Gráfszínezési problémák és ütemezési alkalmazásaik

Hasonló dokumentumok
Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.

Gráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető.

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Algoritmusok bonyolultsága

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

Modern irányzatok a bonyolultságelméletben: éles korlátok és dichotómia tételek

Diszkrét matematika 2. estis képzés

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

Logika és számításelmélet. 11. előadás

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

Gráfelméleti feladatok programozóknak

Gráfelméleti alapfogalmak

A számítástudomány alapjai

Algoritmuselmélet 18. előadás

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

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

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

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

Diszkrét matematika 2.C szakirány

Hálózattervezés Alpjai 2007

Bonyolultságelmélet. Thursday 1 st December, 2016, 22:21

Számítógép és programozás 2

Totális Unimodularitás és LP dualitás. Tapolcai János

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

Diszkrét matematika 2. estis képzés

Recski András Budapesti Műszaki és Gazdaságtudományi Egyetem,

MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN

1. tétel - Gráfok alapfogalmai

PrExt algoritmusok. Eőry Zoltán

Diszkrét matematika 2.

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Diszkrét matematika 1. estis képzés

Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése

Hogyan óvjuk meg értékes festményeinket?

Gráfok színezése Diszkrét matematika 2009/10 sz, 9. el adás

Az optimális megoldást adó algoritmusok

Eötvös Loránd Tudományegyetem Természettudományi Kar. Gráfok színezése. BSc Szakdolgozat

Operációkutatás példatár

KÖZELÍTŐ ALGORITMUSOK

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

Bonyolultságelmélet. Monday 10 th October, 2016, 17:44

3. Gráfok színezései

KÖZELÍTŐ ALGORITMUSOK

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

KÁBELHÁLÓZATOK FEJLŐDÉSE GRÓF RÓBERT HFC TECHNICS KFT.

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

Operációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit

Approximációs algoritmusok

Diszkrét matematika 2.C szakirány

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd

Diszkrét matematika 1. estis képzés

Diszkrét matematika 2.C szakirány

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

Diszkrét matematika 2. estis képzés

Feladatok Házi feladat. Keszeg Attila

Számítógépes Grafika SZIE YMÉK

E-tananyag Matematika 9. évfolyam Függvények

2012. október 2 és 4. Dr. Vincze Szilvia

Bevezetés a bonyolultságelméletbe gyakorlatok I. A(0, y) := y + 1 y 0 A(x, 0) := A(x 1, 1) x 1 A(x, y) := A(x 1, A(x, y 1)) x, y 1

Diszkrét matematika 2.

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

Síkbarajzolható gráfok, duális gráf

Bevezetés a számításelméletbe II. 1. zh,

Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz

Számítógépes Hálózatok. 4. gyakorlat

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Koordinátageometria

16. tétel Egybevágósági transzformációk. Konvex sokszögek tulajdonságai, szimmetrikus sokszögek

Diszkrét matematika II. feladatok

Kereső algoritmusok a diszkrét optimalizálás problémájához

Diszkrét matematika II. gyakorlat

Statisztikai módszerek a skálafüggetlen hálózatok

Bonyolultságelmélet feladatok

Diszkrét matematika 2.C szakirány

Erőforrások hozzárendelése

Síkba rajzolható gráfok

Kereső algoritmusok a diszkrét optimalizálás problémájához

DISZKRÉT MATEMATIKA 2 KIDOLGOZOTT TÉTELSOR 1. RÉSZ

Branch-and-Bound. 1. Az egészértéketű programozás. a korlátozás és szétválasztás módszere Bevezető Definíció. 11.

Diszkrét matematika 2. estis képzés

HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út

Bánhelyi Balázs, Csendes Tibor, Palatinus Endre és Lévai. Szeptember 28-30, 2011, Balatonöszöd, Hungary

Koordinátageometria. , azaz ( ) a B halmazt pontosan azok a pontok alkotják, amelynek koordinátáira:

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.

Algoritmuselmélet 2. előadás

Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017.

Diszkrét matematika 2. estis képzés

Ütemezési modellek. Az ütemezési problémák osztályozása

Ramsey-féle problémák

XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus. A véletlen nyomában

1. Előadás Lineáris programozás

Diszkrét matematika 2.

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr.

