Introd Flurede2014

MODELOS E MTODOS DE OTIMIZAO
EM REDES DE TRANSPORTES JOS EUGENIO LEAL
1. INTRODUO
Este texto contm conceitos bsicos de fluxo em redes voltado a aplicao em
transportes. Pretende apresentar os modelos bsicos utilizados para solucionar alguns
problemas clssicos em transportes. O texto est fortemente baseado em notas de aula
ministradas pelo Prof Sang Nguyen, pesquisador renomado na rea de modelos de rede,
da Universidade de Montreal. Adicionalmente o texto utiliza abordagens de Magnanti e
de Bazaara, como referncias bsicas.
Diversos tipos de problemas podem ser atacados com a abordagem de redes, entre eles:
- sistemas eltricos
- sistemas de comunicao
- sistemas de transportes
Na sua raiz, os modelos de rede usam uma abordagem geral, no orientada para
aplicaes especficas. Neste curso ser dada a nfase a aplicaes em transportes.
O texto apresenta conceitos bsicos e algumas provas matemticas formais, mas pode
ser tomado como referncia para o aprendizado de algoritmos de resoluo dos diversos
problemas.
O captulo I mostra conceitos bsicos de grafos utilizados ao longo do curso. muito
importante para unificar uma linguagem, nomenclatura e notaes que sero teis,
tambm para a leitura de textos mais aprofundados na rea. O captulo II apresenta
formas de representar redes em computadores. No captulo III so tratadas rvores e
arborescncias timas.
O captulo IV trata de Algoritmos de caminho mnimo. Como Sang declara so
instrumentos dos mais importantes na modelagem de transportes. Embora em si, o
algoritmo tenha pouca aplicao prtica, parte fundamental de algoritmos complexos
de soluo de problemas de rede.
O captulo V apresenta modelos lineares clssicos de fluxos em redes. So tratados o
algoritmo de fluxo mximo e o algoritmo do fluxo de custo mnimo.
Em geral o curso complementado com um conjunto de exerccios. Os exerccios sero
resolvidos manualmente e visam dominar as tcnicas de resoluo dos diversos
problemas.

CAPTULO I
CONCEITOS BSICOS EM GRAFOS

1. CONCEITO DE CONECTIVIDADE ( CONECTIVITY)
1.1. DEFINIES
Um grafo G uma estrutura composta de um conjunto N de ns ou vrtices e um
conjunto A de arcos.
G = (N, A).
Cada arco definido por par um ordenado de ns (i, j). Em geral denota-se por n a
cardinalidade (nmero de elementos) de N e por m a cardinalidade de A.
n=|N| e m=|A|
Representao grfica:
Em geral se representa o grafo por um conjunto de crculos ou retngulos representando
os ns e um conjunto de linhas com ou sem setas, ligando alguns pares de ns e
representando, desta forma, os arcos.
3
4
5
Figura 1: Representao de um grafo.

No caso do grafo da figura 1, o conjunto de ns N = {1, 2, 3, 4, 5, 6}.
Pode-se representar a conexo entre ns, sem se preocupar com a direo dos arcos.
Neste caso tem-se um grafo no direcionado. comum definir arcos no direcionados
como um conjunto G = (N, E), onde E representa o conjunto de arestas, denominao
especfica para designar arcos no direcionados.
Aos arcos e ns podem ser associados valores. Um grafo, com arcos valorados, define
uma rede. Portanto uma Rede um grafo com valores numricos relacionados arcos e
ns. A valorao dos arcos pode-se referir a comprimentos, ou tempos de viagem, ou
ainda capacidade de arcos, ou a custos, ou capacidades de usar um n.

1.2. DEFINIES PRINCIPAIS

Seja G = (N, A).
Arco a A a = (i, j).
i : cauda (tail) do arco a
j: cabea (head) do arco a
Adjacncia:
Os ns i e j so adjacentes. Eles esto conectados por um arco.
Dois arcos so adjacentes se eles tem um n comum (pelo menos)
Arcos: (i, j) e (k, j) so adjacentes.
Grau de um N:
O grau do n definido como o numero de arcos incidentes ao n. Um arco incidente
ao n se o n i cauda ou cabea do arco
Semi-grau interior (indegree of a node)
O semigrau interior designado por d - (i) o nmero de arcos incidentes para o n, ou
seja, o n i cabea dos arcos. Os ns, que so as caudas dos arcos incidentes a i forma
o conjunto de precedentes, ou predecessores de i, denotado por: -(i).
Semi-grau exterior (Outdegre), designado por d+ (i) o nmero de arcos incidentes
desde o n i, ou seja o n i cauda dos arcos. Os ns que so as cabeas dos arcos
inicidentes desde i, formam o conjunto de sucessores de i denotado por: +(i).
N grafo da figura 2 abaixo, o n i tem outdegre = 2 e grau = 5 ( 2+3).
Figura 2: Grau de um n.
Lao (Loop)
Um lao (loop) ocorre quando o n inicial (a cauda) e o n final (a cabea) do arco
coincidem.
Loop (lao): arco (i, i) da figura 3

Arcos Paralelos
Arcos paralelos ocorrem quando dois ou mais arcos tem os mesmos ns iniciais e finais.
Figura 3: Lao e arcos paralelos.

Grafos Simples:
So grafos sem loops e sem arcos paralelos e com no mximo 1 (0, ou 1) arco entre
qualquer par de ns.
2. PROPRIEDADES DE CONECTIVIDADE
Este item trata de conceitos relativos a cadeias, caminhos etc., que so a base do
conceito de conectividade do grafo.
Seja o grafo G = (N, A)
CADEIA:
Uma Cadeia L de ordem q uma seqncia L = {a1, a2,..., aq - 1, aq} de q arcos, tais que
para qualquer k com 2 k q - 1, o arco ak tem um ponto comum tanto com o arco
precedente (ak - 1), como com o arco seguinte (ak + 1).
OBSERVAO: A cadeia no leva em considerao a orientao dos arcos.
L = {(2, 3), (2, 1), (1,4),}
Linha pontilhada da figura 4
Figura 4: Cadeia.
CADEIA ELEMENTAR
Uma cadeia elementar se ela atravessa cada vrtice, no mximo uma vez. A cadeia L
da figura 4, no elementar. A cadeia {(2,3), (3,4), (4,1)} elementar.

