Top Banner
Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação – Unicamp
138

Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Jul 17, 2020

Download

Documents

dariahiddleston
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Algoritmos Parametrizados

Árvores de busca limitadas

Lehilton Pedrosa

Segundo Semestre de 2016

Instituto de Computação – Unicamp

Page 2: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Roteiro

1. Ramificação

2. Cobertura por vértices

3. Recorrências

4. Conjunto de vértices de retroalimentação

1

Page 3: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificação

Page 4: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

Ideia: backtracking

2

Page 5: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

Ideia: backtracking

• Fazer uma sequência de decisões

2

Page 6: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

Ideia: backtracking

• Fazer uma sequência de decisões

• Em cada decisão, obter um subproblema

2

Page 7: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

Ideia: backtracking

• Fazer uma sequência de decisões

• Em cada decisão, obter um subproblema

• Uma folha representa uma solução

2

Page 8: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

Ideia: backtracking

• Fazer uma sequência de decisões

• Em cada decisão, obter um subproblema

• Uma folha representa uma solução (ou a inexistênciadela)

2

Page 9: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

3

Page 10: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

P

3

Page 11: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

P

Decisão A?

3

Page 12: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

a1

P

P | a1

Decisão A?

3

Page 13: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

a2 a1

P

P | a1 P | a2

Decisão A?

3

Page 14: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

al a2 a1

P

P | a1 P | a2 P | al

Decisão A?

3

Page 15: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

al a2 a1

P

P | a1

Decisão B?

P | a2 P | al

Decisão A?

3

Page 16: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

al a2 a1

P

b1

P | a1

Decisão B?

P | a2 P | al

P | a1,b1

Decisão A?

3

Page 17: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

al a2 a1

P

b2 b1

P | a1

Decisão B?

P | a2 P | al

P | a1,b1 P | a1,b2

Decisão A?

3

Page 18: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

al a2 a1

P

b2 b1

P | a1

Decisão B?

P | a2 P | al

P | a1,b1 P | a1,b2

Decisão A?

Decisão C?

3

Page 19: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

al a2 a1

P

b2 b1

P | a1

Decisão B?

c1

P | a2 P | al

P | a1,b1 P | a1,b2

Decisão A?

P | a2,c1

Decisão C?

3

Page 20: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvore de busca

al a2 a1

P

b2 b1

P | a1

Decisão B?

c2 c1

P | a2 P | al

P | a1,b1 P | a1,b2

Decisão A?

P | a2,c1 P | a2,c2

Decisão C?

3

Page 21: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores limitadas

Pergunta: Como usar árvores de busca para obter FPT?

4

Page 22: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores limitadas

Pergunta: Como usar árvores de busca para obter FPT?

• Tamanho da árvore é pequeno

4

Page 23: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores limitadas

Pergunta: Como usar árvores de busca para obter FPT?

• Tamanho da árvore é pequeno (função de k)

4

Page 24: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores limitadas

Pergunta: Como usar árvores de busca para obter FPT?

• Tamanho da árvore é pequeno (função de k)

• Tempo gasto em cada nó é polinomial

4

Page 25: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores limitadas

Pergunta: Como usar árvores de busca para obter FPT?

• Tamanho da árvore é pequeno (função de k)

• Tempo gasto em cada nó é polinomial

Vamos considerar:

• Uma instância I de um problema de minimização

4

Page 26: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores limitadas

Pergunta: Como usar árvores de busca para obter FPT?

• Tamanho da árvore é pequeno (função de k)

• Tempo gasto em cada nó é polinomial

Vamos considerar:

• Uma instância I de um problema de minimização

• Uma medida µ(I):

4

Page 27: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores limitadas

Pergunta: Como usar árvores de busca para obter FPT?

• Tamanho da árvore é pequeno (função de k)

• Tempo gasto em cada nó é polinomial

Vamos considerar:

• Uma instância I de um problema de minimização

• Uma medida µ(I):(queremos que µ(I) dependa só do parâmetro k)

4

Page 28: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificação

Em cada nó da árvores executamos uma ramificação

5

Page 29: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificação

Em cada nó da árvores executamos uma ramificação

Ramificação de I

Crie instâncias I1, ..., Iℓ tais que:

5

Page 30: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificação

Em cada nó da árvores executamos uma ramificação

Ramificação de I

Crie instâncias I1, ..., Iℓ tais que:

