1 Algoritma Analizi Directed Graphs (Yonlu Graflar) Directed graph (digraph) G=(V,E) – V: vertices (nodes) – E: edges (directed edges,arcs) 1 2 4 3
Apr 01, 2015
1Algoritma Analizi
Directed Graphs (Yonlu Graflar)
Directed graph (digraph) G=(V,E)– V: vertices (nodes)– E: edges (directed edges,arcs)
1 2
43
2Algoritma Analizi
path
Bir digraftaki path bir dizi vertices den olusur oyleki bir birini izleyen iki vertex arasinda bir edge var– v1->v2->v3 ……… ->vn-1->vn
– vertex v1 den vertex vn e bir path (yol) Length of path (yolun uzunlugu)
– Path uzerindeki arc larin sayisi– v den v ye (v bir vertex) olan yolun uzunlugu 0
dir Simple path:
– Eger path in uzerindeki tum vertices (ilk ve son vertex ler haric) farkli ise
3Algoritma Analizi
Labeled Digraph
Bazen graph in vertices veya arc larina faydali bilgiler (label) eklemek mumkun– Label isim, maliyet veya faydali
herhangi bir bilgi olabilir.
4Algoritma Analizi
Labeled Digraph
1 2
3 4
b ba
a
a
a
b b
5Algoritma Analizi
Directed Graph larin Temsili
Digraph lari temsil etmek icin cesitli data structure lar kullanilabilir– Secilen data structure arc lara ve
vertices lara uygulanan operationlara baglidir
Adjacency MatrixAdjacency List
6Algoritma Analizi
Adjacency Matrix
G = (V,E), V={1,2,3, ………n}G nin Adjacency Matrix A
– A nxn boyutlu bir boolean matrix– A[i,j] = true ancak ve ancak vi den vj
ye bir arc var– Bazen true 1 le false 0 ile temsil
edilirLabeled Adjacency Matrix
– A[i,j] vi den vj giden arc in label ini gosterir
7Algoritma Analizi
1 2
3 4
b ba
a
a
a
b b
1 2 3 4
1 a b
2 a b
3 b a
4 b aDigraph
Adjacency Matrix
8Algoritma Analizi
Adjacency List
Adjacency matrix kullaniminin dezavantaji– storage– Matrix uzerinde islem – O(n) arc a sahip digraphlar icin O(n2)
den daha iyi performansli algoritmalarin elde edilmesini imkansizlastirir
Bu dezavantajlari gidermek icin Adjacency List kullanilabilir
)( 2n)( 2n
9Algoritma Analizi
Adjacency List
G = (V,E) HEAD
– HEAD[i] vertex i icin Adjacency List e bir pointer
Storage– Vertices lerin sayi artisi arc larin
sayisiyle orantilidir Dezavantaj
– Vertex i den vertex j ye bir arc olup olmadigini tespit etmek icin O(n) zaman gerekli
10Algoritma Analizi
Adjacency List
2
4
2
3
3
1 2
43
1
2
34
11Algoritma Analizi
Single Source Shortest Paths Problem
Yaygin path finding problem (directed graflar icin)
G = (V,E)– Her bir arc bir negative olmayan bir
label a sahip (cost fonksiyon)– Bir vertex source olarak belirlenir
Problem: Verilen source dan diger her bir vertex e olan en kisa yolun cost ini hesaplamak
12Algoritma Analizi
Dijkstra nin shortest path algorithm
Procedure Dijkstra;# vertex 1 den diger vertexlere olan en kisa yolun cost ini# hesaplar
Begin(1) S:={1}(2) for i:=2 to n do(3) D[i]:=C[1,i]; # initialize D(4) for i:= 1 to n-1 do begin(5) choose a vertex w in V-S such that D[w] is
a minimum(6) add w to S;(7) for each vertex v in V-S do(8) D[v]:= min(D[v],D[w]+C[w,v])
endend
13Algoritma Analizi
Dijkstra devam…
G = (V,E)– V = {1,2,3, ……,n} ve vertex 1 source– C iki boyutlu bir dizi ve C[i,j] vertex i
den vertex j ye gitmek icin maliyet (cost). Eger vertex i den vertex j ye bir arc yoksa C[i,j] = (herhangi bir maliyetten cok daha buyuk bir sayi)
– Her bir adimda D[i] vertex i ye olan en kisa yolun uzunlugunu gosterir
14Algoritma Analizi
Ornek
1
2 5
43
10 100
6010
30
50
20
Iteration
S W D[2]
D[3]
D[4]
D[5]
Initial {1} - 10 30 100
1 {1,2} 2 10 60 30 100
2 {1,2,4} 4 10 50 30 90
3 {1,2,4,3} 3 10 50 30 60
4 {1,2,4,3,5}
5 10 50 30 60
15Algoritma Analizi
Dijkstra’s Algorithm
Greedy Algorithm– Local olarak en iyi olan sey global
olarak da en iyi dir.– Dijkstra’s shortest path algorithm
bir greedy algoritmadir.
