Hamiltonsche Graphen

Ähnliche Dokumente
Eulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal

Vier-Farben-Vermutung (1)

abgeschlossen unter,,,, R,

WS 2009/10. Diskrete Strukturen

Vollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).

3 Klassifikation wichtiger Optimierungsprobleme

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein

Übung zur Vorlesung Berechenbarkeit und Komplexität

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP

NP-Vollständigkeit. Krautgartner Martin ( ) Markgraf Waldomir ( ) Rattensberger Martin ( ) Rieder Caroline ( )

Die Verbindung von Linearer Programmierung und Graphentheorie

6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen

Minimal spannender Baum

2. Repräsentationen von Graphen in Computern

Das Multi Traveling Salesman Problem

4. Kreis- und Wegeprobleme Abstände in Graphen

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.

Traveling Salesman Problem (TSP)

Einführung in Algorithmen und Komplexität

Optimierungsprobleme. B. Langfeld, M. Ritter, B. Wilhelm Diskrete Optimierung: Fallstudien aus der Praxis

Das Linear Ordering Problem Exakte Lösungsverfahren. für NP-schwierige. VO Algorithm Engineering

Freie Universität Berlin. Diskrete Mathematik. Ralf Borndörfer, Stephan Schwartz. Freie Universität. 08. April 2013

2. Optimierungsprobleme 6

Vorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches

Übungsblatt 2 - Lösung

Einführung in die Informatik

Algorithmen II Vorlesung am

NP-vollständig - Was nun?

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung

Nichtdeterministische Platzklassen

Kapitel 4: Minimale spannende Bäume Gliederung der Vorlesung

Wie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung

6. Flüsse und Zuordnungen

f h c 7 a 1 b 1 g 2 2 d

Minimal spannende Bäume

3. Musterlösung. Problem 1: Boruvka MST

Die Komplexitätsklassen P und NP

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

Kapitel 4. Optimierungsalgorithmen. Technische Universität Wien. Gunnar Klau Technische Universität Wien. Institut für Computergraphik und Algorithmen

Der Simplex-Algorithmus

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Lange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege

Algorithmen und Datenstrukturen 2

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

William Rowan Hamilton,

WS 2009/10. Diskrete Strukturen

Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten

Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling

Das Briefträgerproblem

6. Übung zur Linearen Optimierung SS08

Durchschnitt von Matroiden

Lineare Programmierung

Toleranzbasierte Algorithmen für das Travelling Salesman Problem. Gerold Jäger

Rechnerische Komplexität

Dynamische Programmierung. Problemlösungsstrategie der Informatik

Algorithmen II Vorlesung am

Effiziente Algorithmen I

Anmerkungen zur Übergangsprüfung

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Studientag zur Algorithmischen Mathematik

Reduktionen. Algorithmen und Datenstrukturen Kapitel 6.2 Komplexitätstheorie. Exkurs: Reduktionen allgemein. Reduktionen: Erläuterungen

Datenstrukturen und Algorithmen SS07

Routing Algorithmen. Begriffe, Definitionen

Komplexitätstheorie Einführung und Überblick (Wiederholung)

Traveling Salesman Problem (TSP) Präsentation von Burku, Kienzerle, Stollnberger

Approximation im Sinne der Analysis:

5. Lokale Suchverfahren. Beispiel TSP: k-change Nachbarschaft. Nachbarschaft. k-opt Algorithmus

Statistische Untersuchungen zu endlichen Funktionsgraphen

11. Woche: Turingmaschinen und Komplexität Rekursive Aufzählbarkeit, Entscheidbarkeit Laufzeit, Klassen DTIME und P

4 Greedy-Algorithmen (gierige Algorithmen)

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen

16. Flächenfärbungen

9. Übung Algorithmen I

Alle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)).

Gemischt-ganzzahlige und Kombinatorische Optimierung

Kapitel 9. Komplexität von Algorithmen und Sortieralgorithmen

WS 2013/14. Diskrete Strukturen

5.4 Das Rucksackproblem

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Kapitel 9. Komplexität von Algorithmen und Sortieralgorithmen

Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206

Verbesserungsheuristiken

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie

Planare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61)

Approximationsalgorithmen am Beispiel des Traveling Salesman Problem

Kombinatorische Spiele mit Zufallselementen

Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität

Approximationsalgorithmen

Algorithmen und Datenstrukturen Kapitel 6 Komplexitätstheorie

Informatik I WS 07/08 Tutorium 24

Graphalgorithmen 2. Oleksiy Rybakov. 3. Juni Betreuer: Tobias Werth, Daniel Brinkers