1. dada solução Si de Ii, existe solução hi(Si) de I

5

Page 31: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificação

Em cada nó da árvores executamos uma ramificação

Ramificação de I

Crie instâncias I1, ..., Iℓ tais que:

1. dada solução Si de Ii, existe solução hi(Si) de Ie {hi(S)}1≤i≤ℓ contém solução ótima;

5

Page 32: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificação

Em cada nó da árvores executamos uma ramificação

Ramificação de I

Crie instâncias I1, ..., Iℓ tais que:

1. dada solução Si de Ii, existe solução hi(Si) de Ie {hi(S)}1≤i≤ℓ contém solução ótima;

2. ℓ é uma função do parâmetro µ(I) somente;

5

Page 33: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificação

Em cada nó da árvores executamos uma ramificação

Ramificação de I

Crie instâncias I1, ..., Iℓ tais que:

1. dada solução Si de Ii, existe solução hi(Si) de Ie {hi(S)}1≤i≤ℓ contém solução ótima;

2. ℓ é uma função do parâmetro µ(I) somente;

3. existe c > 0 tal que µ(Ii) ≤ µ(I)− c para cada i.

5

Page 34: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando a altura

Um algoritmo de ramificação tem altura limitada:

6

Page 35: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando a altura

Um algoritmo de ramificação tem altura limitada:

• se µ(I) < 0, então instância é fácil;

6

Page 36: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando a altura

Um algoritmo de ramificação tem altura limitada:

• se µ(I) < 0, então instância é fácil;

• grau de ramificação ℓ de um nó é limitado;

6

Page 37: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando a altura

Um algoritmo de ramificação tem altura limitada:

• se µ(I) < 0, então instância é fácil;

• grau de ramificação ℓ de um nó é limitado;

• altura é limitada

6

Page 38: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores e FPT

Framework para FPT

7

Page 39: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores e FPT

Framework para FPT

Solução é um subconjunto de algum universo U:

7

Page 40: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores e FPT

Framework para FPT

Solução é um subconjunto de algum universo U:

1. Identificamos S ⊆ U pequeno

7

Page 41: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores e FPT

Framework para FPT

Solução é um subconjunto de algum universo U:

1. Identificamos S ⊆ U pequeno (em tempo polinomial)

7

Page 42: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores e FPT

Framework para FPT

Solução é um subconjunto de algum universo U:

1. Identificamos S ⊆ U pequeno (em tempo polinomial)

2. Adivinhamos qual elemento de S está em uma soluçãoótima

7

Page 43: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores e FPT

Framework para FPT

Solução é um subconjunto de algum universo U:

1. Identificamos S ⊆ U pequeno (em tempo polinomial)

2. Adivinhamos qual elemento de S está em uma soluçãoótima

3. Garantimos que a medida µ(I) diminui

7

Page 44: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Árvores e FPT

Framework para FPT

Solução é um subconjunto de algum universo U:

1. Identificamos S ⊆ U pequeno (em tempo polinomial)

2. Adivinhamos qual elemento de S está em uma soluçãoótima

3. Garantimos que a medida µ(I) diminui(i.e., o “número” de decisões que faltam diminui)

7

Page 45: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Page 46: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Recapitulando:

8

Page 47: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Recapitulando:

• Queremos encontrar X ⊆ V(G) tal que E[G− X] = ∅

8

Page 48: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Recapitulando:

• Queremos encontrar X ⊆ V(G) tal que E[G− X] = ∅• Núcleo: 2k vértices em tempo O(n

√m)

8

Page 49: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Recapitulando:

• Queremos encontrar X ⊆ V(G) tal que E[G− X] = ∅• Núcleo: 2k vértices em tempo O(n

√m) (usando técnicas

de LP)

8

Page 50: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Recapitulando:

• Queremos encontrar X ⊆ V(G) tal que E[G− X] = ∅• Núcleo: 2k vértices em tempo O(n

√m) (usando técnicas

de LP)• Algoritmo exato: O(4kkO(1)) (para k fixo)

8

Page 51: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Recapitulando:

• Queremos encontrar X ⊆ V(G) tal que E[G− X] = ∅• Núcleo: 2k vértices em tempo O(n

√m) (usando técnicas

de LP)• Algoritmo exato: O(4kkO(1)) (para k fixo)

Observação

Para v ∈ V(G):– ou v está na solução;

8

Page 52: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Recapitulando:

• Queremos encontrar X ⊆ V(G) tal que E[G− X] = ∅• Núcleo: 2k vértices em tempo O(n

√m) (usando técnicas

de LP)• Algoritmo exato: O(4kkO(1)) (para k fixo)

Observação

Para v ∈ V(G):– ou v está na solução;

– ou N(v) está na solução.

