SlideShare uma empresa Scribd logo
1 de 16
Baixar para ler offline
Problema da Árvore Geradora
de Rotulação Mínima (PAGRM)
Métodos Exatos e Heurísticos
Introdução - PAGM
● Problema da Árvore Geradora Mínima (PAGM)
○ Polinomial
○ Variações NP-Completo
Variante PAGRM - Definição
Entrada: grafo não orientado G = (V, E, L), onde
● V são os vértices
● E são as arestas
● e L é um conjunto de rótulos sobre E (cada aresta possui um conjunto de rótulos)
Objetivo: encontrar uma árvore T = (V, E', L') em G que utilize o menor número de
rótulos diferentes (minimizar |L'|)
PAGRM - Exemplo
(a) Instância-exemplo (b) Solução ótima
PAGRM - Aplicações
(Projeto de redes de comunicação) onde existem vários meios entre os nós (e.g. fibra
óptica, ethernet). Encontrar uma árvore que conecte todos os nós com a menor
quantidade de tipos de meio.
(Redes de transporte multimodais) onde deseja-se prover um serviço usando o
número mínimo de companhias. Cada aresta representa uma companhia que gerencia
o serviço naquela aresta. Encontrar uma árvore geradora com o mínimo de
companhias diferentes.
PAGRM - Histórico
Várias formulações matemáticas desde 1997
● Exatos
○ Baseado no A*, Branch&Cut, Branch&Cut&Price, Planos de corte
● Heurísticos
○ MVCA (Maximum Vertex Covering Algorithm)
○ GRASP (Greedy Randomized Adaptive Search Procedure)
○ VNS (Variable Neighbourhood Search)
○ MGA (Modified Genetic Algorithm)
Formulação Baseada em Cortes Coloridos
(FBCC)
Formulação Baseada em Cortes Coloridos
(FBCC)
● δ(S) → Corte de arestas
● Conjunto exponencial de
restrições
● Planos de corte
○ Separação das inequações
Heurísticas Construtivas
● Uso do algoritmo de Prim
● Adição de arestas
● Remoção de arestas
Heurísticas - Prim
Algoritmo PrimMod:
Entrada: grafo G rotulado
Seja L um conjunto que guarda cada rótulo e a sua frequência no grafo G
Para cada aresta do grafo:
definir seu peso como a frequência do rótulo associado, com valor negativo
Aplicar o algoritmo de Prim (árvore geradora mínima)
Heurísticas - Prim
(a) Instância-exemplo (b) Construindo solução ótima
Heurísticas - Add Maioritários
Algoritmo AddMajorities:
enquanto |L| > 0:
l = pegar (e remover) rótulo com menor frequência de L
M = conjunto das arestas relacionadas a l
H = G sem as arestas M
se H é conexo:
G = H
remover ciclos de G
Heurísticas - Add Maioritários
(a) Instância-exemplo (b) Construindo solução ótima
Heurísticas - Del Minoritários
Algoritmo AddMajorities:
H = G sem arestas
enquanto H é desconexo:
l = pegar (e remover) rótulo com maior frequência de L
M = conjunto das arestas relacionadas a l
adicionar as arestas M ao grafo H
remover ciclos de G
Heurísticas - Del Minoritários
(a) Instância-exemplo (b) Construindo solução ótima
Fim!

Mais conteúdo relacionado

Mais procurados

Presentación4
Presentación4Presentación4
Presentación4erick
 
Restrição e prolongamento de uma função: Exercícios resolvidos
Restrição e prolongamento de uma função:  Exercícios resolvidosRestrição e prolongamento de uma função:  Exercícios resolvidos
Restrição e prolongamento de uma função: Exercícios resolvidosnumerosnamente
 
Lista deexercicios3 parte1_estruturas_de_dados
Lista deexercicios3 parte1_estruturas_de_dadosLista deexercicios3 parte1_estruturas_de_dados
Lista deexercicios3 parte1_estruturas_de_dadosRogério Tolentino
 
Aula 1 Análise de Algoritmos - PIE - (2018.2) CCO 8 NA
Aula 1 Análise de Algoritmos - PIE - (2018.2) CCO 8 NAAula 1 Análise de Algoritmos - PIE - (2018.2) CCO 8 NA
Aula 1 Análise de Algoritmos - PIE - (2018.2) CCO 8 NACloves da Rocha
 
Resolução II - Relações binárias e funções
Resolução II - Relações binárias e funçõesResolução II - Relações binárias e funções
Resolução II - Relações binárias e funçõesFeefelipeeRS
 
Análise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoAnálise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoDelacyr Ferreira
 
