również pokazać w wersji konstruktywnej, gdzie w czasie wielomianowym znajdujemy drzewo rozpinające, lub podział będący świadkiem, że takie drzewo nie istnieje. W problemie Set Splitting mamy dany hipergraf H = (V, E) oraz liczbę k i chcemy znaleźć pomalowanie wierzchołków f : V {0, 1}, w którym co najmniej k krawędzi z E zawiera wierzchołki obu kolorów. Zadanie 28. Pokaż, jak mając instancję problemu Set Splitting (H = (V, E), k), otrzymać równoważną instancję o 2k krawędziach. Zadanie 29. Pokaż, że dla instancji problemu Set Splitting I = (H = (V, E), k), w której istnieje S E, S k, instancja I = (H = (V, E \ {S}), k 1) jest równoważna I. Zadanie 30. Pokaż, że dla problemu Set Splitting istnieje jądro o 2k krawędziach oraz O(k 2 ) wierzchołkach. Zadanie 31. Pokaż, że dla problemu Set Splitting istnieje jądro o 2k krawędziach oraz O(k) wierzchołkach. Zadanie 32. Pokaż, że jeśli H jest drzewem, to istnieje pomalowanie f : V {0, 1}, w którym wszystkie krawędzie będą miały po co najmniej jednym wierzchołku obu kolorów. Hipergraf jest spójny, jeśli odpowiadającu mu graf dwudzielny jest spójny. Zadanie 33 ( ). Pokaż, że jeśli w instancji I = (H, k) problemu Set Splitting hipergraf H nie jest spójny, to możemy uzyskać równoważną instancję I = (H, k), w której graf H jest spójny, a liczba jego krawędzi i wierzchołków jest nie większa niż w grafie H. Zadanie 34 ( ). Pokaż, że jeśli dla instancji I = (H = (V, E), k) problemu Set Splitting w spójnym grafie H nie istnieje drzewo rozpinające, to w czasie wielomianowym możemy znaleźć niepusty zbiór X E, taki że I = ((V, E \ X), k X ) jest instancją równoważną I. Zadanie 35 ( ). Pokaż, że dla problemu Set Splitting istnieje jądro o 2k krawędziach i k wierzchołkach. Wskazówka do zadania 31: Użyj lematu o ekspansji. 4

5 Kernelizacja ćwiczenia 5 dolne ograniczenia Na tych ćwiczeniach zakładamy NP conp/poly. Zadanie 36. W problemie Max-Leaf Outbranching mamy dany graf skierowany G i liczbę k; pytamy, czy w grafie G można znaleźć takie drzewo jako podgraf, gdzie wszystkie krawędzie są skierowane w dół drzewa i ma ono co najmniej k liści. Pokaż, że ten problem nie ma wielomianowego jądra przy parametryzacji przez k. Zadanie 37. W problemie Steiner Tree mamy dany graf G, liczbę k i zbiór terminali T V (G); pytamy, czy istnieje X V (G) \ T mocy co najwyżej k taki, że G[T X] jest spójny. Pokaż, że problem ten nie ma wielomianowego jądra przy parametryzacji przez: 1. T ; 2. k + T. Zadanie 38. W problemie Connected Vertex Cover mamy dany graf G i liczbę k; pytamy, czy istnieje zbiór X V (G) mocy co najwyżej k taki, ze G[X] jest spójne, a G \ X nie ma żadnej krawędzi. Pokaż, że ten problem nie ma wielomianowego jądra przy parametryzacji przez k. Zadanie 39. W problemie Graph Motif mamy dany graf G, liczbę k i funkcję c : V (G) {1, 2,..., k}; pytamy, czy istnieje zbiór X V (G) taki, że G[X] jest spójne i dla każdego 1 i k, X c 1 (i) = 1. Wiedząc, że ten problem jest NP-trudny nawet, gdy G jest drzewem, pokaż, że nie ma wielomianowego jądra nawet przy założeniu, że G jest lasem. Zadanie 40. Graf nazwiemy d-zdegenerowany jeśli każdy jego podgraf ma wierzchołek o stopniu co najwyżej d. Pokaż, że następujące problemy nie mają wielomianowego jądra nawet jeśli ograniczymy się do przypadku, w którym wymagamy by wejściowy graf był 2-zdegenerowany: 1. Steiner Tree, parametryzowany przez k + T ; 2. Connected Feedback Vertex Set (mając dany graf G i liczbę k, pytamy o zbiór X V (G) mocy co najwyżęj k taki, by G[X] było spójne i G \ X było lasem), parametryzowany przez k; 3. Connected Dominating Set (mając dany graf G i liczbę k, pytamy o zbiór X V (G) mocy co najwyżej k taki, by G[X] było spójne i N[X] = V (G)), parametryzowany przez k. Zadanie 41. Pokaż, że problem sprawdzania, czy treewidth danego grafu wynosi co najwyżej k, nie ma wielomianowego jądra przy parametryzacji przez k. Zadanie 42. W problemie 2-Directed Multiway Cut mamy dany graf skierowany G, liczbę k i dwa wyróżnione terminale s, t V (G); pytamy, czy z G można usunąć k krawędzi tak, by nie dało się przejść ani z s do t ani z t do s. Wiedząc, że ten problem jest NP-trudny, pokaż, że nie ma on wielomianowego jądra przy parametryzacji przez k. 5

6 Zadanie 43. W problemie Edge Clique Cover, mając dany graf G i liczbę k, pytamy, czy istnieje zbiór C 1, C 2,..., C k podgrafów G takich, że każdy C i jest kliką i k i=1 E(C i ) = E(G). Pokaż, że ten problem nie ma wielomianowego jądra przy parametryzacji przez k. Zadanie 44. Rozważmy następujący wariant problemu kliki: mamy dany graf G, liczbę l i zbiór Z V (G) taki, że G \ Z nie ma krawędzi; pytamy, czy w grafie G jest klika wielkości l. Pokaż, że ten problem nie ma wielomianowego jądra przy parametryzacji przez Z. Zadanie 45. Rozważmy następujący wariant problemu kolorowania: mamy dany graf G, liczbę l i zbiór Z V (G) taki, że G\Z nie ma krawędzi; pytamy, czy wierzchołki grafu G można pokolorwać na l kolorów tak, by żadne dwa wierzchołki połączone krawędzią nie miały tego samego koloru. Pokaż, że ten problem nie ma wielomianowego jądra przy parametryzacji przez Z. Zadanie 46. W problemie s-way-cut mamy dany graf G i liczby k i s; pytamy, czy z grafu G możemy usunąć co najwyżej k krawędzi tak, by dostać co najmniej s spójnych składowych. Pokaż, że ten problem nie ma wielomianowego jądra przy parametryzacji przez k. Wskazówka do zadania 40: redukuj z Graph Motif. Wskazówka do zadania 43: AND-kompozycja. Zrób full-joina grafów na wejściu. Jak pokryć krawędzie joina? Wskazówka do zadania 46: Wyjdź z problemu kliki; załóż stałe V (G i ), E(G i ) i wielkość kliki l. Twoim idealnym rozwiązaniem jest wycięcie z jednego grafu każdego wierzchołka jako izolowanego wierzchołka, poza żądaną kliką (tj. s = 1 + n l). 6