16Algoritma Analizi
Running Time of Dijkstra’s Algorithm
Eger adjacency matrix kullanirsak– (7) ve (8) O(n) zaman alir ve n-1 kere execute
edilir. Dolaysisiyle toplam zaman O(n2) olur Eger e n2 den oldukca kucukse, digraph i
temsil icin adjacency list ve V-S kumesindeki vertices leri temsil etmek icin partially ordered tree kullanmak faydali olur.– (7) ve (8), w nin adjacency list i taranarak ve
priority queue deki mesafelerin guncellenmesiyle saglanir. Toplam olarak e tane guncelleme olur ve herbiri O(logn) zaman alir.
– Toplam zaman O(elogn) olur
17Algoritma Analizi
All-Pairs Shortest Paths Problem (APSP)
Directed Graph G=(V,E)– Her bir sirali cift vertices (v,w) icin
vertex v den vertex w olan en kisa yolun mesafesini hesapla
Dijkstra’s algoritmasi her bir vertex source kabul edilerek APSP problem cozulebilir (algoritma n kere cagrilir)
Ikinci cozum– Floyd’s Algorithm
18Algoritma Analizi
Floyd’s Algorithm
procedure Floyd (var A: array[1..n, 1..n] of real,C: array[1..n, 1..n] of real)# Floyd computes shortest path matrix A given cost matrix C
beginfor i:=1 to n do
for j:=1 to n doA[i,j] := C[i,j]
for i:= 1 to n doA[i,i]:=0
for k:=1 to n dofor i:=1 to n do
for j:=1 to n doif A[i,k] + A[k,j] < A[i,j] then
A[i,j]:=A[i,k] + A[k,j]end
19Algoritma Analizi
Ornek (Floyd’s Algorithm)
1 2 32
8
32
5
1 2 3
1 0 8 5
2 3 0
3 2 0
1 2 3
1 0 8 5
2 3 0 8
3 2 0
1 2 3
1 0 8 5
2 3 0 8
3 5 2 0
1 2 3
1 0 7 5
2 3 0 8
3 5 2 0
A0[i,j] A1[i,j]
A2[i,j] A3[i,j]
20Algoritma Analizi
Floyd’s Algorithm vs Dijkstra’s Algorithm
Her ikisi de Adjacency Matrix kullanarak– APSP problemini O(n3) zamanda
cozerEger e, graftaki edge sayisi, n2
den oldukca kucukse, Dijkstra nin algoritmasi O(nelogn) zamanda cozum getirebilir ( O(n3) den daha iyi oldugu umulur)
21Algoritma Analizi
En kisa yol uzerindeki vertex lerin belirlenmesi
procedure shortest (var A: array[1..n, 1..n] of real,C: array[1..n, 1..n] of real)# C nxn boyutunda cost matrix, A nxn boyutunda en kisa yol matrix,# P nxn boyutunda shortest path lerdeki ara vertex leri tutar
beginfor i:=1 to n do
for j:=1 to n doA[i,j] := C[i,j]P[i,j]:=0
for i:= 1 to n doA[i,i]:=0
for k:=1 to n dofor i:=1 to n do
for j:=1 to n doif A[i,k] + A[k,j] < A[i,j] then {
A[i,j]:=A[i,k] + A[k,j]P[i,j]:=k }
end
22Algoritma Analizi
Shortest Path Printing
procedure path(i,j: integer)begin
k:=P[i,j];if k = 0 then
returnpath(i,k)writeln(k)path(k,j)
end
23Algoritma Analizi
Shortest path uzerindeki vertexler
1 2 32
8
32
5
1 2 3
1 0 3 0
2 0 0 1
3 2 0 0
Yukaridaki digraph icin P matrix i.
