Teoria Grafow I Sieci - Temat NR 2

TEORIA GRAFÓW I SIECI
dr hab. inż. Zbigniew Tarapata, prof. WAT
Temat nr 2: Kolorowanie grafów
dr hab. inż. Zbigniew TARAPATA, prof. WAT

e-mail: zbigniew.tarapata@wat.edu.pl
http://tarapata.edu.pl
tel.: 261-83-95-04, p.225/100
Zakład Badań Operacyjnych i Wspomagania Decyzji

Instytut Systemów Informatycznych
Wydział Cybernetyki, Wojskowa Akademia Techniczna
Kilka dalszych definicji…
✓ Podgraf pusty: podgraf, który jest grafem pustym;
2 d
1 a
5
G
g
3
4 f 6 Podgraf pusty grafu G
✓ Zbiór wewnętrznie stabilny: W’ W taki, że
G’ =  W’, U’, P’ tworzy podgraf pusty grafu G;
np. W’={1,3,5}, {1,3}, {2,4}, {1,4}, {2,6}, {i}i=1,..6, dla grafu G powyżej;
✓ Maksymalny zbiór wewnętrznie stabilny: zbiór
wewnętrznie stabilny, który nie jest podzbiorem właściwym żadnego
zbioru wewnętrznie stabilnego; np. {1,3,5}, {1,3,6}, {1,4}, {2,4}, {2,6}.
✓ Najliczniejszy zbiór wewnętrznie stabilny: zbiór
wewnętrznie stabilny o największej liczności, np. {1,3,5}, {1,3,6}.
2
Kilka dalszych definicji…
✓ Baza grafu G =  W, U, P : każdy taki podgraf
G’ = W’, U’, P’, że każda gałąź u  U jest incydentna
z pewnym x  W’;
2 d 2 2 d 2 d
1 a
5 5 5
G
g g g
3 3 3
4 f 6 4 f 6 4 f 6 6
Baza1 grafu G Baza2 grafu G Baza3 grafu G
✓ Baza minimalna: baza, której „odpowiada” maksymalny zbiór

wewnętrznie stabilny, np. Baza1, Baza3;
✓ Baza najmniej liczna: baza, której „odpowiada” najliczniejszy
zbiór wewnętrznie stabilny, np. Baza1.
TWIERDZENIE: G’ =  W’, U’, P’  jest bazą grafu G =  W, U, P  
W\W’ tworzy podgraf pusty (zbiór wewnętrznie stabilny) grafu G.
3
Przykład: bazy grafu i zbiory wewnętrznie stabilne
Niech graf G opisuje następującą sytuację: wierzchołki grafu
reprezentują radiowe punkty nadawczo – odbiorcze, a
gałęzie – różnego rodzaju zakłócenia wynikające z pracy
nadajników umieszczonych w tych punktach.
Należy wybrać do jednoczesnej pracy takie odbiorniki

(nadajniki), aby nie powodować zakłóceń i jednocześnie
przesłać jak najwięcej informacji w krótkim czasie.
ROZWIĄZANIEM jest
2 d wyznaczenie zbioru wewnętrznie
1 a stabilnego wierzchołków (brak zakłóceń)
5 i dodatkowo takiego, który jest
G b e najliczniejszym maksymalnym zbiorem
wewnętrznie stabilnym (przesyłanie jak
g największej ilości informacji).
3
c Np. W’ =  1, 3, 6  - jeden z
4 f 6 najliczniejszych zbiorów wewnętrznie
stabilnych grafu G. 4
Algorytm wyznaczania wszystkich baz minimalnych w grafie G
Y W , W n ,
W  w1 ,, ws ,, wn , U  u1 , u2 ,, um 
n 
x  x1 , x 2 ,  , x s ,  x n - wektor określający podgraf grafu
1 gdy ws  Y
n  n 
xs   X - zbiór wszystkich wektorów x
0 gdy ws  Y
f G : X n   0,1
1, gdy Y odpowiadający x n  tworzy bazę
 
f G x n  
0, w p.p.
Ab  G    aij  - binarna macierz incydencji grafu G
nxm 5
✓ UWAGA: w dalszych rozważaniach sumę logiczną ()