7 Kernelizacja ćwiczenia 6 moduły, cluster editing moduły Zadanie 47. Pokaż dekompozycję modularną: 1. kliki K n ; 2. zbioru niezależnego K n ; 3. pełnego grafu dwudzielnego K a,b ; 4. cyklu C n ; 5. kostki {0, 1} n (sąsiednie są wierzchołki różniące się jednym bitem); 6. grafu przedstawionego na poniższym obrazku. Zadanie 48. Pokaż elementarnie, że wszystkie maksymalne (w sensie zawierania) moduły które są klikami są parami rozłączne i stanowią podział V (G). alternatywne jądro dla problemu Cluster Editing Mając daną instancję (G, k) problemu Cluster Editing rozważmy następujące (kluczowe) definicje dla wierzchołka v V (G): γ(v) to liczba krawędzi opuszczająca N[v]; δ(v) to liczba anty-krawędzi w N[v]; ρ(v) = 2δ(v) + γ(v). Ponadto zakładamy, że trywialna reguła redukcyjna usuń spójną składową która jest kliką jest w mocy. Zadanie 49. Pokaż, że jeśli 2k < V (G) oraz dla każdego wierzchołka v V (G) zachodzi ρ(v) N[v], to (G, k) jest NIE-instancją. Tak więc chcemy zredukować wierzchołki dla których ρ(v) < N[v]. Zadanie 50. Pokaż, że jeśli dla wierzchołka v V (G) zachodzi ρ(v) < N[v], to istnieje optymalne poklastrowanie grafu G, w którym całe N[v] siedzi w jednym klastrze. 7

8 Z zadania 50 wnioskujemy pierwszą regułę redukcyjną: jeśli ρ(v) < N[v] to dodaj wszystkie anty-krawędzie w N[v]. Zadanie 51. Niech v V (G) będzie wierzchołkiem takim, że ρ(v) < N[v], ale N[v] jest kliką. 1. Pokaż, że co najwyżej jeden wierzchołek w 0 N(N[v]) może mieć więcej niż N[v] /2 sąsiadów w N[v]. 2. Pokaż, że istnieje optymalne poklastrowanie G, w którym każdy wierzchołek N(N[v]) różny od w 0 (jeśli istnieje) ląduje w innym klastrze niż ten, który zawiera N[v]. 3. Wywnioskuj regułę redukcyjną, która redukuje N(N[v]) do co najwyżej jednego wierzchołka. Zadanie 52. Niech v V (G) będzie wierzchołkiem takim, że ρ(v) < N[v], ale N[v] jest kliką i N(N[v]) = {w 0 }. Pokaż regułę redukcyjną, która zmniejsza rozmiar N[v]. 8

9 Kernelizacja ćwiczenia 7 ciąg dalszy modułów, Feedback Arc Set in Tournaments moduły trochę formalniej Mając dane skończone uniwersum V, rozważamy rodziny podzbiorów F 2 V takie, że / F, V F i {v} F dla każdego v V. Mówimy, że A, B F nachodzą na siebie, jeśli A \ B, B \ A oraz A B są wszystkie niepuste. Definiujemy S(F) F jako zbiór tych A F, że żaden zbiór B F nie nachodzi na A. Zadanie 53. Pokaż, że S(F), z relacją inkluzji, tworzy drzewo z korzeniem V i liśćmi {{v} : v V }. Drzewo to będziemy oznaczać T (F). Zadanie 54. Pokaż, że dla każego A F istnieje węzeł wewnętrzny S S(F) z dziećmi S 1, S 2,..., S k w drzewie T (F) taki, że A = i I S i dla pewnego I {1, 2,..., k}. Powiemy, że rodzina F jest silnie podziałowa, jeśli dla każdych nachodzących się A, B F mamy A B, A B, A B F. Powiemy, że rodzina F jest słabo podziałowa, jeśli dla każdych nachodzących się A, B F mamy A B, A B, A \ B, B \ A F. Zadanie 55. Pokaż, że rodzina silnie podziałowa jest też słabo podziałowa. Zadanie 56. Pokaż, że rodzina modułów w grafie nieskierowanym jest silnie podziałowa. Zadanie 57. Pokaż, że rodzina modułów w grafie skierowanym jest słabo podziałowa. Zadanie 58. Niech F będzie silnie podziałowa. Pokaż, że każdy węzeł wewnętrzny S z dziećmi S 1, S 2,..., S k w drzewie T (F) jest jednego z dwóch typów: complete Dla każdego I {1, 2,..., k}, 1 < I < k zachodzi i I S i F. prime Dla każdego I {1, 2,..., k}, 1 < I < k zachodzi i I S i / F. Zadanie 59. Niech F będzie słabo podziałowa. Pokaż, że każdy węzeł wewnętrzny S z dziećmi S 1, S 2,..., S k w drzewie T (F) jest jednego z trzech typów: complete Dla każdego I {1, 2,..., k}, 1 < I < k zachodzi i I S i F. prime Dla każdego I {1, 2,..., k}, 1 < I < k zachodzi i I S i / F. linear Istnieje liniowy porządek zbioru {1, 2,..., k} taki, że dla każdego I {1, 2,..., k}, 1 < I < k mamy i I S i F wtedy i tylko wtedy gdy elementy I są kolejnymi elementami w wyżej wymienionym porządku. 9

