Capitulo 22 - Grafos - Algoritmos Elementares

Grafos – Algoritmos elementares
Aula 12
Fábio Henrique Viduani Martinez
Faculdade de Computação
Universidade Federal de Mato Grosso do Sul
Análise de Algoritmos
Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 1 / 61

Conteúdo da aula
1 Introdução
2 Representações de grafos
3 Busca em largura
4 Busca em profundidade
5 Exercícios

Introdução
Motivação
I grafos são estruturas de dados amplamente usadas em
computação e algoritmos que trabalham com grafos são
fundamentais na área
I esta aula apresenta métodos para representação de um grafo e
para busca em um grafo
I busca em um grafo significa visitar sistematicamente as arestas
do grafo, bem como os seus vértices
I um algoritmo que realiza uma busca em um grafo pode descobrir
muito sobre sua estrutura
I muitos algoritmos começam por realizar uma busca em seu grafo
de entrada com o objetivo de obter essa informação estrutural
I outros algoritmos são descritos como re-elaborações simples de
algoritmos que realizam buscas em grafos
I técnicas de busca em grafos são o coração da área de algoritmos
para grafos
Representações de grafos
Listas e matriz de adjacências
I existem duas formas de representar um grafo G = (V, E):

I como uma coleção de listas de adjacências
I como uma matriz de adjacências
I ambas as formas são aplicáveis para grafos com ou sem
orientação nas arestas
I a representação com listas de adjacências é em geral preferida,
já que fornece uma forma compacta de representar grafos
esparsos, isto é, grafos para os quais |E| é muito menor que |V|2
I a representação por matriz de adjacências pode ser mais
adequada quando o grafo é denso, isto é, quando |E| é
aproximadamente |V|2 ou quando precisamos estar aptos a dizer
rapidamente se uma aresta conecta dois vértices

Listas de adjacências
As listas de adjacências de um grafo G = (V, E) consistem de um vetor

Adj de |V| listas, uma para cada vértice em V. Para cada u ∈ V, a lista
de adjacências Adj[u] contém todos os vértices v tais que existe uma
aresta uv ∈ E.

1 2 5
1 2
2 1 5 3 4
3 3 2 4
4 2 5 3
5 4 5 4 1 2

1 2 4
1 2 3
2 5
3 6 5
4 2
4 5 6 5 4
6 6

Propriedades das listas de adjacências
I se G é um grafo orientado, a soma dos comprimentos de todas as

listas de adjacências é |E|
I se G é um grafo (sem orientação nas arestas), a soma dos
comprimentos das suas listas de adjacências é 2|E|
I a representação de um grafo por listas de adjacências tem a
propriedade que a quantidade de memória necessária é Θ(V + E)

Propriedades gerais
I na determinação do tempo de execução de um algoritmo que usa

um grafo G = (V, E), usamos em geral como medida do tamanho
da entrada o número de vértices |V| e o número de arestas |E| do
grafo
I no interior de notações assintóticas, o símbolo V significa |V|,
assim como E significa |E|; ou seja, adotamos a notação O(VE) no
lugar de O(|V||E|)
I nos algoritmos, adotamos a notação G.V para o conjunto de
vértices do grafo G e G.E para o conjunto de arestas de G

Propriedades das listas de adjacências
I a representação de um grafo por listas de adjacências pode ser

facilmente adaptada para representar grafos com pesos nas
arestas, ou seja, grafos para os quais cada aresta tem um peso
associado, dado pela função peso w : G.E → Q
I por exemplo, seja G = (V, E) um grafo com pesos com função peso
w; o peso w(uv) de uma aresta uv ∈ G.E pode ser armazenado
com o vértice v na lista de adjacências de u
I uma desvantagem potencial da representação por listas de
adjacências é que não há uma maneira rápida de determinar se
uma dada aresta uv está presente no grafo

Matriz de adjacências
Para a matriz de adjacências de um grafo G = (V, E), consideramos

que os vértices são numerados com 1, 2, . . . , |V| de maneira arbitrária.
Então, a representação de um grafo G por uma matriz de adjacências
consiste de uma matriz A = (ai j ) de dimensões |V| × |V| tal que
1, se i j ∈ G.E ,
(
ai j =
0, caso contrário .

