Sommario. Calcolo della massima clique. Componenti completamente connesse (o clique) Definizioni. Esempio. Esempio
|
|
- Laura Vinci
- 6 anni fa
- Visualizzazioni
Transcript
1 Sommario Calcolo della massima clique Fulvio Corno, Matteo Sonza Reorda Dip. Automatica e Informatica Politecnico di Torino Definizione del problema Algoritmo base Soluzione Branch & Bound Soluzione Greedy A.A. 2001/2002 APA-Clique 2 Componenti completamente connesse (o clique) Dato un grafo non orientato G(V,E), si definisce componente completamente connessa o clique un sottografo G (V,E ) che sia un grafo completo sui vertici V. Formalmente: G (V,E ) è dato da V V E = { archi e E che insistono su V } v i,v j V (vi, vj) E Definizioni Una clique si dice massimale se non è contenuta in nessuna altra clique Una clique si dice massima se è una clique massimale di dimensione massima A.A. 2001/2002 APA-Clique 3 A.A. 2001/2002 APA-Clique 4 {a,b} clique di dimensione 2, massimale. A.A. 2001/2002 APA-Clique 5 A.A. 2001/2002 APA-Clique 6 1
2 {b,c,e} clique di dimensione 3, non massimale. {b,c,e,f} clique di dimensione 4, massimale. A.A. 2001/2002 APA-Clique 7 A.A. 2001/2002 APA-Clique 8 {b,c,f,g} non è una clique: manca (b,g). {d,e,h,i,j} clique di dimensione 5, massimale e massima. A.A. 2001/2002 APA-Clique 9 A.A. 2001/2002 APA-Clique 10 Applicazioni La determinazione della massima clique è necessaria ogniqualvolta si voglia verificare la completezza di un sottografo: Quali sono le città tra le quali si può viaggiare con voli diretti (senza scalo)? Quanti sono i calzini liberamente accoppiabili tra di loro? Quali sono i gruppi di amici tra i quali non sono necessarie presentazioni? Proprietà Data una clique C di dimensione k, tutti i vertici v C hanno grado(v) k-1 A.A. 2001/2002 APA-Clique 11 A.A. 2001/2002 APA-Clique 12 2
3 Independent Vertex Set {d,e,h,i,j} IVS di dimensione 5, massimale e massima. Un problema equivalente alla massima clique è quello dell insieme massimo di vertici indipendenti (max-ivs). Un IVS è un insieme di vertici V V tale per cui tutti i vertici di V siano disgiunti (ossia non adiacenti). Il problema del max-ivs è equivalente al calcolo della max-clique sul grafo complementare. A.A. 2001/2002 APA-Clique 13 A.A. 2001/2002 APA-Clique 14 Sommario Principio di risoluzione Definizione del problema Algoritmo base Soluzione Branch & Bound Soluzione Greedy La soluzione più diretta al problema della clique è un algoritmo ricorsivo, in cui si costruisce la clique massima un nodo ad ogni livello di ricorsione. Ad ogni livello di ricorsione si ha una clique parziale di k nodi, e si cerca quale/i nodo/i annettere per realizzare una clique di k+1 nodi. A.A. 2001/2002 APA-Clique 15 A.A. 2001/2002 APA-Clique 16 Algoritmo (I) Algoritmo (I) Data una clique iniziale C di dimensione k for (all v V-C) if (v is connected to all v C) for (all v V-C) if (v is connected to all v C) A.A. 2001/2002 APA-Clique 17 A.A. 2001/2002 APA-Clique 18 3
4 Algoritmo (I) for (all v V-C) Data una clique iniziale C di dimensione k Aggiorna il max visto finora if (v is connected to all v C) A.A. 2001/2002 APA-Clique 19 Algoritmo (I) for (all v V-C) Data una clique iniziale C di dimensione k Aggiorna il max visto finora if (v is connected to all v C) Iverticiv candidati alla ricorsione sono solo quelli adiacenti a tutti iverticidi C A.A. 2001/2002 APA-Clique 20 Algoritmo (I) for (all v V-C) if (v is connected to all v C) Iverticiv candidati alla ricorsione sono solo quelli adiacenti a tutti iverticidi C Data una clique iniziale C di dimensione k Aggiorna il max visto finora Prova ad annettere v a C A.A. 2001/2002 APA-Clique 21 Algoritmo (II) find_clique() k = 0 for( all v in V ) clique( {v}, 1 ) return max_clique A.A. 2001/2002 APA-Clique 22 Algoritmo (II) (1) find_clique() k = 0 for( all v in V ) clique( {v}, 1 ) return C Inizia la ricerca da tutti i possibili verticidipartenza A.A. 2001/2002 APA-Clique 23 A.A. 2001/2002 APA-Clique 24 4