10 alternatywne jądro dla Feedback Arc Set in Tournaments Celem pozostałych ćwiczeń jest uzyskanie alternatywnego jądra z co najwyżej 4k wierzchołkami dla FAST. Konfliktem nazwiemy dowolny skierowany 3-cykl w danym turnieju. Zadanie 60. Pokaż, że jeśli dana instancja ma rozwiązanie, to każdy maksymalny (w sensie zawierania) zbiór konfliktów, które są parami rozłączne krawędziowo, ma wielkość co najwyżej k. W dalszych zadaniach C jest ustalonym, maksymalnym w sensie zawierania, zbiorem konfliktów w G; C k. Oznaczamy R = V (G) \ V (C). Zadanie 61. Pokaż, że istnieje takie ustawienie σ wierzchołków z G, że każda krawędź idąca wstecz ma oba końce w V (C). Konstruujemy następujący graf dwudzielny H: z lewej strony mamy wszystkie krawędzie wsteczne w porządku σ z poprzedniego zadania, a z prawej strony wierzchołki R. Krawędź e = (u, v) zna w R, jeśli w span σ (e), tj. w leży pomiędzy u i v porządku σ. Zadanie 62. Pokaż, że w grafie H rozmiar najmniejszego pokrycia wierzchołkowego wynosi co najwyżej k. Zadanie 63. Niech Z będzie najmniejszym pokryciem wierzchołkowym w H. Pokaż, że jeśli V (G) > 4k, to R \ Z jest niepuste. Zadanie 64. Rozważmy najgrubszy możliwy podział w porządku σ, w którym każdy element R \ Z jest singletonem. Pokaż, że ten podział jest bezpieczny. Pokaż też, że przynajmniej jedna krawędź wsteczna w σ prowadzi między różnymi elementami podziału (i zostanie odwrócona przy zastosowaniu reguły redukcyjnej). 10

11 Kernelizacja ćwiczenia 8 Kernelizacja przez matroidy Dowodzenie pozostałych z wykładu lematów. 11

12 Kernelizacja ćwiczenia 9 Kernelizacja w grafach planarnych Connected Vertex Cover Zadanie 65. Pokaż, że jeśli wierzchołek v jest stopnia 2, N(v) = {u, w}, oraz v nie jest punktem artykulacji, to (G, k) ma rozwiązanie wtw gdy (G v, k) ma rozwiązanie które zawiera u i w. Zadanie 66. Zaproponuj regułę redukcyjną korzystając z zadania 65. Zadanie 67. Na podstawie zadań 65, 66 pokaż, że problem Connected Vertex Cover ma jądro o 4k wierzchołkach w grafach planarnych. Feedback Vertex Set Zadanie 68. Pokaż regułę, która redukuje graf w taki sposób, aby w grafie nie było wierzchołków stopnia mniejszego niż 3. Zadanie 69. Pokaż regułę, która redukuje graf w taki sposób, aby graf nie zawierał K 2,3 = (A B, E K2,3 ) jako podgrafu, gdzie wierzchołki z B są stopnia co najwyżej 3 w grafie G. Zadanie 70. Pokaż regułę, która redukuje graf w taki sposób, aby nie istniała ścieżka indukowana P długości 13, taka że wierzchołki wewnętrzne z P sąsiadują z co najwyżej dwoma wierzchołkami spoza P (tj N(V (P )) 4). Grafem zredukowanym nazywamy graf w instancji, dla której żadna z powyższych trzech reguł nie może być zastosowana. Niech X V będzie dowolnym zbiorem rozmiaru co najwyżej k, takim że G[F ] jest lasem, gdzie F = V \ X. Zadanie 71. Pokaż, że jeśli G jest zredukowany, to G[F ] zawiera O(k) liści (zakładając, żę G jest planarny). Zadanie 72. Pokaż, że jeśli G jest zredukowany, to G[F ] zawiera O(k) wierzchołków stopnia 2. Zadanie 73. Pokaż, że problem Feedback Vertex Set ma jądro o O(k) wierzchołkach w grafach planarnych. 12

13 Kernelizacja ćwiczenia 10 Meta-kernelizacja w grafach planarnych Zadanie 74. Pokaż, że problem Dominating Set jest r-pokrywalny dla pewnego r. Zadanie 75. Pokaż, że problem Feedback Vertex Set jest r-pokrywalny dla pewnego r. Zadanie 76. Pokaż, że problem Induced Matching jest r-pokrywalny dla pewnego r. Zadanie 77. Pokaż, że problem Dominating Set posiada FII. Zadanie 78. Pokaż, że problem Feedback Vertex Set posiada FII. Zadanie 79. Pokaż, że problem Induced Matching posiada FII. Zadanie 80. Pokaż, że problem Max Cut nie posiada FII. Zadanie 81. Pokaż, że problem Feedback Vertex Set, można wyrazić w min-mso za pomocą formuły stałego rozmiaru. 13

Algorytmy parametryzowane ćwiczenia 1

Algorytmy parametryzowane ćwiczenia 1 Algorytmy parametryzowane ćwiczenia 1 branchingi Zadania oznaczone prawie na pewno nie będą rozwiązywane na ćwiczeniach, są do przemyślenia dla chętnych w domu. Zadanie 1. W problemie Triangle Hitting,

Bardziej szczegółowo

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA DRZEWA i LASY Drzewem nazywamy graf spójny nie zawierający cykli elementarnych. Lasem nazywamy graf nie zawierający cykli elementarnych. Przykłady drzew i lasów takie krawędzie są wykluczone drzewo las

Bardziej szczegółowo

Podstawowe własności grafów. Wykład 3. Własności grafów

Podstawowe własności grafów. Wykład 3. Własności grafów Wykład 3. Własności grafów 1 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2). 2 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2).

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

Matematyka dyskretna. Andrzej Łachwa, UJ, /14 Matematyka dyskretna Andrzej Łachwa, UJ, 2016 andrzej.lachwa@uj.edu.pl 13/14 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami

Bardziej szczegółowo

SPÓJNOŚĆ. ,...v k. }, E={v 1. v k. i v k. ,...,v k-1. }. Wierzchołki v 1. v 2. to końce ścieżki.

