Ankündigung für SS09 Ankündigung für SS09

Werbung
Ankündigung für SS09
Kap. 7: Dynamische Algorithmen
für kürzeste Wege
•  LVAs von Petra Mutzel
–  (VO DAP2)
–  SE Algorithm Engineering
Professor Dr. Petra Mutzel
Lehrstuhl für Algorithm Engineering, LS11
Fakultät für Informatik, TU Dortmund
27. VO
A&D
WS 08/09
Petra Mutzel
–  VO Sublineare Algorithmen 4VO+2UE
–  SE Datenstromalgorithmen
3. Februar 2009
Alg. & Dat.
WS 08/09
1
Petra Mutzel
Alg. & Dat.
WS 08/09
2
Überblick
Ankündigung für SS09
7.1 Einführung
–  Dynamische Graphalgorithmen
–  Dynamische Komplexitätsmaße
–  Dijkstra´s SSSP-Algorithmus
–  Analyse: Korrektheit und Laufzeit
•  Beate Bollig (LS2)
–  Effiziente Algorithmen für den Primzahltest
(2 VO)
–  SE OBDD-basierte Graphalgorithmen
7.2 SSSP von Ramalingam & Reps
•  Jan Vahrenhold, LS11
–  Einführung SP-Teilgraph für SSSP
–  Algorithmus Dynamic SSSP
–  Laufzeit-Analyse
–  Erst im WS09/10: Algorithmische
Geometrie 4VO+2UE
Petra Mutzel
•  LVAs von Christian Sohler (NEU an LS2,
Nachfolge Fritz Eisenbrand)
Alg. & Dat.
WS 08/09
3
Literatur für diese VO
Petra Mutzel
Alg. & Dat.
WS 08/09
4
Literatur für Experimente
•  C. Demetrescu, S. Emiliozzi und G.F. Italiano:
Experimental Analysis of Dynamic All Pairs Shortest
Path Algorithms, Proc. 15th ACM-SIAM Symposium
on Discrete Algorithms (SODA 2004), New Orleans,
369-378.
•  G. Ramalingam und T. Reps: On the
computational complexity of dynamic graph
problems. Theoretical Computer Science 158,
1996, 233-277
•  Zeitschriftenversion: C. Demetrescu und G.F.
Italiano: Experimental Analysis of Dynamic All Pairs
Shortest Path Algorithms, ACM Trans-actions on
Algorithms, vol. 2 (4), 2006, S. 578-601.
Petra Mutzel
Alg. & Dat.
WS 08/09
5
Petra Mutzel
Alg. & Dat.
WS 08/09
6
1
Dynamische Graphalgorithmen
Dynamische Graphalgorithmen
Ein dynamischer Algorithmus erhält eine gegebene
Eigenschaft P eines gewichteten Graphen während
dynamischer Änderungen des Graphen, z.B.
–  Einfügen neuer Kanten,
–  Entfernen von Kanten und
–  Kosten-Änderungen der Kanten
•  Wir betrachten o.E. nur (Kosten-)Änderungen der Kanten.
•  Dies
läßt
sich
leicht
auf
Knoten(kosten)
änderungen
übertragen.
•  Ein dynamischer Algorithmus heißt voll-dynamisch (full
dynamic) wenn er für Erhöhungen von Kantenkosten bzw.
Entfernungen von Kanten als auch für Verminderungen von
Kantenkosten bzw. Hinzufügen neuer Kanten geeignet ist.
Anforderungen an einen dynamischen Algorithmus:
•  schnelle Beantwortung von Anfragen auf Eigenschaft P
•  Sonst heißt er teil-dynamisch (partially dynamic).
•  schnelle Bearbeitung von Update-Operationen, d.h.
schneller als ein statischer Algorithmus, der jedesmal alles
von vorn berechnen muss
Petra Mutzel
Alg. & Dat.
WS 08/09
7
Dynamische Komplexitätsmaße
Petra Mutzel
Alg. & Dat.
WS 08/09
8
Worst Case bzgl. der I/O-Änderungen
•  Ein Knoten heißt modifiziert (modified), wenn er oder
eine inzidente Kante einen neuen Input-Wert bekommen
hat oder eingefügt oder entfernt wurde.
•  Ein Knoten heißt betroffen (affected), wenn er entweder
neu eingefügt wurde oder er durch die Änderung einen
neuen Output-Wert bekommen hat.
•  Amortisiert: Worst-Case in Größe des Inputs, wobei der
Durchschnitt über eine Folge von Operationen genommen
wird.
