Slides:



Advertisements
Presentaciones similares
ALGORITMOS DE KRUSKAL Y PRIM
Advertisements

Caminos más cortos a partir de múltiples fuentes en un grafo
PRACTICO N° 6 GRAFOS año: 2012.
GRAFOS Presentado por: Oscar Leonardo Ramírez John Freddy Sandoval
Teoría de Grafos UCR – ECCI CI-1204 Matemáticas Discretas
GRAFOS: ALGORITMOS FUNDAMENTALES
Teoría de Grafos I semestre 2009 UNIVERSIDAD NACIONAL DE INGENIERIA
INSTITUTO TECNOLOGICO de Villahermosa
Ordenamiento Topológico
OPTIMIZACIÓN EN REDES EN ALGUNOS PROBLEMAS DE OPTIMIZACIÓN PUEDE SER ÚTIL REPRESENTAR EL PROBLEMA A TRAVÉS DE UNA GRÁFICA: ruteo de vehículos, distribución.
Investigación de Operaciones II
ALGORITMO DEL ÁRBOL DE MÍNIMA EXPANSIÓN
Investigación Operativa II Dra. Sandra Gutiérrez.
ESTRUCTURAS DE DATOS AVANZADAS
Método de Ford-Fulkerson

Bases de Datos y PHP MC Beatriz Beltrán Martínez.
Teoría de Grafos.
Analisis y Diseño de Algoritmos Tema: Grafos 3ra Parte
Problemes de Viatjants
GRAFOS HUGO ARAYA CARRASCO.
Teoría de Grafos.
Estructuras de datos y algoritmos
1 Algoritmos Elementales de Grafos Agustín J. González ELO-320: Estructura de Datos Y Algoritmos 1er.Sem
Programación entera y grafos
PROGRAMACIÓN PARALELA EN ALGORITMOS SOBRE GRAFOS
Modelos Cuantitativos
Grafos. Un Grafo G es un par de conjuntos (V, E), donde V es un conjunto no vacío de elementos llamados vértices o nodos y E es un conjunto formado por.
Teoria de grafos.-clase 4

Árbol recubridor mínimo Distancias

I n s t i t u t o T e c n o l ó g i c o d e T e c n o l ó g i c o d e V i l l a h e r m o s a ING. EN SISTEMAS CATEDRATICO: I.I. Zinath Javier Gerónimo.
Single-Source Shortest Paths “Camino más corto desde/hacia una fuente”

APLICACIÓN DEL ALGORITMO FAST MARCHING EN AMBIENTES TRIDIMENSIONALES: CASO DE ESTUDIO EN IMÁGENES MÉDICAS Autor: Luis Andrés Almanza Caicedo Director Leonardo.
Diseño y análisis de algoritmos

A LGORITMO DE BÚSQUEDA POR COSTO UNIFORME Dorian López.
Analisis y Diseño de Algoritmos Tema: Grafos


Información Semiestructurada MC Beatriz Beltrán Martínez Primavera 2014.
Jorge Mondragón Leonardo Herrera Cristian Fernández
1 Algoritmos Avaros (Greedy Algorithms) Agustín J. González ELO-320: Estructura de Datos y Algoritmos 1er. Sem
Estructuras de datos para Grafos


Tipos de Datos abstractos
Sesión 3: Teoría de Grafos
1 Single-Source Shortest Paths “Camino más corto desde/hacia una fuente” Agustín J. González ELO320: Estructura de Datos y Algoritmos 1.er. Sem
1 Flujo Máximo Agustín J. González ELO320: Estructura de Datos y Algoritmos.
Minimum Spanning Tree (Árbol de Expansión Mínima)
Agregar un conjunto de datos en arreglos bidimensionales.
Algoritmo de Dijkstra para ruta más corta. Ejemplo 1.
Estructura de Datos 4 Grafos Dirigidos
ALUMNO: GABRIEL GARCÍA VELAZQUEZ NO.CONTROL: MATERIA: INV. OPERACIONES UNIDAD 3.
ANALISIS DE REDES UNIDAD PROCEDIMIENTO DE OPTIMIZACION
UNIDAD 2 Grafos Árboles abarcadores mínimos Caminos más cortos.
BUSQUEDA EN ANCHURA Y PROFUNDIDAD
GRAFOS.
Matemáticas Discretas MISTI
Recorridos de grafos Segunda Parte M.C. Meliza Contreras González.
Tipos de Datos abstractos
Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación ENSAMBLADOR MC BEATRIZ BELTRÁN MARTÍNEZ.
ALGORITMO DE DIJKSTRA BANDA DÍAZ ANA KARINA SUAREZ BARON SINDY TATIANA.
Estructuras de Datos MC Beatriz Beltrán Martínez Primavera 2016
Tipos de Datos abstractos
Estructuras de Datos MC Beatriz Beltrán Martínez Primavera 2018
Arreglos Bidimensionales
Transcripción de la presentación:

Algoritmo de Dijkstra Supóngase un grafo dirigido G=(V, A) en el cual cada arco tiene una etiqueta no negativa, y donde un vértice se especifica como origen. El problema es determinar el costo del camino más corto del origen a todos los demás vértices de V, donde la longitud de un camino es la suma de los costos de los arcos del camino. FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Dijkstra El algoritmo de Dijkstra opera a partir de un conjunto de S de vértices cuya distancia más corta desde el origen ya es conocida. Inicialmente S sólo contiene al origen. En cada paso se integra un nuevo vértice, cuya distancia al origen es la más corta posible. En cada paso se utiliza un arreglo D para registrar el camino más corto. FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Dijkstra Se supone que se tiene un grafo dirigido G=(V, A) en el que V={1, 2, …, n}. C es un arreglo bidimensional de costos, donde C[i, j] es el costo de ir del vértice i al j. En caso de que no exista dicho arco, C[i, j] es ∞. D[i] contiene la longitud del camino más corto al vértice i. P[v] contiene el vértice inmediato anterior a v en el camino más corto. FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Dijkstra Inicio S{1} Para i2 hasta n hacer D[i]C[1,i] Fin_para Para i1 hasta n-1 hacer Elige un vértice w en V-S tal que D[w] es mínimo. Agrega w a S Para cada vértice v en V-S hacer Si D[w]+C[w, v]<D[v] entonces P[v] w D[v] D[w]+C[w, v] Fin_si Fin FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Floyd Se tiene un grafo y se desea obtener el camino más corto entre cualesquiera dos pares de vértices. Se tiene un grafo dirigido G=(V, A) en el cual cada arco tiene un costo no negativo. El Algoritmo de Floyd obtiene una matriz en la que se calculan los costos de los caminos más cortos. Inicialmente A[i, j]=C[i, j] para toda i≠j. Si no hay arco de i a j se supone C[i, j]=∞. FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Floyd Inicio Para i1 hasta n hacer Para j1 hasta n hacer A[i, j]C[i, j] Fin_para A[i, i]0 Para k1 hasta n hacer Si A[i, k]+A[k, j]<A[i, j] entonces A[i, j]A[i, k]+A[k, j] Fin_si FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez Fin_para Fin

Árbol abarcador de costo mínimo Sea G=(V, A) un grafo conexo, con un costo en las aristas. Sea U algún subconjunto propio del conjunto de vértices V. Si (u, v) es una arista de costo mínimo, tal que uU y vV-U, existe un árbol abarcador de costo mínimo que incluye (u, v) entre sus aristas. FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Prim Supóngase que V={1, 2, …, n}. El algoritmo de Prim comienza cuando se asigna a un conjunto U un valor inicial {1}, en el cual crece un árbol abarcador, arista por arista. En cada paso se localiza la arista más corta (u, v) que conecta a U con V-U, agregando vV-U a U. Esto se repite hasta que V=U. FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Prim Prim T U{1} Mientras UV hacer Sea (u, v) una arista de costo mínimo tal que uU y vV-U. TT{(u,v)} UU {v} Fin_mientras Fin FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Kruskal Supóngase que se tiene el grafo G=(V, A) con V={1, 2, …, n}. Se inicia con el grafo T=(V, ) constituido solo por los vértices de G sin aristas. Por lo tanto, cada vértice es un componente conexa. Conforme el algoritmo avanza, se conectan dos componente conexas distintas. Se repite hasta tener una única componente. FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Kruskal Se utilizan las siguientes operaciones: COMBINA(A, B, C): Se combinan las componentes A y B en C. ENCUENTRA(v, C): Devuelve la componente C, del cual el vértice v es miembro. INICIAL(A, v, C): Para que A sea el nombre de una componente que pertenece a C, y que inicialmente contiene solo el vértice v. FCC-BUAP Primavera 2015 MC Beatriz Beltrán Martínez

Algoritmo de Kruskal comp_sig0 comp_nnúmero de miembros en V Para cada v en V hacer comp_sigcomp_sig+1 INICIAL (comp_sig,v,componentes) Fin_para Para cada a en A hacer INSERTA(a, aristas) Mientras comp_n>1 hacer aSUPRIME_MIN(aristas) Sea a=(u, v) comp_uENCUENTRA(u,componente) comp_vENCUENTRA(v,componente) FCC-BUAP Primavera 2015 Si comp_u  comp_v entonces COMBINA(comp_u,comp _v,componentes) INSERTA(a, T) comp_ncomp_n-1 Fin_si Fin_Mientras Fin MC Beatriz Beltrán Martínez