02 métodos de integração
02   métodos de integração02   métodos de integração
02 métodos de integraçãoDiogo de Lucena
 
Função seno
Função senoFunção seno
Função senomyri2000
 
Derivada como taxa de vari aca o2
Derivada como taxa de vari aca o2Derivada como taxa de vari aca o2
Derivada como taxa de vari aca o2calculogrupo
 
Exercicio 5 transformada de fourier no tempo continuo
Exercicio 5   transformada de fourier no tempo continuoExercicio 5   transformada de fourier no tempo continuo
Exercicio 5 transformada de fourier no tempo continuoAlessandro Beda
 
Estudo da função
Estudo da funçãoEstudo da função
Estudo da funçãorachidcury
 

Mais procurados (19)

Full Waveform Inversion: Introdução e Aplicações [2/5]
Full Waveform Inversion: Introdução e Aplicações [2/5]Full Waveform Inversion: Introdução e Aplicações [2/5]
Full Waveform Inversion: Introdução e Aplicações [2/5]
 
Full Waveform Inversion: Introdução e Aplicações [3/5]
Full Waveform Inversion: Introdução e Aplicações [3/5]Full Waveform Inversion: Introdução e Aplicações [3/5]
Full Waveform Inversion: Introdução e Aplicações [3/5]
 
Presentación4
Presentación4Presentación4
Presentación4
 
Restrição e prolongamento de uma função: Exercícios resolvidos
Restrição e prolongamento de uma função:  Exercícios resolvidosRestrição e prolongamento de uma função:  Exercícios resolvidos
Restrição e prolongamento de uma função: Exercícios resolvidos
 
Lista deexercicios3 parte1_estruturas_de_dados
Lista deexercicios3 parte1_estruturas_de_dadosLista deexercicios3 parte1_estruturas_de_dados
Lista deexercicios3 parte1_estruturas_de_dados
 
A integral definida
A integral definidaA integral definida
A integral definida
 
Função - Teoria I
Função - Teoria IFunção - Teoria I
Função - Teoria I
 
Aula 1 Análise de Algoritmos - PIE - (2018.2) CCO 8 NA
Aula 1 Análise de Algoritmos - PIE - (2018.2) CCO 8 NAAula 1 Análise de Algoritmos - PIE - (2018.2) CCO 8 NA
Aula 1 Análise de Algoritmos - PIE - (2018.2) CCO 8 NA
 
Resolução II - Relações binárias e funções
Resolução II - Relações binárias e funçõesResolução II - Relações binárias e funções
Resolução II - Relações binárias e funções
 
Ppda 1º grau
Ppda 1º grauPpda 1º grau
Ppda 1º grau
 
Análise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoAnálise de Algoritmos - Método Guloso
Análise de Algoritmos - Método Guloso
 
02 métodos de integração
02   métodos de integração02   métodos de integração
02 métodos de integração
 
Lista 05
Lista 05Lista 05
Lista 05
 
Questão 01
Questão 01Questão 01
Questão 01
 
Função seno
Função senoFunção seno
Função seno
 
Derivada como taxa de vari aca o2
Derivada como taxa de vari aca o2Derivada como taxa de vari aca o2
Derivada como taxa de vari aca o2
 
Questão 01
Questão 01Questão 01
Questão 01
 
Exercicio 5 transformada de fourier no tempo continuo
Exercicio 5   transformada de fourier no tempo continuoExercicio 5   transformada de fourier no tempo continuo
Exercicio 5 transformada de fourier no tempo continuo
 
Estudo da função
Estudo da funçãoEstudo da função
Estudo da função
 

Mais de Marcos Paulo Maia dos Santos

Mais de Marcos Paulo Maia dos Santos (11)

Inclusão Digital - Conceitos básicos de informática
Inclusão Digital - Conceitos básicos de informáticaInclusão Digital - Conceitos básicos de informática
Inclusão Digital - Conceitos básicos de informática
 
Linguagens não recursivamente enumeráveis e Hierarquia de Chomsky
Linguagens não recursivamente enumeráveis e Hierarquia de ChomskyLinguagens não recursivamente enumeráveis e Hierarquia de Chomsky
Linguagens não recursivamente enumeráveis e Hierarquia de Chomsky
 
Regressão simbólica - Resolvendo problemas de planejamento não-determinísticos
Regressão simbólica - Resolvendo problemas de planejamento não-determinísticosRegressão simbólica - Resolvendo problemas de planejamento não-determinísticos
Regressão simbólica - Resolvendo problemas de planejamento não-determinísticos
 
