Algoritmi e Strutture Dati Capitolo 15 - Ricerca locale Alberto Montresor Università di Trento This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike License. To view a copy of this license, visit http://creativecommons.org/licenses/by-nc-sa/2.5/ or send a letter to Creative Commons, 543 Howard Street, 5th Floor, San Francisco, California, 94105, USA. © Alberto Montresor 1 Introduzione Un approccio miope, ma talvolta efficace è quello della ricerca locale ✦ se si conosce una soluzione ammissibile (non necessariamente ottima) ad un problema di ottimizzazione, si può cercare di trovare una soluzione migliore nelle “vicinanze” di quella precedente. Si continua in questo modo fino a quando non si è più in grado di trovare soluzioni migliori ✦ © Alberto Montresor 2 Shell-sort Definizione ✦ In una sequenza di n elementi a1, ..., an, un’inversione è data da una coppia di elementi ai e aj tali che i < j e ai > aj. ✦ Il problema dell’ordinamento degli n elementi può essere formulato come problema di ottimizzazione nel modo seguente: ✦ ordinamento ✦ Data la sequenza a1, . . . , an, trovare una permutazione degli n elementi che minimizzi il numero totale di inversioni ✦ Esempio: ✦ 1,7,3,4 ha due inversioni ✦ 1,3,4,7 ha zero inversioni (è ordinata) ✦ © Alberto Montresor 3 Shell-sort Definizioni ✦ si supponga per semplicità che gli n elementi a1, ..., an siano tutti distinti ✦ sia π una permutazione degli indici 1,...,n ✦ sia aπ la corrispondente permutazione degli elementi. ✦ sia aπ − {ai} la sequenza aπ dalla quale è stato tolto un generico elemento ai. ✦ Un intorno I(aπ) può essere definito come l’insieme di tutte le permutazioni di aπ che, a meno di un elemento ai, hanno elementi uguali nella stessa posizione relativa: ✦ Criterio di miglioramento ✦ Le sequenze di I(1,7,3,4) che diminuiscono il numero di inversioni sono 1, 3, 7, 4 e 1, 3, 4, 7 ✦ © Alberto Montresor 4 Shell-sort Insertion sort ✦ Lavora riducendo il numero di inversioni nella sequenza originale ✦ Vantaggi ✦ Richiede pochi passi quando la sequenza è “quasi” ordinata (poche inversioni) ✦ Svantaggi ✦ Sposta solo elementi adiacenti fra di loro, eliminando ad ogni passo una sola inversione ✦ Shell-sort ✦ E’ possibile mantenere i vantaggi di Insertion Sort, eliminando gli svantaggi? ✦ Algoritmo proposto da Shell nel 1959 ✦ © Alberto Montresor 5 Shell-sort Idea ✦ Invece di considerare elementi a distanza 1, considera elementi a distanza... 1093, 364, 121, 40, 13, 4, 1 ✦ © Alberto Montresor 6 Shell-sort Esempio di funzionamento ✦ © Alberto Montresor 7 Shell-sort Alcuni commenti sulla complessità ✦ © Alberto Montresor 8 Shell-sort Commenti finali ✦ Valida alternativa ad algoritmi asintoticamente più efficienti per valori di n non troppo elevati ✦ Ordinamento iterativo, in loco ✦ © Alberto Montresor 9 Problemi di flusso Rete di flusso ✦ Una rete di flusso G = (V,E,s,p,c) è data da ✦ un grafo orientato G = (V,E), ✦ da una coppia di vertici di V detti sorgente s e pozzo p, ✦ da una funzione di capacità a valori interi positivi c:V ×V →Z+ ∪{0}, tale per cui c(u,v)=0 se (u,v) ∈ E. ✦ Flusso ✦ Una funzione a valori interi f : V × V → Z che soddisfa le seguenti proprietà ✦ Simmetria opposta: f(u, v) = −f (v, u) per ogni coppia u, v ∈ V ✦ Vincolo di capacità: f(u, v) ≤ c(u, v) per ogni coppia u,v ∈ V ✦ Conservazione del flusso: ∑v f(u, v) = 0 per ogni nodo u ∈ V − {s, p} ✦ © Alberto Montresor 10 Definizioni Valore di flusso ✦ Il valore di un flusso f è la quantità di flusso uscente da s. ✦ Problema flusso massimo ✦ Data una rete G=(V,S,s,p,c), si vuole trovare un flusso f* di valore massimo: ✦ © Alberto Montresor 11 Definizioni Capacità residua ✦ La capacità residua di un flusso f in una rete G = (V, E, s, p, c) è una funzione r :V ×V →R+ ∪{0} tale che r(u,v) = c(u,v)−f(u,v). ✦ Rete residua ✦ La rete di flusso residua R=(V, Er, s, p, r) ha lo stesso insieme di nodi, la stessa sorgente e pozzo, la capacità residua r, mentre l’insieme Er contiene un arco per tutte le coppie di nodi u,v tali che r(u,v) > 0 ✦ Flusso nullo ✦ Un flusso nullo è una funzione f0 :V ×V →R+ ∪{0} tale che f0(u,v) = 0. ✦ Somma di flussi ✦ f1+f2 è una funzione tale per cui (f1+f2)(u,v) = f1(u)+f2(v) ✦ © Alberto Montresor 12 Definizioni Cammino aumentante ✦ Un cammino aumentante per f è un cammino da s a p in R. ✦ Capacità del cammino ✦ è uguale alla capacità più piccola tra quelle di tutti gli archi (u, v) che compaiono nel cammino ✦ Flusso aumentante ✦ Dato ✦ un cammino aumentante (u1, u2), (u2, u3), ..., (un-1, un) con s≡u1, p=un, e ✦ la sua capacità δ, ✦ si definisce un flusso aumentante g come segue: ✦ g(ui-1, ui) = δ, g(ui, ui-1) = δ ✦ g(u,v) = 0 altrimenti ✦ © Alberto Montresor 13 Metodo delle reti residue Idea informale ✦ 1.Si costruisce il flusso ottimo a partire da un flusso ammissibile, cercando nell’intorno di quest’ultimo. 2.Il flusso corrente f viene inizializzato con il flusso nullo f0 3.Si ripeteno le seguenti operazioni 1.Si calcola la rete residua R=(V,E,s,t,cf) ottenuta dalla rete originale sostituendo la capacità residua alla capacità originale 2.Si cerca un flusso aumentante g per R 3.Si somma g ad f 4.finché g ≠ f0 © Alberto Montresor 14 Metodo delle reti residue © Alberto Montresor 15 Versione in Java © Alberto Montresor 16 Versione in Java © Alberto Montresor 17 Esempio © Alberto Montresor 18 Esempio © Alberto Montresor 19 Taglio Definizioni ✦ Un taglio (S,P) è una partizione dell’insieme dei nodi tale che s∈S, p∈P, S∪P =V, ed S∩P =∅. ✦ La capacità del taglio è c(S, P ) = ∑u∈S,v∈P c(u, v). ✦ Un taglio di capacità minima è detto taglio minimo. ✦ Se f è un flusso ed (S, P) è un taglio, allora il flusso che attraversa il taglio è ✦ © Alberto Montresor 20 Alcune proprietà interessanti Lemma ✦ Il valore di un flusso è uguale al flusso che attraversa un qualsiasi taglio, il quale a sua volta non supera la capacità del taglio stesso, cioè che |f| = f(S,P) ≤ c(S,P) ✦ Dimostrazione: alla lavagna ✦ Teorema (flusso massimo / taglio minimo) ✦ Le condizioni seguenti sono tra loro equivalenti: 1. f è un flusso massimo ✦ 2. non esiste alcun cammino aumentante per f 3. esiste un taglio (S,P) tale che |f| = c(S,P) Dimostrazione: alla lavagna ✦ © Alberto Montresor 21 Alcune varianti Ford-Fulkerson (1956) ✦ Si trova un cammino aumentante utilizzando un qualunque algoritmo di visita ✦ Assume che la capacità siano intere ✦ Ogni cammino aumentante aumenta il flusso di almeno 1 ✦ Complessità: O(|f*| (m+n)) (valore del flusso massimo × costo di una visita) ✦ Edmonds-Karp (1972) ✦ Basato su visite in ampiezza ✦ Complessità: O(nm2) ✦ Nota: caso particolare di Ford-Fulkerson, vale il limite superiore più stretto ✦ Algoritmo dei tre indiani (Kumar, Malhotra, Maheswari, 1978) ✦ Complessità: O(n3) ✦ © Alberto Montresor 22