Bài giảng Toán rời rạc - Phần 2 - Bài toán ghép cặp

Nội dung text: Bài giảng Toán rời rạc - Phần 2 - Bài toán ghép cặp

1. Bài toỏn ghộp cặp Graph Matching Graph Matching 1
2. Bài toỏn ghộp cặp trờn đồ thị Giả sử G=(V,E) là đồ thị vô hớng, trong đó mỗi cạnh (v,w) đợc gán với một số thực c(v,w) gọi là trọng số của nó. Định nghĩa. Cặp ghép M trên đồ thị G là tập các cạnh của đồ thị trong đó không có hai cạnh nào có đỉnh chung. ◼ Số cạnh trong M - kích thớc, ◼ Tổng trọng số của các cạnh trong M - trọng lợng của cặp ghép. ◼ Cặp ghép với kích thớc lớn nhất đợc gọi là cặp ghép cực đại. ◼ Cặp ghép với trọng lợng lớn nhất đợc gọi là cặp ghép lớn nhất. ◼ Cặp ghép đợc gọi là đầy đủ (hoàn hảo) nếu mỗi đỉnh của đồ thị là đầu mút của ít nhất một cạnh trong cặp ghép. Graph Matching 2
3. Hai bài toỏn Bài toán cặp ghép cực đại: Tìm cặp ghép với kích thớc lớn nhất trong đồ thị G. Bài toán cặp ghép lớn nhất: Tìm cặp ghép với trọng lợng lớn nhất trong đồ thị G. Ta hạn chế xét các bài toán đặt ra trên đồ thị hai phía G = (X  Y, E). Graph Matching 3
4. Vớ dụ Cặp ghộp cực đại Cặp ghộp khụng là cặp ghộp Cặp ghộp Cặp ghộp hoàn hảo Graph Matching 4
5. Vớ dụ 12 x1 y1 3 4 x2 y2 8 3 x3 2 y3 4 6 y x4 4 Cặp ghộp lớn nhất: M = {(x1, y1), (x2, y3), (x3, y2), (x4, y4)} Cú trọng lượng 29. Graph Matching 5
6. Bài toán cặp ghép cực đại trên đồ thị hai phía 1 6 Xét đồ thị hai phía G = (X  Y, E). 2 7 Cặp ghép là tập cạnh mà không có hai cạnh nào có chung đỉnh 3 8 Bài toán: Tìm cặp ghép 4 9 kích thớc lớn nhất 5 10 Graph Matching 6
7. Qui về Bài toán luồng cực đại 1 6 2 7 s 3 8 t 4 9 5 10 Mỗi cạnh được thay thế bởi Mỗi cung (s, i) cú kntq 1. cung cú kntq 1. Mỗi cung (j, t) cú kntq 1.Graph Matching 7
8. Tỡm luồng cực đại 1 6 2 7 s 3 8 t 4 9 5 10 Luồng cực đại từ s->t cú giỏ trị 4. Cặp ghộp cực đại cú kớch thước 4. Graph Matching 8
9. Bài toán cặp ghép cực đại trên đồ thị hai phía Giả sử M là một cặp ghép trên G. Nếu cạnh e = (x, y) M, ta nói e là cạnh của cặp ghép (hay cạnh đậm) và các đỉnh x, y là các đỉnh đậm (hay không tự do). Nếu cạnh e = (x, y) M, thì ta nói e là cạnh nhạt còn các đỉnh x, y là các đỉnh nhạt (hay tự do). Graph Matching 9
10. Đường tăng cặp ghộp Một đờng đi trên đồ thị G mà trong đó hai cạnh liên tiếp là không cùng đậm hay nhạt sẽ đợc gọi là đờng đi luân phiên đậm/nhạt (hay gọi ngắn gọn là đờng đi luân phiên). Đờng đi luân phiên bắt đầu từ một đỉnh tự do thuộc tập X và kết thúc ở một đỉnh tự do thuộc tập Y đợc gọi là đờng tăng cặp ghép. Graph Matching 10
