Slza63 Cours PDF

Thorie des Graphes
Jean-Charles Rgin, Arnaud Malapert
Thorie des Graphes - 2015/2016

Remerciements
2
Didier MAQUIN (voir son site web)

Didier MULLER

Livres
3
Claude Berge : Graphes

Michel Gondran et Michel Minoux : Graphes et
Algorithmes
Christian Prins : Algorithmes de Graphes
Eugene Lawler : Combinatorial Optimization
Ahuja, Magnanti et Orlin Network Flows
R. Tarjan : Data Structures and Network Algorithms

Introduction

Graphes : 3 aspects
5
Communiquer / Visualiser
Dfinir des problmes
Raisonner
Pas que des algos : aussi des problmes

Histoire
6

Histoire
7

Dfinitions

Graphe : dfinitions
9
Un Graphe Orient (ou Digraph (directed graph)) G=(X,U) est

dtermin par la donne :
dun ensemble de sommets ou nuds X
dun ensemble ordonn U de couples de sommets appels arcs.
Le nombre de sommets dun arc est lordre du graphe
Si u=(a,b) est un arc de G alors
a est lextrmit initiale de u
b lextrmit terminale de u.
b est le successeur de a
a et b sont adjacents
Les arcs ont un sens. Larc u=(a,b) va de a vers b.
Ils peuvent tre munit dun cot, dune capacit etc

Graphe
10

Graphe
11
On note par (i) : lensemble des arcs ayant i comme

extrmit
On note par +(i) : lensemble des arcs ayant i comme
extrmit initiale = ensemble des arcs sortant de i
On note par -(i) : lensemble des arcs ayant i comme
extrmit terminale = ensemble des arcs entrant dans i
(i) : ensemble des successeurs de i
d+(i) : degr sortant de i (nombre de successeurs)
d-(i) : degr entrant de i (nombre de sommets pour lesquels i
est un successeur)

Graphe non orient
12
Un Graphe non orient G=(X,E) est dtermin par la

donne :
dun ensemble de sommets ou nuds X
Dun ensemble E de paires de sommets appeles artes
Les artes ne sont pas orientes

Graphe non orient
13

Graphe : dfinitions
14
Deux sommets sont voisins sils sont relis par un arc ou

une arte
N(i) : ensemble des voisins de i : ensemble des sommets j
tels quil existe un arte contenant i et j

Graphe complet
15

Exercices
16
Reliez le nombre dartes et les degrs

Montrez quun graphe simple a un nombre pair de
sommets de degr impair
Montrez que dans une assemble de n personnes, il y en
a toujours au moins 2 qui ont le mme nombre damis
prsents
Est-il possible de relier 15 ordinateurs de sorte que
chaque appareil soit reli exactement 3 autres ?

Exercices (suite)
17
Essayez dexprimer (et non ncessairement de rsoudre)

en termes de graphes les problmes suivants :
Peut-on placer quatre dames sur un chiquier 4x4 sans
quaucune delles ne puisse en prendre une autre ?

Un cavalier peut-il se dplacer sur un chiquier en
passant sur chacune des cases une fois et une seule ?

Combien doit-on placer de dames sur un chiquier 5x5
afin de contrler toutes les cases ?

Reprsentation des graphes en machine

Reprsentation des graphes
19
3 types de reprsentation qui ont chacune leur

avantage et inconvnient
Liste
de successions
Matrice dadjacence
Matrice dincidence

Liste de succession
20

Matrice dadjacence
21

Matrice dadjacence
22

Matrice dadjacence
23

Matrice dincidence
24
INVERSE

Matrice dincidence
25

Exercices
26
Pour chacune des reprsentations, calculer le cot des

oprations suivantes
Est-ceque i et j sont relis ?
Combien i a-t-il de voisins ?
Quels sont les voisins de i ?
Supprimer larc (a,b)
Supprimer le premier voisin de i

Exercices
27
Tracer la matrice dadjacence du graphe
On a calcul ci-dessous les matrices M2 et M3 (M est la

matrice ci-dessus). Pour chacune de ces matrices, quoi
correspondent les nombres obtenus ?

Chemins, chanes, cycles et circuit

Chane
29

Cycle
30

Chemin
31

Exercice : matrice dadjacence
32
On considre un graphe G = (E, U ) avec E=(A, B, C, D, E) et M

sa matrice associe.
Tracer le graphe reprsentatif de cette matrice.
Dterminer la matrice dincidence de ce graphe.