5 (2) C={a} k=1 (3) C={a,b} k=2 b, d nessuno A.A. 2001/2002 APA-Clique 25 A.A. 2001/2002 APA-Clique 26 (4) C={a,d} k=2 (5) C={b} k=1 nessuno a,c,e,f A.A. 2001/2002 APA-Clique 27 A.A. 2001/2002 APA-Clique 28 (6) C={b,a} k=2 (7) C={b,c} k=2 nessuno e,f A.A. 2001/2002 APA-Clique 29 A.A. 2001/2002 APA-Clique 30 5
6 (8) C={b,c,e} k=3 (9) C={b,c,e,f} k=4 f nessuno A.A. 2001/2002 APA-Clique 31 A.A. 2001/2002 APA-Clique 32 (10) C={b,c,f} k=3 (11) C={b,c,e,f} k=4 e nessuno A.A. 2001/2002 APA-Clique 33 A.A. 2001/2002 APA-Clique 34 (12) C={b,e} k=2 c,f A.A. 2001/2002 APA-Clique 35 Albero di ricerca (I) a ab b ba bc bce bcef bcf bcfe be bec becf bef befc bf bfe bfec bfc bfce c cb cbe cbef cbf cbfe ce ceb cebf cef cefb A.A. 2001/2002 APA-Clique 36 6
7 Albero di ricerca (II) Complessità cf cfb cfbe cfe cfeb cfg cg cgf d da de deh dehi dehij dehj dehji dei deih deihj deij deijh dej dejh dejhi deji dejih dh dhe dhei dheij A.A. 2001/2002 APA-Clique 37 La soluzione ricorsiva al problema della clique richiede un numero di chiamate più che polinomiale alla procedura clique(). Il caso peggiore (grafo completo) richiede O(V!) passi. A.A. 2001/2002 APA-Clique 38 Sommario Ottimizzazioni Definizione del problema Algoritmo base Soluzione Branch & Bound Soluzione Greedy L algoritmo base spende molto tempo a: Esplorare permutazioni di clique già viste Analizzare porzioni dello spazio di ricerca che non hanno nodi sufficienti a creare una clique più grande della migliore vista fino a quel momento A.A. 2001/2002 APA-Clique 39 A.A. 2001/2002 APA-Clique 40 Condizione di Bound #1 Data una clique parziale C con k= C nodi Definiamo P = {v v C v C:(v,v ) E} (insieme dei vertici candidati) Se P max_k k, allora è inutile esaminare ricorsivamente gli elementi di P Giustificazione: nel caso migliore tutti gli elementi di P saranno adiacenti tra loro e con i vertici in C. In tal caso si ottiene una clique data da C P, la cui dimensione è k+ P max_k. Algoritmo B&B #1 P = {v V-C : v connected to all v C } if( k+ P > max_k ) for (all v P) A.A. 2001/2002 APA-Clique 41 A.A. 2001/2002 APA-Clique 42 7
8 Condizione di Bound #2 Algoritmo B&B #2 Datiiverticiin P, se P > max_k k, vi saranno possibilità di costituire una clique di dimensione >k. In realtà la massima dimensione della clique ottenibile è limitata dal grado dei nodi scelti in P Prima di annettere un vertice v in P, occorre verificare che il suo grado non sia troppo basso P = {v V-C : v connected to all v C } if( k+ P > max_k ) for (all v P) if( k+grado(v)+1 > max_k ) A.A. 2001/2002 APA-Clique 43 A.A. 2001/2002 APA-Clique 44 Altre ottimizzazioni Considerare i vertici in P in ordine di grado decrescente Riconoscere se P costituisce un sottografo completo (in tal caso una clique è C P e non occorre enumerare tutte le permutazioni) Una volta trovata una clique di dimensione max_k, eliminare dal grafo tutti i vertici il cui grado è <max_k Complessità La soluzione branch & bound è ancora esatta (è in grado di trovare la max clique) La sua complessità nel caso peggiore continua ad essere O(V!) Nei casi pratici può essere notevolmente più efficiente A.A. 2001/2002 APA-Clique 45 A.A. 2001/2002 APA-Clique 46 Sommario Approccio greedy Definizione del problema Algoritmo base Soluzione Branch & Bound Soluzione Greedy Si costruisce una clique promettente, cercando di partire da un nodo di elevato grado e di annettervi i nodi con miglior connettività. A.A. 2001/2002 APA-Clique 47 A.A. 2001/2002 APA-Clique 48 8
9 Algoritmo (1) C = { vertice v con grado(v) max } do { P={vertici connessi a tutti i vertici di C} v = vertice di P di grado max C = C + { v } } while(esiste un v ) A.A. 2001/2002 APA-Clique 49 A.A. 2001/2002 APA-Clique 50 (2) (3) A.A. 2001/2002 APA-Clique 51 A.A. 2001/2002 APA-Clique 52 (4) (5) A.A. 2001/2002 APA-Clique 53 A.A. 2001/2002 APA-Clique 54 9
