Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16.

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16."

Átírás

1 Bevezetés a Számításelméletbe II. 6. előadás Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tsz. I. B. 7/b sali@cs.bme.hu 004 március 6.

2 A kritikus út módszere (PERT-módszer)

3 A kritikus út módszere (PERT-módszer) Az,,emeletekre bontás fontos alkalmazása az úgynevezett PERT módszer.

4 A kritikus út módszere (PERT-módszer) Az,,emeletekre bontás fontos alkalmazása az úgynevezett PERT módszer. Az elnevezés az angol,,program Evaluation and Review Technique rövidítéséből származik.

5 A kritikus út módszere (PERT-módszer) Az,,emeletekre bontás fontos alkalmazása az úgynevezett PERT módszer. Az elnevezés az angol,,program Evaluation and Review Technique rövidítéséből származik. Tegyük fel, hogy egy összetett feladatot több alvállalkozóval kell elvégeztetni. Az egyes részfeladatok nem végezhetőek el egymástól függetlenül: pl. egy házépítés során a kőművesmunkák nyilván megelőzik a festési munkákat.

6 Modell: G gráf élsúlyokkal. V (G) ={részfeladatok}, (x, y) E(G) l súllyal: y részfeladat nem kezdhető el korábban, mint az x kezdése után l idővel.

7 Modell: G gráf élsúlyokkal. V (G) ={részfeladatok}, (x, y) E(G) l súllyal: y részfeladat nem kezdhető el korábban, mint az x kezdése után l idővel. l = 0 is lehetséges. J H G E K D F I C B A L

8 Mikor tud elindulni Kis Béla?

9 felébredés gatya nadrág reggeli 0 nyakkendõ fogmosás zokni cipõ trikó ing 4 5 zakó elindulás

10 felébredés gatya nadrág reggeli 0 nyakkendõ fogmosás zokni cipõ trikó ing 4 5 zakó elindulás elindulás

11 felébredés gatya nadrág reggeli 0 nyakkendõ fogmosás zokni cipõ trikó ing 4 5 zakó elindulás fogmosás zakó elindulás cipõ 4

12 felébredés gatya nadrág reggeli 0 nyakkendõ fogmosás zokni cipõ trikó ing 4 5 zakó elindulás reggeli 0 fogmosás nyakkendõ 5 zakó elindulás zokni cipõ 4 nadrág

13 felébredés gatya nadrág reggeli 0 nyakkendõ fogmosás zokni cipõ trikó ing 4 5 zakó elindulás reggeli 0 fogmosás ing nyakkendõ 5 zakó elindulás gatya zokni cipõ 4 nadrág

14 felébredés gatya nadrág reggeli 0 nyakkendõ fogmosás zokni cipõ trikó ing 4 5 zakó elindulás trikó ing reggeli fogmosás 0 5 nyakkendõ zakó elindulás gatya zokni cipõ 4 nadrág

15 felébredés gatya nadrág reggeli zokni cipõ trikó ing fogmosás elindulás zakó nyakkendõ elindulás fogmosás zakó cipõ 4 reggeli zokni nadrág 5 0 nyakkendõ gatya ing trikó felébredés

16 felébredés gatya nadrág reggeli zokni cipõ trikó ing fogmosás elindulás zakó nyakkendõ elindulás fogmosás zakó cipõ 4 reggeli zokni nadrág 5 0 nyakkendõ gatya ing trikó felébredés

17 felébredés gatya nadrág reggeli zokni cipõ trikó ing fogmosás elindulás zakó nyakkendõ elindulás fogmosás zakó cipõ 4 reggeli zokni nadrág 5 0 nyakkendõ gatya ing trikó felébredés

18 felébredés gatya nadrág reggeli zokni cipõ trikó ing fogmosás elindulás zakó nyakkendõ elindulás fogmosás zakó cipõ 4 reggeli zokni nadrág 5 0 nyakkendõ gatya ing trikó felébredés 5

19 felébredés gatya nadrág reggeli zokni cipõ trikó ing fogmosás elindulás zakó nyakkendõ elindulás fogmosás zakó cipõ 4 reggeli zokni nadrág 5 0 nyakkendõ gatya ing trikó felébredés 5 6 0

20 felébredés gatya nadrág reggeli zokni cipõ trikó ing fogmosás elindulás zakó nyakkendõ elindulás fogmosás zakó cipõ 4 reggeli zokni nadrág 5 0 nyakkendõ gatya ing trikó felébredés

21 felébredés gatya nadrág reggeli zokni cipõ trikó ing fogmosás elindulás zakó nyakkendõ elindulás fogmosás zakó cipõ 4 reggeli zokni nadrág 5 0 nyakkendõ gatya ing trikó felébredés

22 G-ben nincs irányított kör.

23 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen.

24 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen. Megfordítva, ha egy irányított körmentes gráfba behúzzuk a tranzitivtásból adódó éleket (képezzük a tranzitív lezártját), akkor összehasonlítási gráfot kapunk.

25 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen. Megfordítva, ha egy irányított körmentes gráfba behúzzuk a tranzitivtásból adódó éleket (képezzük a tranzitív lezártját), akkor összehasonlítási gráfot kapunk. A gráf emeletekre bontható:

26 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen. Megfordítva, ha egy irányított körmentes gráfba behúzzuk a tranzitivtásból adódó éleket (képezzük a tranzitív lezártját), akkor összehasonlítási gráfot kapunk. A gráf emeletekre bontható:először a nyelő(k) jobbszélső halmazba, Nyelő: olyan csúcs melyből nem megy ki él 4

27 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen. Megfordítva, ha egy irányított körmentes gráfba behúzzuk a tranzitivtásból adódó éleket (képezzük a tranzitív lezártját), akkor összehasonlítási gráfot kapunk. A gráf emeletekre bontható:először a nyelő(k) jobbszélső halmazba, ennek elhagyása után keletkező nyelő(ke)t a jobbról második halmazba és így tovább. (jobbról balra!) Nyelő: olyan csúcs melyből nem megy ki él 4

28 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen. Megfordítva, ha egy irányított körmentes gráfba behúzzuk a tranzitivtásból adódó éleket (képezzük a tranzitív lezártját), akkor összehasonlítási gráfot kapunk. A gráf emeletekre bontható:először a nyelő(k) jobbszélső halmazba, ennek elhagyása után keletkező nyelő(ke)t a jobbról második halmazba és így tovább. (jobbról balra!) Ezek után balról jobbra, szintenként, meghatározhatjuk minden tevékenység elkezdésének lehetséges legkorábbi időpontját. Nyelő: olyan csúcs melyből nem megy ki él 4

29 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen. Megfordítva, ha egy irányított körmentes gráfba behúzzuk a tranzitivtásból adódó éleket (képezzük a tranzitív lezártját), akkor összehasonlítási gráfot kapunk. A gráf emeletekre bontható:először a nyelő(k) jobbszélső halmazba, ennek elhagyása után keletkező nyelő(ke)t a jobbról második halmazba és így tovább. (jobbról balra!) Ezek után balról jobbra, szintenként, meghatározhatjuk minden tevékenység elkezdésének lehetséges legkorábbi időpontját. A bal szélső tevékenység(ek) azonnal (0. időpontban) megkezdhető(ek), Nyelő: olyan csúcs melyből nem megy ki él 4