24Algoritma Analizi
Transitive Closure
vertex i den vertex j ye bir yol var mi Cozum
– Floyd’un algoritmasini biraz degistirerek– vertex i den vertex j ye bir yol var eger
• Numarasi k-1 den buyuk olmayan vertex lerden gecen vi den vj ye bir yol var veya
• Numarasi k-1 den buyuk olmayan vertexlerden gecen vi den vk ya bir yol ve numarasi k-1 den buyuk olmayan vertexlerden gecen vk dan vj ye bir yol var
# A bir boolean matriks olmak uzereAk[i,j]=Ak-1[i,j] || Ak-1[i,k] && Ak-1[k,j]
25Algoritma Analizi
Transitive Closure
Warshall Algorithmprocedure Warshall(var A: array[1..n,1..n] of boolean;
C: array[1..n,1..n] of boolean)# Warshall makes A the transitive closure of Cbegin
for i:=1 to n dofor j:=1 to n do
A[i,j]:=C[i,j]for k:=1 to n do
for i:=1 to n dofor j:=1 to n do
if A[i,j]=false thenA[i,j]:=A[i,k] and A[k,j]
end
26Algoritma Analizi
Bir Digraph in Center (merkezini) bulmak
G=(V,E) Vertex v nin eccentricity si
max { w den v ye olan minimum uzunluklu yolun uzunlugu)W in V
G nin center i– Minimum eccentricity e sahip vertex
27Algoritma Analizi
Ornek
a
b
c d
e
2
3
12
5
1
4
vertex eccentricity
a
b 6
c 8
d 5
e 7
Center: vertex d
28Algoritma Analizi
a
b
c d
e
2
3
12
5
1
4
a b c d e
a 0 1 3 5 7
b 0 2 4 6
c 3 0 2 4
d 1 3 0 7
e 6 8 5 0
Graph G
G nin APSP cost matrix i
G nin center i vd
ve nin vc ye uzakligi
29Algoritma Analizi
Digraph larin Traversal i
Digraph (directed graph) larla ilgili bir cok problemlerin cozumunde yonlu graf in vertex ve arc larini sistematik bir sekilde dolasmayi gerektirir
Graph traversal– Depth-First Search– Bread-First Search
30Algoritma Analizi
E
F
G
B
D
A
C
Depth-First Search (DFS)
31Algoritma Analizi
E
F
G
B
D
A
C
Depth-First Search (DFS)
32Algoritma Analizi
E
F
G
B
D
A
C
Depth-First Search (DFS)
33Algoritma Analizi
E
F
G
B
D
A
C
Depth-First Search (DFS)
34Algoritma Analizi
E
F
G
B
D
A
C
Depth-First Search (DFS)
35Algoritma Analizi
Depth First Search
procedure dfs(v:vertex)w: vertexbegin
mark[v]:=visitedfor each vertex w on L[v] do
if mark[w] = unvisited thendfs(w)
end
36Algoritma Analizi
DFS nin Runnig Time
Her bir vertex in adjacency list ine bir kez bakilir
Vertex lerin adjacency list lerinin uzunluklari toplami e dir (graf in arc sayisi kadardir)
Dolayisle DFS algorithm O(e) dir.