10 (6) (7) A.A. 2001/2002 APA-Clique 55 A.A. 2001/2002 APA-Clique 56 Controesempio (1) Controesempio (2) z a 3 b5 c5 z8 d7 e7 f5 g4 h i5 j h4 i5 j7 A.A. 2001/2002 APA-Clique 57 A.A. 2001/2002 APA-Clique 58 Controesempio (3) Controesempio (4) a 3 b5 c5 z8 a 3 b5 c5 z8 d7 e7 f5 g4 d7 e7 f5 g4 h4 i5 j7 h4 i5 j7 A.A. 2001/2002 APA-Clique 59 A.A. 2001/2002 APA-Clique 60 10
11 Controesempio (5) z8 a 3 b5 c5 d7 e7 f5 g4 h4 i5 j7 A.A. 2001/2002 APA-Clique 61 11
Definizioni. Soluzione ottima: migliore soluzione possibile Soluzione ottima localmente: soluzione ottima in un dominio contiguo. Il paradigma greedy
Il paradigma greedy Paolo Camurati, Fulvio Corno, Matteo Sonza Reorda Dip. Automatica e Informatica Politecnico di Torino Definizioni Soluzione ottima: migliore soluzione possibile Soluzione ottima localmente:
DettagliGrafi (non orientati e connessi): minimo albero ricoprente
.. Grafi (non orientati e connessi): minimo albero ricoprente Una presentazione alternativa (con ulteriori dettagli) Problema: calcolo del minimo albero di copertura (M.S.T.) Dato un grafo pesato non orientato
DettagliMETODI DELLA RICERCA OPERATIVA
Università degli Studi di Cagliari FACOLTA' DI INGEGNERIA CORSO DI METODI DELLA RICERCA OPERATIVA Dott.ing. Massimo Di Francesco (mdifrance@unica.it) i i Dott.ing. Maria Ilaria Lunesu (ilaria.lunesu@unica.it)
DettagliLa ricorsione. Sommario. Fulvio CORNO - Matteo SONZA REORDA Dip. Automatica e Informatica Politecnico di Torino
La ricorsione Fulvio CORNO - Matteo SONZA REORDA Dip. Automatica e Informatica Politecnico di Torino Sommario! Definizione di ricorsione e strategie divide et impera! Semplici algoritmi ricorsivi! Merge
DettagliRecurso especial: Análise do Erro na Valoração das Provas
ISSN 1127-8579 Pubblicato dal 24/09/2012 All'indirizzo http://www.diritto.it/docs/33952-recurso-especial-an-lise-do-erro-na-valora-odas-provas Autori: Gabriela Póvoas, Jessica Fernanda Dias, Onísia Carmen
DettagliVISITA IL SITO PER ALTRO MATERIALE E GUIDE
COPYRIGHT SEGO LICENSE Questo documento viene fornito così come è: se pensate che faccia schifo problemi vostri, nessuno vi obbliga a leggerlo. Se pensate che sia qualcosa di positivo e/o avete suggerimenti
Dettagli3.4 Metodo di Branch and Bound
3.4 Metodo di Branch and Bound Consideriamo un generico problema di Ottimizzazione Discreta dove X è la regione ammissibile. (P ) z = max{c(x) : x X} Metodologia generale di enumerazione implicita (Land
DettagliParte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Divide et Impera Sia z * max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
DettagliIntroduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte
DettagliIl diritto penitenziario in canton Berna
ISSN 1127-8579 Pubblicato dal 21/05/2013 All'indirizzo http://www.diritto.it/docs/35064-il-diritto-penitenziario-in-canton-berna Autore: Baiguera Altieri Andrea Il diritto penitenziario in canton Berna
Dettagli2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
. Cammini ottimi E. Amaldi Fondamenti di R.O. Politecnico di Milano .. Cammini minimi e algoritmo di Dijkstra Dato un grafo orientato G = (N, A) con una funzione di costo c : A c ij R e due nodi s e t,
DettagliAlgoritmi Euristici. Corso di Laurea in Informatica e Corso di Laurea in Matematica. Roberto Cordone DI - Università degli Studi di Milano
Algoritmi Euristici Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Martedì 14.30-16.30 in Aula Omega Venerdì 14.30-16.30 in
DettagliDomini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):
UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliMinimo albero di copertura
apitolo 0 Minimo albero di copertura efinizione 0.. ato un grafo G = (V, E) non orientato e connesso, un albero di copertura di G è un sottoinsieme T E tale che il sottografo (V, T ) è un albero libero.