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Szabályos gráfok paraméterei

Deníciók és tételek a beugró vizsgára

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba

Gráfalgoritmusok és hatékony adatszerkezetek szemléltetése

2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia

Mérési útmutató a Mobil infokommunikáció laboratórium 1. méréseihez

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

Átírás:

Gráfszínezési problémák és ütemezési alkalmazásaik Marx Dániel Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti tanszék dmarx@cs.bme.hu Neumann János Doktoranduszi Konferencia Budapest, 2003

Gráfok színezése 1 Bemenet: Egy G(V, E) gráf Feladat: rendeljünk a csúcsokhoz színeket úgy, hogy szomszédos csúcsok színe különböző legyen. Cél: Próbáljuk a feladatot minél kevesebb szín felhasználásával megoldani.

Gráfok színezése 1 Bemenet: Egy G(V, E) gráf Feladat: rendeljünk a csúcsokhoz színeket úgy, hogy szomszédos csúcsok színe különböző legyen. Cél: Próbáljuk a feladatot minél kevesebb szín felhasználásával megoldani. Minimális színszám meghatározása NP-nehéz.

Intervallumgráfok 2 Alkalmazás: repülőgépek hozzárendelése járatokhoz.

Intervallumgráfok 2 Alkalmazás: repülőgépek hozzárendelése járatokhoz.

Intervallumgráfok 2 Alkalmazás: repülőgépek hozzárendelése járatokhoz. Intervallumgráfok színezésére ismert lineáris idejű algoritmus.

Színezésbővítés 3 A színezésbővítés problémában a gráf néhány csúcsa előre ki van színezve, ezt kell befejezni adott számú szín felhasználásával. Alkalmazás: bizonyos járatokhoz már rendeltünk repülőgépeket (megváltoztathatatlanul). Intervallumgráfokon a színezésbővítés NP-teljes. [Biró, Hujter, Tuza 1992] A probléma NP-teljes marad akkor is ha, minden intervallum hossza egységnyi. [M. 2002]

Egy speciális eset 4 Minden szín csak egyszer szerepel a kezdeti színezésben. Ekkor a probléma polinom időben megoldható intervallumgráfokon. [Biró, Hujter, Tuza 1992] Alkalmazás: Minden repülőgéphez van egyetlen karbantartásra kijelölt időszak amikor nem repülhet (más megkötés nincs).

Egy speciális eset 4 Minden szín csak egyszer szerepel a kezdeti színezésben. Ekkor a probléma polinom időben megoldható intervallumgráfokon. [Biró, Hujter, Tuza 1992] Alkalmazás: Minden repülőgéphez van egyetlen karbantartásra kijelölt időszak amikor nem repülhet (más megkötés nincs). További kiterjesztés: ha minden szín csak egyszer szerepel a kezdeti színezésben, akkor a probléma polinom időben megoldható merevkörű gráfokon. [M. 2003]

Periodikus ütemezés 5 Mindennap ugyanazt a repülőgép kiosztást szeretnénk használni. Ha lehetnek éjfélen átnyúló járatok akkor egy ívgráfot kell színeznünk. A minimális színszám meghatározása ívgráfokon NP-teljes. [Garey, Johnson, Miller, Papadimitriou 1980] Ismert determinisztikus 3 -közelítő [Karapetian 1980] és randomizált 1,37-közelítő 2 [Kumar 2001] algoritmus. 0 óra

WDM gyűrűk 6 Újabb példa az ívszínezés alkalmazása: WDM gyűrűben a kijelölt utakhoz kell hullámhosszt rendelni. Egy optikai szálon egy hullámhosszt csak egy összeköttetés használhat. WDM technológia: egy optikai szálon több párhuzamos csatorna a különböző hullámhosszokon. Egy adatfolyamnak végig azonos hullámhosszon kell haladnia, mert a teljesen optikai kapcsolók nem képesek hullámhosszkonverzióra.

Bázisállomások frekvenciakiosztása 7 Mindegyik bázisállomáshoz egy frekvenciát kell rendelnünk, közeli bázisállomások interferencia miatt nem használhatják ugyanazt a frekvenciát. A probléma interferencia gráfjában a közeli állomásokat kötjük össze.

Bázisállomások frekvenciakiosztása 7 Mindegyik bázisállomáshoz egy frekvenciát kell rendelnünk, közeli bázisállomások interferencia miatt nem használhatják ugyanazt a frekvenciát. A probléma interferencia gráfjában a közeli állomásokat kötjük össze.

Bázisállomások frekvenciakiosztása 7 Mindegyik bázisállomáshoz egy frekvenciát kell rendelnünk, közeli bázisállomások interferencia miatt nem használhatják ugyanazt a frekvenciát. A probléma interferencia gráfjában a közeli állomásokat kötjük össze.