11. Định lý Berge Định lý 1 (Berge C). Cặp ghép M là cực đại khi và chỉ khi không tìm đợc đờng tăng cặp ghép. CM: Điều kiện cần. Bằng phản chứng. Giả sử M là cặp ghép cực đại nhng vẫn tìm đợc đờng tăng cặp ghép P  x0, y1, x1, y2, , xk, y0 trong đó x0 và y0 là các đỉnh tự do. Gọi EP là tập các cạnh của đồ thị nằm trên đờng đi P EP = { (x0,y1), (y1, x1), , (xk, y0) }. Dễ thấy số lợng cạnh nhạt trong EP là bằng số lợng cạnh đậm của nó cộng với 1. Để đơn giản trong phần dới đây ta đồng nhất ký hiệu đờng đi P với tập cạnh EP của nó. Xây dựng cặp ghép M’ theo qui tắc: M’ = (MP) \ (MP). Dễ thấy M’ cũng là cặp ghép và rõ ràng |M’| = |M| +1. Mâu thuẫn thu đợc đã chứng minh điều kiện cần. Graph Matching 11
12. Định lý Berge Điều kiện đủ. Giả sử cặp ghép M cha là cặp ghép cực đại. Gọi M* là cặp ghép cực đại. Xét đồ thị G’ = (V, MM*). Rõ ràng hai cạnh liên tiếp trong mỗi đờng đi cũng nh mỗi chu trình trong G’ không thể thuộc cùng một cặp ghép M hoặc M*. Vì vậy, mỗi đờng đi cũng nh mỗi chu trình trong G’ đều là đờng luân phiên M/M*. Do |M*| > |M|, nên rõ ràng là luôn tìm đợc ít nhất một đờng đi luân phiên M/M* mà trong đó số lợng cạnh thuộc M* là lớn hơn số lợng cạnh thuộc M. Đờng đi đó chính là đờng tăng cặp ghép trên đồ thị G. Định lý đợc chứng minh. Chú ý: Trong chứng minh định lý ta không sử dụng tính hai phía của G. Do đó, Định lý 1 là đúng với đồ thị vô hớng bất kỳ. Graph Matching 12
13. Thuật toán tìm cặp ghép cực đại Đầu vào: Đồ thị vô hớng G = (V, E). Bớc khởi tạo. Xây dựng cặp ghép M trong đồ thị G (có thể bắt đầu từ M = ). Bớc lặp. ◼ Kiểm tra tiêu chuẩn tối u: Nếu đồ thị G không chứa đờng tăng cặp ghép thì M là cặp ghép cực đại, thuật toán kết thúc. ◼ Ngợc lại, gọi P là một đờng tăng cặp ghép xuất phát từ đỉnh tự do x0 X, kết thúc ở đỉnh tự do y0 Y. Tăng cặp ghép theo qui tắc M:= (MP) \ (MP), rồi lặp lại bớc lặp. Graph Matching 13
14. Tỡm đường tăng Từ đồ thị G ta xây dựng đồ thị có hớng GM = (XY, EM) với tập cung EM đợc bằng cách định hớng lại các cạnh của G theo quy tắc sau: i) Nếu (x,y) ME, thì (y,x) EM; ii) Nếu (x,y) E \ M, thì (x,y) EM. Đồ thị GM sẽ đợc gọi là đồ thị tăng cặp ghép. Dễ thấy: ◼ Đờng tăng cặp ghép tơng ứng với một đờng đi xuất phát từ một đỉnh tự do x0 X kết thúc tại một đỉnh tự do y0 Y trên đồ thị GM. ◼ Ngợc lại, một đờng đi trên đồ thị GM xuất phát từ một đỉnh tự do x0 X kết thúc tại một đỉnh tự do y0 Y sẽ tơng ứng với một đờng tăng cặp ghép trên đồ thị G. Vì vậy, để xét xem đồ thị G có chứa đờng tăng cặp ghép hay không, có thể thực hiện thuật toán tìm kiếm theo chiều rộng trên đồ thị GM bắt đầu từ các đỉnh tự do thuộc tập X. Graph Matching 14
15. Thuật toỏn Sử dụng cách tìm đờng tăng cặp ghép theo nhận xét vừa nêu, từ sơ đồ tổng quát dễ dàng xây dựng thuật toán để giải bài toán tìm cặp ghép cực đại trên đồ thị hai phía với thời gian tính O(n3), trong đó n = max (|X|, |Y|). Graph Matching 15