DettagliAppunti del corso di Informatica 1 (IN110 Fondamenti) 7 Grafi e alberi: introduzione
Università di Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica (IN0 Fondamenti) Grafi e alberi: introduzione Marco Liverani (liverani@mat.uniroma.it)
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2015-2016 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Paolo Tubertini, Daniele Vigo rev. 2. ottobre 2016 Fondamenti di
DettagliGrafi: ordinamento topologico
.. Grafi: ordinamento topologico Che cosa e e come si calcola Che cosa e un ordinamento topologico F. Damiani - Alg. & Lab. 04/05 Una definizione di ordinamento topologico Definizione. Funzione σ: V {1,
DettagliProgrammazione a numeri interi: il metodo del Branch and Bound
Programmazione a numeri interi: il metodo del Branch and Bound L. De Giovanni G. Zambelli Un problema di programmazione lineare intera è una problema della forma z I = maxc T x Ax b x 0 x i Z, i I. (1)
DettagliComplessità Computazionale
Complessità Computazionale La teoria della Computabilità cattura la nozione di algoritmo nel senso che per ogni problema sia esso decisionale o di calcolo di funzione stabilisce dei criteri per determinare
DettagliIl contratto preliminare
ISSN 1127-8579 Pubblicato dal 16/11/2012 All'indirizzo http://www.diritto.it/docs/34274-il-contratto-preliminare Autore: Vinci Paolo Il contratto preliminare A B C B A A B C DEC F EC E C D E D EC C E BC
DettagliVISITA IL SITO PER ALTRO MATERIALE E GUIDE
COPYRIGHT SEGO LICENSE Questo documento viene fornito così come è: se pensate che faccia schifo problemi vostri, nessuno vi obbliga a leggerlo. Se pensate che sia qualcosa di positivo e/o avete suggerimenti
Dettagli2.3.3 Cammini ottimi nei grafi senza circuiti
.. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) protocolli reti IP memorizzazione compatta di
DettagliIl Branch & Bound. Definizione 1. Sia S R n. La famiglia S = {S 1, S 2,..., S k S} tale che S 1 S 2 S k = S viene detta suddivisione di S.
Il Branch & Bound Il metodo Branch & Bound è una tecnica che permette di risolvere all ottimo un generico problema di Programmazione Lineare Intera. Tale metodo si basa su due concetti cardine: quello
DettagliGrafi pesati Minimo albero ricoprente
Algoritmi e Strutture Dati Definizioni Grafi pesati Minimo albero ricoprente Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è un albero; T contiene
DettagliSoluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2014-2015 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Daniele Vigo rev. 1.1.a ottobre 2014 Fondamenti di Ricerca Operativa
DettagliEsempi. non. orientato. orientato
Definizione! Un grafo G = (V,E) è costituito da un insieme di vertici V ed un insieme di archi E ciascuno dei quali connette due vertici in V detti estremi dell arco.! Un grafo è orientato quando vi è
DettagliProgettazione di algoritmi. Classe 3 (matricole congrue 2 modulo 3) Prof.ssa Anselmo. Appello del 15 Novembre Attenzione:
COGNOME: Nome: Progettazione di algoritmi Classe 3 (matricole congrue 2 modulo 3) Prof.ssa Anselmo Appello del 15 Novembre 2016 Attenzione: Inserire i propri dati nell apposito spazio soprastante e sottostante.
DettagliCorso di Perfezionamento
Programmazione Dinamica 1 1 Dipartimento di Matematica e Informatica Università di Camerino 15 febbraio 2009 Tecniche di Programmazione Tecniche di progettazione di algoritmi: 1 Divide et Impera 2 Programmazione
DettagliAlberi e arborescenze di costo minimo
Alberi e arborescenze di costo minimo Complementi di Ricerca Operativa Giovanni Righini Dipartimento di Tecnologie dell Informazione - Università degli Studi di Milano Definizioni - 1 Un grafo G = (V,
DettagliVisite in Grafi BFS e DFS
Visite in Grafi BFS e DFS Visita di un Grafo Obiettivo: Visitare una sola volta tutti i nodi del grafo. Es.: visitare un porzione del grafo del Web Difficoltà: Presenza di cicli: Marcare i nodi visitati
DettagliAlgoritmi e Strutture Dati
Algoritmi Ricorsivi e Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino A.A. 2006/07 I conigli di Fibonacci Ricerca Binaria L isola dei conigli
DettagliOttimizzazione Combinatoria e Reti (a.a. 2007/08)
o Appello 6/07/008 Ottimizzazione Combinatoria e Reti (a.a. 007/08) Nome Cognome: Matricola: ) Dopo avere finalmente superato l esame di Ricerca Operativa, Tommaso è pronto per partire in vacanza. Tommaso
DettagliAlgoritmi e Strutture Dati - Prof. Roberto De Prisco A.A Seconda prova di verifica (4 Febbraio 2005)