SPÓJNOŚĆ. ,...v k. }, E={v 1. v k. i v k. ,...,v k-1. }. Wierzchołki v 1. v 2. to końce ścieżki. SPÓJNOŚĆ Graf jest spójny, gdy dla każdego podziału V na dwa rozłączne podzbiory A i B istnieje krawędź z A do B. Definicja równoważna: Graf jest spójny, gdy każde dwa wierzchołki są połączone ścieżką

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, B/14

Matematyka dyskretna. Andrzej Łachwa, UJ, B/14 Matematyka dyskretna Andrzej Łachwa, UJ, 2019 andrzej.lachwa@uj.edu.pl 1B/14 Drogi w grafach Marszruta (trasa) w grafie G z wierzchołka w do wierzchołka u to skończony ciąg krawędzi w postaci. W skrócie

Bardziej szczegółowo

Zadania z egzaminów z Algorytmiki

Zadania z egzaminów z Algorytmiki 1 Najkrótsze ścieżki Zadania z egzaminów z Algorytmiki Zadanie 1 Dany jest spójny graf nieskierowany G = (V, E) z wagami na krawędziach w : E N oraz cztery wyróżnione wierzchołki a, b, c, d. Należy wybrać

Bardziej szczegółowo

SKOJARZENIA i ZBIORY WEWN. STABILNE WIERZCH. Skojarzeniem w grafie G nazywamy dowolny podzbiór krawędzi parami niezależnych.

SKOJARZENIA i ZBIORY WEWN. STABILNE WIERZCH. Skojarzeniem w grafie G nazywamy dowolny podzbiór krawędzi parami niezależnych. SKOJARZENIA i ZBIORY WEWN. STABILNE WIERZCH. Rozważamy graf G = (V, E) Dwie krawędzie e, e E nazywamy niezależnymi, jeśli nie są incydentne ze wspólnym wierzchołkiem. Skojarzeniem w grafie G nazywamy dowolny

Bardziej szczegółowo

Kolorowanie wierzchołków

Kolorowanie wierzchołków Kolorowanie wierzchołków Mając dany graf, pokolorować jego wierzchołki w taki sposób, aby każde dwa wierzchołki sąsiednie miały inny kolor. Każda krawędź łączy wierzchołki różnych kolorów. Takie pokolorowanie

Bardziej szczegółowo

Znajdowanie skojarzeń na maszynie równoległej

Znajdowanie skojarzeń na maszynie równoległej 11 grudnia 2008 Spis treści 1 Skojarzenia w różnych klasach grafów Drzewa Grafy gęste Grafy regularne dwudzielne Claw-free graphs 2 Drzewa Skojarzenia w drzewach Fakt Wybierajac krawędź do skojarzenia

Bardziej szczegółowo

Kolorowanie wierzchołków Kolorowanie krawędzi Kolorowanie regionów i map. Wykład 8. Kolorowanie

Kolorowanie wierzchołków Kolorowanie krawędzi Kolorowanie regionów i map. Wykład 8. Kolorowanie Wykład 8. Kolorowanie 1 / 62 Kolorowanie wierzchołków - definicja Zbiory niezależne Niech G będzie grafem bez pętli. Definicja Mówimy, że G jest grafem k kolorowalnym, jeśli każdemu wierzchołkowi możemy

Bardziej szczegółowo

Graf. Definicja marca / 1

Graf. Definicja marca / 1 Graf 25 marca 2018 Graf Definicja 1 Graf ogólny to para G = (V, E), gdzie V jest zbiorem wierzchołków (węzłów, punktów grafu), E jest rodziną krawędzi, które mogą być wielokrotne, dokładniej jednoelementowych

Bardziej szczegółowo

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II Wykład 6. Drzewa cz. II 1 / 65 drzewa spinające Drzewa spinające Zliczanie drzew spinających Drzewo T nazywamy drzewem rozpinającym (spinającym) (lub dendrytem) spójnego grafu G, jeżeli jest podgrafem

Bardziej szczegółowo

Przykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych.

Przykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych. Grafy Graf Graf (ang. graph) to zbiór wierzchołków (ang. vertices), które mogą być połączone krawędziami (ang. edges) w taki sposób, że każda krawędź kończy się i zaczyna w którymś z wierzchołków. Graf

Bardziej szczegółowo

Drzewa. Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew

Drzewa. Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew Drzewa Las - graf, który nie zawiera cykli Drzewo - las spójny Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew Niech T graf o n wierzchołkach będący

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka dyskretna. Andrzej Łachwa, UJ, /15 Matematyka dyskretna Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl 14/15 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

Matematyka dyskretna. Andrzej Łachwa, UJ, /14 Matematyka dyskretna Andrzej Łachwa, UJ, 2012 andrzej.lachwa@uj.edu.pl 13/14 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami

Bardziej szczegółowo

Algorytmy parametryzowane i umiarkowanie wykładnicze ćwiczenia 1

Algorytmy parametryzowane i umiarkowanie wykładnicze ćwiczenia 1 Algorytmy parametryzowane i umiarkowanie wykładnicze ćwiczenia 1 branchingi Zadania oznaczone prawie na pewno nie będą rozwiązywane na ćwiczeniach, są do przemyślenia dla chętnych w domu. Zadanie 1. W

Bardziej szczegółowo

MATEMATYKA DYSKRETNA - MATERIAŁY DO WYKŁADU GRAFY

MATEMATYKA DYSKRETNA - MATERIAŁY DO WYKŁADU GRAFY ERIAŁY DO WYKŁADU GRAFY Graf nieskierowany Grafem nieskierowanym nazywamy parę G = (V, E), gdzie V jest pewnym zbiorem skończonym (zwanym zbiorem wierzchołków grafu G), natomiast E jest zbiorem nieuporządkowanych

Bardziej szczegółowo

Matematyka dyskretna

Matematyka dyskretna Matematyka dyskretna Wykład 13: Teoria Grafów Gniewomir Sarbicki Literatura R.J. Wilson Wprowadzenie do teorii grafów Definicja: Grafem (skończonym, nieskierowanym) G nazywamy parę zbiorów (V (G), E(G)),

Bardziej szczegółowo

E ' E G nazywamy krawędziowym zbiorem

E ' E G nazywamy krawędziowym zbiorem Niech G będzie grafem spójnym. Wierzchołek x nazywamy rozcinającym, jeśli G\{x} jest niespójny. Niech G będzie grafem spójnym. V ' V G nazywamy zbiorem rozcinającym jeśli G\V' jest niespójny Niech G będzie

Bardziej szczegółowo

Zadania z egzaminów z Algorytmiki

Zadania z egzaminów z Algorytmiki Zadania z egzaminów z Algorytmiki 1 Geometria obliczeniowa Zadanie 1 Zaprojektuj efektywny algorytm dla następującego problemu. Dany jest zbior n prostokątów na płaszczyźnie (o bokach niekoniecznie równoległych

Bardziej szczegółowo

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1 Wykład Algorytmy grafowe metoda zachłanna. Właściwości algorytmu zachłannego:. W przeciwieństwie do metody programowania dynamicznego nie występuje etap dzielenia na mniejsze realizacje z wykorzystaniem