N i do arco a1 que no adjacente a a2 e o n j de aq, no adjacente a aq - 1 so os

pontos extremos da cadeia.
Diz-se tambm que L cadeia (i- j)
L cadeia aberta se i j
CICLO
Se i = j ento L cadeia fechada , que se denomina de Ciclo.
CAMINHO
Caminho Cadeia em que todos os arcos so orientados no mesmo sentido.
importante diferenciar cadeia de caminho, considerando a orientao dos arcos.
p = {a1, a2, a3, ..., aq}
a1 = {i0, i1} a2 = {i1, i2} e aq {iq - 1 , iq}
Um caminho elementar se no atravessa nenhum n mais de uma vez.
CIRCUITO
Se o Caminho fechado tem-se um circuito. O circuito , portanto, um ciclo onde todos
os arcos esto orientados no mesmo sentido.
Pode-se ter ciclos e circuitos elementares segundo os conceitos anteriores. O fato de
chegar ao n inicial no significa atravessar o n inicial.
Se h cadeia conectando i e j; i e j so conectados. Portanto o conceito de conectividade
de grafos est associado presena de cadeias e no de caminhos.
Por outro lado se diz que um n j acessvel desde um n i se existe um caminho (i-j).
Repara-se a diferena entre o conceito de conectividade associado a cadeias e de
acessibilidade associada a caminhos.
Um grafo sem ciclos um grafo acclico.
GRAFO COMPLETO
Um grafo dito completo se satisfaz as condies:
Se (i, j) A (j, i) A,
Ou seja, os ns i e j so ligados pelo menos por 1 arco
SUBGRAFO
Um subgrafo G = (N, A) de G = (N, A) um grafo gerado por um subconjunto de ns
N N. um grafo tendo N como conjunto de ns e A conjunto de arcos de A com

os 2 extremos em N. Para se obter um Subgrafo apagam-se alguns ns e os arcos

incidentes a estes ns.
Figura 5: Grafo e subgrafo (apagam-se ns e seus arcos)

GRAFO PARCIAL:
Um Grafo parcial G = (N, A) de G um grafo com:
- N como conjunto de ns
- A como conjunto de arcos
Ou seja, G gerado por A, um subconjunto do conjunto de arcos A. Esta a nica
diferena.
Figura 6: Grafo parcial. (apagam-se arcos)

COMPONENTE DE UM GRAFO
Um Componente do grafo G um mximo subgrafo aonde todos os pares de ns so
conectados, ou seja, um componente no subgrafo de nenhum outro componente de G.
Figura 7: Componentes de um grafo. G tem 2 componentes A e B

GRAFO CONECTADO
Um grafo que s tem 1 componente um grafo conectado.
GRAFO FORTEMENTE CONECTADO
Um grafo fortemente conectado se para cada par de ns i e j, j acessvel desde i e i
acessvel desde j.
3. CF
4. CF
2. CF
1. CF
COMPONENTE FORTE DE UM GRAFO

Um componente forte de um grafo (CF) um mximo subgrafo fortemente conectado
de G. Isto ele no um subgrafo de nenhum outro subgrafo fortemente conectado de
G. (Figura 8)
GRAFO ANTISIMTRICO
Um Grafo antissimtrico (assimtrico) se atende a condio:
Se (i, j) A ento (j, i) A
Se tem
i
j
No tem
GRAFO BIPARTITE
Um grafo Bipartite aquele onde:
o conjunto de ns N pode ser partido da forma:
N = {S T}, com S T =

e onde nenhum par de ns em S, nem em T adjacente.
Figura 9: Grafo bipartite

3. RVORE E ARBORESCNCIAS
Este item apresenta outras estruturas especiais e importantes de grafos que so rvores
(Trees) e arborescncias (arborescences).
Um grafo uma rvore se conectado e no contem nenhum ciclo ( acclico).
3
4
Figura 10: rvore

RVORE
Seja o grafo G = (N, A) e n a cardinalidade de |N|. Duas quaisquer das trs propriedades
definem uma rvore e implica na terceira.
1) G conectado
2) G tem exatamente (n-1) arcos
3) G no contm nenhum ciclo (acclico)
Se 1 e 3, so verdadeiros, ento 2 verdadeiro.

Se 1 e 2 3
Se 2 e 3 1
RVORE EXTENDIDA (spaning tree)

Um rvore extendida ST (Spanning Tree) do grafo G = (N, A) um grafo parcial de G
que tambm uma rvore, ou seja, contm todos os ns de G e um subconjunto de arcos
de G.
A linha tracejada uma spanning tree de G ?
Figura 11: rvore extendida ST(Spanning tree)

EXEMPLO:
Com o componente (N={5,6}, A= (5,6)) o grafo acima no permite uma rvore
extendida (spanning tree), mas no grafo G com N={1,2,3,4} a linha tracejada uma
ST.
Proposio 1: G contm uma ST (spanning tree) se somente se G conectado

Se ao grafo parcial da ST se agrega um arco qualquer de G, fora da ST, forma-se um
ciclo.
Proposio 2: Cada arco fora da ST define um nico ciclo com os arcos da ST.
ARBORESCNCIA:
Uma arborescncia pode ser enraizada (rooted) de (para) um n i. Neste caso i
chamado raiz da arborescncia. Repare-se que para o conceito de rvore no se leva em
considerao a orientao dos arcos, ao contrrio do que ocorre com a arborescncia.

n
l
s
Figura 12: Arborescncia enraizada de i
Figura 13: Arborescncia enraizada para o n i

Todos os arcos so orientados para ou desde o n i
Arborescncia enraizada de i uma rvore tal que o semigrau interior (indgree) do n i
zero e para cada outro n exatamente 1.
Portanto a rvore de rota mnima arborescncia. Em geral toda arborescncia uma
rvore, mas nem toda rvore uma arborescncia. Pode-se buscar a rota mnima (RM)
de 1 n para todos os outros, o que cai no caso (1), arborescncia desde o n i, ou a
RM de todos os ns para 1, o que seria o caso (2), arborescncia para o n i.
Se, em uma arborescncia, h um caminho (i-j) de i para j, ento i um ancestral de j e j
descendente de i. Um vrtice sem descendentes uma folha. Um n i e todos os seus
descendentes formam uma arborescncia enraizada em i.
No caso de rvores observa-se a seguinte propriedade. Uma rvore tem n ns e n-1
arcos. Portanto o grau total de todos os ns duas vezes o nmero de arcos (cada arco
gerando dois graus), ou seja, 2*(n-1) a ser dividido entre n ns. Como todos os ns tem
pelo menos o grau 1 (esto conectados), tem-se pelo menos 2 ns de grau 1 em uma
rvore. Os ns de grau 1 na rvore so denominados de ns pendentes.
10

CAPTULO II
REPRESENTAO DE GRAFOS EM COMPUTADORES

1. INTRODUO
A implementao de algoritmos de fluxos em rede em computadores exige uma

estruturao especial dos dados de rede de forma a ser possvel acessar eficientemente
os elementos necessrios a cada algoritmo. Alm do mais, pelo menos uma das
representaes de grafos em matrizes tem um importante significado matemtico para a
soluo de certos problemas de otimizao.
Neste captulo apresentaremos as estruturas em forma de matriz de incidncia e listas de
arcos adjacentes
2. MATRIZES DE INCIDNCIA
Existem dois tipos mais importantes de matrizes de incidncia. A matriz de incidncia
n-n e a matriz de incidncia n-arco.
2.1. MATRIZES DE INCIDNCIA N-N