8

Page 53: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Cobertura por vértices

Recapitulando:

• Queremos encontrar X ⊆ V(G) tal que E[G− X] = ∅• Núcleo: 2k vértices em tempo O(n

√m) (usando técnicas

de LP)• Algoritmo exato: O(4kkO(1)) (para k fixo)

Observação

Para v ∈ V(G):– ou v está na solução;

– ou N(v) está na solução.

Observação

Se, para todo v ∈ V(G), d(v) ≤ 1, então Cobertura por vérticesé polinomial.

8

Page 54: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)

9

Page 55: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

9

Page 56: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:

9

Page 57: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:1. Se v está na solução:

9

Page 58: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:1. Se v está na solução:

1.1 remova v de G;

9

Page 59: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:1. Se v está na solução:

1.1 remova v de G;1.2 faça k← k− 1

9

Page 60: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:1. Se v está na solução:

1.1 remova v de G;1.2 faça k← k− 1

2. Se N(v) está na solução:

9

Page 61: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:1. Se v está na solução:

1.1 remova v de G;1.2 faça k← k− 1

2. Se N(v) está na solução:2.1 remova N[v] de G;

9

Page 62: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:1. Se v está na solução:

1.1 remova v de G;1.2 faça k← k− 1

2. Se N(v) está na solução:2.1 remova N[v] de G;2.2 faça k← k− |N(v)|.

9

Page 63: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G)• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:1. Se v está na solução:

1.1 remova v de G;1.2 faça k← k− 1

2. Se N(v) está na solução:2.1 remova N[v] de G;2.2 faça k← k− |N(v)|.

9

Page 64: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Ramificando

Ramificação

• Escolha v ∈ V(G) com grau máximo;

• Temos S = {v} ∪ N(v) contém elemento de uma solução;

• Ramificamos em:1. Se v está na solução:

1.1 remova v de G;1.2 faça k← k− 1

2. Se N(v) está na solução:2.1 remova N[v] de G;2.2 faça k← k− |N(v)|.

9

Page 65: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

10

Page 66: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

10

Page 67: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

• seja τ(k) o número de nós

10

Page 68: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

• seja τ(k) o número de nós

• TOTAL: τ(k)nO(1).

10

Page 69: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

• seja τ(k) o número de nós

• TOTAL: τ(k)nO(1).

Observação

Dada uma árvore de ramificação T com ℓ folhas, então o númerode nós de T é no máximo 2ℓ− 1.

10

Page 70: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

• seja τ(k) o número de nós

• TOTAL: τ(k)nO(1).

Observação

Dada uma árvore de ramificação T com ℓ folhas, então o númerode nós de T é no máximo 2ℓ− 1.

• Seja T(k) o número de folhas na árvore de ramificação daCobertura por vértices

10

Page 71: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

• seja τ(k) o número de nós

• TOTAL: τ(k)nO(1).

Observação

Dada uma árvore de ramificação T com ℓ folhas, então o númerode nós de T é no máximo 2ℓ− 1.

• Seja T(k) o número de folhas na árvore de ramificação daCobertura por vértices

T(i) =

10

Page 72: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

• seja τ(k) o número de nós

• TOTAL: τ(k)nO(1).

Observação

Dada uma árvore de ramificação T com ℓ folhas, então o númerode nós de T é no máximo 2ℓ− 1.

• Seja T(k) o número de folhas na árvore de ramificação daCobertura por vértices

T(i) =

{

10

Page 73: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

• seja τ(k) o número de nós

• TOTAL: τ(k)nO(1).

Observação

Dada uma árvore de ramificação T com ℓ folhas, então o númerode nós de T é no máximo 2ℓ− 1.

• Seja T(k) o número de folhas na árvore de ramificação daCobertura por vértices

T(i) =

{T(i− 1) + T(i− 2) se i ≥ 2;

10

Page 74: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Tempo de execução

• cada nó da árvore gasta temo nO(1)

• seja τ(k) o número de nós

• TOTAL: τ(k)nO(1).

Observação

Dada uma árvore de ramificação T com ℓ folhas, então o númerode nós de T é no máximo 2ℓ− 1.

• Seja T(k) o número de folhas na árvore de ramificação daCobertura por vértices

T(i) =

{T(i− 1) + T(i− 2) se i ≥ 2;

1 caso contrário.

