3-DIMENSIONAL MATCHING

Documenti analoghi
* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

3 Partizioni dell unità 6

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Intorduzione alla teoria delle Catene di Markov

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

Algebra Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

6. Catene di Markov a tempo continuo (CMTC)

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

Lezione 20 Maggio 29

La soluzione delle equazioni differenziali con il metodo di Galerkin

sda 2006/6/1 9:59 page 317 #333

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

4.6 Dualità in Programmazione Lineare

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott.

6. Catene di Markov a tempo continuo (CMTC)

6 Prodotti scalari e prodotti Hermitiani

LE FREQUENZE CUMULATE

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

Analisi Class info sul corso Lezione 1 22 settembre 2014

Scrivere programmi corretti

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Esercitazione sulle Basi di di Definizione

OPERAZIONI E INSIEMI NUMERICI

Propagazione degli errori

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Analisi Matenatica Lezione 1 23 settembre 2013

3) Entropie condizionate, entropie congiunte ed informazione mutua

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio

Modelli decisionali su grafi - Problemi di Localizzazione

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

CAPITOLO 3 CIRCUITI DI RESISTORI

Ragionamento probabilistico: rappresentazione

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Algoritmi basati sulla tecnica Divide et Impera

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Introduzione al Machine Learning

Principio di massima verosimiglianza

Principio di massima verosimiglianza

Corso di Logica I. Modulo sul Calcolo dei Sequenti. Dispensa Lezione II.

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

Teoremi dei circuiti

Dai circuiti ai grafi

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Circuiti elettrici in regime stazionario

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Dinamica del corpo rigido

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Sorgenti Numeriche - Soluzioni

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

FORMULE PRELIMINARI RIGUARDANTI LA TRAVE APPOGGIATA

Teoremi dei circuiti

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

IL GRUPPO SIMMETRICO S n

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, A.A. 2003/04, GEMMA PARMEGGIANI

APPUNTI SUL TEOREMA DI CLASSIFICAZIONE DEI GRUPPI ABELIANI FINITAMENTE GENERATI

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Elementi di statistica

Algoritmi e Strutture di Dati (3 a Ed.) Ricerca tabù. Alan Bertossi, Alberto Montresor

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ELEMENTI DI STATISTICA

Variabili statistiche - Sommario

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

Economia del turismo

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica.

Grafi ed equazioni topologiche

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione 18

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

1.2 Calcolo combinatorio Principi basilari Disposizioni con ripetizione

Dinamica dei sistemi particellari

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono

Modello del Gruppo d Acquisto

1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P

2.1 Parabola nella forma canonica

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Algoritmi euristici: III Ricerca Locale

Logica e computazione

Circuiti elettrici in regime stazionario

Esercizi sulle reti elettriche in corrente continua (parte 2)

Definizione di campione

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Considerazioni teoriche su nuove osservazioni ottiche 1 della teoria della relatività. M. v. Laue (Berlin)

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3)

Carla Seatzu, 18 Marzo 2008

IL RUMORE NEGLI AMPLIFICATORI

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

Grafi ed equazioni topologiche

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1

Transcript:

3-DIMENSIONAL MATCHING Vaccar Lorenzo 14 gennao 2004 Corso d Laurea specalstca n nformatca, Unverstà d Trento va Sommarve 14, 38050 Povo, Italy 40qc@krk.scence.untn.t Sommaro In questo documento dmostreremo che l problema del 3-DM appartene all nseme de problem NP-complet. La rduzone [2] è da 3-SAT ed è basata sulla tecnca del Component desgn. Keywords: 3-SATISFIABILITY, 3-SAT, 3-DIMENSIONAL MATCHING, 3-DM, problem NP, problem NP-complet. 1 Introduzone Consderamo l seguente problema de matrmon : dat n uomn celb e n donne nubl ed una lsta d coppe mascho-femmna che vorrebbero vcendevolmente sposars, è possble combnare n matrmon n modo da accoppare ogn ndvduo evtando però la polgama? E stato dmostrato che tale problema può essere rsolto n tempo polnomale ed attualmente l algortmo che detene l record sul runnng tme asntotco è stato proposto n [1]. Estendamo ora la domanda al caso n cu s abbano tre dfferent sess, e ogn trpla corrsponda ad un matrmono a tre desderable da tutt e tre partecpant. In questo caso evtare la polgama sgnfca evtare che due trple dfferent condvdano una persona d uno de tre sess. Nel problema del 3-DM gl nsem W, X, Y corrspondono a tre dfferent sess, e ogn trpla n M W X Y corrsponde ad un matrmono a tre desderable da tutt e tre partecpant. Tradzonalst e bacchetton saranno felc d sapere che n questo caso, contraramente a quanto detto per matrmon a due, l problema del 3-DM è NP-completo e molto probablmente non può essere rsolto n tempo polnomale. Prma d dare la defnzone formale del problema 3-DM ntroducamo l sgnfcato d alcun termn che useremo frequentemente nel proseguo del documento. Defnzone 1.1 (Matchng). Dato un grafo G = (V, E), un matchng è un sottonseme d arch E E, tale che non esstono due arch d E ncdent nel medesmo nodo d V. 1