Bardziej szczegółowo

Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA

Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA Zad. 1 (12p.)Niech n 3k > 0. Zbadać jaka jest najmniejsza możliwa liczba krawędzi w grafie, który ma dokładnie n wierzchołków oraz dokładnie k składowych, z których

Bardziej szczegółowo

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne Przypominajka: 152 drzewo filogenetyczne to drzewo, którego liśćmi są istniejące gatunki, a węzły wewnętrzne mają stopień większy niż jeden i reprezentują

Bardziej szczegółowo

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach

Bardziej szczegółowo

Algorytmika Problemów Trudnych

Algorytmika Problemów Trudnych Algorytmika Problemów Trudnych Wykład 9 Tomasz Krawczyk krawczyk@tcs.uj.edu.pl Kraków, semestr letni 2016/17 plan wykładu Algorytmy aproksymacyjne: Pojęcie algorytmu aproksymacyjnego i współczynnika aproksymowalności.

Bardziej szczegółowo

Ilustracja S1 S2. S3 ściana zewnętrzna

Ilustracja S1 S2. S3 ściana zewnętrzna Grafy płaskie G=(V,E) nazywamy grafem płaskim, gdy V jest skończonym podzbiorem punktów płaszczyzny euklidesowej, a E to zbiór krzywych Jordana (łamanych) o końcach w V i takich, że: 1) rożne krzywe mają

Bardziej szczegółowo

(4) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (3) x (x y) = x, x (x y) = x, (2) x 0 = x, x 1 = x

(4) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (3) x (x y) = x, x (x y) = x, (2) x 0 = x, x 1 = x 2. Wykład 2: algebry Boole a, kraty i drzewa. 2.1. Algebra Boole a. 1 Ważnym dla nas przykładem algebr są algebry Boole a, czyli algebry B = (B,,,, 0, 1) typu (2, 2, 1, 0, 0) spełniające własności: (1)

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Twierdzenie 2.1 Niech G będzie grafem prostym

Bardziej szczegółowo

Teoria grafów podstawy. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Teoria grafów podstawy. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Teoria grafów podstawy Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Grafy zorientowane i niezorientowane Przykład 1 Dwa pociągi i jeden most problem wzajemnego wykluczania się Dwa

Bardziej szczegółowo

Matematyka dyskretna - 7.Drzewa

Matematyka dyskretna - 7.Drzewa Matematyka dyskretna - 7.Drzewa W tym rozdziale zajmiemy się drzewami: specjalnym przypadkiem grafów. Są one szczególnie przydatne do przechowywania informacji, umożliwiającego szybki dostęp do nich. Definicja

Bardziej szczegółowo

Algorytmiczna teoria grafów

Algorytmiczna teoria grafów Przedmiot fakultatywny 20h wykładu + 20h ćwiczeń 21 lutego 2014 Zasady zaliczenia 1 ćwiczenia (ocena): kolokwium, zadania programistyczne (implementacje algorytmów), praca na ćwiczeniach. 2 Wykład (egzamin)

Bardziej szczegółowo

Wykłady z Matematyki Dyskretnej

Wykłady z Matematyki Dyskretnej Wykłady z Matematyki Dyskretnej dla kierunku Informatyka dr Instytut Informatyki Politechnika Krakowska Wykłady na bazie materiałów: dra hab. Andrzeja Karafiata dr hab. Joanny Kołodziej, prof. PK Kolorowanie

Bardziej szczegółowo

Zadania z ćwiczeń #18 (pon. 7 maja) Matematyka Dyskretna

Zadania z ćwiczeń #18 (pon. 7 maja) Matematyka Dyskretna Zadania z ćwiczeń #18 (pon. 7 maja) Matematyka Dyskretna Q1.: Mamy dany zbiór artykułów, z których każdy ma co najmniej k z n możliwych tagów. Chcemy bardzo z grubsza pokategoryzować artykuły w jak najmniejszą

Bardziej szczegółowo

6. Wstępne pojęcia teorii grafów

6. Wstępne pojęcia teorii grafów 6. Wstępne pojęcia teorii grafów Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2016/2017 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 6. Wstępne pojęcia teorii grafów zima 2016/2017

Bardziej szczegółowo

Grafy. Graf ( graf ogólny) to para G( V, E), gdzie:

Grafy. Graf ( graf ogólny) to para G( V, E), gdzie: Graf ( graf ogólny) to para G( V, E), gdzie: V jest zbiorem wierzchołków, ( czasami zwanymi węzłami lub punktami grafu) E jest rodziną ( być może powtarzających się) krawędzi, czyli jedno- i dwu- elementowych

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, A/14

Matematyka dyskretna. Andrzej Łachwa, UJ, A/14 Matematyka dyskretna Andrzej Łachwa, UJ, 2019 andrzej.lachwa@uj.edu.pl 1A/14 Literatura obowiązkowa [1] K.A.Ross, Ch.R.B.Wright: Matematyka Dyskretna. Wydawnictwo Naukowe PWN, Warszawa 1996 [2] R.L.Graham,

Bardziej szczegółowo

Digraf. 13 maja 2017

Digraf. 13 maja 2017 Digraf 13 maja 2017 Graf skierowany, digraf, digraf prosty Definicja 1 Digraf prosty G to (V, E), gdzie V jest zbiorem wierzchołków, E jest rodziną zorientowanych krawędzi, między różnymi wierzchołkami,

Bardziej szczegółowo

Algorytmy Równoległe i Rozproszone Część III - Układy kombinacyjne i P-zupełność

Algorytmy Równoległe i Rozproszone Część III - Układy kombinacyjne i P-zupełność Algorytmy Równoległe i Rozproszone Część III - Układy kombinacyjne i P-zupełność Łukasz Kuszner pokój 209, WETI http://www.kaims.pl/ kuszner/ kuszner@eti.pg.gda.pl Oficjalna strona wykładu http://www.kaims.pl/

Bardziej szczegółowo

Wykład 8. Drzewo rozpinające (minimum spanning tree)

Wykład 8. Drzewo rozpinające (minimum spanning tree) Wykład 8 Drzewo rozpinające (minimum spanning tree) 1 Minimalne drzewo rozpinające - przegląd Definicja problemu Własności minimalnych drzew rozpinających Algorytm Kruskala Algorytm Prima Literatura Cormen,