10

Page 75: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Calculando

Lema

Para todo k ≥ 0, T(k) ≤ 1,6181k.

11

Page 76: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação
Page 77: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Obtendo a base da exponencial

12

Page 78: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Obtendo a base da exponencial

Ideia: vamos tentar fazer T(k) ≤ cλk.

12

Page 79: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Olhando

Observação: a base impacta muito no tempo de execução

13

Page 80: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Olhando

Observação: a base impacta muito no tempo de execução

Conclusão: tentar melhorar ao máximo o passo deramificação

13

Page 81: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Olhando

Observação: a base impacta muito no tempo de execução

Conclusão: tentar melhorar ao máximo o passo deramificação

Quando ramificamos:

• se v não é parte da solução, então diminuímos k em|N(v)| ≥ 2

13

Page 82: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Olhando

Observação: a base impacta muito no tempo de execução

Conclusão: tentar melhorar ao máximo o passo deramificação

Quando ramificamos:

• se v não é parte da solução, então diminuímos k em|N(v)| ≥ 2;

• mas se |N(v)| > 2?

13

Page 83: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Olhando

Observação: a base impacta muito no tempo de execução

Conclusão: tentar melhorar ao máximo o passo deramificação

Quando ramificamos:

• se v não é parte da solução, então diminuímos k em|N(v)| ≥ 2;

• mas se |N(v)| > 2? a árvore é menor!

13

Page 84: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Olhando

Observação: a base impacta muito no tempo de execução

Conclusão: tentar melhorar ao máximo o passo deramificação

Quando ramificamos:

• se v não é parte da solução, então diminuímos k em|N(v)| ≥ 2;

• mas se |N(v)| > 2? a árvore é menor!

Observação

Cobertura por vértices é polinomial quando d(v) ≤ 2 paratodo v ∈ V(G).

13

Page 85: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Melhorando

Agora resolvemos um nó em tempo polinomial sempre que∆(G) ≤ 2:

14

Page 86: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Melhorando

Agora resolvemos um nó em tempo polinomial sempre que∆(G) ≤ 2:

T(i) =

14

Page 87: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Melhorando

Agora resolvemos um nó em tempo polinomial sempre que∆(G) ≤ 2:

T(i) =

14

Page 88: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Melhorando

Agora resolvemos um nó em tempo polinomial sempre que∆(G) ≤ 2:

T(i) =

T(i− 1) + T(i− 3) se i ≥ 3;

14

Page 89: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Melhorando

Agora resolvemos um nó em tempo polinomial sempre que∆(G) ≤ 2:

T(i) =

T(i− 1) + T(i− 3) se i ≥ 3;

1 caso contrário.

14

Page 90: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Melhorando

Agora resolvemos um nó em tempo polinomial sempre que∆(G) ≤ 2:

T(i) =

T(i− 1) + T(i− 3) se i ≥ 3;

1 caso contrário.

Teorema

Cobertura por vértices pode ser resolvida em tempoO(n

√m+ 1.4656 kO(1)).

14

Page 91: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Recorrências

Page 92: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando árvores de busca por recorrência

Pergunta: Como limitar o tamanho da árvore de busca?

15

Page 93: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando árvores de busca por recorrência

Pergunta: Como limitar o tamanho da árvore de busca?

• representamos o tamanho como uma função T de k

15

Page 94: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando árvores de busca por recorrência

Pergunta: Como limitar o tamanho da árvore de busca?

• representamos o tamanho como uma função T de k

• obtemos uma recorrência

15

Page 95: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando árvores de busca por recorrência

Pergunta: Como limitar o tamanho da árvore de busca?

• representamos o tamanho como uma função T de k

• obtemos uma recorrência

• resolvemos a recorrências

15

Page 96: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando árvores de busca por recorrência

Pergunta: Como limitar o tamanho da árvore de busca?

• representamos o tamanho como uma função T de k

• obtemos uma recorrência

• resolvemos a recorrências

Vetor de ramificaçãoSuponha que:

15

Page 97: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando árvores de busca por recorrência

Pergunta: Como limitar o tamanho da árvore de busca?

• representamos o tamanho como uma função T de k

• obtemos uma recorrência

• resolvemos a recorrências

Vetor de ramificaçãoSuponha que:

• cada nó da arvore tem p subproblemas;

15

Page 98: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando árvores de busca por recorrência

Pergunta: Como limitar o tamanho da árvore de busca?