Calculer , i {1, 2, 3}. Rappeler la signification des
coefficients non nuls de ces matrices.
2 3 4
Calculer = + + + + . Donner une
interprtation de A. 0 1 0 1 0
0 0 1 0 0
0 0 0 0 1
0 0 1 0 1
0 0 0 0 0

Exercice : matrice dadjacence
33
0 0 2 0 1 0 0 0 0 2
0 0 0 0 1 0 0 0 0 0 4 = 0
2 = 0 0 0 0 0 3 = 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
1 1 2 1 3
+ + 2 + 0 1 1 0 1
3 + 4 = 0 0 1 0 1
0 0 1 1 2
0 0 0 0 1

Exercice: jeu des allumettes
34
Deux joueurs disposent de deux tas de trois allumettes,

tour de rle chaque joueur peut enlever une ou deux
allumettes dans un des tas. Le joueur qui retire la dernire
allumette perd la partie.
Modliser le jeu laide dun graphe.
Que doit jouer le premier joueur pour gagner coup sr ?

Graphe dtat
35
Chaque tat est reprsent par un sommet (x,y)

indiquant le nombre dallumettes de chaque tas.
On limine les symtries entre les tats (xy).
Il existe un arc entre deux sommets A et B sil est
possible de passer de ltat A a ltat B par une
transition valide (enlever une ou deux allumettes
dans un des tas).
Notez que la transition entre (2,0) est (0,0)
correspond un suicide, alors quon peut jouer un
coup gagnant.

Stratgie gagnante
36
Il faut retirer deux allumettes dun tas.

Quel que soit le coup jou par
ladversaire, on peut jouer un coup
gagnant.

Exercice : Die Hard !
37
On souhaite prlever 4 litres de liquide dans un tonneau.

Pour cela, nous avons notre disposition deux rcipients
(non gradus !), lun de 5 litres, lautre de 3 litres...
Comment doit-on faire ?

Exercice : Die Hard !
38
Chaque tat est reprsent par un sommet (x,y)

indiquant le nombre de litres dans la grande et la
petite bouteille.
Il existe un arc entre deux sommets A et B sil est
possible de passer de ltat A a ltat B par une
transition valide :
vider une bouteille (V);
remplir une bouteille (R);
transvaser le contenu de la bouteille A dans la bouteille B jusqu
ce que la bouteille A soit vide ou la bouteille B soit pleine (T).
Solution : (0,0) R (5,0) T (2,3) V (2,0) T (0,2) R (5,2) T (4,3)

Exercice : dnombrement de chemins
39
Supposons une grille de

dimensions n x m (par ex. 4x4).
Quelle est la longueur dun
plus court chemin entre A et B ?
Comment pouvez-vous
reprsenter un tel chemin ?
Combien y a t-il de plus courts
chemins entre A et B ?

Exercice : dnombrement de chemins
40
Supposons une grille de

dimensions n x m (par ex. 4x4).
Combien y a t-il de plus courts
chemins entre A et B ?

Exercice 2 : dnombrement de chemins
41
#AB est le nombre de plus courts

chemins entre A et B.
#AB = 2*(#AC*#CB + #ADB)
#AB = 2*(C(1, 3+1)^2 + 1)
#AB = 2*(16+1)=34

Graphes eulriens

Chane et cycle eulrien
43

Existence chane eulrienne
44

Trouver une chane eulrienne
45

Trouver une chane eulrienne
46

Exercices
47
Les graphes suivants sont-ils eulriens ?
Est-il possible de tracer une courbe, sans lever le crayon,

qui coupe chacun des 16 segments de la figure suivante
exactement une fois ?

Exercices
48
Le degr de A,B et D est 5

Le degr de E et C est 4
Le degr de A1, A2, B1,
B2, C1, C2, D1, E1 et E2
est 9.
Il est impossible de tracer une
courbe, sans lever le crayon,
qui coupe les 16 segments
car il y a plus de deux
sommets de degr impair.
Exercices
49
Soit G un graphe non eulrien. Est-il toujours possible de rendre

G eulrien en lui rajoutant un sommet et quelques artes ?
On considre des dominos dont les faces sont numrotes 1, 2, 3,
4 ou 5.
En excluant les dominos doubles, de combien de dominos dispose-t-on ?
Montrez que lon peut arranger ces dominos de faon former une
boucle ferme (en utilisant la rgle habituelle de contact entre les
dominos).
Pourquoi nest-il pas ncessaire de considrer les dominos doubles ?
Si lon prend maintenant des dominos dont les faces sont numrotes de
1 n, est-il possible de les arranger de faon former une boucle
ferme ?