Algoritmi e Strutture Dati - Prof. Roberto De Prisco A.A. 004-00 Seconda prova di verifica (4 Febbraio 00) Laurea/Diploma in Informatica Università di Salerno Nome e Cognome: Matricola: 1 3 4 TOTALE /1
DettagliGrafi (non orientati e connessi): minimo albero ricoprente
Grafi (non orientati e connessi): minimo albero ricoprente Una breve presentazione Definizioni Sia G=(V,E) un grafo non orientato e connesso. Un albero ricoprente di G è un sottografo T G tale che: T è
DettagliAnche il nascituro e i suoi fratelli hanno diritto al risarcimento dei danni causati dall omessa diagnosi di malformazioni congenite
ISSN 1127-8579 Pubblicato dal 12/11/2012 All'indirizzo http://www.diritto.it/docs/34236-anche-il-nascituro-e-i-suoi-fratelli-hannodiritto-al-risarcimento-dei-danni-causati-dall-omessa-diagnosi-di-malformazioni-congenite
DettagliSommario. Caratterizzazione alternativa di NP: il verificatore polinomiale esempi di problemi in NP
Sommario Caratterizzazione alternativa di NP: il verificatore polinomiale esempi di problemi in NP I conjecture that there is no good algorithm for the traveling salesman problem. My reasons are the same
DettagliIntroduzione. Algoritmi Genetici. Evoluzione naturale. Modello per un GA. Evoluzione attraverso riproduzione. Algoritmi Genetici. Popolazione iniziale
Introduzione Fulvio Corno, Maurizio Rebaudengo Dip. Automatica e Informatica Politecnico di Torino Gli (GA) sono algoritmi di ricerca e ottimizzazione basati sui Charles Darwin meccanismi dell evoluzione
DettagliRicerca Operativa. Claudio Arbib Universitàdi L Aquila. Esercizi di ottimizzazione combinatoria
Claudio Arbib Universitàdi L Aquila Ricerca Operativa Esercizi di ottimizzazione combinatoria 00-006 Grafi 9 Esercizio. Un grafo simmetrico G = (V, E) si dice cubico se tutti i suoi vertici hanno grado
DettagliCammini Minimi. Algoritmo di Dijkstra
Cammini Minimi Algoritmo di Dijkstra Cammino in un grafo Dato un grafo G=(V,E), un Cammino (Percorso) in G è un insieme di vertici v 1, v 2,.., v k tali che (v i, v i+1 ) E v 1 v 2 v 3 v k In un grafo
DettagliSintesi di reti logiche multilivello. Sommario. Motivazioni. Sommario. M. Favalli
Sommario Sintesi di reti logiche multilivello M. Favalli Engineering Department in Ferrara 1 2 3 Aspetti tecnologici Sommario (ENDIF) Reti logiche 1 / 36 Motivazioni (ENDIF) Reti logiche 2 / 36 1 2 3 Aspetti
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 0/06/06 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via avrai
DettagliGenerale: Documento PKCS#7: Status documento: Nome file p7m: Impronta SHA1 (hex): Impronta SHA256 (hex): Contenuto: Tipo documento: Dimensioni: Impronta SHA1 (hex): Impronta SHA256 (hex): Firmato digitalmente
DettagliProblemi difficili e ricerca esaustiva intelligente
Problemi difficili e ricerca esaustiva intelligente Progettazione di Algoritmi a.a. 2016-17 Matricole congrue a 1 Docente: Annalisa De Bonis Gli argomenti di questa lezione sono tratti da Dasgupta, Papadimitriou,
DettagliLaboratorio 8. Programmazione - CdS Matematica. Marco Virgulin 13 Gennaio 2015
Laboratorio 8 Programmazione - CdS Matematica Marco Virgulin 13 Gennaio 2015 Esercizio di riepilogo. Generare N numeri reali in [0,1[ e scriverli su file. Leggere i valori dal file e inserirli in un albero
DettagliGrafi diretti. Un grafo diretto (o grafo orientato) G è una coppia (V,E) dove. V è u n i n s i e m e d i nodi (o vertici);
Algoritmi e Strutture di Dati II 2 Grafi diretti Un grafo diretto (o grafo orientato) G è una coppia (V,E) dove V è u n i n s i e m e d i nodi (o vertici); E µ V V è u n i n s i e m e d i archi. Denotiamo
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 1/01/016 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via avrai
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 06/07/2016 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via
DettagliAlgoritmo basato su cancellazione di cicli
Algoritmo basato su cancellazione di cicli Dato un flusso ammissibile iniziale, si costruisce una sequenza di flussi ammissibili di costo decrescente. Ciascun flusso è ottenuto dal precedente flusso ammissibile
DettagliAlgoritmi di Ricerca
Algoritmi e Strutture Dati Autunno 01 Algoritmi di Ricerca Dip. Informatica ed Appl. Prof. G. Persiano Università di Salerno 1 Ricerca esaustiva 1 2 Backtrack 3 2.1 Backtrack per enumerazione......................................