• representamos o tamanho como uma função T de k

• obtemos uma recorrência

• resolvemos a recorrências

Vetor de ramificaçãoSuponha que:

• cada nó da arvore tem p subproblemas;

• os parâmetros de cada subproblema são k−d1, k− 2, . . . , k−p.

15

Page 99: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Limitando árvores de busca por recorrência

Pergunta: Como limitar o tamanho da árvore de busca?

• representamos o tamanho como uma função T de k

• obtemos uma recorrência

• resolvemos a recorrências

Vetor de ramificaçãoSuponha que:

• cada nó da arvore tem p subproblemas;

• os parâmetros de cada subproblema são k−d1, k− 2, . . . , k−p.

Então o vetor (d1,d2, . . . ,dp) é chamado vetor de ramificação.

15

Page 100: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Recorrência geral

• cada nó tem um número constante p de ramos

16

Page 101: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Recorrência geral

• cada nó tem um número constante p de ramos

• para parâmetro k ≤ p, presumimos que a instância é fácil(polinomial)

16

Page 102: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Recorrência geral

• cada nó tem um número constante p de ramos

• para parâmetro k ≤ p, presumimos que a instância é fácil(polinomial)

Recorrência associada a (d1,d2, . . . ,dp):

16

Page 103: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Recorrência geral

• cada nó tem um número constante p de ramos

• para parâmetro k ≤ p, presumimos que a instância é fácil(polinomial)

Recorrência associada a (d1,d2, . . . ,dp):

T(k) =

16

Page 104: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Recorrência geral

• cada nó tem um número constante p de ramos

• para parâmetro k ≤ p, presumimos que a instância é fácil(polinomial)

Recorrência associada a (d1,d2, . . . ,dp):

T(k) =

16

Page 105: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Recorrência geral

• cada nó tem um número constante p de ramos

• para parâmetro k ≤ p, presumimos que a instância é fácil(polinomial)

Recorrência associada a (d1,d2, . . . ,dp):

T(k) =

T(k− d1) + T(k− d2) + · · ·+ (k− dp) se k ≥ p;

16

Page 106: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Recorrência geral

• cada nó tem um número constante p de ramos

• para parâmetro k ≤ p, presumimos que a instância é fácil(polinomial)

Recorrência associada a (d1,d2, . . . ,dp):

T(k) =

T(k− d1) + T(k− d2) + · · ·+ (k− dp) se k ≥ p;

1 caso contrário.

16

Page 107: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Resolvendo a recorrência

• Usamos indução

17

Page 108: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Resolvendo a recorrência

• Usamos indução

• Tentamos uma solução do tipo T(k) ≤ c · λk

17

Page 109: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Resolvendo a recorrência

• Usamos indução

• Tentamos uma solução do tipo T(k) ≤ c · λk

Obtemos:λd ≥ λd−d1 + λd−d2 + · · ·+ λd−dp ,

onde d = max{d1, . . . ,dp}.

17

Page 110: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Resolvendo a recorrência

• Usamos indução

• Tentamos uma solução do tipo T(k) ≤ c · λk

Obtemos:λd ≥ λd−d1 + λd−d2 + · · ·+ λd−dp ,

onde d = max{d1, . . . ,dp}.Reescrevemos como:

λd − λd−d1 − λd−d2 − · · ·− λd−dp ≥ 0

17

Page 111: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Resolvendo a recorrência

• Usamos indução

• Tentamos uma solução do tipo T(k) ≤ c · λk

Obtemos:λd ≥ λd−d1 + λd−d2 + · · ·+ λd−dp ,

onde d = max{d1, . . . ,dp}.Reescrevemos como:

P(λ) := λd − λd−d1 − λd−d2 − · · ·− λd−dp ≥ 0

P(λ) é o vetor característico de T.

17

Page 112: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Calculando

Seja λ0 solução de P(λ) = 0:

• P(λ) < 0 para 0 < λ < λ0;

• P(λ) > 0 para λ > λ0.

18

Page 113: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Calculando

Seja λ0 solução de P(λ) = 0:

• P(λ) < 0 para 0 < λ < λ0;

• P(λ) > 0 para λ > λ0.

Obtemos T(k) ≤ O(λk0)

18

Page 114: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Conjunto de vértices deretroalimentação

Page 115: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Conjunto de vértices de retroalimentação mínimo

Conjunto de vértices de retroalimentação mínimo

Seja G um grafo. Um subconjunto de vértices X ⊆ V(G) échamado de conjunto de retroalimentação de G se G− X éacíclico.

Decidir: existe conjunto de realimentação com no máximo kvértices?