Bardziej szczegółowo

Algorytmy aproksymacyjne i parametryzowane

Algorytmy aproksymacyjne i parametryzowane Algorytmy aproksymacyjne i parametryzowane Marek Cygan Uniwersytet Warszawski 18 października 2012 Marek Cygan Algorytmy aproksymacyjne i parametryzowane 1/22 Wstęp W algorytmice problemy dzielimy na obliczeniowo

Bardziej szczegółowo

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA DROGI i CYKLE w grafach Dla grafu (nieskierowanego) G = ( V, E ) drogą z wierzchołka v 0 V do v t V nazywamy ciąg (naprzemienny) wierzchołków i krawędzi grafu: ( v 0, e, v, e,..., v t, e t, v t ), spełniający

Bardziej szczegółowo

Algorytmy Równoległe i Rozproszone Część V - Model PRAM II

Algorytmy Równoległe i Rozproszone Część V - Model PRAM II Algorytmy Równoległe i Rozproszone Część V - Model PRAM II Łukasz Kuszner pokój 209, WETI http://www.sphere.pl/ kuszner/ kuszner@sphere.pl Oficjalna strona wykładu http://www.sphere.pl/ kuszner/arir/ 2005/06

Bardziej szczegółowo

Sortowanie topologiczne skierowanych grafów acyklicznych

Sortowanie topologiczne skierowanych grafów acyklicznych Sortowanie topologiczne skierowanych grafów acyklicznych Metody boolowskie w informatyce Robert Sulkowski http://robert.brainusers.net 23 stycznia 2010 1 Definicja 1 (Cykl skierowany). Niech C = (V, A)

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Informacje podstawowe 1. Konsultacje: pokój

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka dyskretna. Andrzej Łachwa, UJ, /15 Matematyka dyskretna Andrzej Łachwa, UJ, 2014 andrzej.lachwa@uj.edu.pl 8/15 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami

Bardziej szczegółowo

Złożoność obliczeniowa klasycznych problemów grafowych

Złożoność obliczeniowa klasycznych problemów grafowych Złożoność obliczeniowa klasycznych problemów grafowych Oznaczenia: G graf, V liczba wierzchołków, E liczba krawędzi 1. Spójność grafu Graf jest spójny jeżeli istnieje ścieżka łącząca każdą parę jego wierzchołków.

Bardziej szczegółowo

Kombinowanie o nieskończoności. 2. Wyspy, mosty, mapy i kredki materiały do ćwiczeń

Kombinowanie o nieskończoności. 2. Wyspy, mosty, mapy i kredki materiały do ćwiczeń Kombinowanie o nieskończoności. 2. Wyspy, mosty, mapy i kredki materiały do ćwiczeń Projekt Matematyka dla ciekawych świata spisał: Michał Korch 15 marzec 2018 Szybkie przypomnienie z wykładu Prezentacja

Bardziej szczegółowo

MATEMATYKA DYSKRETNA - KOLOKWIUM 2

MATEMATYKA DYSKRETNA - KOLOKWIUM 2 1 MATEMATYKA DYSKRETNA - KOLOKWIUM 2 GRUPA A RACHUNKI+KRÓTKIE WYJAŚNIENIA! NA TEJ KARTCE! KAŻDA DODATKOWA KARTKA TO MINUS 1 PUNKT! Imię i nazwisko...... Nr indeksu... 1. (3p.) Znajdź drzewo o kodzie Prufera

Bardziej szczegółowo

Opracowanie prof. J. Domsta 1

Opracowanie prof. J. Domsta 1 Opracowanie prof. J. Domsta 1 Algorytm FLEURY'ego: Twierdzenie 6.5 G-graf eulerowski. Wtedy cykl Eulera otrzymujemy nastepująco: a) Start w dowolnym wierzchołku b) Krawędzie w dowolnej kolejności po przebyciu

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład. Prof. dr hab. inż. Jan Magott Algorytmy grafowe: podstawowe pojęcia, reprezentacja grafów, metody przeszukiwania, minimalne drzewa rozpinające, problemy

Bardziej szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne podstawy programowania liniowego Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i

Bardziej szczegółowo

a) 7 b) 19 c) 21 d) 34

a) 7 b) 19 c) 21 d) 34 Zadanie 1. Pytania testowe dotyczące podstawowych własności grafów. Zadanie 2. Przy każdym z zadań może się pojawić polecenie krótkiej charakterystyki algorytmu. Zadanie 3. W zadanym grafie sprawdzenie

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.

Bardziej szczegółowo

Rachunek podziałów i elementy teorii grafów będą stosowane w procedurach redukcji argumentów i dekompozycji funkcji boolowskich.

Rachunek podziałów i elementy teorii grafów będą stosowane w procedurach redukcji argumentów i dekompozycji funkcji boolowskich. Pojęcia podstawowe c.d. Rachunek podziałów Elementy teorii grafów Klasy zgodności Rachunek podziałów i elementy teorii grafów będą stosowane w procedurach redukcji argumentów i dekompozycji funkcji boolowskich.

Bardziej szczegółowo

Kolorowanie wierzchołków grafu

Kolorowanie wierzchołków grafu Kolorowanie wierzchołków grafu Niech G będzie grafem prostym. Przez k-kolorowanie właściwe wierzchołków grafu G rozumiemy takie przyporządkowanie wierzchołkom grafu liczb naturalnych ze zbioru {1,...,

Bardziej szczegółowo

G. Wybrane elementy teorii grafów

G. Wybrane elementy teorii grafów Dorota Miszczyńska, Marek Miszczyński KBO UŁ Wybrane elementy teorii grafów 1 G. Wybrane elementy teorii grafów Grafy są stosowane współcześnie w różnych działach nauki i techniki. Za pomocą grafów znakomicie

Bardziej szczegółowo

Suma dwóch grafów. Zespolenie dwóch grafów

Suma dwóch grafów. Zespolenie dwóch grafów Suma dwóch grafów G 1 = ((G 1 ), E(G 1 )) G 2 = ((G 2 ), E(G 2 )) (G 1 ) i (G 2 ) rozłączne Suma G 1 G 2 graf ze zbiorem wierzchołków (G 1 ) (G 2 ) i rodziną krawędzi E(G 1 ) E(G 2 ) G 1 G 2 G 1 G 2 Zespolenie

Bardziej szczegółowo

6d. Grafy dwudzielne i kolorowania

6d. Grafy dwudzielne i kolorowania 6d. Grafy dwudzielne i kolorowania Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2016/2017 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w6d. Krakowie) Grafy dwudzielne i kolorowania zima