37Algoritma Analizi
Depth-First Spanning Forest
E
F
G
B
D
A
C
38Algoritma Analizi
Depth-First Spanning Forest
E
F
G
B
D
A
C
39Algoritma Analizi
Depth-First Spanning Forest
E
F
G
B
D
A
C
40Algoritma Analizi
Depth-First Spanning Forest
E
F
G
B
D
A
C
41Algoritma Analizi
Depth-First Spanning Forest
E
F
G
B
D
A
C
DFST 1DFST 2
DFSP: Depth First Spanning Tree
42Algoritma Analizi
Depth-First Spanning Forest
E
F
G
B
D
A
C
Tree 1Tree 2
Edge Type
Forward Backward
Cross
CA X
DA X
DC X
FB X
GD X
GF X
Tree edge: Foresteki her bir edge denir
43Algoritma Analizi
Depth-First Spanning Forest in Bulunmasi
for v:=1 to n domark[v]:=unvisited
for v:=1 to n do if mark[v]=unvisited then
dfs(v)
44Algoritma Analizi
Directed Acyclic Graphs
Directed Acyclic Grapg (DAC)– Cycle a sahip olmayan directed
graphTree lerden daha genel fakat
gelisiguzel graf lardan daha az genel
45Algoritma Analizi
A
B C
D E
A
B C
D E
A
B C
D E
Tree DAG Cycle sahipdigraph
46Algoritma Analizi
DAG
DAG lar ortak subexpressionlara sahip aritmetik ifadelerin syntactic yapilarini gosterimde kullanilabilirler
*
+
* *
+
a b
c + +
e f
((a+b)*c+((a+b)+e)*(e+f))*((a+b)*c) nin DAG ‘i
47Algoritma Analizi
Acyclic Testi
Verilen bir directed graph G nin acyclic (bir cycle icerip icermediginin) testi
DFS(depth first search) kullanilarak digrapin acyclic olup olmadigi karar verilebilir– Eger DFS sirasinda bir back edge
e rastlanilirsa graph in bir cycle a sahip oldugu anlasilir
48Algoritma Analizi
v
u
Her bir cycle bir back arc icerir
49Algoritma Analizi
Topological Sort
Buyuk capli proje bir dizi alt projelere bolunur
Bu alt projeler belli bir siraya gore tamamlanmali– Ornegin alt proje C baslamasi A
ve B nin tamamlanmasindan once olamaz
DAG bu tip durumlari modellemek icin kullanilabilir
50Algoritma Analizi
C1
C2
C3
C4
C5
Topological Sort
Topological Sort: DAG in vertices lerine linear ordering olacak sekilde sirala oyleki eger vertex i den vertex j ye bir arc varsa, linear ordering de i, j den once gelir.Yukaridaki DAG a gore C1,C2,C3,C4,C5 bir linear ordering dir.
51Algoritma Analizi
Topological Sort
procedure topsort(v:vertex)# print vertices accessible from v in reverse topological order
beginmark[v]:=visitedfor each vertex w on L[v] do
if mark[w] = unvisited thentopsort(w)
writeln(v)end
52Algoritma Analizi
Strong Components
Strongly connected component (SCC):– Bir directed grafin SCC i, vertex lerden olusan
maximal bir set oyleki bu sette bulunan herhangi iki farkli vertex arasinda yonlu bir yol var
– G = (V,E) bir digraf. V equivalance class lara bolunebilir Vi, 1<=i<=r, oyleki v ve w equivalent oyleki v den w ve w den v ye yollar var
– Gi=(Vi,Ei) lere strong components (strongly connected components) denir
Strongly connected graph: Sadece bir tane strong componente sahip digraph
53Algoritma Analizi
Ornek
d
a b
c
digraph
d
a b
c
Digraph in strong componetleri
54Algoritma Analizi
ornek
A
F
B
C
D
G
E
A
F
B
C
D
G
E
Digrah Strong Components
ABDF
C
EG
Condensation Graph(reduced graph)
55Algoritma Analizi
Strongly connected componentlerin bulunmasi
# verilen bir digraph G icin SCC lerin bulunmasi1. G ye depth-first search uygula ve vertex leri recursive call larin bitis sirasina
gore numaralandir2. G deki arc larin yonlerini ters cevirmek suretiyle yeni bir graph Gr bul.3. Gr uzerinde 1. adimda elde edilen en yuksek numarali vertex den baslamak
suretiyle depth-firstsearh uygula. Eger depth-first search butun vertex lere erisemezse , sonraki depth-first search i kalan vertex ler icerisinden en kucuk numarali vertex den baslat
4. Bulunan spanning foresteki her bir tree G nin bir strongly connected componentidir
56Algoritma Analizi
ornek
d
a b
c
digraph
4
d
a b
c
a
b
c
d
3
2
1
1. adim
4
3
1 2Gr
a
c
b
b 14
2
3
57Algoritma Analizi
A
F
B
C
D
G
E
Digraph G
A
F
B
C
D
G
E
EGAFBDC
Birinci SC nin bulunmasi
A
F
B
C
D
G
E
A
F
B
C
D
G
E
Digraph Gr
3 tane SC nin bulunmasi
Ornek