1 2 3 4 5
1 0 1 0 0 1
1 2
2 1 0 1 1 1
3 3 0 1 0 1 0
4 0 1 1 0 1
5 4 5 1 1 0 1 0

1 2 3 4 5 6
1 0 1 0 1 0 0
1 2 3
2 0 0 0 0 1 0
3 0 0 0 0 1 1
4 0 1 0 0 0 0
4 5 6 5 0 0 0 1 0 0
6 0 0 0 0 0 1

Propriedades da matriz de adjacências
I a matriz de adjacências A de um grafo (sem orientação nas

arestas) é idêntica à sua transposta, isto é, A = AT
I a representação de um grafo G por uma matriz de adjacências A
também pode ser usada para representar grafos com pesos nas
arestas, armazenando o peso w(uv) de uma aresta uv ∈ G.E na
entrada auv de A

Busca em largura
Ideia geral
I um dos algoritmos mais simples para busca em um grafo e a base

para diversos outros algoritmos importantes para grafos
I dado um grafo G = (V, E) e um vértice s de G chamado origem, a
busca em largura (breadth-first search – BFS) explora
sistematicamente as arestas de G para “descobrir” todo vértice
que é alcançável a partir de s
I BFS computa a distância (o menor número de arestas) de s a
cada vértice alcançável a partir de s
I BFS produz uma “árvore da busca em largura” (ou árvore BFS)
com raiz s e que contém todos os vértices alcançáveis
I para cada vértice v alcançável por s, o caminho na árvore BFS de
s a v corresponde ao “menor caminho” de s a v em G

Busca em largura
Ideia geral
I o algoritmo da busca em largura funciona para grafos não
orientados e orientados
I o nome “busca em largura” se refere à forma como o algoritmo
BFS expande uniformente a fronteira entre os vértices
descobertos e não descobertos
I ou seja, o algoritmo descobre todos os vértices à distância k de s
antes de descobrir qualquer vértice à distância k + 1
I O algoritmo BFS pinta os vértices de branco, cinza e preto
durante sua execução
I todos os vértices iniciam com cor branca; um vértice é
descoberto a primeira vez que é encontrado durante a execução
do algoritmo, momento em que troca de cor
I vértices de cor cinza representam a fronteira entre os vértices
descobertos e não descobertos
Busca em largura
Ideia geral
I BFS constrói uma árvore BFS, inicialmente contendo apenas sua

raiz, que é o vértice origem s
I sempre que um vértice branco v é descoberto durante o percurso
de uma lista de adjacências de um vértice u já descoberto, o
vértice v e a aresta uv são adicionados à árvore
I nesse caso, dizemos que u é o predecessor ou pai de v na árvore
BFS

Busca em largura
Ideia geral
I o algoritmo BFS recebe um grafo de entrada G = (V, E)

representado por listas de adjacências
I a cor de um vértice u é armazenada em u.color
I o predecessor de u é armazenado em u.π; se u não tem
predecessor, então u.π = nil
I a distância da origem s ao vértice u computada pelo algoritmo é
armazenada em u.d
I o algoritmo BFS usa uma fila Q para gerenciar os vértices de cor
cinza

Busca em largura
Algoritmo da busca em largura

BFS(G, s)
01. para cada vértice u ∈ G.V − s
02. u.color = branco
03. u.d = ∞
04. u.π = nil
05. s.color = cinza
06. s.d = 0
07. s.π = nil
08. Q=∅
09. Entra-na-Fila(Q, s)
10. enquanto Q , ∅
11. u = Sai-da-Fila(Q)
12. para cada v ∈ Adj[u]
13. se v.color == branco
14. v.color = cinza
15. v.d = u.d + 1
16. v.π = u
17. Entra-na-Fila(Q, v)
18. u.color = preto

Busca em largura
Exemplo de execução
r s t u
v w x y

Busca em largura

Busca em largura
Análise do algoritmo BFS
I depois da inicialização, nenhum vértice é colorido com branco

desse momento em diante
I o teste na linha 13 assegura que cada vértice é enfileirado no
máximo uma vez e, portanto, desenfileirado no máximo uma vez
I operações de enfileiramento e desenfileiramento têm tempo de
execução O(1)
I o tempo total para operações na fila é O(V)

Busca em largura
Análise do algoritmo BFS
I como a lista de adjacências de cada vértice é percorrida somente

quando o vértice sai da fila, então cada lista de adjacências é
percorrida no máximo uma vez
I como a soma dos comprimentos de todas as listas de
adjacências é Θ(E), então o tempo total gasto no percurso das
listas de adjacências é O(E)
I o tempo de inicialização é O(V) e assim o tempo total de
execução do algoritmo BFS é O(V + E)
I portanto, o algoritmo BFS tem tempo de execução linear no
tamanho da representação por listas de adjacências de G