DettagliPSPACE completezza. Un linguaggio A è PSPACE completo se. 1. A è in PSPACE, cioè esiste una TM T che accetta A con complessità di spazio polinomiale.
Sommario Il problema della verità per formule booleane pienamente quantificate è PSPACE - completo PSPACE come la classe dei giochi. Il gioco geografico generalizzato è PSPACE - completo 1 PSPACE completezza
DettagliCENTRALITA nella RETE
CENTRALITA nella RETE Nozione di Centralità Nozione introdotta dai sociologi nel dopoguerra (Bavelas 1948) L ipotesi è che la centralità strutturale sia un elemento in grado di motivare l importanza di
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 29/01/2016 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via
Dettaglicertificazione antimafia : Tribunale Amministrativo Regionale per la Calabria (Sezione Prima) sentenza n. 480 del 2010
ISSN 1127-8579 Pubblicato dal 22/04/2010 All'indirizzo http://www.diritto.it/docs/29425-certificazione-antimafia-tribunaleamministrativo-regionale-per-la-calabria-sezione-prima-sentenza-n-480-del-2010
DettagliSommario. Rappresentazione dei grafi. Ordinamento topologico. Visita in ampiezza Visita in profondità
Visite Grafi Sommario Rappresentazione dei grafi Visita in ampiezza Visita in profondità Ordinamento topologico Visita in ampiezza La visita in ampiezza breadth-first-search (BFS) di un grafo dato un vertice
DettagliCammini minimi fra tutte le coppie
Capitolo 12 Cammini minimi fra tutte le coppie Consideriamo il problema dei cammini minimi fra tutte le coppie in un grafo G = (V, E, w) orientato, pesato, dove possono essere presenti archi (ma non cicli)
DettagliAlgoritmi e Strutture Dati
Algoritmi Golosi (Greedy) Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino un algoritmo goloso correttezza Problema della selezione di attività
DettagliDroghe, proibizionismo e prevenzione in kantonappenzell ausserrhoden
1 3ISSN 1127-8579 Pubblicato dal 25/02/2013 All'indirizzo http://xn--leggedistabilit2013-kub.diritto.it/docs/34677-droghe-proibizionismoe-prevenzione-in-kantonappenzell-ausserrhoden Autore: Baiguera Altieri
DettagliEsercitazione. Ricorsione. May 31, Esercizi presi dal libro di Rosen
Esercitazione Ricorsione May 31, 2016 Esercizi presi dal libro di Rosen Problema 2 a) sezione 5.3 Data la seguente funzione definita ricorsivamente come: f(n+1) = 2f(n) f(0) = 3 Determinare il valore di
DettagliParte V: Rilassamento Lagrangiano
Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice
DettagliProblemi, istanze, soluzioni
lgoritmi e Strutture di Dati II 2 Problemi, istanze, soluzioni Un problema specifica una relazione matematica tra dati di ingresso e dati di uscita. Una istanza di un problema è formata dai dati di un
Dettagli5. DIVIDE AND CONQUER I
Divide-et-Impera (Divide and conquer) 5. DIVIDE AND CONQUER I Mergesort e Relazioni di ricorrenza Esempi di progettazione D&I Moltiplicazione di interi Contare inversioni Divide-et-Impera. Definizione
DettagliProblemi di localizzazione di servizi (Facility Location Problems)
9. Problemi di Localizzazione di Servizi 1 Problemi di localizzazione di servizi (Facility Location Problems) Dato un insieme di clienti richiedenti una data domanda di merce e dato un insieme di possibili
DettagliResponsabilidade Civil do Médico no Tocante à Culpa Médica e à Liquidação dos Danos
ISSN 1127-8579 Pubblicato dal 13/10/2011 All'indirizzo http://www.diritto.it/docs/32396-responsabilidade-civil-do-m-dico-no-tocanteculpa-m-dica-e-liquida-o-dos-danos Autore: Aldo Aranha de Castro Responsabilidade
DettagliGrafi e reti di flusso
Grafi e reti di flusso Molti problemi di ottimizzazione sono caratterizzati da una struttura di grafo: in molti casi questa struttura emerge in modo naturale, in altri nasce dal particolare modo in cui
DettagliSistemi per la Progettazione Automatica. problema punti massimi i tuoi punti problema 1 14 problema 2 4 problema 3 6 problema 4 6 totale 30
