Einfacher Algorithmus für topologisches Sortieren 1: {(1

Einfacher Algorithmus für topologisches Sortieren
1:
2:
3:
4:
5:
6:
7:
8:
9:
{(1) Initialisierung}
i := 0
W := V {W – die Menge der noch nicht bearbeiteten Knoten}
{(2) Rekursionsschritt}
while ein Knoten x ∈ W ohne Vorgänger in W existiert do
i := i + 1;
ord(x) = i;
W := W − {x}
end while
1
Algorithmus für Topologisches Sortieren
Eingabe: Gerichteter Graph G = (V, E) mit n Knoten und k Kanten
Ausgabe: Topologische Sortierung ord : V → {1, . . . , n} von G, falls G
azyklisch ist
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
13:
14:
15:
16:
17:
18:
19:
20:
21:
22:
23:
24:
25:
26:
27:
28:
29:
{(1) Initialisierung}
i := 0 {i – die letzte Zahl, die ord benutzt hat}
U := ∅ {U - die Menge aller Knoten v mit IN [v] = 0}
IN [1] := 0, . . . , IN [n] := 0
for alle Knoten v in V do
for alle Knoten w mit einer Kante (v, w) in E do
IN [w] := IN [w] + 1
end for
end for
for alle Knoten v in V do
if IN [w] = 0 then
U := U ∪ {v}
end if
end for
{(2) Rekursionsschritt}
while U einen Knoten v enthält do
U := U − v
i := i + 1
ord(v) := i
for alle Knoten w mit (v, w) ∈ E do
IN [w] := IN [w] − 1
if IN [w] = 0 then
U := U ∪ {w}
end if
end for
end while
{(3) Ausgabe}
Falls n = i, ist ord eine topologische Sortierung von G.
Falls n > i, ist die Ausgabe ein Code dafür, dass G nicht azyklisch ist.
2
Algorithmus für 2-Färbung
Eingabe: Ungerichteter Graph G = (V, E)
Ausgabe: Eine 2-Färbung V = ROT ∪ BLAU , falls es eine gibt.
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
13:
14:
15:
16:
17:
18:
19:
20:
21:
22:
23:
24:
25:
26:
{1. Initialisierung}
ROT := ∅
BLAU := ∅
F := ∅
{Menge der zuletzt gefärbten Knoten}
{2. Rekursionsschritt}
while V 6= ∅ do
wähle v aus V
V := V − {v}
ROT := ROT ∪ {v}
F := F ∪ {v}
while F 6= ∅ do
wähle w in F
for alle Knoten u ∈ V mit (u, w) ∈ E do
if w ∈ ROT then
BLAU := BLAU ∪ {u}
else
ROT := ROT ∪ {u}
end if
F := F ∪ {u}
V := V − {u}
end for
F := F − {w}
end while
end while
{3. Ausgabe}
Falls ROT oder BLAU eine Kante aus E enthalten, ist die Ausgabe
ein Code dafür, dass G keine 2-Färbung hat. Falls weder ROT noch
BLAU eine Kante enthält, ist dies die gesuchte 2-Färbung.
3
Algorithmus für gerichteter Weg
Eingabe: Ein gerichteter Graph G = (V, E) und zwei Knoten v und w
Augabe: JA, falls ein gerichteter Weg von v nach w führt, ansonsten NEIN
1: {Initialisierung:}
2: M := {v}
3: {Rekursionsschritt:}
4: while eine Kante (x, y) mit x ∈ M und y ∈
/ M existiert do
5:
M := M ∪ {y}
6:
E := E − {(x, y)}
7: end while
8: {Ausgabe:}
9: JA, falls w ∈ M , NEIN falls w 6∈ M .