Correction : rendre un graphe eulrien
50
Soit G un graphe non eulrien. Est-il toujours possible de

rendre G eulrien en lui rajoutant un sommet et quelques
artes ?
On ajoute un nouveau sommet que lon relie tous les
sommets de degr impair. Ces sommets ont maintenant un
degr pair dans le graphe modifi.
Dans le graphe original, il y avait un nombre pair de
sommets de degr impair, le nouveau sommet a donc un
degr pair.
Ainsi, tous les sommets ont maintenant un degr pair et le
graphe est eulrien.
Correction : dominos
51
Si lon prend maintenant des dominos dont les faces sont

numrotes de 1 n, est-il possible de les arranger de faon
former une boucle ferme ?
Les sommets du graphes sont les nombres de 1 n.
Chaque sommet est reli a tous les autres sommets. Chaque
arc (i,j) reprsente un domino.
En fait, le graphe est complet. Le degr dun sommet est n-1.
Si n est paire, tous les sommets ont un degr impair et le
graphe nest pas eulrien.
Si n est impaire, tous les sommets ont un degr pair et le
graphe est eulrien.
Chemin et circuit eulrien
52
Soit un graphe oriente G=(X, A).

Un chemin dans un graphe orient est dit eulrien sil
passe exactement une fois par chaque arc.
Un graphe orient est dit eulrien sil admet un circuit
eulrien.

Chemin et circuit eulrien
53

Chemin hamiltonien

Chemin hamiltonien
55

Traveling Salesman Problem (TSP)
56
Donnes : une liste de villes et leurs distances deux

deux.
Question : trouver le plus petit tour qui visite chaque
ville exactement une fois.
Reformulation plus mathmatique :

Etant donn un graphe complet pondr, trouver un cycle
hamiltonien de poids minimum

TSP
57
Chaque ville est visite une et une seule fois
Un seul tour (pas de sous-tour)

TSP
58
Chaque ville est visite une et une seule fois
Un seul tour (pas de sous-tour)

TSP
59
Certains problmes sont quivalents au problme du TSP.

Exemple : problme dordonnancement : trouver lordre dans
lequel on doit construire des objets avec des presses
hydrauliques
La version pure du TSP nest pas frquente en pratique.
On a souvent des problmes qui sont
Non euclidiens
Asymtriques
Recouvrement de sous-ens de nuds et non pas de tous les nuds
Ces variations ne rendent pas le problme plus facile.
Problme assez commun
Vehicle routing (time windows, pickup and delivery)
60
ProcterThorie
and Gamble Contest
des Graphes 1962
- 2015/2016
61
USA 13,509 cities. Solved in 1998

German Tour
62
Le 20 Avril 2001, David Applegate, Robert Bixby, Vaek

Chvtal, et William Cook ont anonc la rsolution du
TSP pour les 15 112 villes dAllemagne.
Rseau de 110 processeurs (550 Mhz) luniversit de
Rice et de Princeton.
Le temps total dutilisation des ordinateurs a t de 22.6
annes.

63
Germany 15,112 cities. Solved in 2001

64
Sweden 24,978 cities. Solved in 2004

65
VLSI 85,900. Solved in 2006

TSP
66
Il existe plusieurs solveurs

Le plus connu est Concorde de William Cook (gratuit)

Chemin hamiltonien
67

Exercice
68
Huit personnes se retrouvent pour un repas de mariage. Le

graphe ci-dessous prcise les incompatibilits dhumeur entre
ces personnes (une arte reliant deux personnes indique
quelles ne se supportent pas).
Proposez un plan de table (la table est ronde) en vitant de

placer cte cte deux personnes incompatibles.

Exercice
69
On cherche un cycle hamiltonien

dans le graphe de compatibilit.