A Matriz de Incidncia n - n tambm chamada de matriz de adjacncia.
Dado o conjunto de arcos A = (ai j), forma-se uma matriz quadrada de tamanho n igual a
|N|, cardinalidade do conjunto N de ns. Os elementos aij da matriz representam a
adjacncia entre o n da linha i e o n da coluna j. Assim tem-se:
ai j [0, 1] e
1se ha arco (i, j )

ai j =
seno
Por exemplo:
1
3
2
4
Figura 2.1. Exemplo de grafo

A matriz de adjacncia que representa tal grafo dada a seguir.
11

n
1
2
3
4
1
0
1
0
0
2
1
0
1
0
3
1
1
0
1
4
0
1
1
0
Tomando uma linha i da matriz, o nmero de elementos 0 d o nmero de arcos

incidentes desde o n i (grau exterior de i):
d+ (i) = ai j
j
Tomando-se um elemento j da coluna a soma de elementos da coluna d o nmero de

arcos incidentes para o n j (grau interior de j).
d-(j)= aij
i
A memria necessria para armazenar a matriz proporcional a n2
2.2. MATRIZES DE INCIDNCIA N-ARCO

A matriz de incidncia n-arco relaciona os ns associados s linhas da matriz, com os
arcos, associados s colunas da matriz.
A = (ai j) com valores 0, +1, -1
As linhas correspondem a n ns e as colunas a m arcos
A = (n X m)
Cada elemento aij da matriz poder assumir os valores:
ai j
+1 se arco ( j ) incidente do n i (exteriormente)
1 se arco ( j ) incidente para o n i (int eriormente)

seno
Para o grafo da figura 2.1 a matriz de incidncia n-arco dada a seguir.

N/arco (1, 2)
1
1
+1
2
-1
3
0
4
0
(1, 3)
2
+1
0
-1
0
(2, 1)
3
-1
+1
0
0
(2,3)
4
0
+1
-1
0
(2, 4)
5
0
+1
0
-1
(3, 2)
6
0
-1
+1
0
(3, 4)
7
0
0
+1
-1
Portanto, as colunas tem dois elementos diferente de 0 um +1 e um -1.
12
(4, 3)
8
0
0
-1
+1

A memria necessria para armazenar esta matriz proporcional a n X m. No caso mais

geral m n2, logo a memria n3
A matriz de incidncia n-arco tem a propriedade de ser totalmente unimodular. O
determinante de qualquer submatriz no singular igual a +1 ou -1. Se uma
submatriz obtida de A, eliminando uma linha arbitrria de A, cumpre-se que os pontos
extremos de .x = b tero valores inteiros para qualquer vetor inteiro b.
Assim, em geral, problemas lineares de fluxos em rede tm soluo inteira.
Para uma matriz esparsa, com muitos zeros, ou seja: m << n2 , a representao muito
antieconmica, pois ocupa muito espao de memria, sem utiliz-la. Por isto se usam
outros tipos de estrutura, com a lista de arcos.
3. ESTRUTURA DE LISTA DE ARCOS

Esta estrutura pode ser usada para guardar todos os ns sucessores de cada n i, ou
todos os ns predecessores de cada n i.
No caso de guardar os sucessores, esta estrutura faz uso de dois vetores ( ), de
dimenso (n + 1) (nmero de ns + 1) e ( ) de lista de ns sucessores de um n i, de
dimenso m (nmero de arcos) comeando de (i). Um n sucessor um n adjacente
a um n i ligado por um arco, cuja cauda i. Como a um n i pode haver vrios arcos
cuja cauda i, pode haver mais de um sucessor de i. O nmero de sucessores de i
igual a d+ (i).
A lista de sucessores de i guardada no vetor , comeando pelo elemento (i).
Por exemplo, para a rede da figura 2.1, as listas podem ser construdas como se segue.
Ordena-se a lista de arcos a partir dos ns de origem (cauda) dos arcos.
ndice
1
2
3
4
5
6
7
8
i
1
1
2
2
2
3
3
4
j
2
3
1
1
4
2
4
3
O vetor (i) guarda o ndice do primeiro arco com cauda em i. Como na tabela abaixo.
N:
13

O vetor guarda apenas o n de destino (cabea) de cada arco.

ndice
Em geral para se acessar os arcos com cauda em i percorre-se o vetor desde (i) a
(i+1)-1. Para tratar o ltimo n define-se (n+1) = m+1, sendo n, nmero de ns e m o
nmero de arcos da rede.
Os arcos com cauda no n 3 se encontram entre o ndice (3)= 6 a (4)-1=8-1=7, na
lista . Ou seja, (6)=2 , (7)=4. Os arcos so (3,2) e (3,4).
No caso de guardar os predecessores, esta estrutura faz uso de dois vetores e ( ), de
dimenso (n + 1) (nmero de ns + 1) e ( ) de lista de ns predecessores de um n i,
de dimenso m (nmero de arcos) comeando de (i). Um n predecessor um n
adjacente a um n i ligado por um arco, cuja cabea i. Como a um n i pode haver
vrios arcos cuja cabea i, pode haver mais de um predecessor de i.
Para os ns predecessores as listas so construdas da seguinte forma: os arcos so
ordenados agora pelos ns de destino (cabea) dos arcos.
ndice
1
2
3
4
5
6
7
8
2
1
3
1
2
4
2
3
1
2
2
3
3
3
4
4
A lista (i) indica o ndice do primeiro arco cuja cabea i.