Busca em largura
Propriedades da busca em largura
I a distância dist(s, v) de s a v em um grafo G é definida como o

menor número de arestas em qualquer caminho de s a v em G
I se não existe um caminho de s a v em G então dist(s, v) = ∞
I o caminho de comprimento dist(s, v) de s a v em G é chamado um
menor caminho de s a v
I o algoritmo BFS encontra corretamente as distâncias para cada
vértice v ∈ G.V

Busca em largura
Árvore da busca em largura
I o algoritmo BFS constrói uma árvore BFS

I a árvore BFS é representada pelo atributo π em cada vértice
I para um grafo G = (V, E) com origem s, definimos o subgrafo
predecessor de G como Gπ = (Vπ , Eπ ) onde
Vπ = {v ∈ V : v.π , nil} ∪ {s}
e
Eπ = {(v.π, v) : v ∈ Vπ − s}
I o subgrafo predecessor Gπ é uma árvore BFS se Vπ consiste dos

vértices alcançáveis a partir de s e existe um único caminho de s
a v em Gπ , para todo v ∈ Vπ , que é um menor caminho de s a v
em G

Busca em largura
Menor caminho
o algoritmo PrintPath imprime os vértices de um menor caminho de s

a v, assumindo que o algoritmo BFS foi executado e computou a
árvore BFS
PrintPath(G, s, v)
01. se v == s
02. imprime s
03. senão
04. se v.π == nil
05. imprime “não há caminho de” s “a” v
06. senão
07. Print-Path(G, s, v.π)
08. imprime v
Tempo de execução: O(V)

Busca em profundidade
Ideia geral
I na busca em profundidade (depth-first search), o vértice v mais

recentemente descoberto tem exploradas as arestas incidentes a
v e ainda não exploradas
I quando todas as arestas incidentes a v são exploradas, a busca
volta a explorar as arestas incidentes no vértice a partir do qual o
vértice v foi descoberto
I se existem vértices não descobertos, então um deles é
selecionado e a busca é repetida a partir dele
I o processo como um todo é repetido até que todos os vértices
sejam descobertos

Ideia geral
I como na busca em largura, sempre que um vértice v é

descoberto durante o percurso na lista de adjacências de um
vértice já descoberto u, a busca em profundidade registra esse
evento fazendo com que o predecessor de v.π de v seja u
I o subgrafo predecessor produzido por uma busca em
profundidade pode ser composto por várias árvores
I o subgrafo predecessor de uma busca em profundidade é definido
então como Gπ = (V, Eπ ) onde Eπ = {(v.π, v) : v ∈ V e v.π , nil}
I o subgrafo predecessor de uma busca em profundidade produz
uma floresta de busca em profundidade composta de várias
árvores de busca em profundidade

Ideia geral
I os vértices são coloridos durante a busca em profundidade, para

indicar seu estado: cada vértice é inicialmente branco, torna-se
cinza quando é descoberto na busca e torna-se preto quando é
finalizado
I a busca em profundidade também rotula cada vértice com duas
marcas de tempo: v.d armazena o momento quando v é
descoberto (e é colorido com cinza) e v. f registra o momento
quando a busca termina de examinar a lista de adjacências de v
(e é colorido com preto)
I as marcas de tempo são valores entre 1 e 2|V|
I observe que u.d < u. f para todo vértice u
I u é branco antes de u.d, cinza entre u.d e u. f e preto depois de u. f

Ideia geral
I a entrada do algoritmo DFS de busca em profundidade é um

grafo G, orientado ou não orientado
I a variável tempo é uma variável global usada para registro dos
tempos

DFS(G)
01. para cada vértice u ∈ G.V
02. u.color = branco
03. u.π = nil
04. tempo = 0
05. para cada vértice u ∈ G.V
06. se u.color == branco
07. DFS-Visit(u)