zastąpimy przez „+” a iloczyn logiczny () zastąpimy
przez „ ”.
✓Zauważmy:
1. Gałąź uj jest incydentna z pewnym
wierzchołkiem zbioru Y n
reprezentowanym przez wektor x n 
  aij  xi  1
n i 1
2. Zbiór Y tworzy bazę  

j 1,m
a
i 1
ij  xi  ,1
 
m n m n
czyli  ij i
a  x  1 , stąd f G x n 
  aij  xi
j 1 i 1 j 1 i 1
WAK  Wyrażenie Alternatywno – Koniunkcyjne

6
✓ Funkcja fG (x(n)) jest tzw. monotoniczną funkcją boolowską
(mfb). Oznacza to, że jeżeli jakiś wektor x(n) reprezentuje bazę
grafu (tzn. fG (x(n)) = 1), to wektory otrzymane z x(n) w ten sposób,
że niektóre składowe tego wektora mające wartość 0 zamieniane
są na składowe o wartości 1, też reprezentują bazy grafu G.

✓ Każdy wektor x(n)X1(n), gdzie X1(n)=x(n) : fG(x(n))=1 reprezentuje
odpowiednią bazę grafu G. Wśród nich są wektory reprezentujące
bazy minimalne.
✓ Z własności monotonicznych funkcji boolowskich wynika, że każda
mfb jest określona jednoznacznie przez zbiór tzw. wektorów
minimalnych tej funkcji Xnmin  X1(n). Każdy z wektorów
minimalnych ma z definicji tą własność, że zamiana wartości
dowolnej jego składowej mającej wartość 1 na wartość 0 daje
wektor nie należący już do zbioru X1(n), tzn. że funkcja fG przyjmuje
dla tego wektora wartość 0 i wektor ten nie reprezentuje już bazy
grafu. 7
✓ Zatem, zgodnie z definicją bazy minimalnej,
każdy wektor minimalny funkcji fG reprezentuje
odpowiednią bazę minimalną rozpatrywanego grafu G.
✓ Aby otrzymać zbiór Xnmin wektorów minimalnych funkcji fG należy
przekształcić formułę monotonicznej funkcji boolowskiej (WAK) do

postaci tzw.
 
minimalnej formuły alternatywnej (mfa): fG x   x
n 
 
k  n 
k
aa a
Postać
a  a b  a nieredukowalna
a  b  a  c  a  b  c 
czyli:   aa  a  
a  a  b   a mfa
WAK
a  b  a  c   a  b  c
dzialania algebry Boole' a
8
✓ Każdy składnik (iloczyn) sumoiloczynu mfa określa
odpowiedni wektor minimalny w ten sposób, że zmienne
boolowskie występujące w tym iloczynie odpowiadają tym
składowym wektora minimalnego, które mają wartość 1.
Pozostałe składowe są = 0.
✓ Otrzymamy zatem:
 X   1  f X   1
k  n  n 
G
Wszystkie zmienne Zmienne występujące
w iloczynie = 1 w iloczynie odpowiadają
wierzchołkom tworzącym
bazę minimalną.
9
✓ PROCEDURA (wyznaczania wszystkich baz
minimalnych)
1. utworzyć WAK
2. przekształcić WAK do postaci mfa
3. odczytać bazy minimalne lub

4. odczytać maksymalne zbiory wewnętrznie stabilne.
✓ Przykład:
Dla grafu G jak poniżej wyznaczyć wszystkie bazy
minimalne oraz maksymalne zbiory wewnętrznie stabilne.
2 d
1 a
5
G b e
g
3
c
4 f 6 10
✓ Rozwiązanie: a b c d e f g
1 1 0 0 0 0 0 0
a 2 d
2 1 0
1
1 0 1 0 0 5
3 0 1 1 0 0 0 0 G b e
Mamy Ab G    
4 0 0 1 0 1 1 0 g
3
5 0 0 0 1 1 0 1 c
  4 f 6
6 0 0 0 0 0 1 1
✓ Wyrażenie boolowskie funkcji fG ma postać:

    a
7 6
6 
fG x ij  xi 
j 1 i 1
 x1  x2   x2  x3   x3  x4   x2  x5   x4  x5   x4  x6   x5  x6  
 x2  x1  x3  x5   x3  x4   x4  x5   x4  x6   x5  x6  
 x2  x1  x3  x5   x4  x3  x5  x6   x5  x6  
 x2  x4  x5  x2  x4  x6  x2  x3  x5  x6  x1  x3  x4  x5 
 x1  x3  x4  x5  x6  x1  x3  x5  x6 11
✓ Rozwiązanie, c.d.:
a 2 d
1
5
G b e
g
3
c
4 f 6
✓ Zatem graf G ma 5 baz minimalnych tworzonych przez wierzchołki:
b1 - 2, 4, 5; b2 – 2, 4, 6; b3 – 2, 3, 5, 6; b4 – 1, 3, 4, 5;
b5 – 1, 3, 5,6.
✓ Maksymalne zbiory wewnętrznie stabilne są następujące:
W1 = 1, 3, 6; W2 = 1, 3, 5; W3 = 1, 4; W4 = 2, 6;
W5 = 2, 4.
12
Zadanie kolorowania wierzchołków grafu
✓Pokolorowanie: funkcja f : W  N taka, że
f(x) = f(y)  x  y  x oraz y nie są przyległe (*)
✓Zadanie kolorowania: dla danego grafu
G = W, U wyznaczyć f * : W  N tak, aby

max f 
 x   min max f  x 
f F xW
gdzie:
F – zbiór wszystkich funkcji przekształcających W
w N o własności (*)
Wierzchołki mają nadane numery kolorów:
- 1, 4, 5 -3
- 2, 6
13
Kolorowanie map – historyczne zastosowanie problemu kolorowania grafu
14
✓ Problem tzw. „czterech barw”:

15
✓Twierdzenie:
Każdą mapę na płaszczyźnie można przy użyciu
czterech barw pokolorować dobrze (czyli tak, aby
graniczące (*) z sobą państwa były różnego koloru)

(*) graniczące, czyli posiadające granicę (a nie punkt styczności, jak na rysunku poniżej
z lewej)
UWAGA!!!
1. Twierdzenie o czterech barwach dotyczy
map planarnych (spłaszczalnych) lub
sferycznych, nie zaś na przykład
toroidalnych.
2. Pierwszy dowód twierdzenia wymagał
1200 godzin pracy (!!!) superkomputera
Cray w 1976 roku.
16
✓ Twierdzenie Jordana
(udowodnione przez Legendre’a):
Jeśli G jest mapą powstałą z grafu o V wierzchołkach z E
krawędziami i F trójkątnymi elementami, wówczas V + F - E = 2.
W przykładzie z lewej:
V=5; F=6; E=9
czyli V + F - E = 2
✓ Z formuły Eulera można wywnioskować, że dowolny graf na

płaszczyźnie może mieć powierzchnię o co najwyżej 5 bokach
a zatem, skoro płaska mapa może mieć powierzchnię z co
najwyżej pięcioma bokami, wynika stąd następujące
✓ Twierdzenie: Każda mapa płaska (graf planarny) może być
pokolorowana pięcioma lub mniej kolorami. 17
Procedura kolorowania wierzchołków grafu
1. wyznaczenie wszystkich maksymalnych zbiorów wewnętrznie
stabilnych W1, W2, ....., WK;
2. utworzenie macierzy B   bij 
  nxK
gdzie:
1, gdy wi  W j

bij   wi – i-ty wierzchołek grafu

0, gdy wi  W j

3.  
dla zmiennych binarnych v j j  1, K tworzymy WAK:
1, j -ty zbiór wewn. stab. należy do pokrycia
vj  
0, w p.p.
n K POKRYCIE
 b
(elementów zbioru wierzchołków grafu G
ij  vj przez elementy zbiorów wewnętrznie
i 1 j 1 stabilnych)
4. przekształcamy WAK do postaci mfa:  v  


r  K
r 18
5. wybieramy z mfa najkrótszy iloczyn:
v i1  v i2    v iP POKRYCIE
NAJMNIEJLICZNE
6. tworzymy rodzinę A1, A2, ... AP podzbiorów:

 p 1 
A1  Wi1 , Ap  Wi p \   Ai , p  2, P PODZIAŁ
NAJMNIEJLICZNY
 i 1 
7. optymalne pokolorowanie:
f  x   p  x  A p , p  1, P
gdzie: P – liczba chromatyczna grafu