Kombinatorische Optimierung

Approximations-Algorithmen

Algorithmen zum Lösen von Vertex und Set Cover Instanzen zur Planung von Angriffen auf Netzwerke

Transkript:

Hamiltonsche Graphen Definition 3.2. Es sei G = (V, E) ein Graph. Ein Weg, der jeden Knoten von G genau einmal enthält, heißt hamiltonscher Weg. Ein Kreis, der jeden Knoten von G genau einmal enthält, heißt hamiltonscher Kreis. G heißt hamiltonsch gdw. G einen hamiltonschen Kreis enthält. Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 72 Beispiel 3.4. Die Bezeichnung hamiltonsch geht auf Sir William Rowan Hamilton (1805 1865) zurück, der 1859 das Spiel around the world erfand. Die Punkte eines Dodekaeders stellten Städte dar. Die Aufgabe des Spiels bestand darin, entlang der Kanten des Dodekaeders eine Rundreise zu unternehmen, bei der man jede Stadt genau einmal besucht. Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 73

Sir William Rowan Hamilton Around the World Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 74 Charakterisierung von hamiltonschen Graphen Satz 3.4. Es sei G = (V, E) ein Graph mit n := V 3. Gilt: v V : deg(v) n/2, dann ist G hamiltonsch. Beweis. Tafel. Bemerkung 3.2. Das Entscheidungsproblem, ob ein Gaph G hamiltonsch ist (HC), ist N P-vollständig. Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 75

Crashkurs N P-Vollständigkeit Die Klasse P: Ein Entscheidungsproblem heißt polynomiell lösbar, wenn es einen Algorithmus zur Lösung des Problems gibt, dessen Worst-Case- Laufzeit durch ein Polynom in der Länge der Eingabe beschränkt ist. Die Klasse P ist die Klasse der polynomiell lösbaren Probleme. Beispiel: Ist G zusammenhängend? Hat G einen eulerschen Kreis? Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 76 Die Klasse N P: Die Klasse N P ist die Klasse der Entscheidungsprobleme, für die ein Lösungsvorschlag in polynomieller Rechenzeit überprüft werden kann. Beispiel: Überprüfung, ob eine Knotenfolge eines Graphen einen hamiltonschen Kreis bildet. Beispiel: Überprüfung, ob eine TSP-Tour eine Länge l hat. Es gilt: P N P Gilt sogar P = N P? Man weiß es nicht! Man vermutet, daß dies nicht der Fall ist. Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 77

N P-Vollständigkeit: Ein Problem Π aus N P ist N P-vollständig, wenn aus seiner polynomiellen Lösbarkeit P = N P folgt, d.h. alle Probleme in N P sind polynomiell lösbar. Die N P-vollständigen Probleme können anschaulich als die schwersten Probleme in der Klasse N P angesehen werden. Wie kann man zeigen, daß ein Problem Π N P-vollständig ist? Man nimmt sich ein Problem Π, von dem man weiß, daß es N P- vollständig ist und zeigt, daß Π nicht leichter ist. Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 78 Genauer: Man reduziert polynomiell Π auf Π, d.h. man zeigt, daß man Π in polynomieller Zeit lösen könnte, wenn man Π in polynomieller Zeit lösen könnte. Was bringt einem das in der Praxis? Gelingt der Nachweis der N P-Vollständigkeit, so zeigt dies, daß man nicht zu dumm ist, ein polynomielles Lösungsverfahren zu finden. Vermutlich existiert keines. Zumindest hat noch nie jemand ein solches gefunden und es macht keinen Sinn, nach einem solchen zu suchen. Man kann für große Probleme keine (optimalen) Lösungen erwarten. Anwendung heuristischer statt exakter Verfahren Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 79

Traveling Salesman Problem Definition 3.3. Gegeben sei ein vollständiger Graph G = (V, E) mit einer Kostenfunktion c : E IN auf den Kanten. Die Enscheidungsvariante des Traveling Salesman Problem (TSP) lautet: Existiert ein hamiltonscher Kreis K in G, für den die Summe der Kantengewichte c(k) k ist. Bemerkung 3.3. Die Entscheidungsvariante des TSP ist N P- vollständig. Dies kann durch HC TSP bewiesen werden. Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 80 TSP als Optimierungsproblem Die Optimierungsvariante des TSP lautet: Finde einen hamiltonschen Kreis mit minimalem Gewicht. Durch die N P-Vollständigkeit des zugehörigen Entscheidungsproblems kann es optimal nur für kleine n gelöst werden. Für große n müssen Heuristiken zur Berechnung einer möglichst guten Lösung angewendet werden. Theoretisch interessant sind Heuristiken mit Gütegarantie (siehe folgendes Kapitel). Einf ührung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 03/04 81