1
(k) guarda o n de origem (cauda) do arco k. Tambm se pode dizer que a lista
de ns predecessores de i.
1
2
1
3
3
14
6
4
7
2
8
3
ndice

Por exemplo, ainda considerando a figura 2.1. Os ns predecessores de 3 esto em

(3)=4 (4)-1=7-1=6, ou seja, (4)=1 ; (5)=2 ; (6)=4, indicando a existncia dos
arcos (1,3),(2,3) e (4,3).
Dependendo da utilizao do problema faz-se uso de e/ou .
Ento quando o problema exige trabalhar com ns sucessores usa-se e . Para
trabalhar com ns predecessores usa-se e .
A lista de arcos exige um uso de memria: 2 (n + 1) + 2m ou (n + 1) + m, dependendo
se usa-se uma ou ambas as estruturas. uma das estruturas mais usadas em
implementao de modelos de rede.
4. MTODOS DE BUSCA EM REDE

Alguns problemas exigem que se visite todos os ns de um grafo em uma certa ordem.
Os mtodos bsicos de visita so o breadth-first search (busca em amplitude ) e o depthfirst-search (busca em profundidade).
4.1. BUSCA EM AMPLITUDE (BREADTH-FIRST SEARCH)

Para esta busca, partindo-se de um n qualquer i0, visita-se os sucessores de i0 (i1,
i2,...,ik) em qualquer ordem. Depois de terminar com os sucessores de i0, repete-se a
busca desde i1 (o primeiro sucessor de i0) visitando todos os ns sucessores de i1, ainda
no visitados. Depois toma-se os sucessores no visitados de i2 e assim sucessivamente,
at visitar todos os ns do grafo.
6
3
Figura 2.2.: Busca em amplitude. (A linha pontilhada indica a arborescncia associada

busca).
Para a figura 2.2, partindo-se do n 3 como i0, os ns visitados so 3, 1, 4, 5, 2, 6.
De 3 visita-se os sucessores 1, 4 e 5. De 1, como 3 j foi visitado, visita-se 2. De 4
visita-se 6, j que 3 e 5 j foram visitados.
15

Observa-se que a ordem de visita no nica. Se se marca os arcos usados na busca,

forma-se uma arborescncia enraizada em i0 (o grafo conectado e no contm nenhum
ciclo, j que cada n s visitado uma vez. O grau interior de i0 0 e 1 para todos os
outros ns).
Define-se Pk(i0) o conjunto de ns acessvel desde i0, por um caminho de ordem k. Um
caminho de ordem k um caminho com k arcos. Em um BFS os ns so visitados na
ordem:
i0, P1(i0), P2(i0), ...
4.2. BUSCA EM PROFUNDIDADE (DEPTH-FIRST SEARCH)

Na DFS parte-se de um n arbitrrio i0 e segue-se um arco (i0, i1) para o n i1, depois
visita-se o arco ( i1,i2) para i2. Ou seja, a partir de um n i, visita-se sempre um n
sucessor j ainda no visitado, usando o arco (i, j). Depois repete-se a partir do n j para
um n k. Se o n k j foi visitado volta-se para o n j e busca-se outro sucessor de j
ainda no visitado. Se todos os ns sucessores de j j tiverem sido visitados retorna-se
ao n i (backtracking) e buscam-se outros ns sucessores de i ainda no visitados.
Para o grafo da figura 2.2 partindo-se do n 3 visitam-se:
3, 1, 2, 4, 5, 6.
Do n 3 vai-se ao n 1. De 1 para o n 2. De 2 a 4. De 4 a 5. De 5 no se pode seguir.
Volta-se para 4 e visita-se 6.
Com esta busca forma-se a arborescncia da figura 2.3.
4
Backtracking.
6
3
Figura 2.3. Arborescncia resultante da busca em profundidade (DFS)
16

5. COMPLEXIDADE DE ALGORITMOS
Soma ,
Estimar o nmero de computaes elementares x ,

em funo de uma
comparacao etc
medida do tamanho do problema equivale a determinar a complexidade computacional

do algoritmo.
Seja n uma medida do tamanho de problema, por exemplo, o nmero de ns na rede.
Pode-se dizer que a complexidade do algoritmo de ordem n, ou O (n), se o nmero de
operaes C1* n + C2 , sendo C1 e C2 constantes positivas para qualquer n.
Um algoritmo de 0 (n2) tem nmero operaes: C1*n2 + C2 *n.
Se a ordem 0 (lg2 n) o nmero de operaes: C1 lg2 n + C2
As constantes podem influenciar, mas para problemas com muitas variveis, ou seja, n
grande, vale em geral na prtica: 0 (nk) < 0 (nK + 1)
EXEMPLO:
O nmero esperado de operaes para um nmero de variveis igual a 10, em
algoritmos com diversas complexidades dado abaixo.
lg2 n
n
n lg n
n2
2n
n!
n = 10
3.3
10
33
100
210 = 1024
30 000 000
Pode-se trabalhar com a complexidade esperada ou com complexidade no pior caso,

mas preciso ter cuidado com anlise do pior caso, por exemplo:
n!
O Simplex tem 0
, mas trabalha na prtica, de forma muito eficiente.
( n m)
Para maiores informaes, pode-se se remeter a Lawlev, E.L. (76) Introduction to the
Complexity of Algorithms. Aplyed Computation Theory: Analysing design, modelling.
Prentice-Hall.
O que interessa da complexidade que o nmero de operaes ser proporcional ao
tempo consumido na mquina. Se algoritmo tem complexidade O(n2) o tempo de CPU
ser proporcional a n2. Ao desenvolver um algoritmo a anlise da complexidade d uma
idia da eficincia do algoritmo, quando comparado com a complexidade de outro
algoritmo que resolve o mesmo problema.
17

CAPTULO III
RVORES E ARBORESCNCIAS TIMAS
1. PROBLEMA DA RVORE GERADORA MNIMA (MINIMUM SPANNING

TREE MST)
Achar a rvore de extenso mnima um dos problemas de maior aplicao em fluxos
em redes. Certos problemas aplicados a logstica, fazem tambm uso da MST. O
problema definido como se segue:
Seja G = (N, E) um grafo no dirigido e conectado. Para cada aresta e E e = (i, j) se
associa valor wi j (we).
O peso de ST w () = we , Sendo = (N, T) uma S.T (spanning tree) de G
e T
O Problema de MST consiste em determinar a ST com peso mnimo.

MST pode ser definida como:
rvore estendida tal que W (*) = min . we
Um exemplo de aplicao de MST conectar n cidades por rede de caminhos, com um

custo mnimo de construo. Para cada par de cidades (i, j): tem-se: wi j , custo de
construir estrada de i para j.
No grafo da figura 3.1 os ns correspondem a cidades e as arestas a caminhos
alternativos
wik
k
e1
e2
e3
Figura 3.1: rvore estendida em G

No grafo mostrada uma tentativa de rvore estendida com as arestas pontilhadas. Qual
a condio para que ST seja mnimo? Isto ser mostrado a seguir.
18

Coloca-se uma aresta qualquer e na ST formando um ciclo e deixando, portanto, de ser

uma rvore. Retirando-se outra aresta, por exemplo e2 , o grafo parcial permanece uma
ST.
Seja que se cumpre we1 < we2.
Tem-se uma nova ST , com w () < w(), pois we1 < we2.
Figura 3.2 Nova rvore estendida, pela substituio de e2 por e

Lembra-se que e era a aresta fora da rvore original. Com a incluso de e na MST
forma-se (e) que um ciclo nico formado por algumas arestas do T e e, como
mostrado na figura 3.3. Este ciclo formado pela incluso de uma aresta qualquer fora de
T a uma ST chamado de ciclo fundamental.
e'
Figura 3.3. Ciclo fundamental formado pela incluso de e na ST