(minimalna liczba kolorów jaką można pokolorować graf).
19
✓ Przykład: 2 d
1 a
5
Pokolorować wierzchołki grafu G z rysunku obok. G b e
g
Rozwiązanie: 3
c
4 f 6
1. Wszystkie maksymalne zbiory wewnętrznie stabilne wyznaczyliśmy
w przykładzie poprzednim (str.12), tzn.: W1 = 1, 3, 6; W2 = 1, 3, 5;
W3 = 1, 4; W4 = 2, 6; W5 = 2, 4.

2. tworzymy macierz B: 5. wybieramy najkrótszy iloczyn, np.
W W W W W
1 2 3 4 5 v2 v3 v4
1 1 1 1 0 0
2 0 0 0 1 1 6. Tworzymy rodzinę A1, A2, A3:
3 1 1 0 0 0 A1 = W2 = 1, 3, 5
B   A2 = W3 \ A1 = 4
4 0 0 1 0 1 
A3 = W4 \  A1  A2 = 2, 6.
5 0 1 0 0 0 
 
6 1 0 0 1 0 7. Kolor nr 1:
wierzchołki 1, 3, 5, a 2 d
3. 4. tworzymy WAK i przekształcamy je do mfa: 1
kolor nr 2: 5
 
f G  v  v1  v2  v3   v4  v5  
5 
wierzchołek 4 G b e
g
kolor nr 3:
 v1  v2   v3  v5   v2   v1  v4   3
c
wierzchołki 2 i 6. 4 f 6
 v2 v3 v4  v2 v4 v5  v1v2 v5 20
Kolorowanie gałęzi grafu
✓ Procedura kolorowania gałęzi grafu G:
1. Utworzyć graf sprzężony (krawędziowy) G* do G:
G  W ,U , P  G  U ,U 
przy czym:
✓ jeżeli G jest grafem nieskierowanym, to:
u, v U   krawędzie u oraz v są przyległe w G
✓ jeżeli G jest grafem skierowanym, to:
 u, v  U   łuk u kończy się w wierzchołku,
w którym rozpoczyna się łuk v w G
G G*
2. Pokolorować wierzchołki w G*. 21
Szacowanie liczby chromatycznej grafu
✓ Problem optymalnego kolorowania grafu jest
NP – zupełny
✓ Szacowanie liczby chromatycznej, np.:

G   P  S G   1
gdzie: (G) – gęstość grafu (liczność zbioru wierzchołków
najliczniejszego podgrafu pełnego);
S(G) – stopień grafu.
✓ Metody przybliżone kolorowania grafu:

✓ Wood’a (tzw. macierzy podobieństw)
2 d
✓ redukcji grafu 1 a
5
G b e
✓ algorytmy LF, LS, SLF g
3
✓ inne c
4 f 6
3   G   P  S G   1  3  1  4 22
Przybliżone algorytmy kolorowania grafu
✓ Algorytm LF (Largest First)
1. Uporządkuj wierzchołki grafu malejąco według ich stopni.
2. Koloruj wierzchołki zachłannie, zgodnie z ustaloną wcześniej
kolejnością (zaczynając od wierzchołka o największym
stopniu).
Uwaga! Algorytm LF jest algorytmem statycznym, gdyż raz ustalona kolejność
wierzchołków nie zmienia się w trakcie jego działania.
✓ Algorytm SL (Smallest Last)
1. Znajdź wierzchołek o minimalnym stopniu i usuń go z grafu.
2. Powtarzaj krok pierwszy tak długo, aż graf będzie pusty (zapamiętaj
kolejność usuwanych wierzchołków).
3. Koloruj wierzchołki zachłannie, zgodnie z ustaloną wcześniej kolejnością
(zaczynając od wierzchołków usuniętych później).
Uwaga! Algorytm SL jest statyczny, jego złożoność wynosi O(n + m), gdzie
n - liczba wierzchołków, m - liczba krawędzi.
23
Przybliżone algorytmy kolorowania grafu
✓ Stopień nasycenia wierzchołka x: liczba różnych
kolorów sąsiednich z tym wierzchołkiem x.
✓ Algorytm SLF (Saturated Largest First)
dopóki istnieją nie pokolorowane wierzchołki wykonuj operacje:
{
1. znajdź wierzchołek o maksymalnym stopniu spośród
wierzchołków o maksymalnym stopniu nasycenia;
2. pokoloruj znaleziony wierzchołek zachłannie.
}
Uwaga! Złożoność algorytmu SLF wynosi O(m log n).
24
Wykorzystanie klasycznego kolorowania grafów
✓ Przykład 1 (przechowywanie substancji chemicznych).
Potrzeba przechować 5 substancji chemicznych a, b, c, d, e.
Niektóre z tych substancji reagują gwałtownie w przypadku
zetknięcia − powinny być przechowywane w odległych miejscach
(tabelka). W ilu najmniej oddzielnych częściach magazynu

możemy przechowywać te substancje i które, w których
częściach?
* – pary substancji, które
muszą być rozdzielone
Rozwiązanie:
25
Wykorzystanie klasycznego kolorowania grafów
✓ Przykład 2 (rozkład godzin wykładów).
Dysponujemy listą wykładów (lekcji). Niektóre wykłady (lekcje)
nie mogą się odbywać jednocześnie (bo np. dotyczą tej samej
klasy/grupy lub tego samego nauczyciela).
Jak ułożyć plan zajęć, aby wykłady (lekcje) kończyły się

najwcześniej, jak się da i nie kolidowały ze sobą?
Rozwiązanie:
1. Konstruujemy graf (tzw. graf konfliktów), w którym:
✓wierzchołki – wykłady,
✓krawędzie łączą te pary wykładów, które nie mogą być
zaplanowane w tym samym czasie,
✓kolor wierzchołka – godzina.
2. Pokolorowanie wierzchołków = zaplanowanie zajęć.
26
Nieklasyczne modele kolorowania
✓ Kolorowanie kontrastowe
✓ Zwane inaczej T-kolorowaniem jest jedną z odmian
kolorowania wierzchołków w grafie;
✓ posiada ono dwie cechy które różnią je od klasycznego
kolorowania:
1. inne ograniczenie dotyczące kolorowania wierzchołków
sąsiadujących ze sobą;
2. minimalizowaną wartością.
✓ W T-kolorowaniu wierzchołki sąsiadujące u i v są kolorowane
kolorami A(u), A(v), których różnica (odległość) nie należy do
pewnego zadanego zbioru T (zbioru odległości zakazanych),
tzn.
✓ Zastosowanie: problem przydziału częstotliwości, układanie

rozkładów zajęć itd.
27
✓ Przykład kolorowania kontrastowego
28
✓ Kolorowanie sprawiedliwe
✓ krotności pokolorowania poszczególnych wierzchołków muszą
się różnić nie więcej, jak o 1;
✓ Definicja
Jeśli wierzchołki grafu G można podzielić na k niezależnych klas

V1, ....,Vk oraz dla każdego i oraz j, różnego od i, z przedziału
<1,k> zachodzi nierówność | |Vi|-|Vj| |≤1, to mówimy, że graf G
został sprawiedliwie pokolorowany k kolorami.
✓ Zastosowanie: np. problem optymalnego podziału zbioru
zawierającego konflikty na równoliczne podzbiory
bezkonfliktowe.
✓ Przykład 1: Układanie planu lekcji w szkole
✓ Dwa wierzchołki są połączone wtedy i tylko wtedy, gdy dany nauczyciel
ma zajęcia z daną klasą.
✓ Problem znalezienia prawidłowego rozwiązania sprowadza się do
sprawiedliwego pokolorowania krawędzi grafu. 29
✓ Kolorowanie sprawiedliwe
✓ Przykład 2
W problemie dostaw wierzchołki grafu reprezentują miejsca
dostaw:
✓ Dwa wierzchołki są połączone krawędzią, gdy miejsca dostaw nie