Introdução a ciência de dados com Python
Introdução a ciência de dados com PythonIntrodução a ciência de dados com Python
Introdução a ciência de dados com Python
 
Applied plotting, charting & data representation in Python (pt. 2)
Applied plotting, charting & data representation in Python (pt. 2)Applied plotting, charting & data representation in Python (pt. 2)
Applied plotting, charting & data representation in Python (pt. 2)
 
Resolução de problemas por meio de busca
Resolução de problemas por meio de buscaResolução de problemas por meio de busca
Resolução de problemas por meio de busca
 
Planejamento em Inteligência Artificial
Planejamento em Inteligência ArtificialPlanejamento em Inteligência Artificial
Planejamento em Inteligência Artificial
 
Planejamento como verificação de modelos
Planejamento como verificação de modelosPlanejamento como verificação de modelos
Planejamento como verificação de modelos
 
Diagramas de decisão binária
Diagramas de decisão bináriaDiagramas de decisão binária
Diagramas de decisão binária
 
Linguagens de programação - Go
Linguagens de programação - GoLinguagens de programação - Go
Linguagens de programação - Go
 
Planejamento em Inteligência Artificial
Planejamento em Inteligência ArtificialPlanejamento em Inteligência Artificial
Planejamento em Inteligência Artificial
 

Problema da Árvore Geradora de Rotulação Mínima (PAGRM)

  • 1. Problema da Árvore Geradora de Rotulação Mínima (PAGRM) Métodos Exatos e Heurísticos
  • 2. Introdução - PAGM ● Problema da Árvore Geradora Mínima (PAGM) ○ Polinomial ○ Variações NP-Completo
  • 3. Variante PAGRM - Definição Entrada: grafo não orientado G = (V, E, L), onde ● V são os vértices ● E são as arestas ● e L é um conjunto de rótulos sobre E (cada aresta possui um conjunto de rótulos) Objetivo: encontrar uma árvore T = (V, E', L') em G que utilize o menor número de rótulos diferentes (minimizar |L'|)
  • 4. PAGRM - Exemplo (a) Instância-exemplo (b) Solução ótima
  • 5. PAGRM - Aplicações (Projeto de redes de comunicação) onde existem vários meios entre os nós (e.g. fibra óptica, ethernet). Encontrar uma árvore que conecte todos os nós com a menor quantidade de tipos de meio. (Redes de transporte multimodais) onde deseja-se prover um serviço usando o número mínimo de companhias. Cada aresta representa uma companhia que gerencia o serviço naquela aresta. Encontrar uma árvore geradora com o mínimo de companhias diferentes.
  • 6. PAGRM - Histórico Várias formulações matemáticas desde 1997 ● Exatos ○ Baseado no A*, Branch&Cut, Branch&Cut&Price, Planos de corte ● Heurísticos ○ MVCA (Maximum Vertex Covering Algorithm) ○ GRASP (Greedy Randomized Adaptive Search Procedure) ○ VNS (Variable Neighbourhood Search) ○ MGA (Modified Genetic Algorithm)
  • 7. Formulação Baseada em Cortes Coloridos (FBCC)
  • 8. Formulação Baseada em Cortes Coloridos (FBCC) ● δ(S) → Corte de arestas ● Conjunto exponencial de restrições ● Planos de corte ○ Separação das inequações
  • 9. Heurísticas Construtivas ● Uso do algoritmo de Prim ● Adição de arestas ● Remoção de arestas
  • 10. Heurísticas - Prim Algoritmo PrimMod: Entrada: grafo G rotulado Seja L um conjunto que guarda cada rótulo e a sua frequência no grafo G Para cada aresta do grafo: definir seu peso como a frequência do rótulo associado, com valor negativo Aplicar o algoritmo de Prim (árvore geradora mínima)
  • 11. Heurísticas - Prim (a) Instância-exemplo (b) Construindo solução ótima
  • 12. Heurísticas - Add Maioritários Algoritmo AddMajorities: enquanto |L| > 0: l = pegar (e remover) rótulo com menor frequência de L M = conjunto das arestas relacionadas a l H = G sem as arestas M se H é conexo: G = H remover ciclos de G
  • 13. Heurísticas - Add Maioritários (a) Instância-exemplo (b) Construindo solução ótima
  • 14. Heurísticas - Del Minoritários Algoritmo AddMajorities: H = G sem arestas enquanto H é desconexo: l = pegar (e remover) rótulo com maior frequência de L M = conjunto das arestas relacionadas a l adicionar as arestas M ao grafo H remover ciclos de G
  • 15. Heurísticas - Del Minoritários (a) Instância-exemplo (b) Construindo solução ótima
  • 16. Fim!