A anlise deste ciclo ilustra a condio C1 necessria para uma MST.
C1. (N1T) uma M.S.T. se e somente se, para qualquer aresta (seja e) no
pertencente rvore (T), o peso de e cumpre: we we para todas as arestas do ciclo
fundamental definido pelas arestas de mais a aresta e
we we e (e)
(e) o ciclo fundamental formado pela incluso de e.
evidente que se w(e) < w(e) de alguma aresta do ciclo fundamental, a substituio de
e por e conduziria a uma ST de menor peso que a original, o que seria uma contradio
com a hiptese dela ser uma MST.
A condio necessria suficiente.
19

2. ALGOITMO DE KRUSKAL (1956)

O algoritmo de Kruskal, baseado no teorema anterior (C1), constri a MST de uma rede
qualquer. Inicialmente as arestas so ordenadas em ordem no decrescentes:
wei we2 we3 ......
Em seguida, o algoritmo toma e vai incluindo na rvore, as (n - 1) primeiras arestas que
no formam um ciclo com as j existentes na rvore, sendo n o nmero de ns do
grafo.
e4,10
e1,1
e2,4
e3,5
e5,6
e6,7
e7,5
e8,9
e9,3
e11,2
e10,4
Figura 3.4. Construo de MST por Kruskal. Exemplo: e11,2: aresta e11 , pso : 2
Ordenando-se as arestas do grafo da figura 3, tem-se:
e1
e11
e9
e2
e10
e3
5
e7
5
e5
6
e6
e8
e4
10
n= 6 ns.
O objetivo tomar as primeiras n-1 (5) arestas que no formam ciclo, com as outras j
escolhidas na rvore.
Inicialmente toma-se
e1 , e11 , e9 e e2 , que no forma ciclo.
e10 forma ciclo com e11 e e9 (Fica de fora)
e3 forma ciclo com e9 e e2 .
e7 forma ciclo com e1 , e9 e e2
e5
Com esta ltima, tem-se 5 arestas formando a MST.
20

e1
e2
e5
e9
e11
Figura 3.4: rvore resultante do algoritmo de Kruskal
3. ALGORITMO DE PRIM
Teorema 2: Seja e uma aresta com peso mnimo entre todas as arestas. Incidente a um
n i. Ento e est contido em *.
Prova:
Seja * uma MST e -(i), o conjunto de arestas incidentes a i. Neste conjunto est e,
que a aresta de menor peso do conjunto, mas no pertence a *.
i
Figura 3.4 : Ciclo fundamental com e.

A aresta e forma um ciclo fundamental com outras arestas de *. . Se* MST os pesos
das outras arestas devem ser menores ou iguais a e ou:
we wu u * (e)
O ciclo fundamental contm uma aresta e (e -(i)), mas e e. Por hiptese w(e)
w(e).
Logo, para atender as duas condies: we = w
Trocando-se por e tem-se novo MST, * com mesmo peso da anterior.
Logo e deve pertencer a um MST *.
21

Corolrio 1 (generalizao)
Se um subconjunto de arestas formando uma sub-rvore S conhecida como parte de
uma MST, ento existe uma MST, que contm S e uma aresta de menor peso
conectando S para os ns restantes do grafo.
Este corolrio uma generalizao do teorema 2, substituindo o n i pelo conjunto de
ns S.
O algoritmo de PRIM baseado no teorema 2.
Comea com i0 e escolhe aresta de peso mnimo, incidente a i0. Essa aresta parte da
MST. Esta aresta pode ser considerada como a sub-rvore S. Das arestas que partem
(incidem sobre) dos ns da sub-rvore S, torna-se a aresta de menor peso. Pode-se
prosseguir at formar a MST.
Para implementar o algoritmo a cada n j, associa-se 2 etiquetas: [j , j]
j = wij peso da aresta (j , j)
j = n precedente ao n j.
Os pesos das arestas no existentes so colocados como um valor muito alto ;wij =
para (i,j) E
Algoritmo de PRIM
O grafo conectado G=(N,E) dado pela lista de adjacncia -(.).
Passo (P0): Escolha um n arbitrrio, seja i0
i0 = 0 ; i0 = -1
j = wij , j = i0
para j i0
Lembrar que se (i, j) E, wi j = +

P = {i0} , T = , X = N -{i0}
Sendo:
- P = subrvore S.
- T = rvore total
- X = ns restantes
Passo 1 (P1): Adio de uma aresta subrvore atual.
22

Encontrar k tal que k = min J

jX
Fazer P P {k}
T T {k, k}
X X - {k}
Se | X | = pare. T conjunto de arestas do MST
Passo 2 (P2): Reviso de etiquetas

Para todo j X (ns fora da subrvore)
Se j > wk j
Ento j = wk j , j = k
Volta para o passo 1.
Pode-se expressar o algoritmo em trs passos:
a) Iniciar com qualquer n i: Determinar o arco com extenso mnima (incidente a i).
Incluir arco na rvore (seja arco i, j): n j entra na rvore.
b) Se todos os ns j esto na rvore termine. Seno v para c.
c) Entre todos os ns presentes na rvore atual, busque um arco (i,j) incidente com
extenso mnima, cujo n j, adjacente ainda no est na rvore. Incorporar o arco e
o n adjacente rvore e voltar para b.
1
7
5
10
6
3
Figura 3.5. Grafo para o exemplo do algoritmo de PRIM

Para o grafo da figura 3.5 a soluo passo a passo :
23

(P0) Seja i0 = {4} = P

T=
X = (1, 2, 3, 5, 6)
Valor mnimo na etiqueta [2,4] do n 2. k=2.
(P1) T = {(4, 2)}
P = {4, 2}
X=NP
(P2) Ver n 3 etiqueta [4, 6]. 6 < 7 no muda
N 1 [ 4, 3] 3 < 7
Volta P 1
(P1) A menor etiqueta [3,4] do n 1. k=1.
T = {(4, 2), (4, 1)}
P = {4, 2, 1}
X=N-P
(P2) Agora de 1
n 3 [6,4] 6 > 5 muda para [5,1]
n 6 [9,4] 9 > 1 muda
[1, 1]
(P1) menor etiqueta [1,1]. Entra n 6
T = T U {(1, 6)}
P = P U {(6)} X = N - P
(P2) do n 6 : no muda nada

(P1) O menor label [4,4] do n 5. Entra o n 5
(P2) Muda label de 3 para [2,5] e completa a MST
1
[3,4]
2
[2,4]
3
[6,4]
[ 5,1]
[2,5]
4
[0,0]
5
[4,4]
6
[9,4]
[1, 1]
Valores das etiquetas no ns.
Existe um problema especial de MST denominado de Problema de Steiner. Trata-se de

encontrar uma rvore mnima que se estende sobre um subconjunto de fixo de ns do
grafo. Tal rvore mnima conhecida como rvore de Steiner e pode conter outros ns
alm do conjunto fixo. Os ns do conjunto a ser estendido so chamados de ns de
Steiner.
24