mogą być obsłużone tego samego dnia.
✓ Problem przydziału jednego z 6 dni pracy każdemu miejscu →
pokolorowanie grafu sześcioma kolorami.
✓ Z uwagi na ograniczenie taboru – w każdym dniu chcemy obsłużyć
możliwie taką samą liczbę miejsc.
✓ Przykład 3
Pokolorowanie
sprawiedliwe
grafu
30
✓ kontrastowe
✓ sprawiedliwe
✓ cyrkularne
✓ harmoniczne
✓ sumacyjne
✓ zwarte
✓ listowe
✓ inne
31
Porównanie różnych modeli kolorowania pewnego grafu
klasyczne
sumacyjne
harmoniczne
kontrastowe
sprawiedliwe cyrkularne
32
DZIĘKUJĘ ZA UWAGĘ
dr hab. inż. Zbigniew TARAPATA, prof. WAT

e-mail: zbigniew.tarapata@wat.edu.pl
http://tarapata.edu.pl
Zakład Badań Operacyjnych i Wspomagania Decyzji

Instytut Systemów Informatycznych
Wydział Cybernetyki, Wojskowa Akademia Techniczna

Teoria Grafow I Sieci - Temat NR 2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teoria Grafow I Sieci - Temat NR 2

Uploaded by

Copyright:

Available Formats

TEORIA GRAFÓW I SIECI

dr hab. inż. Zbigniew Tarapata, prof. WAT

Temat nr 2: Kolorowanie grafów

dr hab. inż. Zbigniew TARAPATA, prof. WAT

tel.: 261-83-95-04, p.225/100

Zakład Badań Operacyjnych i Wspomagania Decyzji

✓ Baza minimalna: baza, której „odpowiada” maksymalny zbiór

Należy wybrać do jednoczesnej pracy takie odbiorniki

✓ UWAGA: w dalszych rozważaniach sumę logiczną ()

2. Zbiór Y tworzy bazę  

WAK  Wyrażenie Alternatywno – Koniunkcyjne

są na składowe o wartości 1, też reprezentują bazy grafu G.

przekształcić formułę monotonicznej funkcji boolowskiej (WAK) do

3. odczytać bazy minimalne lub

✓ Wyrażenie boolowskie funkcji fG ma postać:

 x1  x2   x2  x3   x3  x4   x2  x5   x4  x5   x4  x6   x5  x6  

 x2  x1  x3  x5   x3  x4   x4  x5   x4  x6   x5  x6  

 x2  x1  x3  x5   x4  x3  x5  x6   x5  x6  

G = W, U wyznaczyć f * : W  N tak, aby

✓ Problem tzw. „czterech barw”:

graniczące (*) z sobą państwa były różnego koloru)

✓ Z formuły Eulera można wywnioskować, że dowolny graf na

bij   wi – i-ty wierzchołek grafu

4. przekształcamy WAK do postaci mfa:  v  

6. tworzymy rodzinę A1, A2, ... AP podzbiorów:

gdzie: P – liczba chromatyczna grafu

W3 = 1, 4; W4 = 2, 6; W5 = 2, 4.

✓ Szacowanie liczby chromatycznej, np.:

✓ Metody przybliżone kolorowania grafu:

(tabelka). W ilu najmniej oddzielnych częściach magazynu

Jak ułożyć plan zajęć, aby wykłady (lekcje) kończyły się

✓ Zastosowanie: problem przydziału częstotliwości, układanie

Jeśli wierzchołki grafu G można podzielić na k niezależnych klas

✓ Dwa wierzchołki są połączone krawędzią, gdy miejsca dostaw nie

dr hab. inż. Zbigniew TARAPATA, prof. WAT

Zakład Badań Operacyjnych i Wspomagania Decyzji

You might also like