Connexit

Connexit
71

Connexit
72

Forte connexit
73

Graphe Rduit
74

Rduction
75

Exercices
76
Donner lensemble des successeurs et des

prdcesseurs de chaque sommet.
Calculer les demi-degrs intrieurs et
extrieurs de chaque sommet.
Donner un exemple de chemin simple
mais non lmentaire.
Existe-t-il un circuit hamiltonien dans G?
Tracer le graphe non orient dduit de
G.
G est-il connexe ? Fortement connexe?
Arbre et arborescence

Cycle et nombre cyclomatique
78

Nombre cyclomatique
79
Soit G un graphe avec n sommets, m artes (ou arcs) et

p composantes connexes
La dimension de la base de cycle est v(G) = m n +p

Arbre
80
Un arbre est un graphe connexe sans cycles.

Une fort est un graphe dont chaque composante est un
arbre
Thorme. G=(X,A) est un arbre si et seulement si il

existe une unique chane reliant toute paire de sommet.
Preuve:
Si2 chaines alors on aurait un cycle
connexe quivaut il existe toujours une chaine entre toute
paire de sommet
Arbre
81
Thorme : Soit H=(X,U) un graphe dordre 2; les

proprits suivantes sont quivalentes pour caractriser un
arbre
H est connexe et sans cycle
H est sans cycle et admet n-1 arcs
H est connexe et admet n-1 arcs
H est connexe et en ajoutant un arc on cre un cycle (et un seul)
H est sans cycle et si on supprime un arc quelconque , il nest plus
connexe
Tout couple de sommets est reli par une chane et une seule
Preuve : voir Berge

Graphe fortement connexe
82
Thorme : Pour un graphe G avec au moins un arc, les

conditions suivantes sont quivalentes :
G est fortement connexe
Par tout arc passe un circuit
Preuve : voir Berge

Arborescence
83
Dans un graphe G=(X,U), on appelle racine, un point a

tel que tout autre sommet du graphe puisse tre atteint
par un chemin issu de a. Une racine nexiste pas toujours.
Une arborescence est un arbre muni dune racine
Un graphe G est dit quasi-fortement connexe si pour
tout couple de sommet x et y, il existe un sommet z do
partent la fois un chemin allant en x et un chemin
allant en y

Cheminement

Arbre
85

Arbre
86
La racine r de l'arbre est l'unique nud ne possdant pas

de parent
Tout sommet x qui nest pas la racine a

un unique parent, not parent(x) (appel pre parfois)
0 ou plusieurs fils. fils(x) dsigne lensemble des fils de x
Si x et y sont des sommets tels que x soit sur le chemin de r
y alors
x est un anctre de y
y est un descendant de x
Un sommet qui na pas de fils est une feuille

Arbre
87
1 est la racine
9,10,6,3,11,12,8 sont les feuilles
11 est un descendant deThorie
4, maisdes
pas de 2 - 2015/2016
Graphes
2 est un anctre de 10
Arbre
88
Quand il ny a pas dambigut, on regarde les artes

dun arbre comme tant orient de la racine vers les
feuilles
La profondeur dun sommet (depth) est dfinie

rcursivement par
prof(v) = 0 si v est la racine
prof(v) = prof(parent(v)) + 1

Arbre
89
1 est la racine
2,3,4 sont la profondeur 1
5,6,7,8 la profondeur 2
La hauteur de 2 est 2, celle de 9 est 4, celle de 3 est 2, celle de 1 est 1.
Exemple darbre : dictionnaire
90
Larbre ci-contre reprsente un dictionnaire

contenant les 5 mots suivants: arbre, arc, arete,
graphe, graphie.
Ajouter le mot arborer au dictionnaire.
Proposez un algorithme pour linsertion dun mot.
Ajouter le mot are dans le dictionnaire. Que
constatez-vous ? Proposez une solution ?
Proposez un algorithme dterminant si un mot
appartient au dictionnaire.
Quel est le nombre de sommets maximum dn
dictionnaire de profondeur p ?