30 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen. Megfordítva, ha egy irányított körmentes gráfba behúzzuk a tranzitivtásból adódó éleket (képezzük a tranzitív lezártját), akkor összehasonlítási gráfot kapunk. A gráf emeletekre bontható:először a nyelő(k) jobbszélső halmazba, ennek elhagyása után keletkező nyelő(ke)t a jobbról második halmazba és így tovább. (jobbról balra!) Ezek után balról jobbra, szintenként, meghatározhatjuk minden tevékenység elkezdésének lehetséges legkorábbi időpontját. A bal szélső tevékenység(ek) azonnal (0. időpontban) megkezdhető(ek), egy y-hoz x,x,... tevékenységek, melyekre (x i,y) E(G), legkorábban a t,t,... időpontban kezdhetőek el, akkor y legkorábban Nyelő: olyan csúcs melyből nem megy ki él 4

31 G-ben nincs irányított kör.ha egy összehasonlítási gráfot irányítottan tekintünk (azaz x y (x, y) E), az ilyen. Megfordítva, ha egy irányított körmentes gráfba behúzzuk a tranzitivtásból adódó éleket (képezzük a tranzitív lezártját), akkor összehasonlítási gráfot kapunk. A gráf emeletekre bontható:először a nyelő(k) jobbszélső halmazba, ennek elhagyása után keletkező nyelő(ke)t a jobbról második halmazba és így tovább. (jobbról balra!) Ezek után balról jobbra, szintenként, meghatározhatjuk minden tevékenység elkezdésének lehetséges legkorábbi időpontját. A bal szélső tevékenység(ek) azonnal (0. időpontban) megkezdhető(ek), egy y-hoz x,x,... tevékenységek, melyekre (x i,y) E(G), legkorábban a t,t,... időpontban kezdhetőek el, akkor y legkorábban max(t + l(x,y), t + l(x,y),...) időpontban kezdhető. Nyelő: olyan csúcs melyből nem megy ki él 4

32 Kritikus út

33 Kritikus út Megjelöljük (nyelő(k)ből visszafelé) azokat az (x i,y) éleket, melyeken a maximumok felvétetnek.

34 Kritikus út Megjelöljük (nyelő(k)ből visszafelé) azokat az (x i,y) éleket, melyeken a maximumok felvétetnek. A G gráf kritikus élei, van legalább egy irányított út a forrásból a nyelőbe csupa kritikus élen.

35 Kritikus út Megjelöljük (nyelő(k)ből visszafelé) azokat az (x i,y) éleket, melyeken a maximumok felvétetnek. A G gráf kritikus élei, van legalább egy irányított út a forrásból a nyelőbe csupa kritikus élen. Ezek a kritikus útak: a leghosszabb utak a forrásból a nyelőbe.

36 Kritikus út Megjelöljük (nyelő(k)ből visszafelé) azokat az (x i,y) éleket, melyeken a maximumok felvétetnek. A G gráf kritikus élei, van legalább egy irányított út a forrásból a nyelőbe csupa kritikus élen. Ezek a kritikus útak: a leghosszabb utak a forrásból a nyelőbe. Az ilyen kritikus utakon lévő pontoknak megfelelő részfeladatok bármelyikének késedelmes elvégzése az egész összetett feladat befejezését késleltetné (innét a kritikus út elnevezés).

37 Kritikus út Megjelöljük (nyelő(k)ből visszafelé) azokat az (x i,y) éleket, melyeken a maximumok felvétetnek. A G gráf kritikus élei, van legalább egy irányított út a forrásból a nyelőbe csupa kritikus élen. Ezek a kritikus útak: a leghosszabb utak a forrásból a nyelőbe. Az ilyen kritikus utakon lévő pontoknak megfelelő részfeladatok bármelyikének késedelmes elvégzése az egész összetett feladat befejezését késleltetné (innét a kritikus út elnevezés). Ha viszont egy pont nincs kritikus úton, akkor a megfelelő feladat késedelmes elvégzése bizonyos határon belül még elfogadható. 5

38 Bonyolultság

39 Bonyolultság A szükséges lépések száma a G pontjainak fokszámösszegével (vagyis e-vel) arányos.

40 Bonyolultság A szükséges lépések száma a G pontjainak fokszámösszegével (vagyis e-vel) arányos. Ugyanis minden él hosszát pontosan egyszer vesszük figyelembe a maximumok számításakor.

41 Bonyolultság A szükséges lépések száma a G pontjainak fokszámösszegével (vagyis e-vel) arányos. Ugyanis minden él hosszát pontosan egyszer vesszük figyelembe a maximumok számításakor. A szintekre bontás is (alkalmas gráf tárolás esetén) fokszám összeggel arányos (minden élet figyelembe kell venni, amikor töröljük az egyik végpontját.)

42 Bonyolultság A szükséges lépések száma a G pontjainak fokszámösszegével (vagyis e-vel) arányos. Ugyanis minden él hosszát pontosan egyszer vesszük figyelembe a maximumok számításakor. A szintekre bontás is (alkalmas gráf tárolás esetén) fokszám összeggel arányos (minden élet figyelembe kell venni, amikor töröljük az egyik végpontját.) A leghosszabb út meghatározása ellentétben a legrövidebb útéval (lásd Algoritmuselmélet) általában nem végezhető el polinom időben. Ebben a speciális esetben azért tudtunk gyors algoritmust adni, mert G- ben nincsenek irányított körök. 6

43 Hogyan tároljunk gráfokat?

44 Hogyan tároljunk gráfokat? Egy v pontú és e élű G gráf szomszédossági mátrixa v, illeszkedési mátrixa ve helyet foglal el.

45 Hogyan tároljunk gráfokat? Egy v pontú és e élű G gráf szomszédossági mátrixa v, illeszkedési mátrixa ve helyet foglal el. Egyszerű gráfokra e v(v )/ irányítatlan gráfok esetén és e v(v ) irányított gráfok esetén.

46 Hogyan tároljunk gráfokat? Egy v pontú és e élű G gráf szomszédossági mátrixa v, illeszkedési mátrixa ve helyet foglal el. Egyszerű gráfokra e v(v )/ irányítatlan gráfok esetén és e v(v ) irányított gráfok esetén. Illeszkedési mátrix: (v )e zérus!!

47 Hogyan tároljunk gráfokat? Egy v pontú és e élű G gráf szomszédossági mátrixa v, illeszkedési mátrixa ve helyet foglal el. Egyszerű gráfokra e v(v )/ irányítatlan gráfok esetén és e v(v ) irányított gráfok esetén. Illeszkedési mátrix: (v )e zérus!! Ha egy gráf ritka (vagyis e cv ), akkor a szomszédossági mátrixban is rengeteg a zérus.

48 Hogyan tároljunk gráfokat? Egy v pontú és e élű G gráf szomszédossági mátrixa v, illeszkedési mátrixa ve helyet foglal el. Egyszerű gráfokra e v(v )/ irányítatlan gráfok esetén és e v(v ) irányított gráfok esetén. Illeszkedési mátrix: (v )e zérus!! Ha egy gráf ritka (vagyis e cv ), akkor a szomszédossági mátrixban is rengeteg a zérus. Nagy tárigény + időigény!!

49 Hogyan tároljunk gráfokat? Egy v pontú és e élű G gráf szomszédossági mátrixa v, illeszkedési mátrixa ve helyet foglal el. Egyszerű gráfokra e v(v )/ irányítatlan gráfok esetén és e v(v ) irányított gráfok esetén. Illeszkedési mátrix: (v )e zérus!! Ha egy gráf ritka (vagyis e cv ), akkor a szomszédossági mátrixban is rengeteg a zérus. Nagy tárigény + időigény!! Például egy csúcsról eldönteni hogy nyelő, szomszédossági mátrix esetén annak egy teljes oszlopát ( v ) adatot kell kiolvasni. 7

50 Szomszédossági tömbök és listák

51 Szomszédossági tömbök és listák Sokszor jó a gráfot úgy tárolni, hogy minden pontjához felsoroljuk a szomszédjait.

52 Szomszédossági tömbök és listák Sokszor jó a gráfot úgy tárolni, hogy minden pontjához felsoroljuk a szomszédjait. A szomszédossági listák általában különböző hosszúságúak,

53 Szomszédossági tömbök és listák Sokszor jó a gráfot úgy tárolni, hogy minden pontjához felsoroljuk a szomszédjait. A szomszédossági listák általában különböző hosszúságúak,= egy közös tömbben tároljuk, és egy külön tömbben a,,mutatókat (pointer), hogy hol kezdőnek kell egy adott pont szomszédai.