Algoritmo da busca em profundidade
DFS-Visit(u)
01. u.color = cinza
02. u.d = tempo = tempo + 1
03. para cada v ∈ Adj[u]
04. se v.color == branco
05. v.π = u
06. DFS-Visit(v)
07. u.color = preto
08. u. f = tempo = tempo + 1

u v w
x y z


Análise do algoritmo DFS
I as estruturas de repetição das linhas 1-3 e 5-7 do algoritmo DFS

têm tempo de execução Θ(V), desconsiderando a chamada ao
algoritmo DFS-Visit
I o algoritmo DFS-Visit é executado exatamente uma vez para
cada vértice v ∈ V
I no algoritmo DFS-Visit, a estrutura de repetição nas linhas 3-6 é
executada |Adj[v]| vezes
I como X
|Adj[v]| = Θ(E)
v∈V
então o custo total da execução das linhas 3-6 do algoritmo

DFS-Visit é Θ(E)
I portanto, o tempo de execução do algoritmo DFS é Θ(V + E)

Ordenação topológica
I seja G um grafo com orientação nas arestas e acíclico (dag –

directed acyclic graph)
I a ordenação topológica de um dag G = (V, E) é uma ordenação
linear de todos os seus vértices tal que, se G tem uma aresta uv,
então u precede v nessa ordenação
I uma ordenação topológica de um grafo pode ser vista como uma
ordenação de seus vértices ao longo de uma linha horizontal, tal
que todas as arestas orientadas vão da esquerda para direita

I dags são usados em muitas aplicações que indicam precedências

entre eventos: escalonamento de uma sequência de tarefas com
precedências, escalonamento de instruções, síntese lógica,
serialização de dados, etc

I um exemplo ilustrativo é dado a seguir, que surge todos os dias

pela manhã quando o professor X se veste para o trabalho
cueca meias
relogio
calcas sapatos
camisa
cinto
gravata
jaqueta

I professor X deve vestir certos itens de vestuário antes de outros

I outros itens podem ser vestidos em qualquer ordem
I uma aresta orientada uv no dag indica que o item u deve ser
vestido antes do item v
I uma ordenação topológica desse dag fornece uma ordem de
itens para a qual o professor X pode vestir-se seguramente

TopologicalSort(G)
01. chame DFS(G) para computar os tempos de término v. f para cada vértice v
02. assim que cada vértice é finalizado, insira-o no início de uma lista ligada
03. devolva a lista ligada de vértices
Tempo de execução: Θ(V + E)

meias cueca calcas sapatos relogio camisa cinto gravata jaqueta
17/18 11/16 12/15 13/14 9/10 1/8 6/7 2/5 3/4

Componentes fortemente conexos
I a decomposição de um grafo com orientação nas arestas em

seus componentes fortemente conexos é uma aplicação clássica
da busca em profundidade
I um componente fortemente conexo de um grafo orientado
G = (V, E) é um conjunto maximal de vértices C ⊆ V tal que, para
todo par de vértices u e v em C, temos que existem caminhos de
u a v e de v a u em G

a b c d
e f g h

I seja G = (V, E) um grafo; o grafo transposto GT = (V, ET ) de G é tal

que ET = {uv : vu ∈ E}
I ou seja, ET consiste das arestas de G com suas orientações
invertidas
I dada uma representação de G por listas de adjacências,
podemos obter GT em tempo O(V + E)
I G e GT têm exatamente os mesmos componentes fortemente
conexos

a b c d
e f g h

StronglyConnectedComponents(G)
01. chame DFS(G) para computar os tempos de término u. f para cada vértice u
02. compute GT
03. chame DFS(GT ), mas no laço principal do DFS considere os vértices
em ordem decrescente de u. f , como computado na linha 1
04. devolva os vértices de cada árvore na floresta de busca em profundidade
formada na linha 3 como um componente fortemente conexo separado
Tempo de execução: Θ(V + E)

a b c d
e f g h


Exercícios
Exercícios
22.1-1 Dado um grafo orientado G = (V, E), os pares ordenados de vértices em E são
chamados de arestas ou arcos. Um arco uv em E, também denotado por uv, ~ sai
do vértice u e entra no vértice v. O grau de entrada u.d− de um vértice u em V é
o número de arcos entrando em u, isto é, o número de arcos do tipo vu, para v
um vértice de G. O grau de saída u.d+ de um vértice u em V é o número de
arcos saindo de u, isto é, o número de arcos do tipo uv, para v um vértice de G.
Dada uma representação por listas de adjacências de um grafo orientado, qual
o tempo gasto para computar o grau de saída de cada vértice deste grafo? E
para computar o grau de entrada de cada vértice?
22.1-2 Forneça uma representação por listas de adjacências para uma árvore binária
completa com 7 vértices. Forneça uma representação equivalente por uma
matriz de adjacências. Considere que os vértices são númerados de 1 a 7 como
em um heap.