Busca do menor valor

O passo 1 do algoritmo de PRIM busca o menor valor de etiqueta para todos os ns.
Essa busca exige comparaes entre todos os ns de fora da rvore. Como esse passo
repetido n-1 vezes, interessante buscar uma estrutura para reduzir o nmero de
comparaes. Uma estrutura muito usada a estrutura de heap.
O heap uma rvore binria de tal forma que o melhor valor se encontra sempre no
topo da rvore e os elementos em cada nvel tm sempre de valor pior que o valor do
elemento imediatamente superior.
Para qualquer elemento da rvore vale:
Valor (i) < valor (2i)
< valor (2i+1).
No caso de busca de menor valor, o melhor significa o menor.
1 i
3 2i+1
2 2i
4
Figura 3.6: Estrutura de heap

Nesta estrutura as comparaes so feitas s de um lado da rvore em um caminho
linear entre a folha e a raiz da rvore.
Ex.:
Ns { 1, 2, 3, 4, 5, 6, 7, 8 }
Valor{10, 5, 8, 5, 12, 17, 3, 9}
N
4
2
5
1 10
Valor
3
8
5
6 17
Figura 3.7: Ordenao de valores na estrutura do heap
25

CAPTULO IV
MODELOS DE CAMINHOS MNIMOS

1. INTRODUO
dado o grafo G = (N, A) (i, j) A e a cada arco (i,j) se associa di j , o comprimento

do arco (i, j). di j pode ser positivo ou negativo.
Seja : Comprimento do caminho p =
( i, j ) p
ij
Os modelos de caminho mnimo resolvem o problema de encontrar o caminho com

comprimento mnimo (Rota Mnima RM). Este o problema mais fundamental dos
problemas de rede. um modelo com uma aplicabilidade muito grande, pois o clculo
de rota mnima muito usado como sub-rotina em muitos algoritmos para solucionar
problemas complexos em redes.
H algumas observaes a destacar:
1) Clculo do RM entre 1 par de pontos no mais simples que clculo de RM entre 1
ponto e todos os outros. Os problemas tm mesma ordem de dificuldade.
2) H diferenas entre clculo da RM para redes arcos com di j > 0 i j e redes com arcos
de comprimento positivo e negativo (di j < 0 e di j > 0). Em geral se sabe que as
complexidades so:
Para
di j > 0 0 (n2)
di j > 0 e < 0 0 (n3)
3) No h algoritmos eficientes para calcular RM em redes com circuitos negativos.

Dreyfeus (1969).
2. EQUAES DE BELLMAN
As equaes propostas por Bellman so uma forma de resolver o problema da rota
mnima atravs da programao dinmica.
Define-se:
di j = comprimento de (i, j) se o arco (i,j) existe, seno di j =
i : comprimento da rota mnima de um n inicial (seja 1) ao n i
Supe-se que a rede no tem circuitos negativos.
No incio se tem:
1 = 0 para j 1
26

Seja (k, j) o ltimo arco na rota mnima de 1 a j.

1
k
Subconjunto de 1-k
j
arco (k,j)
Figura 4 .1: Princpio de otimalidade de Bellman.

Segundo Bellman o subconjunto de 1 - k (caminho de 1-k) deve ser tambm rota
mnima para valer j = k + dk j (Principio de otimalidade).
1 =
j = Mnimo i + di j para todo j 1
ij
Teorema 1: Se a rede no contm circuitos no positivos, ento h uma soluo nica

finita para a equao de Bellman, onde j o comprimento da RM entre 1 e j.
A Soluo das equaes muito complicada. O Algoritmo no trivial e a Soluo s
simples se no h ciclos.
3. REDES COM COMPRIMENTOS DE ARCOS POSITIVOS (DJKSTRA)

O algoritmo de DJKSTRA (1956) resolve de forma eficiente o problema de RM para
redes com arcos no negativos. Em termos gerais, o mtodo trabalha da seguinte forma.
H ns com etiqueta permanente, que so aqueles que no podem ser

melhorados. Ou seja, j se encontrou a rota mnima entre a origem e o n. E h
ns com etiqueta temporria. So os ns que ainda podem ser melhorados. Ou
seja, pode-se encontrar um outro caminho da origem at o n, melhor do que o
caminho atual.
A cada etapa o algoritmo seleciona um n k para ser permanente. No incio o

n de origem. A partir da, ser sempre um n com a menor etiqueta temporria.
Uma vez que este n tornado permanente, tenta-se melhorar a etiqueta dos ns
da rede. Os nicos ns que podem ser melhorados so somente os ns j
temporrios, que so ligados com um arco (k, j) desde o n recentemente
tornado permanente.
Faz-se ento uma varredura, a partir do n k aos ns j temporrios adjacentes a
ele. Se o custo do caminho atual at cada n j, for maior que o custo do
caminho desde a origem at k mais o custo do arco (k,j), ento pode-se melhorar
a etiqueta do n j e o n precedente ao n j passa ser o n k (figura 4.2).
No exemplo da figura os ns j, l e m esto ligados por arcos desde o n k. O n j tem

um custo atual da origem at ele de 50. O custo de um novo caminho passando pelo n
27

k, com custo 35, mais o custo no arco (k, j) de 10 d um total de 45, que menor que
50. Assim o novo caminho at j ter um custo de 45 e o novo n precedente de j o n
k. A etiqueta de j muda para [45,k].
j [50, b]
10
[35, a] k
15
l [50, k]
15
m [60, c]
Caminho a m
Novo caminho at j
Etiqueta [, ] : custo do caminho e n precedente.
Figura 4.2: Varredura aos ns j,l e m a partir do n k
Formalmente o algoritmo de caminho mnimo de Djkstra apresentado a seguir:

O mtodo define para cada N i:
Um par de etiquetas (i , i ), sendo:
i : Valor da rota atual da origem a i
i : N precedente na rota atual da
origem a i.
Define tambm dois conjuntos de ns:
P : Conjunto de ns permanentes.
So os ns para os quais j foi encontrado o caminho mnimo desde a origem.
T : Conjunto de ns Temporrios.
So os ns cujos valores de etiquetas ainda podem mudar.
O Algoritmo de Dijkstra descrito a seguir.
Passo 0 : Inicializao.
Seja a o n inicial. Definem-se os valores:
a = 0 ; a = -1
j= daj ja ; a = 0
Se (a,j) A daj =
Textualmente: O n inicial a recebe as etiquetas (0, -1). Os demais ns j recebem o
valor (daj,0), sendo daj o valor do arco que liga a ao n j. Se no existir o arco, daj = .
28