Bázisállomások frekvenciakiosztása 7 Mindegyik bázisállomáshoz egy frekvenciát kell rendelnünk, közeli bázisállomások interferencia miatt nem használhatják ugyanazt a frekvenciát. A probléma interferencia gráfjában a közeli állomásokat kötjük össze. Speciális eset: Egységkorong gráf: a csúcsok egységnyi sugarú korongok, az egymást metszők össze vannak kötve. 3-közelítő algoritmus egységkorong gráfok színezésére (pl. [Gräf et al. 1998])

Multiszínezés 8 Multiszínezés: minden csúcsra adott egy szám, ennyi színt kell neki adni úgy, hogy szomszédos színhalmazok diszjunktak legyenek. Alkalmazás: egy bázisállomáshoz nem egyetlen frekvenciát kell rendelni, hanem megadott számút.

Multiszínezés 8 Multiszínezés: minden csúcsra adott egy szám, ennyi színt kell neki adni úgy, hogy szomszédos színhalmazok diszjunktak legyenek. Alkalmazás: egy bázisállomáshoz nem egyetlen frekvenciát kell rendelni, hanem megadott számút.

Multiszínezés 8 Multiszínezés: minden csúcsra adott egy szám, ennyi színt kell neki adni úgy, hogy szomszédos színhalmazok diszjunktak legyenek. Alkalmazás: egy bázisállomáshoz nem egyetlen frekvenciát kell rendelni, hanem megadott számút. Hatszögmodell: minden cella egy hatszög, a gráf a háromszögrács részgráfja. A síkbeli háromszögrácsban a multiszínezés problémára ismert polinom idejű -közelítő algoritmus [Narayanan, Shende 2001] 4 3

Ütemezési problémák 9 Gráf csúcsai: Gráf élei: Színek: elvégzendő feladatok (egységnyi hosszúak) egyszerre nem végezhető feladatok lehetséges időpontok 1. nap 2. nap 3. nap 4. nap A 2 B C 1 4 A B C 1 3 D E F 1 D E F

Ütemezési problémák 9 Gráf csúcsai: Gráf élei: Színek: elvégzendő feladatok (egységnyi hosszúak) egyszerre nem végezhető feladatok lehetséges időpontok 1. nap 2. nap 3. nap 4. nap A 2 B C 1 4 A B C 1 3 D E F 1 D E F Színek összege: 12 Átlagos befejezési idő: 2 Színek számának minimalizálása: összes feladat befejezése minél korábban. Minimum összegű színezés: a feladatok átlagos befejezési idejének a minimalizálása.

Élszínezés 10 A gráf éleihez kell színeket rendelni, azonos csúcsra illeszkedő éleknek különböző színűeknek kell lenniük. Alkalmazás: Kétprocesszoros feladatok ütemezése. Gráf csúcsai: Gráf élei: Színek: processzorok két processzor együttes munkáját igénylő feladat lehetséges időpontok Élszínezés NP-nehéz. Ha nincsenek párhuzamos élek: OPT+1 színnel lehet színezni (Vizing-tétel). Általános eset: polinom idejű algoritmus 1,1 OPT + 0,8 színnel [Nishizeki, Kashiwagi 1990]

Minimum összegű multiszínezés 11 Minden feladat adott számú időegységet igényel minden csúcshoz adott számú színt kell rendelni. Egy csúcs befejezési ideje a hozzárendelt legnagyobb szín. Cél: minimalizáljuk a befejezési idők összegét, ezzel minimalizáljuk a feladatok átlagos befejezési idejét. 1. nap 2. nap 3. nap 4. nap 5. nap Befejezési idő A: 2, 5 B: 1 C: 2 A 5 2 1 1 B 1 2 1 D: 1, 4 E: 3 F: 1, 4, 5 3 C D E F 2 4 3 5 Összeg: 20

Minimum összegű multiszínezés (folyt.) 12 NP-nehéz bináris fákon [M. 2002] (1 + ɛ)-közelítés (polinom idejű közelítő séma) fákra és síkgráfokra [Halldórsson et al. 2003] 3 -közelítő algoritmus páros gráfokra [Bar-Noy and Kortsarz 1998] 2 Élszínezési változat: 2-közelítő algoritmus [Bar-Noy et al. 2000] NP-nehéz fákon [M. 2003] Polinom idejű közelítő séma fákra [M. 2003]

Összefoglalás 13 Színezés: konfliktusmentes hozzárendelés. A színek lehetnek kiszolgálók (repülőgép), erőforrások (frekvencia, hullámhossz) végrehajtási időpontok. Célfüggvények: színek számának, színek összegének a minimalizálása. Természetes kiterjesztés: multiszínezés. Saját eredmények: polinom idejű algoritmusok, NP-teljességi eredmények, közelítő algoritmusok.