Exercícios
Exercícios
22.1-3 O grafo transposto de um grafo orientado G = (V, E) é o grafo GT = (V, ET ), onde

ET = {vu ∈ V × V : uv ∈ E}. Assim GT é G com todas as suas arestas invertidas.
Descreva algoritmos eficientes para computar o grafo transposto GT de um grafo
orientado G, com G representado por uma lista de adjacências e por uma matriz
de adjacências. Analise o tempo de execução de seus algoritmos.
22.1-5 O quadrado de um grafo orientado G = (V, E) é o grafo G2 = (V, E2 ) tal que uw ∈ E2
se e somente se para algum v ∈ V, ambas uv ∈ E e vw ∈ E. Ou seja, G2 contém
uma aresta entre u e w sempre que G contém um caminho com exatamente
duas arestas entre u e w. Descreva algoritmos eficientes para computar G2 de G
onde G é representado por uma lista de adjacências e por uma matriz de
adjacências. Analise os tempos de execução dos seus algoritmos.
22.1-6 Quando uma representação por uma matriz de adjacências é usada, muitos
algoritmos para grafos precisam de tempo Θ(V 2 ), mas existem algumas
exceções. Mostre como determinar se um grafo orientado contém uma destino
universal — um vértice com grau de entrada |V| − 1 e grau de saída 0 — em
tempo O(V), dada uma representação por matriz de adjacências para G.

Exercícios
Exercícios
22.1-7 A matriz de incidências de um grafo orientado G = (V, E) sem laços é uma matriz
B = (bi j ) de dimensões |V| × |E| tal que
−1 , se a aresta j sai do vértice i ,




bij =  1, se a aresta j entra no vértice i ,


 0, caso contrário .


Descreva o que representam as entradas da matriz BBT , onde BT é a transposta

de B.
22.2-1 Mostre os valores de d e π que resultam da execução do algoritmo BFS sobre o
grafo orientado da figura 1, usando o vértice 3 como origem.
1 2 3
4 5 6
Figura: Grafo do exercício 22.2-1.

Exercícios
Exercícios
22.2-2 Mostre os valores de d e π que resultam da execução do algoritmo BFS sobre o

grafo da figura 2, usando o vértice u como origem.
r s t u
v w x y
22.2-4 Qual é o tempo de execução do algoritmo BFS se representamos seu grafo de

entrada por uma matriz de adjacências e modificamos o algoritmo para
manipular esta forma de entrada?

Exercícios
Exercícios
22.2-5 Argumente que na busca em largura, o valor u.d atribuído ao vértice u é

independente da ordem em que os vértices aparecem em cada lista de
adjacências. Mostre, por outro lado, que a árvore BFS construída pelo algoritmo
BFS pode depender da ordem dos vértices nas listas de adjacências.
22.2-7 Há dois tipos de pugilistas profissionais: bebezões (“caras bonzinhos”) e vilões
(“caras maus”). Entre qualquer par de pugilistas profissionais, pode ou não
existir uma rivalidade. Suponha que temos n pugilistas profissionais e temos
também uma lista de r pares de pugilistas para os quais existem rivalidades.
Forneça um algoritmo de tempo O(n + r) que determina se é possível apontar
alguns dos pugilistas como bebezões e o restante como vilões, de tal forma que
cada rivalidade existente seja entre um bebezão e um vilão. Se é possível obter
essa designação, seu algoritmo deve produzi-la.

Exercícios
Exercícios
22.3-1 Uma busca em profundidade classifica as arestas de um grafo como:

I arestas da árvore são as arestas da floresta Gπ . Uma aresta uv é uma aresta da
árvore se v foi descoberto primeiro quando o algoritmo explora a aresta uv;
I arestas retorno são as arestas uv que conectam um vértice u a um ancestral v em
uma árvore de busca em profundidade. Laços em grafos orientados são
considerados arestas retorno;
I arestas adiante são arestas uv que não fazem parte da árvore que conectam um
vértice u a um descendente v na árvore de busca em profundidade;
I arestas cruzadas são todas as outras arestas. Ela podem conectar vértices na
mesma árvore de busca em profundidade, enquanto um vértice não é ancestral do
outro, ou podem conectar vértices de diferentes árvores de busca em profundidade.
Faça uma tabela 3-por-3 com rotúlos branco, cinza e preto. Em cada compartimento (i, j)
indique, em qualquer momento durante a busca em profundidade em um grafo orientado,
se pode existir uma aresta de um vértice de cor i para um vértice de cor j. Para cada
aresta possível, indique de qual tipo essa aresta pode ser. Faça uma outra tabela para
uma busca em profundidade de um grafo não orientado.