16. Cài đặt Cấu trỳc dữ liệu Var A : Array[1 100,1 100] of Byte; (* Ma trận kề của đồ thi hai phớa G *) Truoc, (* Ghi nhận đường đi *) Vo, (* Vo[x]- đỉnh được ghộp với x X *) Chong : Array[1 100] of Byte; (* Chong[y]-đỉnh được ghộp với y Y *) N, x0, y0, Cnt : Byte; Stop : Boolean; (* Nếu (x, y) M thỡ Vo[x]=y; Chong[y]=x. Vo[x]=0 => x là đỉnh nhạt; Chong[y]=0 => y là đỉnh nhạt *) Graph Matching 16
17. Tỡm đường tăng Procedure Tim(x:Byte); Procedure Tim_Duong_Tang; var y: Byte; begin begin Fillchar(Truoc,Sizeof(Truoc),0); For y:=1 to N do y0:=0; If (A[x,y]=1)and(Truoc[y]=0)and(y0=0) then For x0:=1 to N do begin begin Truoc[y]:=x; If Vo[x0]=0 then Tim(x0); If Chong[y] 0 then exit; else end; begin Stop:=true; y0:=y; end; Exit; end; end; end; Graph Matching 17
18. Thủ tục MaxMatching Procedure Tang; var temp: Byte; Procedure MaxMatching; begin begin Inc(Cnt); Stop:=false; While Truoc[y0]<>x0 do Fillchar(Vo,Sizeof(Vo),0); begin Fillchar(Chong,Sizeof(Chong),0); Chong[y0]:=Truoc[y0]; Cnt:=0; Temp:=Vo[Truoc[y0]]; While not Stop do begin Vo[Truoc[y0]]:=y0; Tim_duong_tang; y0:=Temp; If not Stop then Tang; end; end; Chong[y0]:=x0; end; Vo[x0]:=y0; end; Graph Matching 18
19. Bài toán phân công Có n công việc và n thợ. Mỗi thợ đều có khả năng thực hiện tất cả các công việc. Biết wij - hiệu quả phân công thợ i làm việc j, (i, j = 1, 2, , n). Cần tìm cách phân công thợ thực hiện các công việc sao cho mỗi thợ chỉ thực hiện một việc và mỗi việc chỉ do một thợ thực hiện, đồng thời tổng hiệu quả thực hiện các công việc là lớn nhất. Graph Matching 19
20. Qui về bài toỏn cặp ghộp lớn nhất Xây dựng đồ thị hai phía đầy đủ G = (XY, E) ◼ X={x1, x2, , xn} tơng ứng với các thợ, ◼ Y = {y1, y2, , yn }- tơng ứng với các công việc. Mỗi cạnh (xi, yj) đợc gán cho trọng số w(xi, yj) = wij. Khi đó trong ngôn ngữ đồ thị, bài toán phân công có thể phát biểu nh sau: Tìm trong đồ thị G cặp ghép đầy đủ có tổng trọng số là lớn nhất. Cặp ghép nh vậy đợc gọi là cặp ghép tối u. Graph Matching 20
21. Cơ sở thuật toán Ta gọi một phép gán nhãn chấp nhận đợc cho các đỉnh của đồ thị G=(XY,E) là một hàm số f xác định trên tập đỉnh XY: f: XY → R, thoả mãn f(x) + f(y) w(x,y), x X, y Y. Một phép gán nhãn chấp nhận đợc nh vậy dễ dàng có thể tìm đợc, chẳng hạn phép gán nhãn sau đây là chấp nhận đợc f(x) = max { w(x,y): y Y }, x X, f(y) = 0 , y Y. Graph Matching 21
22. Đồ thị cõn bằng Giả sử có f là một phép gán nhãn chấp nhận đợc, ký hiệu Ef = {(x,y) E: f(x) + f(y) = w(x,y)}. Ký hiệu Gf là đồ thị con của G sinh bởi tập đỉnh XY và tập cạnh Ef . Ta sẽ gọi Gf là đồ thị cân bằng. Graph Matching 22