54 Szomszédossági tömbök és listák Sokszor jó a gráfot úgy tárolni, hogy minden pontjához felsoroljuk a szomszédjait. A szomszédossági listák általában különböző hosszúságúak,= egy közös tömbben tároljuk, és egy külön tömbben a,,mutatókat (pointer), hogy hol kezdőnek kell egy adott pont szomszédai és 4 6 8

55 Szomszédossági tömbök és listák Sokszor jó a gráfot úgy tárolni, hogy minden pontjához felsoroljuk a szomszédjait. A szomszédossági listák általában különböző hosszúságúak,= egy közös tömbben tároljuk, és egy külön tömbben a,,mutatókat (pointer), hogy hol kezdőnek kell egy adott pont szomszédai és szomszédossági tömb 8

56 Néha jó, ha az egyes listák rendezettek.

57 Néha jó, ha az egyes listák rendezettek. Az első tömb hossza a fokszámok összege, vagyis e, a második tömbé pedig v. Így a teljes tárigény e + v.

58 Néha jó, ha az egyes listák rendezettek. Az első tömb hossza a fokszámok összege, vagyis e, a második tömbé pedig v. Így a teljes tárigény e + v. Ez az elképzelhető minimális tárigénynek közel kétszerese (az {i, j} élt i szomszédainál is, j szomszédainál is felsoroljuk). (megtérül!)

59 Néha jó, ha az egyes listák rendezettek. Az első tömb hossza a fokszámok összege, vagyis e, a második tömbé pedig v. Így a teljes tárigény e + v. Ez az elképzelhető minimális tárigénynek közel kétszerese (az {i, j} élt i szomszédainál is, j szomszédainál is felsoroljuk). (megtérül!) Irányított gráfok esetén minden i ponthoz felsoroljuk azokat a j pontokat, melyekbe (i, j) irányított él vezet i-ből;

60 Néha jó, ha az egyes listák rendezettek. Az első tömb hossza a fokszámok összege, vagyis e, a második tömbé pedig v. Így a teljes tárigény e + v. Ez az elképzelhető minimális tárigénynek közel kétszerese (az {i, j} élt i szomszédainál is, j szomszédainál is felsoroljuk). (megtérül!) Irányított gráfok esetén minden i ponthoz felsoroljuk azokat a j pontokat, melyekbe (i, j) irányított él vezet i-ből; vagy azokat a k pontokat, melyekből (k, i) irányított él vezet i-be.

61 Néha jó, ha az egyes listák rendezettek. Az első tömb hossza a fokszámok összege, vagyis e, a második tömbé pedig v. Így a teljes tárigény e + v. Ez az elképzelhető minimális tárigénynek közel kétszerese (az {i, j} élt i szomszédainál is, j szomszédainál is felsoroljuk). (megtérül!) Irányított gráfok esetén minden i ponthoz felsoroljuk azokat a j pontokat, melyekbe (i, j) irányított él vezet i-ből; vagy azokat a k pontokat, melyekből (k, i) irányított él vezet i-be.ha mindkét listát megadjuk: a kétszeres tárigény számos algoritmusnál nagyságrenddel csökkenti a lépésszám-igényt.

62 Néha jó, ha az egyes listák rendezettek. Az első tömb hossza a fokszámok összege, vagyis e, a második tömbé pedig v. Így a teljes tárigény e + v. Ez az elképzelhető minimális tárigénynek közel kétszerese (az {i, j} élt i szomszédainál is, j szomszédainál is felsoroljuk). (megtérül!) Irányított gráfok esetén minden i ponthoz felsoroljuk azokat a j pontokat, melyekbe (i, j) irányított él vezet i-ből; vagy azokat a k pontokat, melyekből (k, i) irányított él vezet i-be.ha mindkét listát megadjuk: a kétszeres tárigény számos algoritmusnál nagyságrenddel csökkenti a lépésszám-igényt. Rendezett szomszédossági tömb:az egyes pontok szomszédai növekvő sorrendben. Rendezések: további idő igény, de ez később megtérülhet. 9

63 Láncolt szomszédossági listák

64 Láncolt szomszédossági listák Ha gyakran kell a gráfból egy élt (vagy akár pontot) elhagyni, akkor a szomszédsági tömb nem megfelelő:

65 Láncolt szomszédossági listák Ha gyakran kell a gráfból egy élt (vagy akár pontot) elhagyni, akkor a szomszédsági tömb nem megfelelő: a beszúrandó vagy elhagyandó elem után következők eggyel eltolása akár n darab további lépést is igényelhet.

66 Láncolt szomszédossági listák Ha gyakran kell a gráfból egy élt (vagy akár pontot) elhagyni, akkor a szomszédsági tömb nem megfelelő: a beszúrandó vagy elhagyandó elem után következők eggyel eltolása akár n darab további lépést is igényelhet.= Olyan listát adunk, aminek első tömbje a szomszédossági lista elemeit tetszőleges sorrendben tartalmazhatja.

67 Láncolt szomszédossági listák Ha gyakran kell a gráfból egy élt (vagy akár pontot) elhagyni, akkor a szomszédsági tömb nem megfelelő: a beszúrandó vagy elhagyandó elem után következők eggyel eltolása akár n darab további lépést is igényelhet.= Olyan listát adunk, aminek első tömbje a szomszédossági lista elemeit tetszőleges sorrendben tartalmazhatja. 0

68

69 A v hosszú tömb i-ik eleme mutatja meg, hogy hol kezdjük el az i-ik pont szomszédainak kiolvasását az első e hosszú tömbből. Az alatta lévő szám (egy második e hosszú tömb megfelelő eleme) mutatja meg, hogy hol folytatódik, illetve egy speciális szimbólum jelzi, hogy vége.

70 {, 4} él elhagyása után:

71 {, 4} él elhagyása után:

72 {, 5} él bevétele után:

73 {, 5} él bevétele után:

74 A B C D Tárigény v e + v e + v 4e + v Két pont szomszédosságának eldöntése Pont szomszédainak megjelölése d log d d v d d d Minden él megjelölése v e e e Új él hozzávétele e e Régi él elvétele e e d Régi pont elvétele v e e min(e,d ) Jelölések: v pontszám, e élszám, d maximális fokszám, A: szomszédsági mátrix, B: szomszédsági tömb, C: rendezett szomszédsági tömb, D: láncolt szomszédsági lista. 4

75 Mantel tétele Legfeljebb hány éle lehet egy n-csúcsú egyszerű gráfnak, ha nem tartalmaz háromszöget?

76 Mantel tétele Legfeljebb hány éle lehet egy n-csúcsú egyszerű gráfnak, ha nem tartalmaz háromszöget?. Tétel. Ha egy n-csúcsú egyszerű gráf nem tartalmaz háromszöget, akkor éleinek száma legfeljebb n n. 5

77 BIZONYÍTÁS Ha G nem tartalmaz háromszöget, akkor α(g) (G). 6

78 BIZONYÍTÁS Ha G nem tartalmaz háromszöget, akkor α(g) (G). Ugyanakkor E(G) τ(g) (G) mindig igaz.(!) 6

79 BIZONYÍTÁS Ha G nem tartalmaz háromszöget, akkor α(g) (G). Ugyanakkor E(G) τ(g) (G) mindig igaz.(!) Gallai tétele szerint α(g) + τ(g) = V (G) = n. 6