P a T = j / j ={N-a}
Textualmente: O n a permanente, est no conjunto de permanentes, os demais ns
so temporrios.
Passo 1: Encontrar o n k tal que k = min j

jT
Textualmente: Entre todos os ns temporrios, escolha aquele (que chamamos de n k)

com menor etiqueta de valor da rota, .
Conj. P P U k ; T T - k . Se T = 0 Pare: os j so custos da RM
Textualmente: Retire o n k no conjunto de temporrios e o coloque no conjunto de
permanentes. Se o conjunto de temporrios ficou vazio, o algoritmo terminou.
Passo 2: Reviso de etiquetas

j T faa e tal que o arco (k,j) A:
Se j > k + dkj , ento
Incio
j = k + dkj ,
j = k
Fim, ento volte para 1.
Textualmente: Entre todos os ns j temporrios, acessveis por um arco desde o n k,
verifique se o valor do caminho atual maior que o valor do caminho passando pelo n
k e pelo arco de acesso a j. Se o novo caminho tem um valor menor troque as etiquetas.
j = k + dkj e k passa a ser o novo predecessor de j. Feito isto para todos os ns
acessveis desde o n k, volte para o passo 1.
[0,-1] 5
1
[5,1]
3
1
6
4
2
[2,1]
[
,0]
6
2
4
[4,1]
8
4
5
6
5
[
,0]
Figura 4.3: Exemplo de etiquetagem inicial para um caminho mnimo a partir do n 1.
29

No exemplo da figura 4.3 deseja-se encontrar a rota mnima desde o n 1 at todos os

outros. J dado o passo zero, inicial do algoritmo. S o n 1 permanente, os demais
so temporrios. No passo 1 se identifica o n com menor etiqueta entre os temporrios.
Trata-se do n 2 com valor 2. esse o n k, a partir do qual se faz a varredura at os
ns temporrios adjacentes tentando mudar a etiqueta. Os ns j temporrios adjacentes
so:
n 3 com etiqueta [4,1]
n 4 com etiqueta [4,1].
O arco (2,3} tem custo 1. Assim o custo de chegar a 3 via o n 2 :
O custo at o n 2, que 2 mais o custo do n 2 ao n 3 que 1. Total 3, que menor
que 4. Assim a nova etiqueta do n 3 [3,2].
O arco (2,4) tem custo 5. custo at o n 2 mais o custo do arco (2,4) resulta em 7, que
maior que o valor atual do n 4, que 4. Assim o n 4 no muda a etiqueta.
O n 2 passa a permanente. A lista atual de permanentes e temporrios e:
P= {1,2}
T={3,4,5,6}
O novo n temporrio de menor custo 3 com etiqueta [3,2]. o novo n k a partir do
qual se faz a varredura aos ns temporrios adjacentes.
No final do algoritmo as etiquetas dos ns sero as seguintes (figura 4.4):
[0, -1]
1
2
[2, 1]
[3, 2]
6
5
7
2
4
[4, 1]
8
4
5
6 [10, 3]
6
5 [8, 4]
Figura 4.4: Valor final das etiquetas de rota mnima de 1 at todos os ns.
A partir das etiquetas pode-se construir o vetor de precedentes:
30

Vetor de Precedentes j
j
1
2
3
4
5
6
-1
1
2
1
4
3
Este vetor de precedentes corresponde a uma rvore de rota mnima com raiz em 1,
como mostrado na figura 4.5.
[3, 2]
[0, -1]
[2, 1]
6 [10, 3]
4
[4, 1]
5 [8, 4]
Figura 4.5: rvore de rota mnima enraizada em 1.

Com o vetor de precedentes pode-se encontrar o caminho retrocedendo desde cada
destino origem, no caso o n 1 do exemplo.
Formalmente um algoritmo para encontrar rotas apresentado a seguir:
Rota Retrocedendo de J a 1:
R: conj. de ns na rota
R = j
Repita
j = [j]
R RU j
At j = -1
Ex.:
Rota de 6 a 1:
R = 6
31

_______________________
j = [6] =3
R= {6,3}
[3] -1
_______________________
j = [3] = 2
R = {6, 3, 2}
[2] -1
_______________________
j = [2] =1
R = {6, 3, 2, 1}
[1] = -1 : PARE
De fato olhando-se na figura 4.5 observa-se que o caminho de 1 at 6 passa pelos ns:
1,2,3,6.
A Complexidade do algoritmo de Djkstra para um grafo completo de ordem 0 (n2),
fazendo o clculo de uma origem para todos os destinos
O algoritmo de Djkstra de um tipo Label setting algorithm, o que poderia ser traduzido
com um algoritmo de colocao de etiquetas.
4. CLCULO DA ROTA MNIMA ENTRE TODOS OS PARES DE NS

4.1. ALGORITMO DE FLOYD-WARSCHALL
At agora foram mostrados algoritmos que calculam a rota mnima entre um n e todos
os outros ns. Para resolver o problema ara toda a rede necessrio aplicar o algoritmo
n vezes, sendo n=|N|. Existe um procedimento para calcular a RM entre todos os pares
de ns, proposto por Floyd eWarschall (62)
Seja
(k)
ij
= comprimento da RM de i para j sujeito a condio de que o caminho no
passe pelos ns intermedirios k, k+1, k+2, ....., n
32

n +1
ij
K +1
ij
ser o verdadeiro comprimento de RM

= min
k
ij
(k)
(k )
, ik , k j
k = 1, 2, ...., n
jk
ijk
Seja o caminho que no passa pelos ns k +1, k+2, ...... , n. S h duas alternativas:
a) Se o caminho no passa n k o comprimento ser:
(k)
ij
b) Passa pelo n k com comprimento
k
ik
(k )
k j
O algoritmo trabalha da seguinte forma:

Dado um grafo: G (N, A), com NS: 1, ..., n
Define-se:
Uma MATRIZ D(k) (n x n) , onde:
d(i,j): Extenso do caminho entre n i e j, na iterao k do algoritmo
e uma outra matriz :
MATRIZ P(k) (n x n), aonde :
p(i,j) : Predecessor direto do n j no caminho de i a j, na iterao k.
O algoritmo de Floyd descrito a seguir.
FLOYD:
1. Inicializao
0
d (i, j) =
p0 (i, j) =
l (i, j) se arco (i,j) existe,

0 se i=j,
se arco i, j no existe.
i se i j se arco i,j existe
0 se i = j ou se arco i,j no existe.
33