23. Tiờu chuẩn tối ưu Định lý 2. Giả sử f là phép gán nhãn chấp nhận đợc. Nếu Gf chứa cặp ghép đầy đủ M*, thì M* là cặp ghép tối u. Chứng minh. Giả sử Gf chứa cặp ghép đầy đủ M*. Khi đó từ định nghĩa Gf suy ra M* cũng là cặp ghép đầy đủ của đồ thị G. Gọi w(M*) là trọng lợng của M*: w()() M* =  w e eM * Do mỗi cạnh e M* đều là cạnh của Gf và mỗi đỉnh của G kề với đúng một cạnh của M*, nên w()()() M* == w e f v eM * vV Giả sử M là một cặp ghép đầy đủ tuỳ ý của G, khi đó w()()() M=  w e f v e M v V Suy ra w(M*) w(M). Vậy M* là cặp ghép tối u. Graph Matching 23
24. Sơ đồ thuật toỏn Ta sẽ bắt đầu từ một phép gán nhãn chấp nhận đợc f. Xây dựng đồ thị Gf. Bắt đầu từ một cặp ghép M nào đó trong Gf ta xây dựng cặp ghép đầy đủ trong Gf. Nếu tìm đợc cặp ghép đầy đủ M*, thì nó chính là cặp ghép tối u. Ngợc lại, ta sẽ tìm đợc cặp ghép cực đại không đầy đủ M'. Từ M' ta sẽ tìm cách sửa phép gán nhãn thành f' sao cho M' vẫn là cặp ghép của Gf' và có thể tiếp tục phát triển M' trong Gf'., v.v Quá trình đợc tiếp tục cho đến khi thu đợc cặp ghép đầy đủ trong đồ thị cân bằng. Graph Matching 24
25. Điều chỉnh nhón Giả sử M là cặp ghép cực đại trong đồ thị Gf và M cha là cặp ghép đầy đủ của G. Ta cần tìm cách điều chỉnh phép gán nhãn f thoả mãn các yêu cầu đặt ra. Thực hiện tìm kiếm theo chiều rộng từ các đỉnh tự do trong X. Gọi S là các đỉnh đợc thăm trong X, còn . T là các đỉnh đợc thăm trong Y trong quá trình thực hiện tìm kiếm. Ký hiệu SXSTYT ==\;\. | S | > | T | (do mỗi đỉnh trong T đạt đợc từ một đỉnh nào đó trong S). Graph Matching 25
26. Điều chỉnh nhón Từ tính chất của thuật toán tìm kiếm theo chiều rộng, rõ ràng, không có cạnh nào từ S đến T*. Để sửa chữa nhãn, chúng ta sẽ tiến hành giảm đồng loạt các nhãn trong S đi cùng một giá trị  nào đó, và đồng thời sẽ tăng đồng loạt nhãn của các đỉnh trong T lên . Điều đó đảm bảo các cạnh từ S sang T (nghĩa là những cạnh mà một đầu mút thuộc S còn một đầu mút thuộc T) không bị loại bỏ khỏi đồ thị cân bằng S* T* Các tập S và T trong thực hiện thuật toán. Chỉ vẽ các cạnh trong Gf. Graph Matching 26
27. Điều chỉnh nhón Khi các nhãn trong S bị giảm, các cạnh trong G từ S sang T* sẽ có khả năng gia nhập vào đồ thị cân bằng Gf. Ta sẽ tăng  đến khi có thêm ít nhất một cạnh mới gia nhập đồ thị cân bằng. Có hai khả năng: ◼ Nếu cạnh mới gia nhập đồ thị cân bằng giúp ta thăm đợc một đỉnh không tự do y T* thì từ nó ta sẽ thăm đợc một đỉnh đợc ghép với nó trong cặp ghép x S* , và cả hai đỉnh này đợc bổ sung vào S và T tơng ứng, và nh vậy việc tìm kiếm đờng tăng sẽ đợc tiếp tục mở rộng. ◼ Nếu cạnh mới gia nhập đồ thị cân bằng cho phép thăm đ- ợc một đỉnh tự do y T* thì ta tìm đợc đờng tăng cặp ghép, và kết thúc một pha điều chỉnh nhãn. Graph Matching 27