Arbre : parcours
91
Parcours (tree traversal) : on traverse lensemble des

sommets de larbre
Parcours en largeur dabord

Parcours en profondeur dabord
Prfixe
Infixe (arbre binaire seulement)

Postfixe

Arbre : parcours en largeur dabord
92
Largeur dabord (bfs = breadth-first search)

On visite la racine, puis on rpte le processus suivant
jusqu avoir visit tous les sommets :
visiter un fils non visit du sommet le moins rcemment
visit qui a au moins un fils non visit
On visite tous les sommets la profondeur 1, puis tous

ceux la profondeur 2, puis tous ceux la profondeur
3 etc
Arbre
93
Largeur dabord: ordre de visite

1, 2 ,3 ,4 ,5, 6 , 7, 8, 9 , 10 ,11 ,12
94
Bfs(T) : array
r racine(T)
crer un file F et ajouter r dans F
i0
tant que (F nest pas vide)
x premier(F); supprimer x de F
array[i] x
i++
pour chaque fils y de x
ajouter y dans F
fin pour
fin tant que

Arbre : largeur dabord avec passes
95
Bfs(T) : array
r racine(T)
crer deux files F1 et F2 et ajouter r dans F1
i0
faire
tant que (F1 nest pas vide)
x premier(F1); supprimer x de F1
array[i] x
i++
ajouter y dans F2
fin pour
fin tant que
F1 F2 // fin dune passe dbut de la nouvelle : la
F2 devient vide // profondeur change
tant que F1 nest pas vide

96
Largeur dabord: ordre de visite

Passe 1 : 1
Passe 2 : 2,3,4
Passe 3 : 5,6,7,8
passe 4 : 9,10,11,12

Arbre : parcours en profondeur dabord
97
Profondeur dabord (dfs = depth-first search)
Dfini de faon rcursive

visit(sommet x)
previsit(x)
visit(y)
postvisit(x)
Premier appel : visit(racine(T))
98
Ordre prfix ou postfix dpend des fonction previsit

et postvisit
Si previsit(x) : met x dans le array et incremente i alors
array contient lordre prfix
Si cest postvisit qui le fait alors array contiendra lordre
postfix

Arbre: parcours en profondeur dabord
99
ordre de visite prfix

On marque quand on atteint le nud.
1, 2, 5, 9, 10, 6, 3, 4, 7, 11, 12, 8
ordre de visite postfix
On marque quand on quitte le nud.
9, 10, 5, 6, 2, 3, 11, 12, 7, 8, 4, 1

100
Dfs(T) : array
r racine(T)
crer une pile P et ajouter r dans P
i0
tant que (P nest pas vide)
x premier(P); supprimer x de P
array[i] x
i++
ajouter y dans P
fin pour
fin tant que

Arbre : implmentation
101
Reprsentation des fils

Par une liste :
Le parent possde un premier fils
Chaque sommet possde un pointeur vers son frre suivant (liste
chane des fils)
Par un tableau si le nombre de fils est connu lavance
(arbre k-aire)
Dans le cas binaire, le parent possde le fils gauche et le fils
droit

Exercice : parcours darbre
102
Effectuez un parcours en largeur/profondeur dabord en partant de 1.

Vous devez visitez les successeurs dun nud dans leur ordre naturel.
Cheminement dans un graphe
103
Les algorithmes que lon a vu pour les arbres (DFS et

BFS) peuvent sappliquer aux graphes
Il faut faire un peu attention
On ne doit pas visiter deux fois le mme sommet

Graphe: largeur dabord
104
0 1 0
1 2 4
2
9 4 5 9 10
5 7
10
11 6 7 8 11
8
6 Arbre BFS
Graphe G

Graphe : largeur dabord
105
Bfs(G,s) : array
rs
pour tous les sommets x marque[x] faux
crer un file F; enfiler(F,r); marque[r] vrai
i0
tant que (F nest pas vide)
x premier(F); defiler(F)
array[i] x
i++
pour chaque voisin y de x
si marque[y] est faux
alors marque[y] vrai
enfiler(F,y)
fin pour
fin tant que

Graphe : profondeur dabord
106
0
1
0 1 4
2
2
9 4
5
5 7 9
10
11 11
8 6 7
6
10
Graphe G 8
Arbre DFS

Graphe : profondeur dabord
107
Dfs(G,s) : array
rs
pour tous les sommets x marque[x] faux
crer un pile P; push(P,r); marque[r] vrai
i0
tant que (P nest pas vide)
x top(P); pop(P);
array[i] x
i++
pour chaque voisin y de x
si marque[y] est faux
alors marque[y] vrai
push(P,y)
fin pour
fin tant que

Exercice : parcours de graphe
108
Effectuez un parcours en
largeur/profondeur dabord en
partant de 1.
Prcisez :
larbre du parcours
la liste des prdcesseurs
lordre prfixe/postfixe
Visitez les successeurs dun nud
dans lordre :
naturel (croissant).
ante-naturel (dcroissant)