Defnzone 1.2 (Nodo coperto). Con rfermento ad un grafo G = (V, E) e ad un matchng M, dremo che un nodo d V è coperto (da M) se appartene ad un arco n M, altrment dremo che l nodo è esposto. Defnzone 1.3 (Perfect matchng). Un matchng d G = (V, E), che copra tutt nod d V, è detto perfect matchng. 1 7 2 6 3 5 4 Fgura 1: Un esempo d matchng (arch pù evdent) e d nodo esposto (nodo 3). In Fgura 1 damo un esempo degl oggett defnt n 1.1 e n 1.2. Il matchng (arch pù evdent) copre tutt nod del grafo tranne l nodo 3, che è esposto. Le nozon d matchng, nodo coperto ed esposto, e perfect matchng s estendono n modo naturale agl pergraf. Un pergrafo è una coppa (V, H), dove V è un nseme fnto d nod e H è una famgla d sottonsem d V dett perarch. Nel caso n cu ogn perarco d H abba cardnaltà due, l pergrafo è un grafo. Fgura 2: L pergrafo delle rghe e delle colonne d una matrce ha due perfect matchng dstnt. La Fgura 2 mostra un esempo d pergrafo n cu ogn rga e ogn colonna rappresenta un perarco. In tale pergrafo possamo ndvduare due perfect matchng dstnt: l prmo relatvo alle rghe, l secondo relatvo alle colonne. Possamo ora dare la defnzone d 3-DM. Defnzone 1.4 (3-DM). ISTANZA: 2

Un nseme M W X Y, dove W, X, Y sono nsem dsgunt avent lo stesso numero q d element. DOMANDA: M contene un perfect matchng, coè un sottonseme M M tale che M = q e nessun elemento d W X Y appartene a due dverse trple n M? 2 3-DM è NP-completo In termn formal, dmostreremo l seguente: Teorema 2.1. 3-DM è NP-completo. Dmostrazone. Lo schema tpo per una dmostrazone d NP-completezza, come prevsto n [2], prevede quattro pass prncpal: 1. s dmostra che Π appartene a NP; 2. s selezona un problema Π che è noto essere NP-completo; 3. s costrusce una trasformazone f da Π a Π; 4. s prova che f è una trasformazone polnomale. 1. Per dmostrare che 3-DM appartene a NP possamo utlzzare un algortmo non determnstco che genera un sottonseme d q = W = X = Y trple da M e che controlla n tempo lneare se un elemento non sa condvso da due o pù trple. 2. Per la seconda fase della dmostrazone selezonamo l problema NP-completo 3-SAT [2]. Il problema è una versone rstretta d SAT nel quale le stanze hanno esattamente tre letteral n ogn clausola. La sua semplce struttura lo rende uno de problem pù utlzzat per dmostrare altr rsultat d NP-completezza. Defnzone 2.1 (3-SAT). ISTANZA: Una collezone C = {c 1, c 2,..., c m } d clausole su un nseme fnto U d varabl tale che c = 3 per 1 m. DOMANDA: Esste un assegnamento d vertà per U che soddsfa tutte le clausole n C? 3. e 4. Costruamo ora una trasformazone f da 3-SAT a 3-DM. Sano U = {u 1, u 2,..., u n } l nseme d varabl e C = {c 1, c 2,..., c m } l nseme d clausole d un arbtrara stanza d 3-SAT. Partendo da U, C costruremo un stanza d 3-DM composta da tre nsem dsgunt W, X, Y con dentca cardnaltà e da un nseme M W X Y, e dmostreremo che M contene un perfect matchng M se e solo se U, C è soddsfacble. Antcpamo subto che, nell stanza d 3-DM a cu perverremo, avremo che W = {u [j], u [j] : 1 n, 1 j m}, da cu possamo calcolare mmedatamente l valore d q = W = 2mn. Secondo la tecnca denomnata Component Desgn, descrveremo nel seguto tre tpologe d component: Truth settng and fan-out, Satsfacton testng e Garbage collecton. 3