Exercícios
Exercícios
22.3-2 Execute o algoritmo DFS sobre o grafo da figura 3. Assuma que a estrutura de
repetição para das linhas 5-7 do algoritmo DFS considera os vértices em
ordem alfabética e que cada lista de adjacências é ordenada alfabeticamente.
Mostre os tempos de descoberta e término de cada vértice bem como a
classificação de cada aresta.
r
q
s t u
v w x y
Figura: Grafo dos exercícios 22.3-2 e 22.5-2.
22.3-7 Reescreva o algoritmo DFS usando uma pilha para eliminar a recursão.

Exercícios
Exercícios
22.3-8 Forneça um contra-exemplo para a conjectura que se um grafo orientado G

contém um caminho de u a v e se u.d < v.d em uma busca em profundidade de
G, então v é um descendente de u na floresta da busca em profundidade
produzida.
22.3-9 Forneça um contra-exemplo para a conjectura que se um grafo orientado G
contém um caminho de u a v, então qualquer busca em profundidade deve
resultar em v.d < u. f .
22.3-11 Explique como um vértice u de um grafo orientado pode ser finalizado em uma
busca em profundidade contendo somente u, mesmo que existam arestas
entrando e saindo de u em G.

Exercícios
Exercícios
22.3-12 Um subgrafo de um grafo G é qualquer grafo H tal que VH ⊆ VG e EH ⊆ EG . É conveniente

escrever “H ⊆ G” para dizer que H é subgrafo de G. Em qualquer grafo G, dizemos que um
vértice v está ligado a um vértice w se G contém um caminho com extremos v e w. Um
grafo é conexo se seus vértices são ligados dois a dois. Um subgrafo conexo H de um
grafo G é maximal (com relação à propriedade de ser conexo) se não faz parte de um
subgrafo conexo maior, ou seja, se H não é subgrafo próprio de algum subgrafo conexo de
G, ou seja, se não existe grafo conexo H0 tal que H ⊂ H0 ⊆ G. Um componente de um
grafo G é qualquer subgrafo conexo maximal de G.
Mostre que podemos usar a busca em profundidade sobre um grafo G não orientado para
identificar os componentes conexos de G e que a floresta da busca em profundidade
contém tantas árvores quanto G possui componentes conexos. Mais precisamente,
mostre como modificar a busca em profundidade de tal forma que ela atribua a cada
vértice v um rótulo v.cc, que é um número inteiro entre 1 e k, onde k é o número de
componentes conexos de G, tal que u.cc = v.cc se e somente se u e v pertencem ao
mesmo componente conexo.

Exercícios
Exercícios
22.4-1 Mostre a ordem dos vértices produzida pelo algoritmo TopologicalSort quando
executado sobre o dag da figura 4.
m n o p
q r s
t u v w
x y z
22.4-2 Forneça um algoritmo de tempo linear que toma como entrada um dag G = (V, E)
e dois vértices s e t e devolve o número de caminhos de s a t em G. Por
exemplo, o dag da figura 4 contém exatamente quatro caminhos do vértice p ao
vértice v: pov, poryv, posryv e psryv. Seu algoritmo precisa apenas contar o
número de caminhos, não listá-los.

Exercícios
Exercícios
22.4-3 Forneça um algoritmo que determina se um grafo não orientado G = (V, E)

contém um circuito. Seu algoritmo deve ter tempo O(V), independente de |E|.
22.4-5 Outra forma de executar uma ordenação topológica sobre um dag G = (V, E) é
repetidamente encontrar um vértice de grau 0, imprimi-lo e removê-lo
juntamente com as arestas que saem dele. Explique como implementar essa
ideia com tempo de execução O(V + E). O que acontece com este algoritmo se
o grafo G tem circuitos?
22.5-1 Como o número de componentes fortemente conexos de um grafo pode se
modificar se uma nova aresta é adicionada?