•  Alternativ: Worst-Case in Größe der Änderungen bzgl.
des Inputs und des Outputs
•  CHANGED:={Menge aller modifizierten oder betroffenen
Knoten}
•  Sei |δ|=|CHANGED|
•  Sei ||δ||=|δ|+Anzahl der zu CHANGED inzidenten Kanten
Petra Mutzel
Alg. & Dat.
WS 08/09
9
Kürzeste Wege Probleme
Worst Case bzgl. der I/O-Änderungen
•  Ein dynamischer Algorithmus heißt beschränkt (bounded),
wenn die benötigte Zeit für einen Update Schritt durch eine
Funktion in ||δ|| beschränkt ist.
•  Sonst heißt er unbeschränkt (unbounded).
•  Ein dynamisches Problem heißt unbeschränkt
(unbounded), wenn kein dynamischer beschränkter
Algorithmus existiert.
Alg. & Dat.
WS 08/09
Single-Source Shortest Path (SSSP)
•  Geg.: Graph G=(V,E) mit Kantenkosten c∈R, keine
negativen Kreise, s∈V
•  Gesucht: Kürzeste (s,v)-Wege in G für alle v∈V
All-Pairs Shortest Path (APSP)
•  Geg.: Graph G=(V,E) mit Kantenkosten c∈R, keine
negativen Kreise
•  Gesucht: Kürzeste Wege zwischen allen Knotenpaaren
(Distanzmatrix)
•  HIER: ein beschränkter dynamischer SSSP Algorithmus
Petra Mutzel
•  So viele Änderungen sind mindestens notwendig
•  → notwendige Laufzeit
11
Petra Mutzel
Alg. & Dat.
WS 08/09
12
2
Dijkstra´s Algorithmus
• 
• 
• 
• 
Dijkstra´s Algorithmus
Graph G gerichtet mit Kantenkosten c≥0
Sei M =„große Zahl“
Sei dist(v) die Distanzmatrix
Q sei Prioritätswarteschlange mit Operationen
–  InsertPrioQ(v,dist(v)): fügt v ein mit Priorität dist(v)
–  ExtractMinQ(): Gibt das Minimum zurück und entfernt
es aus Q
–  DecreasePrioQ(v, dist(v)): Aktualisiert die Priorität von
v in Q auf dist(v)
Petra Mutzel
Alg. & Dat.
WS 08/09
13
•  Induktion: Nach jeder Iteration ist V in 2 Mengen aufgeteilt: S
und T:=V\S
•  Ind.-Ann. (Invariante)
–  (1) Für v∈S
ist
dist(v)=Länge des kürzesten (s,v)-Weges
–  (2) für v∈T
ist
dist(v)=Länge des kürzesten (s,v)-Weges bei
dem jeder Knoten außer v zu S gehört.
•  Ind.-Schritt: (Ind.Ann. gilt bis Knoten u aufgenommen wird)
–  Knoten u mit kleinstem dist-Wert wird in S aufgenommen.
(1) ist korrekt, denn: Falls ein kürzerer Weg existieren
würde, dann würde dieser einen ersten Knoten in T
benutzen; aber dieser müßte weiter weg von s sein, denn
sein dist-Wert ist größer als der von u. Die „edge
relaxation“ sorgt dafür, dass (2) erfüllt ist.
Alg. & Dat.
WS 08/09
: edge relaxation. edge scanning
Analyse: Laufzeit
Analyse: Korrektheit
Petra Mutzel
•  Q←∅;
dist[s]=0; InsertPrioQ(s,0)
//
S←{s}
•  Für alle Knoten v≠s:
–  Setze
dist[v]=M;
InsertPrioQ(v,M)
•  Solange
Q≠∅:
–  u←ExtractMinQ()
//
Addiere
u
zu
S
–  Für
alle Kanten
(u,v), die u verlassen:
•  Falls
dist[v] > dist[u]+c[u,v]:
– Setze dist[v] ← dist[u]+c(u,v)
– DecreasePrioQ(v,dist[v])
•  Return
dist[]
15
5.2 Algorithmus von Ramalingam & Reps
•  Sei n=|V| und m=|E|
•  T = n*T(InsertPrioQ()) + n*T(ExtractMinQ())
+ m*T(DecreasePrioQ())
•  Binärer Heap für Q: O( (n+m) log n )
–  T(InsertPrioQ())=O(log n)
–  T(ExtractMinQ())=O(log n)
–  T(DecreasePrioQ())=O(log n)
•  Fibonacci Heap für Q: O(m+n log n)
–  T(InsertPrioQ())=O(1)
–  T(ExtractMinQ())=O(log n) amortisiert
–  T(DecreasePrioQ())=O(1) amortisiert
Petra Mutzel
Alg. & Dat.