80 BIZONYÍTÁS Ha G nem tartalmaz háromszöget, akkor α(g) (G). Ugyanakkor E(G) τ(g) (G) mindig igaz.(!) Gallai tétele szerint α(g) + τ(g) = V (G) = n. Összerakva: E(G) τ(g) (G) τ(g) α(g) = (n α(g)) α(g) n n. 6

81 BIZONYÍTÁS Ha G nem tartalmaz háromszöget, akkor α(g) (G). Ugyanakkor E(G) τ(g) (G) mindig igaz.(!) Gallai tétele szerint α(g) + τ(g) = V (G) = n. Összerakva: E(G) τ(g) (G) τ(g) α(g) = (n α(g)) α(g) n n. A K n, n teljes páros gráf mutatja, hogy a tétel állítása éles. 6

82 BIZONYÍTÁS Ha G nem tartalmaz háromszöget, akkor α(g) (G). Ugyanakkor E(G) τ(g) (G) mindig igaz.(!) Gallai tétele szerint α(g) + τ(g) = V (G) = n. Összerakva: E(G) τ(g) (G) τ(g) α(g) = (n α(g)) α(g) n n. A K n, n teljes páros gráf mutatja, hogy a tétel állítása éles. Azt, hogy ez az egyetlen ilyen gráf, általánosabban bizonyítjuk. 6

83 Turán gráfok. Definíció. Definiáljuk a T n,m -t: Legyen n = qm + r, ahol 0 r < m. A gráf n pontját osszuk m osztályra, r darab q + pontú, m r q pontú. Két pont közt él különböző osztályban vannak. m-osztályú gráfnak nevezünk egy gráfot, ha a pontjai m osztályba oszthatók úgy, hogy az egy osztályban levő pontok között nem fut él. T n,m egy m-osztályú teljes gráf.

84 Turán gráfok. Definíció. Definiáljuk a T n,m -t: Legyen n = qm + r, ahol 0 r < m. A gráf n pontját osszuk m osztályra, r darab q + pontú, m r q pontú. Két pont közt él különböző osztályban vannak. m-osztályú gráfnak nevezünk egy gráfot, ha a pontjai m osztályba oszthatók úgy, hogy az egy osztályban levő pontok között nem fut él. T n,m egy m-osztályú teljes gráf.. Tétel (Turán). Ha egy n pontú G gráf nem tartalmaz K m+ -et, akkor e(g) e(t n,m ). Ha pedig e(g) = e(t n,m ), akkor G = T n,m. 7

85 Turán tétel bizonyítása

86 Turán tétel bizonyítása. Az m-osztályú gráfok közül T n,m -nek van a legtöbb éle.

87 Turán tétel bizonyítása. Az m-osztályú gráfok közül T n,m -nek van a legtöbb éle. Tegyük fel, hogy az a G gráf, amelyiknek a legtöbb éle van, nem a T n,m gráf. G-ben van két olyan osztály, hogy az egyikben x pont van, a másikban legalább x +.

88 Turán tétel bizonyítása. Az m-osztályú gráfok közül T n,m -nek van a legtöbb éle. Tegyük fel, hogy az a G gráf, amelyiknek a legtöbb éle van, nem a T n,m gráf. G-ben van két olyan osztály, hogy az egyikben x pont van, a másikban legalább Ha a nagyobból a kisebbe átteszünk egy pontot, akkor legfel- x +. jebb x él szűnik meg, viszont legalább x + új élet húzunk be.

89 Turán tétel bizonyítása. Az m-osztályú gráfok közül T n,m -nek van a legtöbb éle. Tegyük fel, hogy az a G gráf, amelyiknek a legtöbb éle van, nem a T n,m gráf. G-ben van két olyan osztály, hogy az egyikben x pont van, a másikban legalább Ha a nagyobból a kisebbe átteszünk egy pontot, akkor legfel- x +. jebb x él szűnik meg, viszont legalább x + új élet húzunk be.. Ha G egy K m+ -et nem tartalmazó n-pontú gráf, akkor ugyanazon a ponthalmazon konstruálható egy olyan m osztályú teljes H gráf, melyben minden pont fokszáma legalább akkora mint G-ben, vagyis minden v V (G) = V (H)-ra d G (v) d H (v).

90 Turán tétel bizonyítása. Az m-osztályú gráfok közül T n,m -nek van a legtöbb éle. Tegyük fel, hogy az a G gráf, amelyiknek a legtöbb éle van, nem a T n,m gráf. G-ben van két olyan osztály, hogy az egyikben x pont van, a másikban legalább Ha a nagyobból a kisebbe átteszünk egy pontot, akkor legfel- x +. jebb x él szűnik meg, viszont legalább x + új élet húzunk be.. Ha G egy K m+ -et nem tartalmazó n-pontú gráf, akkor ugyanazon a ponthalmazon konstruálható egy olyan m osztályú teljes H gráf, melyben minden pont fokszáma legalább akkora mint G-ben, vagyis minden v V (G) = V (H)-ra d G (v) d H (v). (a) m-re való teljes indukció. m = -re az állítás triviális. 8

91 (b) Legyen x olyan pont, hogy d G (x) = G. Legyen V = {u {u,x} E(G)}, V = V (G) V azaz, x V. G legyen G-nek a V által feszített részgráfja.

92 (b) Legyen x olyan pont, hogy d G (x) = G. Legyen V = {u {u,x} E(G)}, V = V (G) V azaz, x V. G legyen G-nek a V által feszített részgráfja. G -ben nincs K m, hiszen ez x-szel együtt G-ben K m+ -et alkotna. Indukciós feltevés G -re: Van olyan teljes m - osztályú H gráf, hogy minden v V (G )-re d G (v) d H (v).

93 (b) Legyen x olyan pont, hogy d G (x) = G. Legyen V = {u {u,x} E(G)}, V = V (G) V azaz, x V. G legyen G-nek a V által feszített részgráfja. G -ben nincs K m, hiszen ez x-szel együtt G-ben K m+ -et alkotna. Indukciós feltevés G -re: Van olyan teljes m - osztályú H gráf, hogy minden v V (G )-re d G (v) d H (v). (c) H gráf: V ponthalmazon a H gráf, majd V minden pontját kössük össze V minden pontjával, viszont hagyjunk el minden két V -beli pontot összekötő élet. A H gráf m osztályú.

94 (b) Legyen x olyan pont, hogy d G (x) = G. Legyen V = {u {u,x} E(G)}, V = V (G) V azaz, x V. G legyen G-nek a V által feszített részgráfja. G -ben nincs K m, hiszen ez x-szel együtt G-ben K m+ -et alkotna. Indukciós feltevés G -re: Van olyan teljes m - osztályú H gráf, hogy minden v V (G )-re d G (v) d H (v). (c) H gráf: V ponthalmazon a H gráf, majd V minden pontját kössük össze V minden pontjával, viszont hagyjunk el minden két V -beli pontot összekötő élet. A H gráf m osztályú. Ha v V, akkor d H (v) = V = G. Ha v V, akkor d H (v) = d H (v) + V d G (v) + V d G (v).