Per cascuna varable u U ntroducamo una componente T d tpo Truth settng and fan-out. La struttura d T dpende dal numero totale m d clausole n C. Le Fgure 3 e 4 mostrano la componente per m = 4. b [1] a [2] a [1] b [4] T b [2] a [3] a [4] b [3] Fgura 3: La componente Truth settng and fan-out T nel caso d m = 4. Ogn componente Truth settng and fan-out è composta da element ntern a [j] X e b [j] Y, 1 j m, che non appartengono ad altre trple, e da element estern u [j], u [j] W, 1 j m, che possono appartenere anche ad altre trple. Suddvdamo le trple d questa componente n due nsem: T t T f = {(u [j], a [j], b [j]) : 1 j m} = {(u [j], a [j + 1], b [j]) : 1 j m} {(u [m], a [1], b [m]) : 1 j m}. Consderato che nessuno degl element ntern {(a [j], b [j]) : 1 j m} può apparre nelle trple al d fuor d T = T t T f, ogn perfect matchng M dovrà ncludere esattamente m trple da T : o tutte le trple n T t f o tutte le trple n T. Dunque, nelle nostre ntenzon, un perfect matchng M M specfca un assegnamento d vertà per U, con la varable u vera se e solo se M T = T t. Per ogn clausola c j C, ntroducamo ora una componente Satsfacton testng C j. Ogn componente d questo tpo contene solo due element ntern, s x [j] X e s y [j] Y, e tre element estern, pres dal sottonseme W j = {u [j], u [j] : 1 n} d W, determnat da qual tre letteral sono present nella clausola c j. La componente è data dal seguente nseme d tre trple: {(u [j], s x [j], s y [j]) : l letterale u appare n c j } {(u [j], s x [j], s y [j]) : u appare n c j }. Per costruzone, per ogn C j, un qualsas perfect matchng M M deve contenere esattamente una trpla d C j che s occup d coprre gl element ntern s x [j] ed s y [j] d C j. Questo è possble solo se almeno un letterale d c j non appartene alle trple n T M selezonate dalle component Truth settng and fan out d cu s è detto prma. In questo modo, le component Truth settng and fan out forzano l valore d vertà d una varable u, e la componente Satsfacton testng selezona un occorrenza d una varable che fa sì 4

u =true u =false b [1] a [1] b [1] a [2] a [1] b [4] a [2] T t b [4] a [4] T f b [2] a [3] b [3] b [2] a [3] a [4] b [3] Fgura 4: La selezone d tutt gl nsem d T t (gl nsem ombreggat), oppure d tutt gl nsem d T f (gl nsem trasparent), lasca rspettvamente scoperte tutte le u [j] o tutte le u [j]. che la rspettva clausola sa soddsfatta. Prma d ntrodurre la terza componente eseguamo alcun contegg (v. Tabella 2): abbamo gà detto che q = W = 2mn. Le due component vste fno ad ora permettono d comporre solo una parte del perfect matchng M che, rcordamo, deve essere composto precsamente da q trple; n partcolare, la componente Truth settng and fan out selezona da M esattamente mn trple, e la componente Satsfacton testng ne selezona m. Ne consegue che l numero delle trple mancant per completare l perfect matchng è: 2mn mn m = m(2n n 1) = m(n 1). Per consentre le trple mancant ntroducamo una componente G detta Garbage collecton. La componente Garbage collecton convolge element ntern g x [k] X e g y [k] Y, 1 k m(n 1), e tutt gl element d W n qualtà d element estern. Defnamo G come l seguente nseme d trple: G = {(u [j], g x [k], g y [k]), (u [j], g x [k], g y [k]) : 1 k m(n 1), 1 n, 1 j m}. Ogn coppa g x [k], g y [k] consente ora d coprre un nodo u [j] o u [j] d W che non appare nelle trple n M G. Dunque la struttura d G asscura che possano essere sempre copert restant m(n 1) element d W selezonando appropratamente M G. La componente G gode nfatt della seguente propretà: Propretà 1. Ogn matchng n G copre al pù m(n 1) nod d W. Sa W un qualsas sottonseme d W con W = m(n 1). Allora esste un matchng n G che copre W. L nseme G garantsce pertanto che, se un matchng n M G soddsfa vncol mpost dalle component Truth settng and fan-out e Satsfacton testng, allora tale sottonseme può essere esteso ad un perfect matchng M M. Rassumendo abbamo: W = {(u [j], u [j] : 1 n, 1 j m} 5