4
Algorithmus für Starke Komponenten
Eingabe: gerichteter Graph G
Aufgabe: Starke Kompontenen berechnen
1: K1 := ∅, . . . , Kn := ∅
2: i := 0 {Komponenten initialisieren}
3: while V 6= ∅ do
4:
i := i + 1
5:
Wähle v ∈ V
6:
for alle Knoten w ∈ V do
7:
if es existieren gerichtete Wege v → · · · → w und w → · · · → v
then
8:
Ki := Ki ∪ { w }
9:
V := V \ { w }
10:
end if
11:
end for
12: end while
5
Simulation einer 2-Band-TM durch eine 4-Spur-TM
Gegeben: 2-Band TM M = (Q, Σ, δ, q0 , qf )
Konstruiere: 4-Spur TM M̄ mit
• Zusatzspeicher (s1 , s2 , x)
• Bandalphabet Γ = Σ̄ × { ⇑, # } × Σ̄ × { ⇑, # } \ { (#, #, #, #) }
Simulation:
1. Anfang:
···
···
···
···
#
#
#
#
v1
⇑
#
⇑
v1
#
#
#
···
···
···
···
vn
#
#
#
#
#
#
#
···
···
···
···
2. Berechnungsschritte:
1: while true do
2:
Lese Spur 1 nach s1
3:
Gehe zu ⇑ auf Spur 4 (abhängig von x = ` oder x = r)
4:
Lese Spur 3 nach s2
5:
Berechne Folgezustand aufgrund aktuellem Zustand q von
M und (s1 , s2 ) im Speicher
6:
Kopfmarker gemäß Verhalten von M auf Spuren 2 & 4 anpassen
7:
Falls M hält (bzw. akzeptiert), halten (bzw. akzeptieren)
8:
Kopf von M̄ zu ⇑ auf Spur 2 bewegen
9: end while
6
Maximales Matching
Grundbegriffe. Es sei G = (S, T, E) ein gegebener bipartiter Graph und
M ⊆ E ein Matching von G:
• e heißt freie Kante falls e 6∈ M und unfrei falls e ∈ M ;
• x ∈ S ∪ T heißt freier Knoten, falls x kein Endknoten einer Kante von
M ist;
• ein Weg (oder Pfad) p in G heißt erweiternd falls seine Endknoten frei
und seine Kanten abwechselnd frei und unfrei sind.
Satz 1. Falls ein Matching M einen erweiternden Weg W hat, gibt es ein
größeres Matching M 0 , das aus M dadurch ensteht, dass die freien und
unfreien Kanten von W ausgetauscht werden.
Satz 2. Jedes Matching, für das es keinen erweiternden Weg gibt, ist maximal.
Algorithmus (angelehnt an Ford-Fulkerson-Methode für Maxflow)
1: {Initialisierung}
2: Setze K := ∅
3: Forme aus dem gegebenen bipartiten Graphen G = (S, T, E) den um
zwei Knoten erweiterten Graphen G0 = GK ;
4: {Matching Maximieren}
5: while Weg p von s nach t existiert in GK do
6:
K := K ∪ { (x, y) | (x, y) ∈ E und (x, y) ∈ p } − { (x, y) | (x, y) ∈
E und (y, x) ∈ p };
7:
GK aktualisieren: die Richtung aller Kanten aus p umdrehen
8: end while
9: gib die Kantenmenge K ∩ E aus
7
Min Vertex Cover
Eingabe: Ungerichteter Graph G = (V, E)
Aufgabe: finde kleinste Menge D mit D ∪ e 6= ∅ für alle e ∈ E.
Bemerkung: das zugrunde liegende E-Problem VC ist NP-vollständig.
Approximationsalgorithmus
1:
2:
3:
4:
5:
6:
7:
D := ∅
V := die Menge aller Knoten von G
E := die Menge aller Kanten von G
while E eine Kante (x, y) enthält do
D := D ∪ {x, y}
E := E − {v : v eine Kante mit Endknoten x oder y}
end while
8
SIT(k) (Scheduling of Independent Tasks)
Eingabe: Zahlen t1 , . . . , tn .
Aufgabe: eine Funktion
S : {1, . . . , n} → {1, . . . , k},
für die die Zahl
T = max{
X
ti , . . . ,
S(i)=1
X
ti }
S(i)=k
minimal ist.
Approximationsalgorithmus für SIT(k)
1: {Tm = die Zeit, die Maschine m bisher gearbeitet hat}
2: sortiere die gegebenen Zeiten, so dass t1 ≥ t2 ≥ · · · ≥ tn
3: for m = 1 to k do
4:
Tm := 0
5: end for
6: for i = 1 to n do
7:
m := ein Index mit Tm = min{T1 , . . . , Tk }
8:
S(i) := m
9:
Tm := Tm + ti
10: end for
9
Approximationsschema für SIT(2)
Idee: für S = t1 + · · · tn berechne die Mengen
B(i) = { b ≤ S | b Summe einer Teilmenge von { t1 , . . . , ti }}
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
13:
14:
15:
16:
17:
18:
19:
20:
21:
22:
23:
{Summe aller ti berechnen}
S := t1 + t2 + · · · tn ;
{Optimalwert berechnen}
B(0) := { 0 };
for i = 2, . . . , n do
B(i) := B(i − 1);
for j = ti , ti + 1, . . . , S do
if j − ti ∈ B(i) then
B(i) := B(i) ∪ { j };
end if
end for
end for
T := minimales b ∈ B(n) mit b ≥ S2 ;
{Schedule berechnen}
b := T ;
for i = 1, . . . , n do
if b − ti ∈ B(n) then
S(i) := 1;
b := b − ti ;
else
S(i) := 2;
end if
end for
10