95 (b) Legyen x olyan pont, hogy d G (x) = G. Legyen V = {u {u,x} E(G)}, V = V (G) V azaz, x V. G legyen G-nek a V által feszített részgráfja. G -ben nincs K m, hiszen ez x-szel együtt G-ben K m+ -et alkotna. Indukciós feltevés G -re: Van olyan teljes m - osztályú H gráf, hogy minden v V (G )-re d G (v) d H (v). (c) H gráf: V ponthalmazon a H gráf, majd V minden pontját kössük össze V minden pontjával, viszont hagyjunk el minden két V -beli pontot összekötő élet. A H gráf m osztályú. Ha v V, akkor d H (v) = V = G. Ha v V, akkor d H (v) = d H (v) + V d G (v) + V d G (v).. Ha egy G-ben nincs K m+, de nem izomorf T n,m -mel, akkor van egy nála nagyobb élszámú m-osztályú teljes gráf, ennek az élszáma pedig nem nagyobb e(t n,m )-nél. Így beláttuk az állítás második részét is. 9

96 Két érdekes tétel

97 Két érdekes tétel 4. Tétel (Erdős Stone). Ha e(g) e(t n,m ) + εn, akkor G-ben nemcsak hogy van legalább egy K m+, hanem létezik olyan c(ε,m) konstans is, hogy G-ben van olyan teljes m+-osztályú részgráf, amelyben az osztályok pontszáma legalább c log n.

98 Két érdekes tétel 4. Tétel (Erdős Stone). Ha e(g) e(t n,m ) + εn, akkor G-ben nemcsak hogy van legalább egy K m+, hanem létezik olyan c(ε,m) konstans is, hogy G-ben van olyan teljes m+-osztályú részgráf, amelyben az osztályok pontszáma legalább c log n. Azaz, ha csak kicsit nagyobb az élsűrűség, mint a Turán gráfé, akkor már rengeteg K m+ van a gráfban. 0

99 5. Tétel (Erdős Simonovits). Ha G,G,...,G k adott gráfok, akkor létezik olyan ex(n;g,g,...,g k ) függvény, amelyre teljesül, hogy minden olyan G gráfnak, amelyre v(g) = n és e(g) ex(n;g,g,...,g k ), van valamelyik G i gráffal izomorf részgráfja. Az ex függvényre teljesül, hogy ex(n;g,g,...,g k ) lim ( n n = ) min i=,...,k χ(g i ). ()

100 5. Tétel (Erdős Simonovits). Ha G,G,...,G k adott gráfok, akkor létezik olyan ex(n;g,g,...,g k ) függvény, amelyre teljesül, hogy minden olyan G gráfnak, amelyre v(g) = n és e(g) ex(n;g,g,...,g k ), van valamelyik G i gráffal izomorf részgráfja. Az ex függvényre teljesül, hogy ex(n;g,g,...,g k ) lim ( n n = ) min i=,...,k χ(g i ). () Azaz a maximális G i -t nem tartalmazó gráf élsűrűségének nagyságrendje G i kromatikus számától függ, ha az legalább.

101 Ha valamelyik kizárandó gráf páros, akkor a fenti tétel nem határozza meg az élsűrűség nagyságrendjét.

102 Ha valamelyik kizárandó gráf páros, akkor a fenti tétel nem határozza meg az élsűrűség nagyságrendjét. T n,m élszáma ( ) ( ) ( ) n q + q e(t n,m ) = r (m r) ( )( n ). () m

103 Ha valamelyik kizárandó gráf páros, akkor a fenti tétel nem határozza meg az élsűrűség nagyságrendjét. T n,m élszáma ( ) ( ) ( ) n q + q e(t n,m ) = r (m r) ( )( n ). () m k = és G = K m+ esetén χ(k m+ ) = m +, azaz ebben az esetben az Erdős-Simonovits következik a Turánból.

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y. Algoritmuselmélet Mélységi keresés és alkalmazásai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 1. előadás Gráfok halmaza, gráf, ahol a csúcsok halmaza, az élek illesztkedés reláció: illesztkedik az élre, ha ( -él illesztkedik

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2015. tavasz 1. Diszkrét matematika 2.C szakirány 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu Komputeralgebra Tanszék 2015. tavasz Gráfelmélet Diszkrét

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. ősz 1. Diszkrét matematika 2.C szakirány 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.

Részletesebben

Diszkrét matematika 1. estis képzés

Diszkrét matematika 1. estis képzés Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2015. ősz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2015.

Részletesebben

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13. Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 13. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet

Részletesebben

Algoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y.

Algoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y. Algoritmuselmélet Legrövidebb utak, Bellmann-Ford, Dijkstra Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 3. előadás Katona Gyula Y. (BME

Részletesebben

Algoritmuselmélet. Gráfok megadása, szélességi bejárás, összefüggőség, párosítás. Katona Gyula Y.

Algoritmuselmélet. Gráfok megadása, szélességi bejárás, összefüggőség, párosítás. Katona Gyula Y. Algoritmuselmélet Gráfok megadása, szélességi bejárás, összefüggőség, párosítás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2. előadás

Részletesebben

SzA II. gyakorlat, szeptember 18.

SzA II. gyakorlat, szeptember 18. SzA II. gyakorlat, 015. szeptember 18. Barátkozás a gráfokkal Drótos Márton drotos@cs.bme.hu 1. Az előre megszámozott (címkézett) n darab pont közé hányféleképp húzhatunk be éleket úgy, hogy egyszerű gráfhoz

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. 2018. szeptember 21. 1. Diszkrét matematika 2. 2. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. szeptember 21. Gráfelmélet

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2016. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

22. GRÁFOK ÁBRÁZOLÁSA

22. GRÁFOK ÁBRÁZOLÁSA 22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is

Részletesebben

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Készítette: Laczik Sándor János Gráfelmélet I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Definíció: a G=(V,E) párt egyszerű gráfnak nevezzük, (V elemeit a gráf csúcsainak/pontjainak,e elemeit

Részletesebben

Algoritmuselmélet 7. előadás

Algoritmuselmélet 7. előadás Algoritmuselmélet 7. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 11. ALGORITMUSELMÉLET 7. ELŐADÁS 1 Múltkori

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 7. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF

EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF Összefoglaló Gráfok / EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF Adott a G = (V, E) gráf ahol a V a csomópontok, E az élek halmaza E = {(x, y) x, y V, x y (nincs hurokél) és (x, y) = (y, x)) Jelölések:

Részletesebben

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y. Algoritmuselmélet Bonyolultságelmélet Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet

Részletesebben

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 12.

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 12. Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet

Részletesebben

1. tétel - Gráfok alapfogalmai

1. tétel - Gráfok alapfogalmai 1. tétel - Gráfok alapfogalmai 1. irányítatlan gráf fogalma A G (irányítatlan) gráf egy (Φ, E, V) hátmas, ahol E az élek halmaza, V a csúcsok (pontok) halmaza, Φ: E {V-beli rendezetlen párok} illeszkedési

Részletesebben

Algoritmuselmélet. 2-3 fák. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 8.