19

Page 116: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Reduções simples

Consideramos o problema com multigrafos

20

Page 117: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Reduções simples

Consideramos o problema com multigrafos, i.e.:

• podem existir laços

• podem existir arestas múltiplas

20

Page 118: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Reduções simples

Consideramos o problema com multigrafos, i.e.:

• podem existir laços

• podem existir arestas múltiplas

Redução FVS.1: Se houver laça em v, remova v e diminua k.

20

Page 119: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Reduções simples

Consideramos o problema com multigrafos, i.e.:

• podem existir laços

• podem existir arestas múltiplas

Redução FVS.1: Se houver laça em v, remova v e diminua k.

Redução FVS.2: Se houver t > 2 cópias de uma aresta, remova t− 2

cópias.

20

Page 120: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Reduções simples

Consideramos o problema com multigrafos, i.e.:

• podem existir laços

• podem existir arestas múltiplas

Redução FVS.1: Se houver laça em v, remova v e diminua k.

Redução FVS.2: Se houver t > 2 cópias de uma aresta, remova t− 2

cópias.

Redução FVS.3: Se um vértice v tem grau d(v) ≤ 1, remova v.

20

Page 121: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

21

Page 122: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

• adicione uma aresta entre os vértices N(v);

21

Page 123: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

• adicione uma aresta entre os vértices N(v);

• remova v.

21

Page 124: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

• adicione uma aresta entre os vértices N(v);

• remova v.

Após as reduções, podemos obter uma instância trivial.

21

Page 125: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

• adicione uma aresta entre os vértices N(v);

• remova v.

Após as reduções, podemos obter uma instância trivial.

Redução FVS.5: Se k < 0, devolva não.

21

Page 126: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

• adicione uma aresta entre os vértices N(v);

• remova v.

Após as reduções, podemos obter uma instância trivial.

Redução FVS.5: Se k < 0, devolva não.

Propriedades

Após executar exaustivamente as reduções, obtemos G

21

Page 127: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

• adicione uma aresta entre os vértices N(v);

• remova v.

Após as reduções, podemos obter uma instância trivial.

Redução FVS.5: Se k < 0, devolva não.

Propriedades

Após executar exaustivamente as reduções, obtemos G

1. sem laços;

21

Page 128: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

• adicione uma aresta entre os vértices N(v);

• remova v.

Após as reduções, podemos obter uma instância trivial.

Redução FVS.5: Se k < 0, devolva não.

Propriedades

Após executar exaustivamente as reduções, obtemos G

1. sem laços;

2. somente com arestas simples ou duplas; e

21

Page 129: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Instância simplificada

Redução FVS.4: Se FVS.1 não se aplica e v tem grau d(v) = 2:

• adicione uma aresta entre os vértices N(v);

• remova v.

Após as reduções, podemos obter uma instância trivial.

Redução FVS.5: Se k < 0, devolva não.

Propriedades

Após executar exaustivamente as reduções, obtemos G

1. sem laços;

2. somente com arestas simples ou duplas; e

3. com grau mínimo 3.

21

Page 130: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação
Page 131: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Vértices pesados

• Considere uma ordenação (v1, v2, . . . , vn) de V(G) tal que:

d(v1) ≥ d(v2) ≥ · · · ≥ d(vn).

22

Page 132: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Vértices pesados

• Considere uma ordenação (v1, v2, . . . , vn) de V(G) tal que:

d(v1) ≥ d(v2) ≥ · · · ≥ d(vn).

• Defina V3 = {v1, . . . , v3k}.

22

Page 133: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

Vértices pesados

• Considere uma ordenação (v1, v2, . . . , vn) de V(G) tal que:

d(v1) ≥ d(v2) ≥ · · · ≥ d(vn).

• Defina V3 = {v1, . . . , v3k}.

Lema

Seja G um grafo tal que d(v) ≥ 3 para todo v ∈ V(G). Todoconjunto de retroalimentação de G com tamanho até k tempelo menos um vértice de V3k.

22

Page 134: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação
Page 135: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação
Page 136: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação
Page 137: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação

FPT para Conjunto de retroalimentação

Teorema

Existe um algoritmo para o Conjunto de vértices deretroalimentação que executa em tempo (3k)k · nO(1).

23

Page 138: Algoritmos Parametrizadoslehilton/mo829b/anotada-parte3.pdf · Algoritmos Parametrizados Árvores de busca limitadas Lehilton Pedrosa Segundo Semestre de 2016 Instituto de Computação