2. Variando k de 1 a n, faa:
{ Atualizar elementos da matriz Dk :}
Variando i de 1 a n faa
Variando j de 1 a n faa
dk (i, j) = Min {dk-1 (i, j); dk-1 (i, k) + dk-1 (k, j)
{ Atualizar predecessor}
pk-1 (k, j) se dk (i, j) dk-1 (i, j)
pk (i, j) =
pk-1 (i, j) caso contrrio
fim variando j
fim variando i
fim variando k
No final do algoritmo tem-se:
dn (i, j) : Valor da extenso do caminho + curto entre i e j (Quadro 10.8,NOVAES)
pn (i, j) : Primeiro n precedente de j no caminho entre i e j
4
3
4
1
5
3
4
6
4
4
Figura 4.6: Exemplo para o clculo da rota mnima.
34
10

Exemplo de
1
2
3
4
5
6
7
8
9
10
1
0
3
3
3
3
3
3
3
3
MATRIZ p{n}:
2
1
0
1
1
6
6
1
6
6
3
1
4
0
4
4
4
4
4
4
4
1
7
7
0
7
7
7
7
7
5
2
2
6
6
0
6
6
6
6
6
3
5
3
3
5
0
3
9
9
7
3
10
3
4
10
10
0
10
10
8
5
5
9
9
5
9
9
0
9
9
9
6
6
6
6
6
6
10
0
10
10
6
6
6
7
6
6
7
9
0
dn (i, j) = Se no houver caminho entre i e j

Nesta matriz cada linha corresponde a um vetor de precedentes visto no algoritmo de
Djkstra. Ou seja, para encontrar o caminho entre 1 e 9 , trabalha-se somente com a linha
1 da matriz e faz-se:
P(1,9)=6
P(1,6)=3
P(1,3)=1.
Logo o caminho {1,3,6,9} ( linhas mais fortes na figura 5)
Para o caminho entre 4 e 5 toma-se:
P(4,5)=6
P(4,6)=3
P(4,3)=4.
O caminho (4,3,6,5), que pode ser visto na figura 5, embora no marcado.
A Complexidade do algoritmo de Floyd-Warschal n (n-1) (n-2)
soma +
3
comparaes, o que d O(n ).
Por outro lado ele exige o uso da matriz de distancia = (di j) de tamanho nXn. Para
n grande, uma rede de certo porte este tamanho da matriz proibitivo. Neste caso
melhor usar n vezes o algoritmo de Djkstra.
Para redes com arcos de comprimentos no negativos, di j 0, usar o Djkstra para
toda a rede tem complexidade 0 (n3) por repetir n vezes. A vantagem ocupar muito
menor espao de memria.
Para redes com arcos com comprimentos negativos e positivos, di j 0 e di j < 0, podese usar um algoritmo de correo de etiquetas com uma modificao, que tambm pode
ser de complexidade O (n3).
35

Introd Flurede2014

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introd Flurede2014

Enviado por

Direitos autorais:

Formatos disponíveis

MODELOS E MTODOS DE OTIMIZAO

EM REDES DE TRANSPORTES JOS EUGENIO LEAL

MODELOS E MTODOS DE OTIMIZAO

CONCEITOS BSICOS EM GRAFOS

Figura 1: Representao de um grafo.

MODELOS E MTODOS DE OTIMIZAO

1.2. DEFINIES PRINCIPAIS

MODELOS E MTODOS DE OTIMIZAO

Figura 3: Lao e arcos paralelos.

MODELOS E MTODOS DE OTIMIZAO

N i do arco a1 que no adjacente a a2 e o n j de aq, no adjacente a aq - 1 so os

MODELOS E MTODOS DE OTIMIZAO

os 2 extremos em N. Para se obter um Subgrafo apagam-se alguns ns e os arcos

Figura 5: Grafo e subgrafo (apagam-se ns e seus arcos)

Figura 6: Grafo parcial. (apagam-se arcos)

Figura 7: Componentes de um grafo. G tem 2 componentes A e B

MODELOS E MTODOS DE OTIMIZAO

COMPONENTE FORTE DE UM GRAFO

MODELOS E MTODOS DE OTIMIZAO

e onde nenhum par de ns em S, nem em T adjacente.

Figura 9: Grafo bipartite

Figura 10: rvore

MODELOS E MTODOS DE OTIMIZAO

RVORE EXTENDIDA (spaning tree)

Figura 11: rvore extendida ST(Spanning tree)

Proposio 1: G contm uma ST (spanning tree) se somente se G conectado

MODELOS E MTODOS DE OTIMIZAO

Figura 12: Arborescncia enraizada de i

Figura 13: Arborescncia enraizada para o n i

MODELOS E MTODOS DE OTIMIZAO

REPRESENTAO DE GRAFOS EM COMPUTADORES

A implementao de algoritmos de fluxos em rede em computadores exige uma

2.1. MATRIZES DE INCIDNCIA N-N

1se ha arco (i, j )

Figura 2.1. Exemplo de grafo

MODELOS E MTODOS DE OTIMIZAO

Tomando uma linha i da matriz, o nmero de elementos 0 d o nmero de arcos

Tomando-se um elemento j da coluna a soma de elementos da coluna d o nmero de

A memria necessria para armazenar a matriz proporcional a n2

2.2. MATRIZES DE INCIDNCIA N-ARCO

+1 se arco ( j ) incidente do n i (exteriormente)

1 se arco ( j ) incidente para o n i (int eriormente)

Para o grafo da figura 2.1 a matriz de incidncia n-arco dada a seguir.

Portanto, as colunas tem dois elementos diferente de 0 um +1 e um -1.

MODELOS E MTODOS DE OTIMIZAO

A memria necessria para armazenar esta matriz proporcional a n X m. No caso mais

3. ESTRUTURA DE LISTA DE ARCOS

MODELOS E MTODOS DE OTIMIZAO

O vetor guarda apenas o n de destino (cabea) de cada arco.

A lista (i) indica o ndice do primeiro arco cuja cabea i.

MODELOS E MTODOS DE OTIMIZAO

Por exemplo, ainda considerando a figura 2.1. Os ns predecessores de 3 esto em

4. MTODOS DE BUSCA EM REDE

4.1. BUSCA EM AMPLITUDE (BREADTH-FIRST SEARCH)

Figura 2.2.: Busca em amplitude. (A linha pontilhada indica a arborescncia associada

MODELOS E MTODOS DE OTIMIZAO

Observa-se que a ordem de visita no nica. Se se marca os arcos usados na busca,

4.2. BUSCA EM PROFUNDIDADE (DEPTH-FIRST SEARCH)

Figura 2.3. Arborescncia resultante da busca em profundidade (DFS)

MODELOS E MTODOS DE OTIMIZAO

Estimar o nmero de computaes elementares x ,

medida do tamanho do problema equivale a determinar a complexidade computacional

Pode-se trabalhar com a complexidade esperada ou com complexidade no pior caso,

MODELOS E MTODOS DE OTIMIZAO