Algoritmuselmélet. 2-3 fák. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 8. Algoritmuselmélet 2-3 fák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 8. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 8. előadás

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

1. Szerencsére elmúlt a veszély, pánikra semmi ok. Luke Skywalker ugyan kivont lézerkarddal ment órára a jediképzőben, de a birodalmi gárda

1. Szerencsére elmúlt a veszély, pánikra semmi ok. Luke Skywalker ugyan kivont lézerkarddal ment órára a jediképzőben, de a birodalmi gárda 1. ZH 2012. X. 11. 15 Mobiltelefon még kikapcsolt állapotban sem lehet a padon vagy a hallgató kezében. Minden egyes feladat helyes megoldása 10 pontot ér. A dolgozatok értékelése: 0-23 pont: 1, 24-32

Részletesebben

Gráfok csúcsszínezései

Gráfok csúcsszínezései Gráfelmélet/Diszkrét Matematika MSc hallgatók számára Gráfok csúcsszínezései 2012. október 1. Előadó: Hajnal Péter 1. (Csúcs)színezések alapfogalmai Emlékeztetőként idézzünk fel néhány korábban tanult

Részletesebben

Gráfelméleti alapfogalmak

Gráfelméleti alapfogalmak 1 Gráfelméleti alapfogalmak Gráf (angol graph= rajz): pontokból és vonalakból álló alakzat. pontok a gráf csúcsai, a vonalak a gráf élei. GRÁ Irányítatlan gráf Vegyes gráf Irányított gráf G H Izolált pont

Részletesebben

ELTE IK Esti képzés tavaszi félév. Tartalom

ELTE IK Esti képzés tavaszi félév. Tartalom Diszkrét Matematika 2 vizsgaanyag ELTE IK Esti képzés 2017. tavaszi félév Tartalom 1. Számfogalom bővítése, homomorfizmusok... 2 2. Csoportok... 9 3. Részcsoport... 11 4. Generátum... 14 5. Mellékosztály,

Részletesebben

26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA

26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA 26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA Az előző két fejezetben tárgyalt feladat általánosításaként a gráfban található összes csúcspárra szeretnénk meghatározni a legkisebb költségű utat. A probléma

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

Gráfok, definíciók. Gráfok ábrázolása. Az adott probléma megoldásához ténylegesen mely műveletek szükségesek. Ábrázolások. Példa:

Gráfok, definíciók. Gráfok ábrázolása. Az adott probléma megoldásához ténylegesen mely műveletek szükségesek. Ábrázolások. Példa: Gráfok, definíciók Irányítatlan gráf: G = (V,E), ahol E rendezetlen (a,b),a,b V párok halmaza. Irányított gráf: G = (V,E) E rendezett (a,b) párok halmaza; E V V. Címkézett (súlyozott) gráf: G = (V,E,C)

Részletesebben

Feladatok, amelyek gráfokkal oldhatók meg 1) A königsbergi hidak problémája (Euler-féle probléma) a

Feladatok, amelyek gráfokkal oldhatók meg 1) A königsbergi hidak problémája (Euler-féle probléma) a Feladatok, amelyek gráfokkal oldhatók meg ) A königsbergi hidak problémája (Euler-féle probléma) a b d c A megfelelő gráf: d a b c ) Egy szórakoztató feladat (Hamilton-féle probléma) Helyezzük el az,,,...,

Részletesebben

Gráfok 1. Tárolási módok, bejárások. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

Gráfok 1. Tárolási módok, bejárások. Szoftvertervezés és -fejlesztés II. előadás.   Szénási Sándor Gráfok 1. Tárolási módok, bejárások előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar Gráfok 1. Tárolási módok Szélességi

Részletesebben

SzA X/XI. gyakorlat, november 14/19.

SzA X/XI. gyakorlat, november 14/19. SzA X/XI. gyakorlat, 2013. november 14/19. Színezünk és rajzolunk Drótos Márton drotos@cs.bme.hu 1. Mennyi a következő gráfok kromatikus száma: C 4, C 5, K 2,4, alábbi 2 gráf χ(c 4 ) = 2, páros hosszú

Részletesebben

Diszkrét matematika 1. estis képzés

Diszkrét matematika 1. estis képzés Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján

Részletesebben

Más szavakkal formálisan:, ahol olyan egész szám, hogy. Más szavakkal formálisan:, ahol olyan egész szám, hogy.

Más szavakkal formálisan:, ahol olyan egész szám, hogy. Más szavakkal formálisan:, ahol olyan egész szám, hogy. Bevezetés 1. Definíció. Az alsó egészrész függvény minden valós számhoz egy egész számot rendel hozzá, éppen azt, amely a tőle nem nagyobb egészek közül a legnagyobb. Az alsó egészrész függvény jele:,

Részletesebben

Gráfelméleti feladatok. c f

Gráfelméleti feladatok. c f Gráfelméleti feladatok d e c f a b gráf, csúcsok, élek séta: a, b, c, d, e, c, a, b, f vonal: c, d, e, c, b, a út: f, b, a, e, d (walk, lanţ) (trail, lanţ simplu) (path, lanţ elementar) 1 irányított gráf,

Részletesebben

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007 Hálózatok II 2007 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Szerda 17:00 18:30 Gyakorlat: nincs Vizsga írásbeli Honlap: http://people.inf.elte.hu/lukovszki/courses/g/07nwii

Részletesebben

Megoldások 7. gyakorlat Síkgráfok, dualitás, gyenge izomorfia, Whitney-tételei

Megoldások 7. gyakorlat Síkgráfok, dualitás, gyenge izomorfia, Whitney-tételei Számítástudomány alapjai Megoldások 7. gyakorlat Síkgráfok, dualitás, gyenge izomorfia, Whitney-tételei 90. A konvex poliéder egyes lapjait határoló élek száma legyen k! Egy konvex poliéder egy tetszőleges

Részletesebben

Bonyolultságelmélet gyakorlat 06 Gráfos visszavezetések II.

Bonyolultságelmélet gyakorlat 06 Gráfos visszavezetések II. onyolultságelmélet gyakorlat 06 Gráfos visszavezetések II. 1. Feladat Mutassuk meg, hogy a n/-hosszú kör probléma NP-nehéz! n/-hosszú kör Input: (V, ) irányítatlan gráf Output: van-e G-ben a csúcsok felén

Részletesebben

Bevezetés a számításelméletbe II. Zárthelyi feladatok április 23.

Bevezetés a számításelméletbe II. Zárthelyi feladatok április 23. evezetés a számításelméletbe II. Zárthelyi feladatok 2018. április 23. 1. G egyszerű gráf csúcshalmaza legyen V (G) = {1, 2,..., 10}. z x, y V (G), x y csúcsok pontosan akkor legyenek szomszédosak G-ben,

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 4. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok bonyolultsága Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,

Részletesebben

Számítógép hálózatok, osztott rendszerek 2009

Számítógép hálózatok, osztott rendszerek 2009 Számítógép hálózatok, osztott rendszerek 2009 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Hétfő 10:00 12:00 óra Gyakorlat: Hétfő 14:00-16:00 óra Honlap: http://people.inf.elte.hu/lukovszki/courses/0910nwmsc

Részletesebben

Algoritmuselmélet 1. előadás

Algoritmuselmélet 1. előadás Algoritmuselmélet 1. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 11. ALGORITMUSELMÉLET 1. ELŐADÁS 1 Források

Részletesebben

A számítástudomány alapjai. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem

A számítástudomány alapjai. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem A számítástudomány alapjai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Bináris keresőfa, kupac Katona Gyula Y. (BME SZIT) A számítástudomány

Részletesebben

Euler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3

Euler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3 Síkgráfok Kuratowski-tétel: egy gráf akkor és csak akkor síkba rajzolható gráf, ha nincs olyan részgráfja, ami a K 5 -el, vagy a K 3,3 -altopologikusan izomorf (homeomorf). Euler síkgráfokra vonatkozó

Részletesebben

Adatszerkezetek II. 1. előadás

Adatszerkezetek II. 1. előadás Adatszerkezetek II. 1. előadás Gráfok A gráf fogalma: Gráf(P,E): P pontok (csúcsok) és E P P élek halmaza Fogalmak: Irányított gráf : (p 1,p 2 ) E-ből nem következik, hogy (p 2,p 1 ) E Irányítatlan gráf

Részletesebben

Algoritmuselmélet 2. előadás

Algoritmuselmélet 2. előadás Algoritmuselmélet 2. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 12. ALGORITMUSELMÉLET 2. ELŐADÁS 1 Buborék-rendezés

Részletesebben

Adatszerkezetek 2. Dr. Iványi Péter

Adatszerkezetek 2. Dr. Iványi Péter Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat

Részletesebben

bármely másikra el lehessen jutni. A vállalat tudja, hogy tetszőlegesen adott

bármely másikra el lehessen jutni. A vállalat tudja, hogy tetszőlegesen adott . Minimális súlyú feszítő fa keresése Képzeljük el, hogy egy útépítő vállalat azt a megbízást kapja, hogy építsen ki egy úthálózatot néhány település között (a települések között jelenleg nincs út). feltétel

Részletesebben

Gráfelméleti modell alkalmazása épít ipari kivitelezés ütemezésére

Gráfelméleti modell alkalmazása épít ipari kivitelezés ütemezésére Tamaga István Gráfelméleti modell alkalmazása épít ipari kivitelezés ütemezésére modell Készítsük el egy épít ipari kivitelezés gráfelméleti modelljét! Ekkor a kivitelezést megfeleltetjük egy gráfnak,

Részletesebben

Gráf-algoritmusok Legrövidebb utak

Gráf-algoritmusok Legrövidebb utak https://www.cs.princeton.edu/~rs/algsds07/15shortestpaths.pdf Gráf-algoritmusok Legrövidebb utak Sapientia-EMTE 2017-18 Typesetting in TeX Két pont között, akkor van él, ha közéjük 1 2 3 4 eső szó szekvencia

Részletesebben

Algoritmuselmélet 1. előadás

Algoritmuselmélet 1. előadás Algoritmuselmélet 1. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 11. ALGORITMUSELMÉLET 1. ELŐADÁS 1 Források

Részletesebben

Diszkrét Matematika MSc hallgatók számára 7. Előadás Párosítási tételek Előadó: Hajnal Péter Jegyzetelő: Kovácsházi Anna

Diszkrét Matematika MSc hallgatók számára 7. Előadás Párosítási tételek Előadó: Hajnal Péter Jegyzetelő: Kovácsházi Anna Diszkrét Matematika MSc hallgatók számára 7. Előadás Párosítási tételek Előadó: Hajnal Péter Jegyzetelő: Kovácsházi Anna 2010. 10. 18. 2 7. Párosítási tételek.nb 7. Előadás Emlékeztető: Javító út, Javító

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok bonyolultsága Algoritmusok bonyolultsága 9. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 18 Közelítő algoritmusok ládapakolás (bin packing) Adott n tárgy (s i tömeggel) és végtelen sok 1 kapacitású láda

Részletesebben

Az optimális megoldást adó algoritmusok

Az optimális megoldást adó algoritmusok Az optimális megoldást adó algoritmusok shop ütemezés esetén Ebben a fejezetben olyan modellekkel foglalkozunk, amelyekben a munkák több műveletből állnak. Speciálisan shop ütemezési problémákat vizsgálunk.

Részletesebben

Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése

Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése Dr. Kallós Gábor 2014 2015 1 Az Ordó jelölés Azt mondjuk, hogy az f(n) függvény eleme az Ordó(g(n)) halmaznak, ha van olyan c konstans (c

Részletesebben

Gráfelmélet jegyzet 2. előadás

Gráfelmélet jegyzet 2. előadás Gráfelmélet jegyzet 2. előadás Készítette: Kovács Ede . Fák Tétel. : A következők ekvivalensek a T gráfra: (i) T összefüggő, e E. T e már nem összefüggő (ii) T összefüggő és körmentes. (iii) x, y V T!

Részletesebben

Síkbarajzolható gráfok Április 26.

Síkbarajzolható gráfok Április 26. Síkbarajzolható gráfok 2017. Április 26. Síkgráfok Egy gráf síkgráf=síkba rajzolható gráf, ha lerajzolható úgy a síkba, hogy élei csak a szögpontokban metszik egymást. Ha egy gráf lerajzolható a síkba,

Részletesebben

Algoritmuselmélet 18. előadás

Algoritmuselmélet 18. előadás Algoritmuselmélet 18. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Május 7. ALGORITMUSELMÉLET 18. ELŐADÁS 1 Közelítő algoritmusok

Részletesebben

HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út

HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út SÍKBA RAJZOLHATÓ GRÁFOK ld. előadás diasorozat SZÍNEZÉS: ld. előadás diasorozat PÉLDA: Reguláris 5 gráf színezése 4 színnel Juhász, PPKE ITK, 007: http://users.itk.ppke.hu/~b_novak/dmat/juhasz_5_foku_graf.bmp

Részletesebben

KOMBINATORIKA ElŐADÁS Matematika BSc hallgatók számára. Klikkek gráfokban-1. Definíció. Egy G gráfban egy K V(G) csúcshalmazt klikknek nevezünk, ha K

KOMBINATORIKA ElŐADÁS Matematika BSc hallgatók számára. Klikkek gráfokban-1. Definíció. Egy G gráfban egy K V(G) csúcshalmazt klikknek nevezünk, ha K KOMBINATORIKA ElŐADÁS Matematika BSc hallgatók számára Klikkek gráfokban Előadó: Hajnal Péter 2017 1. Az alapkérdés Emlékeztetünk egy a gráfok színezésénél tárgyalt fontos fogalomra: Definíció. Egy G gráfban

Részletesebben

III. Gráfok. 1. Irányítatlan gráfok:

III. Gráfok. 1. Irányítatlan gráfok: III. Gráfok 1. Irányítatlan gráfok: Jelölés: G=(X,U), X a csomópontok halmaza, U az élek halmaza X={1,2,3,4,5,6}, U={[1,2], [1,4], [1,6], [2,3], [2,5], [3,4], [3,5], [4,5],[5,6]} Értelmezések: 1. Fokszám:

Részletesebben

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1.

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1. Nagyságrendek Kiegészítő anyag az Algoritmuselmélet tárgyhoz (a Rónyai Ivanyos Szabó: Algoritmusok könyv mellé) Friedl Katalin BME SZIT friedl@cs.bme.hu 018. február 1. Az O, Ω, Θ jelölések Az algoritmusok

Részletesebben

Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz

Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz A vizsga menete: a vizsga írásbeli és szóbeli részből áll. Az írásbeli beugrón az alábbi kérdések közül szerepel összesen 12 darab, mindegyik egy pontot

Részletesebben

HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: (

HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: ( HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör Teljes gráf: Páros gráf, teljes páros gráf és Hamilton kör/út Hamilton kör: Minden csúcson áthaladó kör Hamilton kör Forrás: (http://www.math.klte.hur/~tujanyi/komb_j/k_win_doc/g0603.doc

Részletesebben

Példa Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.

Példa Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él. Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb

Részletesebben

Algoritmuselmélet 11. előadás

Algoritmuselmélet 11. előadás Algoritmuselmélet 11. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 26. ALGORITMUSELMÉLET 11. ELŐADÁS 1 Kruskal

Részletesebben

Gráfalgoritmusok ismétlés ősz

Gráfalgoritmusok ismétlés ősz Gráfalgoritmusok ismétlés 2017. ősz Gráfok ábrázolása Egy G = (V, E) gráf ábrázolására alapvetően két módszert szoktak használni: szomszédsági listákat, illetve szomszédsági mátrixot. A G = (V, E) gráf

Részletesebben

Bevezetés a számításelméletbe II. 1. zh,

Bevezetés a számításelméletbe II. 1. zh, Bevezetés a számításelméletbe II. 1. zh, 2014.03.20. 1. Egy 59 csúcsú egyszer gráfban bármely két csúcs fokszámösszege 60- nál nagyobb páros szám. Igaz-e, hogy a gráfban biztosan van Eulerkörséta? 2. Egy

Részletesebben

Ramsey-féle problémák

Ramsey-féle problémák FEJEZET 8 Ramsey-féle problémák "Az intelligens eljárást az jellemzi, hogy még a látszólag megközelíthetetlen célhoz is utat nyit, megfelelő segédproblémát talál ki és először azt oldja meg." Pólya György:

Részletesebben

Algoritmuselmélet 12. előadás

Algoritmuselmélet 12. előadás Algoritmuselmélet 12. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Április 9. ALGORITMUSELMÉLET 12. ELŐADÁS 1 Turing-gépek

Részletesebben

Melykeres(G) for(u in V) {szin(u):=feher Apa(u):=0} for(u in V) {if szin(u)=feher then MBejar(u)}

Melykeres(G) for(u in V) {szin(u):=feher Apa(u):=0} for(u in V) {if szin(u)=feher then MBejar(u)} Mélységi keresés Ez az algoritmus a gráf pontjait járja be, eredményképpen egy mélységi feszítőerdőt ad vissza az Apa függvény által. A pontok bejártságát színekkel kezeljük, fehér= érintetlen, szürke=meg-

Részletesebben

Érdemes egy n*n-es táblázatban (sorok-lányok, oszlopok-fiúk) ábrázolni a két színnel, mely éleket húztuk be (pirossal, kékkel)

Érdemes egy n*n-es táblázatban (sorok-lányok, oszlopok-fiúk) ábrázolni a két színnel, mely éleket húztuk be (pirossal, kékkel) Kombi/2 Egy bizonyos bulin n lány és n fiú vesz részt. Minden fiú pontosan a darab lányt és minden lány pontosan b darab fiút kedvel. Milyen (a,b) számpárok esetén létezik biztosan olyan fiúlány pár, akik

Részletesebben

A számítástudomány alapjai

A számítástudomány alapjai A számítástudomány alapjai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Legszélesebb utak Katona Gyula Y. (BME SZIT) A számítástudomány

Részletesebben

30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK

30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK 30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK A gráfos alkalmazások között is találkozunk olyan problémákkal, amelyeket megoldását a részekre bontott gráfon határozzuk meg, majd ezeket alkalmas módon teljes megoldássá

Részletesebben

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y. Algoritmuselmélet Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem

Részletesebben

Bevezetés a számításelméletbe (MS1 BS)

Bevezetés a számításelméletbe (MS1 BS) Matematika szigorlat - konzultációs szeminárium Azoknak, akik másodszorra vagy többedszerre veszik fel a Matematika szigorlat (NAMMS1SAND) tárgyat. Bevezetés a számításelméletbe (MS1 BS) FŐBB TÉMAKÖRÖK

Részletesebben

Gráfelméleti feladatok programozóknak

Gráfelméleti feladatok programozóknak Gráfelméleti feladatok programozóknak Nagy-György Judit 1. Lehet-e egy gráf fokszámsorozata 3, 3, 3, 3, 5, 6, 6, 6, 6, 6, 6? 2. Lehet-e egyszer gráf fokszámsorozata (a) 3, 3, 4, 4, 6? (b) 0, 1, 2, 2, 2,

Részletesebben

5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.

5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. 5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. Optimalis feszítőfák Egy összefüggő, irányítatlan

Részletesebben

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y. Algoritmuselmélet Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem

Részletesebben

1. előadás: Halmazelmélet, számfogalom, teljes

1. előadás: Halmazelmélet, számfogalom, teljes 1. előadás: Halmazelmélet, számfogalom, teljes indukció Szabó Szilárd Halmazok Halmaz: alapfogalom, bizonyos elemek (matematikai objektumok) összessége. Egy halmaz akkor adott, ha minden objektumról eldönthető,

Részletesebben

Közösségek keresése nagy gráfokban

Közösségek keresése nagy gráfokban Közösségek keresése nagy gráfokban Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2011. április 14. Katona Gyula Y. (BME SZIT) Közösségek

Részletesebben

Hasonlósági keresés molekulagráfokon: legnagyobb közös részgráf keresése

Hasonlósági keresés molekulagráfokon: legnagyobb közös részgráf keresése Hasonlósági keresés molekulagráfokon: legnagyobb közös részgráf keresése Kovács Péter ChemAxon Kft., ELTE IK kpeter@inf.elte.hu Budapest, 2018.11.06. Bevezetés Feladat: két molekulagráf legnagyobb közös

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az

Részletesebben

1. zárthelyi,

1. zárthelyi, 1. zárthelyi, 2010.03.2. 1. Jelölje B n azt a gráfot, melynek csúcsai az n hosszúságú 0 1 sorozatok, két sorozat akkor és csak akkor van összekötve éllel, ha pontosan egy vagy két helyen különböznek. Adjuk

Részletesebben

Diszkrét matematika II. gyakorlat

Diszkrét matematika II. gyakorlat Diszkrét matematika II. gyakorlat 9. Gyakorlat Szakács Nóra Helyettesít: Bogya Norbert Bolyai Intézet 2013. április 11. Bogya Norbert (Bolyai Intézet) Diszkrét matematika II. gyakorlat 2013. április 11.

Részletesebben

Síkbarajzolható gráfok, duális gráf

Síkbarajzolható gráfok, duális gráf Síkbarajzolható gráfok, duális gráf Papp László BME November 8, 2018 Gráfok lerajzolása Definíció: Egy G gráf diagramján a gráf olyan lerajzolását értjük ahol a csúcsok különböző síkbeli pontok, illetve

Részletesebben

PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN

PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN CSIKVÁRI PÉTER Kivonat. Ebben a jegyzetben bebizonyítjuk Bondy és Simonovits következő tételét. Ha egy n csúcsú egyszerű gráf nem tartalmaz C k kört akkor az éleinek száma

Részletesebben

Javító és majdnem javító utak

Javító és majdnem javító utak Javító és majdnem javító utak deficites Hall-tétel alapján elméletileg meghatározhatjuk, hogy egy G = (, ; E) páros gráfban mekkora a legnagyobb párosítás mérete. Ehhez azonban első ránézésre az összes

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 4. előadás Eulerséta: Olyan séta, mely a gráf minden élét pontosan egyszer tartalmazza. Tétel: egy összefüggő gráf. Ha minden

Részletesebben

Példa Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.

Példa Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él. Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb

Részletesebben

Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra:

Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra: Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra: C(T ) = (u,v) T c(u,v) Az F = (V,T) gráf minimális feszitőfája G-nek,

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. 2018. október 12. 1. Diszkrét matematika 2. 5. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. október 12. Diszkrét matematika

Részletesebben

GRÁFELMÉLET. 7. előadás. Javító utak, javító utak keresése, Edmonds-algoritmus

GRÁFELMÉLET. 7. előadás. Javító utak, javító utak keresése, Edmonds-algoritmus GRÁFELMÉLET 7. előadás Javító utak, javító utak keresése, Edmonds-algoritmus Definíció: egy P utat javító útnak nevezünk egy M párosításra nézve, ha az út páratlan hosszú, kezdő- és végpontjai nem párosítottak,

Részletesebben

Gráfelméleti alapfogalmak

Gráfelméleti alapfogalmak KOMBINATORIKA GYAKORLAT osztatlan matematika tanár hallgatók számára Gráfelméleti alapfogalmak Gyakorlatvezetõ: Hajnal Péter 2014. 1. Feladat. Az alábbiakban egy-egy egyszerű gráfot definiálunk. Rajzoljuk

Részletesebben

1. Gráfmodellek. 1.1 Königsbergi hidak (Euler, 1736)

1. Gráfmodellek. 1.1 Königsbergi hidak (Euler, 1736) 1. Gráfmodellek 1.1 Königsbergi hidak (Euler, 1736) Probléma: Königsberg mellett volt egy Pregel nevû folyó, két szigettel. A folyó két partját és a szigeteket hét híd kötötte össze. Bejárhatjuk-e volt

Részletesebben