28. Điều chỉnh nhón Ta gọi một pha điều chỉnh là tất cả các lần sửa nhãn cần thiết để tăng đợc kích thớc của cặp ghép M. Vì sau mỗi pha điều chỉnh kích thớc của cặp ghép tăng lên 1, nên ta phải thực hiện nhiều nhất n pha điều chỉnh. Trong mỗi pha điều chỉnh, do sau mỗi lần sửa nhãn có ít nhất hai đỉnh mới đợc bổ sung vào danh sách các đỉnh đợc thăm, nên ta phải thực hiện việc sửa nhãn không quá n lần. Mặt khác, trong thời gian O(n2) ta có thể xác định đợc cạnh nào từ S sang T* là cạnh gia nhập đồ thị cân bằng (bằng việc duyệt hết các cạnh). Từ đó suy ra đánh giá thời gian tính của thuật toán là O(n4). Graph Matching 28
29. Thuật toỏn Bớc 0: Tìm một phép gán nhãn chấp nhận đợc f. Bớc 1: Xây dựng đồ thị cân bằng Gf. Bớc 2: Tìm cặp ghép cực đại M trong Gf. Bớc 3: Nếu M là cặp ghép đầy đủ thì nó là cặp ghép lớn nhất cần tìm. Thuật toán kết thúc. Bớc 4: Gọi S là tập các đỉnh tự do trong X. Thực hiện tìm kiếm từ các đỉnh trong S. Gọi T là tập các đỉnh của Y đợc thăm trong quá trình tìm kiếm. Bổ sung các đỉnh trong X đ- ợc thăm trong quá trình tìm kiếm vào S. Bớc 5: Tiến hành điều chỉnh nhãn f ta sẽ bổ sung đợc các cạnh vào Gf cho đến khi tìm đợc đờng tăng, bổ sung các đỉnh mới đợc thăm vào S và T tơng ứng nh đã mô tả ở trên. Tăng cặp ghép M và quay lại bớc 3. Graph Matching 29
30. Tăng hiệu quả Để có đợc thuật toán với đánh giá thời gian tính tốt hơn, vấn đề đặt ra là làm thế nào có thể tính đợc giá trị  tại mỗi lần sửa nhãn của pha điều chỉnh một cách nhanh chóng. Ta xác định độ lệch của các cạnh theo công thức slack(x, y) = f(x) + f(y) – c(x, y). Graph Matching 30
31. Tăng hiệu quả Khi đó  = minslack ( x , y ) x S, y T* Rõ ràng việc tính trực tiếp  theo công thức đòi hỏi thời gian O(n2). Bây giờ, nếu với mỗi đỉnh trong T* ta ghi nhận lại cạnh với độ lệch nhỏ nhất slack( yj )= min slack ( x i , y j ). xSi Graph Matching 31
32. Tăng hiệu quả 2 Việc tính giá trị độ lệch slack(yj) đòi hỏi thời gian O(n ) ở đầu pha điều chỉnh. Khi tiến hành pha điều chỉnh ta có thể sửa lại tất cả các độ lệch trong thời gian O(n) do chúng bị thay đổi cùng một giá trị (do nhãn của các đỉnh trong S giảm đồng loạt đi cùng một giá trị ). Khi một đỉnh x đợc chuyển từ S* sang S ta cần tính lại các độ lệch của các đỉnh trong T*, việc đó đòi hỏi thời gian O(n). Tuy nhiên sự kiện một đỉnh đợc chuyển từ S* sang S chỉ xảy ra nhiều nhất n lần. Nh vậy, mỗi pha điều chỉnh có thể cài đặt với thời gian O(n2). Do có không quá n pha điều chỉnh trong thuật toán, nên cách cài đặt này cho ta thuật toán với thời gian tính O(n3). Graph Matching 32