Exercice : parcours de graphe orient
109
Effectuez un parcours en
largeur/profondeur dabord
en partant de 5.
Prcisez :
larbre du parcours
la liste des prdcesseurs
lordre prfixe/postfixe
Visitez les successeurs dun
nud dans lordre :
naturel (croissant).
ante-naturel (dcroissant)

Recherche de connexit

Graphe connexe
111
Ecrire un algorithme qui dtermine si un graphe est

connexe
Ecrire un algorithme qui calculent les composantes
connexes dun graphe

Composantes fortement connexes
112
Ecrire un algorithme qui teste si un graphe est fortement

connexe
En crire un meilleur !

113
On calcule G le graphe inverse (transpose graph)

On marque non marqu tous les sommets
Dbut: On prend un sommet s non marqu
On calcule tous les sommets que lon peut atteindre dans G
et dans G partir de s
On marque marqu tous les sommets atteints deux fois
ainsi que s
On retourne en Dbut tant quil reste des sommets non
marqus
Complexit ? En thorie ? En pratique ?

114
Algorithme de R.E Tarjan

Premieralgorithme linaire : complexit en O(n+m)
ICS 161: Design and Analysis of Algorithms, D. Eppstein.
Algorithme de Kosaraju
Kosaraju's algorithm, Wikipedia.
Algorithme de Gabow (Path-based strong component
algorithm)

DFS types darcs
115
On visite v, on atteint w
w na jamais t atteint
w est un anctre de v dans la DFS
w est a dj t totalement visit
Ide : on marque les nuds avec un indice que lon

augmente. On regarde quel est lindice minimal que lon
peut atteindre partir d un nud.

Algorithme de Tarjan
116
num := 0; P := pile vide; partition := ensemble vide

pour chaque sommet v de G
si v.num n'est pas dfini
parcours(G, v)
renvoyer partition
fin de fonction

Function parcours(sommet v)
117
v.num := num
v.numAccessible := num
num := num + 1
P.push(v), v.dans_P := oui
// Parcours rcursif
pour chaque w successeur de v
si w.num n'est pas dfini
parcours(w)
v.numAccessible := min(v.numAccessible, w.numAccessible)
sinon si w.dans_P = oui
v.numAccessible := min(v.numAccessible, w.num)
si v.numAccessible = v.num
// C'est une racine, calcule la composante fortement connexe associe
C := ensemble vide
rpter
w := P.pop(), w.dans_P := non
ajouter w C
tant que w diffrent de v
ajouter C partition

118

CFC : algorithme de Tarjan
119

CFC : algorithme de Tarjan
120

Exercice : composantes fortement connexes.
121
Trouvez les CFC avec

lalgorithme de Tarjan.
Dessinez larbre DFS.
Dessinez le graphe rduit.

Exercice : encore des CFC.
122
Trouvez les CFC avec

lalgorithme de Tarjan.
Dessinez larbre DFS.
Dessinez le graphe rduit.

123
S : pile vide
Tant que S ne contient pas tous les sommets
Choisir un sommet arbitraire v qui nest pas dans S
Lancer une DFS depuis v. Mettre tous les sommets visits ( la fin de
leur visite) u dans S
Invers la direction de tous les arcs pour obtenir le graphe
transpos.
Tant que S est non vide:
Affecter v avec le sommet de S. Dpiler S
Lancer une DFS depuis v. (On peut aussi utiliser une BFS)
Lensemble des sommets visists depuis v appartiennent la cfc
contenant v; supprimer ces sommets de G et de S.

124
On commence a
a,b,c,d,h,g,f
On ferme f : S={f}
On ferme g,h,d,c
S={f,g,h,d,c}
On ouvre e
On ferme e,b,a
S={f,g,h,d,c,e,b,a}
On prend le transpos.
On dpile S: a. On atteint b et e
CFC={a,b,e}; S={f,g,h,d,c}
On dpile S: c. On atteint d,h
CFC={c,d,h}; S={f,g}
On dpile S: g. On atteint f
CFC={f,g}