X = A S X G X dove A = {a [j] : 1 n, 1 j m} S X = {s x [j] : 1 j m} G X = {g x [j] : 1 j m(n 1)} Y = B S Y G Y dove B = {b [j] : 1 n, 1 j m} S Y = {s y [j] : 1 j m} G Y = {g y [j] : 1 j m(n 1)}. Abbamo noltre defnto l nseme M come: ( n ) m M = T =1 j=1 C j G. Nella Tabella 1 possamo notare la composzone degl nsem W, X, Y nel caso d m = 2 e n = 4. W X Y u 1 [1] a 1 [1] b 1 [1] u 1 [1] a 1 [2] b 1 [2] u 1 [2] a 2 [1] b 2 [1] u 1 [2] a 2 [2] b 2 [2] u 2 [1] a 3 [1] b 3 [1] u 2 [1] a 3 [2] b 3 [2] u 2 [2] a 4 [1] b 4 [1] u 2 [2] a 4 [2] b 4 [2] u 3 [1] s x [1] s y [1] u 3 [1] s x [2] s y [2] u 3 [2] g x [1] g y [1] u 3 [2] g x [2] g y [2] u 4 [1] g x [3] g y [3] u 4 [1] g x [4] g y [4] u 4 [2] g x [5] g y [5] u 4 [2] g x [6] g y [6] Tabella 1: Gl nsem W, X, Y nel caso d m = 2 e n = 4. S not come ogn trpla n M sa effettvamente un elemento d W X Y e pertanto M sa da consderars come un stanza d 3-DM. Inoltre, M contene solo 2mn+3m+2m 2 n(n 1) trple la cu defnzone n termn dell stanza d 3-SAT che s ntende rappresentare è dretta. Se ne deduce che M può essere costruto n tempo polnomale partendo da U, C. Per completare la nostra dmostrazone d NP-completezza resta solo da dmostrare che M ammette un perfect matchng M se e solo se U, C è soddsfacble. A questo scopo predsponamo seguent due lemm. 6

Lemma 2.2. Se l stanza U, C d 3-SAT è soddsfacble, allora M ammette un perfect matchng. Dmostrazone. Sa t : U {T, F } un assegnamento d vertà che soddsfa C. Costruamo l perfect matchng M M nel modo seguente: per ogn clausola c j C, sa z j {u, u : 1 n} c j un letterale posto a vero da t (ne esste almeno uno, vsto che t soddsfa c j ). Ora ponamo: M = T t t(u )=T t(u )=F T f m {(z j [j], s x [j], s y [j])} G. dove G è un matchng d m(n 1) trple d G che nclude tutte le g x [k], g y [k], ed nod u [j], u [j] non ancora copert n W. L esstenza d un tale G è garantta dalla Propretà 1. Ne consegue che M è un perfect matchng. Lemma 2.3. Sa M un perfect matchng d M, allora U, C è soddsfacble. Dmostrazone. Abbamo vsto che, per ogn u U, M nclude esattamente m trple da T : o tutte le trple n T t o tutte le trple n T f. Possamo pertanto defnre l truth assgnment t : U {T, F } n cu t(u ) = T se e solo se M T = T t. Mostreremo ora che t è un truth assgnment che soddsfa C. Consderamo pertanto la generca clausola c j C. S not che, per coprre gl element prvat della componente d tpo Satsfacton testng C j, almeno una trpla d C j deve essere contenuta n M. Tale trpla coprrà un letterale d c j che non appartene a nessuna trpla n M T. Dato che t(u ) = T se e solo se M T = T t, l truth assgnment t soddsfa la clausola c j. Ne consegue che tutte le clausole c j C, 1 j m, sono soddsfatte dal truth assgnment t. Qund U, C è soddsfacble. j=1 Sgnfcato Enumerazone Numero d varabl n U, C n Numero d clausole U, C m Componente Truth settng and fan out : trple n M 2mn Componente Truth settng and fan out : trple n M mn Componente Satsfacton testng : trple n M 3m Componente Satsfacton testng : trple n M m Componente Garbage collecton : trple n M 2m 2 n(n 1) Componente Garbage collecton : trple n M m(n 1) Dmensone del perfect matchng: M = q = W = X = Y 2mn Dmensone M 2mn + 3m + 2m 2 n(n 1) Tabella 2: Tabella rassuntva d rfermento. Rferment bblografc [1] HOPCROFT, J. E., AND R. M. KARP, An n 5 /2 algorthm for maxmum matchngs n bpartte graphs, SIAM J. Comput., 2, 225-231. (1973). [2] MICHAEL R. GARY / DAVID S. JOHNSON, Computers and Intractablty, W. H. Freeman And Company, San Francsco. (1979). 7