Bardziej szczegółowo

Teoria obliczeń i złożoność obliczeniowa

Teoria obliczeń i złożoność obliczeniowa Teoria obliczeń i złożoność obliczeniowa Kontakt: dr hab. inż. Adam Kasperski, prof. PWr. pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + informacje na stronie www. Zaliczenie: Egzamin Literatura Problemy

Bardziej szczegółowo

Ścieżki w grafach. Grafy acykliczne i spójne

Ścieżki w grafach. Grafy acykliczne i spójne TEORIA GRAFÓW I SIECI - ROZDZIAL II Ścieżki w grafach. Grafy acykliczne i spójne Ścieżka lub droga w grafie [digrafie] G nazywamy dowolny ciag d = (a 0, k 1, a 1,..., k n, a n ), gdzie n N {0}, a i V G,

Bardziej szczegółowo

Wykłady z Matematyki Dyskretnej

Wykłady z Matematyki Dyskretnej Wykłady z Matematyki Dyskretnej dla kierunku Informatyka dr Instytut Informatyki Politechnika Krakowska Wykłady na bazie materiałów: dra hab. Andrzeja Karafiata dr hab. Joanny Kołodziej, prof. PK Grafy

Bardziej szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Grafy (3): drzewa. Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków. UTP Bydgoszcz

Grafy (3): drzewa. Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków. UTP Bydgoszcz Grafy (3): drzewa Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków UTP Bydgoszcz 13 (Wykłady z matematyki dyskretnej) Grafy (3): drzewa 13 1 / 107 Drzewo Definicja. Drzewo to graf acykliczny

Bardziej szczegółowo

Minimalne drzewa rozpinające

Minimalne drzewa rozpinające KNM UŚ 26-28 listopada 2010 Ostrzeżenie Wprowadzenie Motywacja Definicje Niektóre pojęcia pojawiające się podczas tego referatu są naszymi autorskimi tłumaczeniami z języka angielskiego. Nie udało nam

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Indukowane Reguły Decyzyjne I. Wykład 3

Indukowane Reguły Decyzyjne I. Wykład 3 Indukowane Reguły Decyzyjne I Wykład 3 IRD Wykład 3 Plan Powtórka Grafy Drzewa klasyfikacyjne Testy wstęp Klasyfikacja obiektów z wykorzystaniem drzewa Reguły decyzyjne generowane przez drzewo 2 Powtórzenie

Bardziej szczegółowo

1. Funkcje monotoniczne, wahanie funkcji.

1. Funkcje monotoniczne, wahanie funkcji. 1. Funkcje monotoniczne, wahanie funkcji. Zbiór X będziemy nazywali uporządkowanym, jeśli określona jest relacja zawarta w produkcie kartezjańskim X X, która jest spójna, antysymetryczna i przechodnia.

Bardziej szczegółowo

Matematyka Dyskretna - zadania

Matematyka Dyskretna - zadania zad. 1. Chcemy zdefiniować rekurencyjnie zbiór Z wszystkich trójkątów równoramiennych ABC, gdzie współrzędne wierzchołków będą liczbami całkowitymi, wierzchołek A zawsze będzie leżeć w początku układu

Bardziej szczegółowo

Podstawowe pojęcia dotyczące drzew Podstawowe pojęcia dotyczące grafów Przykłady drzew i grafów

Podstawowe pojęcia dotyczące drzew Podstawowe pojęcia dotyczące grafów Przykłady drzew i grafów Podstawowe pojęcia dotyczące drzew Podstawowe pojęcia dotyczące grafów Przykłady drzew i grafów Drzewa: Drzewo (ang. tree) jest strukturą danych zbudowaną z elementów, które nazywamy węzłami (ang. node).

Bardziej szczegółowo

Trudność aproksymacji problemów NP-trudnych

Trudność aproksymacji problemów NP-trudnych Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki Anna Niewiarowska Nr albumu: 201074 Trudność aproksymacji problemów NP-trudnych Praca magisterska na kierunku INFORMATYKA Praca wykonana

Bardziej szczegółowo

Programowanie dynamiczne i algorytmy zachłanne

Programowanie dynamiczne i algorytmy zachłanne Programowanie dynamiczne i algorytmy zachłanne Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii

Bardziej szczegółowo

Teoria grafów dla małolatów. Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska

Teoria grafów dla małolatów. Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska Teoria grafów dla małolatów Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska Wstęp Matematyka to wiele różnych dyscyplin Bowiem świat jest bardzo skomplikowany wymaga rozważenia

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka dyskretna. Andrzej Łachwa, UJ, /15 Matematyka dyskretna Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl 15/15 Twierdzenie Dla grafu prostego następujące warunki są równoważne: 1) jest drzewem, 2) nie zawiera cykli i ma krawędzi, 3)

Bardziej szczegółowo

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV Algorytmy grafowe Wykład 1 Podstawy teorii grafów Reprezentacje grafów Tomasz Tyksiński CDV Rozkład materiału 1. Podstawowe pojęcia teorii grafów, reprezentacje komputerowe grafów 2. Przeszukiwanie grafów

Bardziej szczegółowo

Grafy dla każdego. dr Krzysztof Bryś. Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska.

Grafy dla każdego. dr Krzysztof Bryś. Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska. Grafy dla każdego dr Krzysztof Bryś brys@mini.pw.edu.pl Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska www.mini.pw.edu.pl Warszawa, 28 marca 2015 Graf składa się z elementów pewnego zbioru

Bardziej szczegółowo

TEORETYCZNE PODSTAWY INFORMATYKI

TEORETYCZNE PODSTAWY INFORMATYKI 1 TEORETYCZNE PODSTAWY INFORMATYKI WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Wykład 14c 2 Definicje indukcyjne Twierdzenia dowodzone przez indukcje Definicje indukcyjne Definicja drzewa

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków Matematyka dyskretna dla informatyków Część I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szymański Uniwersytet im. Adama Mickiewicza Poznań 2007 4 Zależności rekurencyjne Wiele zależności

Bardziej szczegółowo

Praca dyplomowa magisterska

Praca dyplomowa magisterska Politechnika Gdańska WYDZIAŁ ELEKTRONIKI TELEKOMUNIKACJI I INFORMATYKI Katedra: Katedra Algorytmów i Modelowania Systemów Forma i poziom studiów: stacjonarne, jednolite magisterskie Kierunek studiów: Informatyka

Bardziej szczegółowo

KURS MATEMATYKA DYSKRETNA

KURS MATEMATYKA DYSKRETNA KURS MATEMATYKA DYSKRETNA LEKCJA 28 Grafy hamiltonowskie ZADANIE DOMOWE www.akademia.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Drogę nazywamy

Bardziej szczegółowo

10. Kolorowanie wierzchołków grafu

10. Kolorowanie wierzchołków grafu p. 10. Kolorowanie wierzchołków grafu 10.1 Definicje i twierdzenia Przez k-kolorowanie wierzchołków grafu G rozumiemy przyporzadkowanie każdemu wierzchołkowi grafu G jednego z k kolorów 1, 2,...,k. p.