33. Vớ dụ Xột bài toỏn với ma trận hiệu quả Graph Matching 33
34. Vớ dụ Bắt đầu từ phộp gỏn nhón Đồ thị cõn bằng Gf Cặp ghép cực đại tìm đợc M = {(x1,y2), (x2,y1), (x4, y4) }. Tìm kiếm theo chiều rộng bắt đầu từ đỉnh tự do x3 ta có S = { x2 , x3 }, T = {y1} Graph Matching 34
35. Vớ dụ Tính  = min {f(x)+f(y)-w(x,y): x {x2, x3}, y {y2, y3, y4} } = 1. Tiến hành sửa nhãn, ta đi đến phép gán nhãn mới Graph Matching 35
36. Vớ dụ Theo đờng tăng cặp ghép x3, y3, x4, y4 ta tăng cặp ghép M thành cặp ghép đầy đủ M ={(x1,y2), (x3,y1), (x2,y3), (x4,y4)}, đồng thời là cặp ghép tối u với trọng lợng w(M) = 4 + 2 + 5 + 2 = 13. Graph Matching 36
37. Cài đặt trờn Pascal const maxn = 170; type data1=array [1 maxn,1 maxn] of integer; data2=array [1 2*maxn] of integer; data3=array [1 2*maxn] of longint; var c: data1; px, py, q, queue: data2; a, b, f: data3; n, n2, k, u, z: integer; Graph Matching 37
38. Khởi tạo procedure init; var i, j: integer; begin n2:= n+n; fillchar(f,sizeof(f),0); for i:=1 to n do for j:=1 to n do if f[i]<c(i,j) then f[i]:=c(i,j); k:=0; fillchar(px,sizeof(px),0); fillchar(py,sizeof(py),0); for i:=1 to n do for j:=1 to n do if (py[j]=0) and (f[i]+f[j+n]=c(i,j)) then begin px[i]:=j; py[j]:=i; inc(k); break; end; end; Graph Matching 38
39. Tỡm đường tăng function FoundIncPath: boolean; var dq, cq, v, w: integer; begin fillchar(q,sizeof(q),0); dq:=1; cq:=1; queue[dq]:=u; q[u]:=u; while dq<=cq do begin v:=queue[dq]; inc(dq); if v<=n then begin for w:=n+1 to n2 do if (f[v]+f[w]=c(v,w-n)) and (q[w]=0) then begin inc(cq); queue[cq]:=w; q[w]:=v; end; end else if (py[v-n]=0) then begin FoundIncPath:=true;z:=v;exit; end else begin w:=py[v-n]; inc(cq); queue[cq]:=w; q[w]:=v; end; end; FoundIncPath:=false; end; Graph Matching 39
40. Tỡm đỉnh tự do function FreeNodeFound :boolean; var i:integer; begin for i:=1 to n do if px[i]=0 then begin u:=i; FreeNodeFound:=true; exit; end; FreeNodeFound :=false; end; Graph Matching 40
41. Tăng cặp ghộp và Sửa nhón procedure Tangcapghep; procedure Suanhan; var i, j: integer; var i, j: integer; ok: boolean; d: longint; begin j:=z; ok:=true; begin while j 0 then if ok then for j:=n+1 to n2 do begin if q[j]=0 then px[i]:=j-n; if d>longint(f[i]+f[j]-c(i,j-n)) then py[j-n]:=i; d:=longint(f[i]+f[j]-c(i,j-n)); end; j:=i; for i:=1 to n do ok:= not ok; if q[i]>0 then dec(f[i],d); end; for j:=n+1 to n2 do inc(k); if q[j]>0 then inc(f[j],d); end; end; Graph Matching 41
42. Main Procedure procedure Solve; begin init; while FreeNodeFound do begin while not FoundIncPath do suanhan; Tangcapghep; end; end; Graph Matching 42
43. Graph Matching 43