Sistemi per la Progettazione Automatica Informatica - Tiziano Villa 17 Marzo 2008 Nome e Cognome: Matricola: Posta elettronica: problema punti massimi i tuoi punti problema 1 14 problema 2 4 problema 3
DettagliStrutture dati per rappresentare grafi
lgoritmi e strutture dati amil emetrescu, Irene inocchi, iuseppe. Italiano Strutture dati per rappresentare grafi opyright 2004 - The Mcraw - Hill ompanies, srl lgoritmi e strutture dati amil emetrescu,
DettagliTar Lazio, Roma, 28.01.2010 n. 1084 ISSN 1127-8579. Pubblicato dal 25/02/2010
ISSN 1127-8579 Pubblicato dal 25/02/2010 All'indirizzo http://www.diritto.it/docs/28959-pur-in-assenza-della-firma-del-rappresentantedel-garante-importante-la-certezza-in-ordine-alla-provenienza-della-fideiussione-prestatadal-soggetto-legittimato-ad-impegnare-l-istituto-stesso-ill
DettagliDivide et impera su alberi
Divide et impera su alberi Caso base: peru = null o una foglia Decomposizione: riformula il problema per i sottoalberi radicati nei figli di u. Ricombinazione: ottieniilrisultatoconricombina 1 Decomponibile(u):
DettagliEsercizio 1. min. Esercizio 2. Esercizio 3
A UNIVERSIÀ DEGLI SUDI ROMA RE Ricerca Operativa Primo appello gennaio 00 Esercizio Portando il problema in forma standard si aggiungono le variabili e 4. Impostando il problema artificiale è sufficiente
DettagliAlberi di ricerca binari
Fulvio Corno, Matteo Sonza Reorda Dip. Automatica e Informatica Politecnico di Torino Introduzione Gli alberi di ricerca binari (Binary Search Tree, o BST) sono una struttura di dati che supporta in modo
DettagliProgrammazione dinamica
Programmazione dinamica Violetta Lonati Università degli studi di Milano Dipartimento di Informatica Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Violetta Lonati Programmazione
DettagliGrafi: definizioni e visite
Grafi: definizioni e visite Grafi (non orientati) Grafo (non orientato): G = (V, E) V = nodi (o vertici) E = archi fra coppie di nodi distinti. Modella relazioni fra coppie di oggetti. Parametri della
DettagliGrafi: visita generica
.. Grafi: visita generica Una presentazione alternativa (con ulteriori dettagli) Algoritmi di visita Scopo: visitare tutti i vertici di un grafo (si osservi che per poter visitare un vertice occorre prima
DettagliCammini minimi in grafi:
Algoritmi e strutture dati Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Cammini minimi in grafi: una trilogia Cammini minimi in grafi: Episodio III: la fine della trilogia Input: nelle puntate
DettagliALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I
ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si
Dettagli(NUMERAZIONE DAL CATALOGO SASSONE 2002)
IV EMISSIONE - 1855 / 1863 (NUMERAZIONE DAL CATALOGO SASSONE 2002) Il compito del collezionista che vuole seriamente porre in essere una collezione della IV emissione del Regno di Sardegna, che abbraccia
DettagliIl valore di flusso che si ottiene è
1) Si consideri un insieme di piste da sci e di impianti di risalita. Lo si modelli con un grafo orientato che abbia archi di due tipi: tipo D (discesa e orientato nel senso della discesa) e tipo R (risalita
DettagliMutui e conti correnti in corso e tassi di interesse usurari. Torna in auge la vexata questio dellўїusurarietё sopravvenuta!
1 3ISSN 1127-8579 Pubblicato dal 27/02/2013 All'indirizzo http://www.diritto.it/docs/34690-mutui-e-conti-correnti-in-corso-e-tassi-diinteresse-usurari-torna-in-auge-la-vexata-questio-dell-usurariet-sopravvenuta
DettagliL'allocazione dinamica della memoria
L'allocazione dinamica della memoria Fulvio CORNO - Matteo SONZA REORDA Dip. Automatica e Informatica Politecnico di Torino I puntatori Le variabili di tipo puntatore permettono di accedere alla memoria
DettagliGRAFI. Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi!
G R A F I 1 GRAFI Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi! 2 cip: cip: Pallogrammi Pallogrammi GRAFI: cosa sono I grafi sono una struttura matematica fondamentale: servono
DettagliIn molte applicazioni sorge il problema di sapere in quanti modi possibili si può presentare un certo fenomeno.