Exercícios
Exercícios
22.5-2 Mostre como o algoritmo StronglyConnectedComponents se comporta sobre o

grafo da figura 3. Especificamente, mostre os tempos de término computados
na linha 1 e a floresta produzida na linha 3. Assuma que a estrutura de
repetição das linhas 5–7 do algoritmo DFS considera os vértices em ordem
alfabética e que as listas de adjacências estão em ordem alfabética.
22.5-3 O professor Grushteniak afirma que o algoritmo para componentes fortemente
conexos seria mais simples se usasse o grafo original, ao invés do grafo
transposto, na segunda busca em profundidade e percorresse os vértices em
ordem crescente de seus tempos de término. Este algoritmo mais simples
sempre produz resultados corretos?

Exercícios
Problemas
22-1 Classificação das arestas pela busca em largura
Uma floresta de busca em profundidade classifica as arestas de um grafo em
aresta da árvore, aresta retorno, aresta adiante e aresta cruzada. Uma
busca em largura pode também ser usada para classificar as arestas alcaçadas
a partir do vértice origem da busca nas mesmas quatro categorias.
(a) Prove que em uma busca em largura de um grafo não orientado, as

seguintes propriedades valem:
(1) Não existem arestas retorno e arestas adiante;
(2) Para cada aresta da árvore uv, temos que v.d = u.d + 1;
(3) Para cada aresta cruzada uv, temos que v.d = u.d ou v.d = u.d + 1.
(b) Prove que em uma busca em largura de um grafo orientado, as
seguintes propriedades valem:
(1) Não existem arestas adiante;
(2) Para cada aresta da árvore uv, temos que v.d = u.d + 1;
(3) Para cada aresta cruzada uv, temos que v.d 6 u.d + 1;
(4) Para cada aresta retorno uv, temos que 0 6 v.d 6 u.d.

Capitulo 22 - Grafos - Algoritmos Elementares

Enviado por

Dados do documento

Título original

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

Capitulo 22 - Grafos - Algoritmos Elementares

Enviado por

Direitos autorais:

Formatos disponíveis

Grafos – Algoritmos elementares

Fábio Henrique Viduani Martinez

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 1 / 61

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 2 / 61

Listas e matriz de adjacências

I existem duas formas de representar um grafo G = (V, E):

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 4 / 61

As listas de adjacências de um grafo G = (V, E) consistem de um vetor

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 5 / 61

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 6 / 61

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 7 / 61

Propriedades das listas de adjacências

I se G é um grafo orientado, a soma dos comprimentos de todas as

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 8 / 61

I na determinação do tempo de execução de um algoritmo que usa

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 9 / 61

Propriedades das listas de adjacências

I a representação de um grafo por listas de adjacências pode ser

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 10 / 61

Para a matriz de adjacências de um grafo G = (V, E), consideramos

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 11 / 61

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 12 / 61

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 13 / 61

Propriedades da matriz de adjacências

I a matriz de adjacências A de um grafo (sem orientação nas

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 14 / 61

I um dos algoritmos mais simples para busca em um grafo e a base

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 15 / 61

I BFS constrói uma árvore BFS, inicialmente contendo apenas sua

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 17 / 61

I o algoritmo BFS recebe um grafo de entrada G = (V, E)

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 18 / 61

Algoritmo da busca em largura

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 19 / 61

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 20 / 61

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 21 / 61

Análise do algoritmo BFS

I depois da inicialização, nenhum vértice é colorido com branco

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 22 / 61

Análise do algoritmo BFS

I como a lista de adjacências de cada vértice é percorrida somente

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 23 / 61

Propriedades da busca em largura

I a distância dist(s, v) de s a v em um grafo G é definida como o

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 24 / 61

Árvore da busca em largura

I o algoritmo BFS constrói uma árvore BFS

Vπ = {v ∈ V : v.π , nil} ∪ {s}

I o subgrafo predecessor Gπ é uma árvore BFS se Vπ consiste dos

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 25 / 61

o algoritmo PrintPath imprime os vértices de um menor caminho de s

Tempo de execução: O(V)

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 26 / 61

I na busca em profundidade (depth-first search), o vértice v mais

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 27 / 61

I como na busca em largura, sempre que um vértice v é

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 28 / 61

I os vértices são coloridos durante a busca em profundidade, para

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 29 / 61

I a entrada do algoritmo DFS de busca em profundidade é um

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 30 / 61

Viduani Martinez (FACOM) Grafos – Algoritmos elementares AA 31 / 61

Algoritmo da busca em profundidade