Bardziej szczegółowo

Programowanie obiektowe

Programowanie obiektowe Programowanie obiektowe Sieci powiązań Paweł Daniluk Wydział Fizyki Jesień 2014 P. Daniluk (Wydział Fizyki) PO w. IX Jesień 2014 1 / 24 Sieci powiązań Można (bardzo zgrubnie) wyróżnić dwa rodzaje powiązań

Bardziej szczegółowo

Wprowadzenie Podstawy Fundamentalne twierdzenie Kolorowanie. Grafy planarne. Przemysław Gordinowicz. Instytut Matematyki, Politechnika Łódzka

Wprowadzenie Podstawy Fundamentalne twierdzenie Kolorowanie. Grafy planarne. Przemysław Gordinowicz. Instytut Matematyki, Politechnika Łódzka Grafy planarne Przemysław Gordinowicz Instytut Matematyki, Politechnika Łódzka Grafy i ich zastosowania Wykład 12 Plan prezentacji 1 Wprowadzenie 2 Podstawy 3 Fundamentalne twierdzenie 4 Kolorowanie grafów

Bardziej szczegółowo

Programowanie obiektowe

Programowanie obiektowe Programowanie obiektowe Sieci powiązań Paweł Daniluk Wydział Fizyki Jesień 2015 P. Daniluk (Wydział Fizyki) PO w. IX Jesień 2015 1 / 21 Sieci powiązań Można (bardzo zgrubnie) wyróżnić dwa rodzaje powiązań

Bardziej szczegółowo

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. 3. Funkcje borelowskie. Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. (1): Jeśli zbiór Y należy do rodziny F, to jego dopełnienie X

Bardziej szczegółowo

0. ELEMENTY LOGIKI. ALGEBRA BOOLE A

0. ELEMENTY LOGIKI. ALGEBRA BOOLE A WYKŁAD 5() ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań Matematyka zbudowana jest z pierwotnych twierdzeń (nazywamy

Bardziej szczegółowo

TEORIA GRAFÓW I SIECI

TEORIA GRAFÓW I SIECI TEORIA GRAFÓW I SIECI Temat nr 3: Marszruty, łańcuchy, drogi w grafach dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 261-83-95-04, p.225/100

Bardziej szczegółowo

dodatkowe operacje dla kopca binarnego: typu min oraz typu max:

dodatkowe operacje dla kopca binarnego: typu min oraz typu max: ASD - ćwiczenia IX Kopce binarne własność porządku kopca gdzie dla każdej trójki wierzchołków kopca (X, Y, Z) porządek etykiet elem jest następujący X.elem Y.elem oraz Z.elem Y.elem w przypadku kopca typu

Bardziej szczegółowo

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

domykanie relacji, relacja równoważności, rozkłady zbiorów 1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i

Bardziej szczegółowo

TEORIA GRAFÓW I SIECI

TEORIA GRAFÓW I SIECI TEORIA GRAFÓW I SIECI Temat nr 7: Przydziały w grafach i sieciach dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 26-83-95-04, p.225/00 Zakład

Bardziej szczegółowo

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów Wykład 2. Reprezentacja komputerowa grafów 1 / 69 Macierz incydencji Niech graf G będzie grafem nieskierowanym bez pętli o n wierzchołkach (x 1, x 2,..., x n) i m krawędziach (e 1, e 2,..., e m). 2 / 69

Bardziej szczegółowo

Wstęp do programowania. Drzewa. Piotr Chrząstowski-Wachtel

Wstęp do programowania. Drzewa. Piotr Chrząstowski-Wachtel Wstęp do programowania Drzewa Piotr Chrząstowski-Wachtel Drzewa Drzewa definiują matematycy, jako spójne nieskierowane grafy bez cykli. Równoważne określenia: Spójne grafy o n wierzchołkach i n-1 krawędziach

Bardziej szczegółowo

Rozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy. Dla dowolnego zbioru B Y określamy jego przeciwobraz:

Rozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy. Dla dowolnego zbioru B Y określamy jego przeciwobraz: Rozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy jego obraz: f(a) = {f(x); x A} = {y Y : x A f(x) = y}. Dla dowolnego zbioru B Y określamy jego przeciwobraz: f 1 (B) = {x X; f(x) B}. 1 Zadanie.

Bardziej szczegółowo

Wykład 7. Algorytmy grafowe

Wykład 7. Algorytmy grafowe Wykład Algorytmy grafowe Algorytmy grafowe i podstawowe algorytmy przeszukiwania Problem Definicje i własności Reprezentacja Przeszukiwanie wszerz (Breadthirst Search) Przeszukiwanie w głąb (Depthirst

Bardziej szczegółowo

Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie

Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Używane struktury danych: V - zbiór wierzchołków grafu, V = {1,2,3...,n} E - zbiór krawędzi grafu, E = {(i,j),...}, gdzie i, j Î V i istnieje

Bardziej szczegółowo

Liga zadaniowa Seria I, 2014/2015, Piotr Nayar, Marta Strzelecka

Liga zadaniowa Seria I, 2014/2015, Piotr Nayar, Marta Strzelecka Seria I, 04/05, Piotr Nayar, Marta Strzelecka Pytania dotyczące zadań prosimy kierować do Piotra Nayara na adres: nayar@mimuw.edu.pl. Rozwiązania można przesyłać Marcie Strzeleckiej na adres martast@mimuw.edu.pl,

Bardziej szczegółowo

Problemy Decyzyjne dla Systemów Nieskończonych

Problemy Decyzyjne dla Systemów Nieskończonych Problemy Decyzyjne dla Systemów Nieskończonych Ćwiczenia 1 17 lutego 2012 Na tych ćwiczeniach zajmiemy się pojęciem well quasi-ordering (WQO) bardzo przydatnym do analizy nieskończonych ciągów. Definicja

Bardziej szczegółowo