WS 08/09
16
5.2 Algorithmus von Ramalingam & Reps
Geg.: Gerichteter Graph G=(V,E) mit positiven Kantenkosten
c(e)∊R, t∈V,
sowie Sequenz der folgenden Operationen:
–  delete_edge(v,w): entferne die Kante (v,w) aus GG´
–  insert_edge(v,w,c): füge die Kante (v,w) in G einG´
–  dist(v): gib die Distanz zwischen Knoten v und t zurück
–  path(v): gib den kürzesten Weg von v nach t aus, falls
einer existiert.
Betrachte folgendes kürzestes Wegeproblem:
Single-Source Shortest Path (SSSP)
•  Geg.: Graph G=(V,E) mit Kantenkosten w∈R,
c >0
keine negativen Kreise, ts∈V
•  Gesucht: Kürzeste (s,v)-Wege
in G für alle v∈V
(v,t)
Damit sind auch die folgenden Operationen simulierbar:
–  increase_weight(e,c‘): erhöhe die Kosten von Kante e
auf c‘
–  decrease_weight(e,c‘): reduziere Kosten von e auf c‘
(jeweils durch delete_edge und insert_edge)
Petra Mutzel
Alg. & Dat.
WS 08/09
17
Petra Mutzel
Alg. & Dat.
WS 08/09
18
3
Definitionen
Definitionen
•  Eine Kante heißt SP-Kante, wenn sie auf einem kürzesten
Weg von v nach t liegt für ein v∈V.
•  Eine Kante ist also genau dann SP-Kante, wenn gilt:
dist(u) = dist(v)+c(u,v)
•  Ein Teilgraph T von G heißt kürzester-Wege-Baum für G
mit Senke t, falls
–  T ist ein gerichteter Baum mit Wurzel t
–  V(T) ist die Menge aller Knoten, die t erreichen können,
und
–  für jede Kante (u,v) in T gilt: dist(u) = dist(v)+c(u,v)
•  Sei SP(G) der durch die Menge aller SP-Kanten induzierte
Teilgraph von G (der kürzeste-Wege Teilgraph).
•  Jeder kürzeste Weg in G ist in SP(G) enthalten und
umgekehrt:
•  Jeder Weg in SP(G) ist ein kürzester Weg in G.
•  Da die Kantengewichte alle positiv sind, ist SP(G) ein
gerichteter, azyklischer Graph.
Petra Mutzel
Alg. & Dat.
WS 08/09
19
•  Ein Knoten in G´ heißt betroffen, wenn der Wert
distG(v) ≠ distG‘(v) ist.
•  Eine SP-Kante (x,y) heißt betroffen durch die
delete_edge(v,w) Operation, wenn kein Pfad in G´ von x
nach t existiert, der die Kante (x,y) benutzt und Länge
distalt(x) besitzt.
1
w
4
5
8
2
4
2
4
v
3
WS 08/09
20
•  Ein Knoten in G´ heißt betroffen, wenn der Wert
distG(v) ≠
distG‘(v) ist.
•  Eine SP-Kante (x,y) heißt betroffen durch die
delete_edge(v,w) Operation, wenn kein Pfad in G´ von x
nach t existiert, der die Kante (x,y) benutzt und Länge
distalt(x) besitzt.
Beobachtungen in SP(G)
7
•  (x,y) ist betroffen ⇔ y ist betroffen
t
4
•  Knoten x≠v ist betroffen ⇔ alle ausgehenden SP-Kanten
von x sind betroffen
1
Petra Mutzel
Alg. & Dat.
Delete_edge(v,w): G→G´
Delete_edge(v,w): G→G´
SP(G):
G:
Petra Mutzel
•  Knoten v selbst ist betroffen ⇔ (v,w) die einzige
ausgehende SP-Kante ist
Alg. & Dat.
WS 08/09
21
Algorithmus Delete_edge(v,w)
Phase 1 von Delete_edge(v,w)
Phase 1:
•  Bestimme die Menge aller betroffenen Knoten und Kanten
•  Entferne die betroffenen Kanten von SP(G)
•  Menge der betroffenen Knoten = Menge der Knoten, die im
Graphen SP(G)-(v,w) keine Verbindung zur Senke t
besitzen.
Algorithmus-Idee:
•  Aufruf von Top-Sort, wenn outdegree von v in SP(G´) = 0.
Phase 2:
•  Berechne neue dist-Werte aller betroffenen Knoten
•  Aktualisiere SP(G)
Petra Mutzel
Alg. & Dat.
WS 08/09
Hausaufgabe:
•  Überlegen Sie sich, warum BFS (Breitensuche)
hierfür nicht geeignet ist!
•  Was dann?
23
Petra Mutzel
Alg. & Dat.
WS 08/09
24
4
Herunterladen