Definizione Oggetto del calcolo combinatorio è quello di determinare il numero dei modi mediante i quali possono essere associati, secondo prefissate regole, gli elementi di uno stesso insieme o di più
DettagliAlgoritmi (9 CFU) (A.A ) Heap e Algoritmo HeapSort. Prof. V. Cutello Algoritmi 1
Algoritmi (9 CFU) (A.A. 2009-10) Heap e Algoritmo HeapSort. Prof. V. Cutello Algoritmi 1 Overview Definiamo la struttura dati heap Operazioni di costruzione e gestione di un heap Algoritmo Heapsort Code
DettagliBranch-and-bound per TSP
p. 1/6 Branch-and-bound per TSP Anche qui, rispetto allo schema generale visto in precedenza dobbiamo specificare: p. 1/6 Branch-and-bound per TSP Anche qui, rispetto allo schema generale visto in precedenza
DettagliAlberi. Alberi: definizioni. Alberi Binari. Esercizi su alberi binari: metodi ricorsivi. Struttura dati per alberi generici. ASD-L - Luca Tesei
Alberi Alberi: definizioni Alberi Binari Esercizi su alberi binari: metodi ricorsivi Struttura dati per alberi generici 1 Alberi Gli alberi sono strutture dati naturalmente ricorsive Un albero è un particolare
DettagliGLI ALBERI BINARI DI RICERCA. Cosimo Laneve
GLI ALBERI BINARI DI RICERCA Cosimo Laneve argomenti 1. alberi binari di ricerca 2. la ricerca di elementi e la complessità computazionale 3. operazione di cancellazione di elementi 4. esempi/esercizi
DettagliAd ogni arco (i,j) del grafo e' associato un valore intero c(i,j) detto capacita' dell'arco
6) FLUSSI Definizione di flusso Si definisce rete di flusso un grafo orientato e connesso con i) un solo vertice con esclusivamente archi uscenti ii) un solo vertice con esclusivamente archi entranti Tradizionalmente
DettagliMakespan con set-up dipendenti dalla sequenza. 1/s jk /C max
Makespan con set-up dipendenti dalla sequenza 1/s jk /C max 1/s jk /C max Un tempo di riattrezzaggio (set-up) s jk è richiesto fra il processamento di j e quello di k. In questo caso, C max dipende dalla
DettagliAlgoritmi Greedy. Tecniche Algoritmiche: tecnica greedy (o golosa) Un esempio
Algoritmi Greedy Tecniche Algoritmiche: tecnica greedy (o golosa) Idea: per trovare una soluzione globalmente ottima, scegli ripetutamente soluzioni ottime localmente Un esempio Input: lista di interi
DettagliJosé Geraldo da Fonseca, Efeitos Jurídicos da Eleição do Empregado a Cargo de Diretor da Empresa
ISSN 1127-8579 Pubblicato dal 04/02/2010 All'indirizzo http://www.diritto.it/docs/28884-jos-geraldo-da-fonseca-efeitos-jur-dicos-daelei-o-do-empregado-a-cargo-de-diretor-da-empresa Autore: José Geraldo
DettagliAlberi di copertura minimi
Alberi di copertura minimi 1 Problema Nella progettazione di circuiti elettronici è spesso necessario collegare i morsetti. Per connettere un insieme di n morsetti si può usare un insieme di n-1 fili elettrici.
DettagliAlberi e alberi binari I Un albero è un caso particolare di grafo
Alberi e alberi binari Un albero è un caso particolare di grafo È costituito da un insieme di nodi collegati tra di loro mediante archi Gli archi sono orientati (ogni arco esce da un nodo origine ed entra
DettagliPossibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
DettagliProgettazione di algoritmi
Progettazione di algoritmi Discussione dell'esercizio [labirinto] Nel testo dell'esercizio abbiamo considerato come lunghezza del percorso il numero di bivi ma possiamo stimare meglio la lunghezza reale
DettagliCorso di Programmazione Problem Solving. Tipi di Problemi. Problemi Complessi Soluzione. Dott. Pasquale Lops. Primitivi. Complessi
Materiale didattico preparato dal dott. Stefano Ferilli Corso di Programmazione Problem Solving Dott. Pasquale Lops lops@di.uniba.it Corso di Programmazione - DIB 1/30 Tipi di Problemi Primitivi Risolubili
DettagliLinguaggi di Programmazione Corso C. Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali. Nicola Fanizzi
Linguaggi di Programmazione Corso C Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali Nicola Fanizzi (fanizzi@di.uniba.it) Dipartimento di Informatica Università degli Studi di Bari Grammatiche
DettagliFondamenti di Informatica 6. Algoritmi e pseudocodifica
Vettori e matrici #1 Fondamenti di Informatica 6. Algoritmi e pseudocodifica Corso di Laurea in Ingegneria Civile A.A. 2010-2011 1 Semestre Prof. Giovanni Pascoschi Le variabili definite come coppie
DettagliMinimizzazione di funzioni booleane:
Corso di Calcolatori Elettronici I A.A. 202-203 Minimizzazione di funzioni booleane: espansione e copertura Prof. Roberto Canonico Università degli Studi di Napoli Federico II Dipartimento di Ingegneria
Dettagli