Path-based strong component algorithm
125
Ide

126

127
Lalgorithm applique une DFS et maintient 2 piles S et P.

La pile S contient tous les sommets qui nont pas encore
tt affect une CFC dans lordre dans lequel ils ont
t atteint par la DFS.
La pile P contient tous les sommets dont on ne sait pas
sils appartiennent une CFC diffrentes de celles
trouves
On met num(x)=0 pour tous les sommets et C=1

Visit(v)
128
num(v) C; incrmenter C
Empiler v sur S; Empiler v sur P.
Pour chaque voisin de w de v
si num(w)=0 alors visit(w)
sinon si w na pas t plac dans une CFC alors
Tant que num(sommet(P)) > num(w)
dpiler P
Si v est le sommet de P:
Dpiler S jusqu dpiler v. Mettre tous les sommets dpils dans
une CFC
Dpiler v de P

129
On fait une boucle sur les sommets non encore ouverts

par la DFS

130
On commence a
S={a}; P={a}; num(a)=1
S={a,b}; P={a,b}; num(b)=2
S={a,b,c}; P={a,b,c}; num(c)=3
S={a,b,c,d}; P={a,b,c,d}; num(d)=4
On touche c. d est dpil de P
S={a,b,c,d,h}; P={a,b,c,h}; num(h)=5
On touche d. h est dpil de P
S={a,b,c,d,h,g}; P={a,b,c,g}; num(g)=6
S={a,b,c,d,h,g,f}; P={a,b,c,g,f}; num(f)=7
On touche g. f est dpil
S={a,b,c,d,h,g,f}; P={a,b,c,g}; On quitte g
g est le sommet de P. On dpile S jusqu g CFC={f,g}. P={a,b,c}
On quitte h,d,c. c est le sommet de P. On dpile S jusqu c
CFC={c,d,h}; P={a,b}; S={a,b}
on ajoute e. S={a,b,e}; P={a,b,e}. On touche a. e et b sont dpils de P
P={a}. On quitte e,b,a. a est le sommet de P
CFC={a,b,c}
K-connexit
131
La k-connexit revient se demander combien il faut

liminer de sommet au minimum pour casser la connexit
du graphe
2 : alors graphe 2-connexe
On peut aussi se poser la question pour les artes
K-arte connexes : il faut liminer k artes
Il existe des algorithmes ddis souvent semblables aux

algorithmes prsents avant (2 connexes et algo de
Tarjan pour les composantes fortement connexes)
Problme 2-SAT
Un graphe pour rsoudre 2-SAT, Philippe Gambette.

Exercices : problme 2-SAT
133
Trouvez les valuations des formules 2-SAT suivantes.

(1 2 ) (1 2 ) (1 3 )
(1 2 ) (1 2 ) (1 3 ) (1 3 )
12 + 1-3 + -14 + 23 + 27 + 2-6 + 34 + 45 + 46 + 4-7 + 6-7

Problmes de cheminement

Problmes
135
Connexit et sommets atteignables

Plus court chemin entre deux sommets
Algorithme de Dijkstra
Algorithme de Bellman-Ford
Combinaison des deux
Dtection de cycles ngatifs

Plus courts chemins entre tous les sommets
Cas des graphes sans circuit

Sommets atteignables
136
Pour savoir quels sont les sommets atteignables partir

dun sommet, il suffit dutiliser une procdure de parcours
du graphe (DFS ou BFS)
Trouver le chemin le plus court est un peu plus complexe
On cherche le plus court chemin entre deux sommets s et
t (source=source; t=sink)

Plus court chemin entre deux points
137
On introduit maintenant une longueur sur les arcs

Le cot sur les arcs peut tre appel diffrement
Distance
Poids
Cot
important : la longueur dun chemin est gal la

somme des longueurs des arcs qui le compose

Plus court chemin entre deux points
138
Pour commencer, on supposera que tous les cots sont

positifs. Ensuite on relchera cette condition.
Ce nest pas une obligation : on peut trs bien calculer le
plus court chemin avec des cots ngatifs.

Chemin de A vers J
139

Plus court chemin
140
On ne peut pas numrer tous les chemins

On se place dans le cas o toutes les longueurs sont
positives
Un algorithme glouton existe !

Problmes
141



142
On maintien en permanence la distance des sommets avec lorigine

On a trois ensembles de sommets
Les ouverts (ce sont les candidats pour la prochaine tape)
On peut les atteindre en passant par des sommets prcdemment choisis
Les ferms : ce sont des sommets qui ont t choisis
Les indfinis : pour linstant on ne peut pas les atteindre
A chaque tape on choisit le sommet ouvert situ la plus petite distance
On regarde les sommets qui sont relis ce sommet
Ceux qui sont indfinis deviennent ouvert et on calcule leur distance
Ceux qui sont ouverts ont leur distance modifie
On ferme le sommet

Chemin de A vers J
143
A est ouvert
Sommets relis A : B,C et E
Ils sont ouverts avec
D(A,B) 85
D(A,C) 217
D(A,E) 173
Ouvert={B,E,C}

Chemin de A vers J
144
On ajoute le sommet ouvert

la plus petite distance
Ici cest B. On ferme B
On sintresse aux voisins de B
Il y a F : on ouvre F
D(A,F) d(A,B) + d(B,F) 165
Ouvert = {F,E,C}

Chemin de A vers J
145
On choisit F. On le ferme
On ouvre I
D(A,I) d(A,F) + d(F,I) 415
Ouverts = {E,C,I}

Chemin de A vers J
146
On choisit E. On le ferme
On ouvre J
D(A,J) d(A,E) + d(E,J) 675
Ouverts = {C,I,J}

Chemin de A vers J
147
On prend C
On ouvre G et H
Ouverts = {H,G,I,J}

Chemin de A vers J
148
On prend H
On met jour J

Chemin de A vers J
149
On prend G

Chemin de A vers J
150
On prend I

Chemin de A vers J
151
On prend J
Fin de lalgorithme

Dijkstra
152
maj_distances(s1,s2)
si d[s2] > d[s1] + longueur(s1,s2)
alors d[s2] d[s1] + longueur(s1,s2)
Dijkstra(G,Poids,sdeb)
Ouvert {s}
tant que Ouvert et t nest pas ferm
faire i Trouve_min(Ouvert)
supprimer i de Ouvert
fermer(i)
pour chaque nud k voisin de i
faire si k nest pas ferm
alors ajouter k dans Ouvert sil ny tait pas dj
maj_distances(i,k)
fait
fait
Pour trouver le chemin il faut garder le predecesseur (celui qui a mis jour la
distance min)

Exercice 1 : plus court chemin
153
Depuis le sommet 1
vers tous les autres

Exercice 2 : plus court chemin
154
Depuis le sommet 1
vers tous les autres

155
La difficult vient de la dtermination du sommet situ

la plus petite distance
Queue de Priorit

Queues de priorit : rappels
156
3 oprations
insert(elt,val)
decreaseKey(elt,val)
extractMin()
Monotone ou pas (llment extrait augmente ou pas)

Implmentations (complexit ?)
Liste
Liste ordonne
Tas
Buckets

Queues de priorit : rappels
157
Bucket : on cre un tableau de C valeurs possible (cest

le max du cout dune arete de s t)
On traverse le tableau pour trouver le plus petit lment
On utilise le tableau de faon circulaire

Pourquoi est-ce que cela marche ?
Complexit O(m+nC)

Queues de priorit
158
Il existe de nombreuses structures de donnes

K-ary heap
Fibonacci heap
K-level buckets
Hot queue

Proprits
159
Tout sous-chemin dun plus court chemin est un plus courts

chemin
Lensemble des arcs des plus courts chemins forment un
arbre
La valeur des nuds extrait par Dijkstra est croissante
Ce dernier point nest plus vrai si on a des cots ngatifs

Problmes
160

Algorithmede Dijkstra


161
Proprit des chemins. d : distance depuis s

condition doptimalit
(u,v) A, d(v) d(u) + c(u,v)
Signification intuitive
Soit le plus court chemin de s v peut passer par larc (u,v)
et dans ce cas on a : d(v) = d(u) + c(u,v)
Soit le plus court chemin de s v ne peut pas passer par
larc (u,v) et dans ce cas on a : d(v) < d(u) + c(u,v)

162
Principe :
On met jour les distances jusqu vrifier la proprit
prcdente pour chaque arc
Quand on trouve un arc (u,v) avec d(v) > d(u) + c(u,v), cela
signifie quon peut rduire la distance de s v en passant
par u.
On met donc d(v) jour en passant par u
d(v) d(u) + c(u,v),
On commence avec d(s)=0 et pour tous les autres sommets

LabelCorrecting
163

Bellman-Ford
164
Preuve
Pour tout sommet u, d(u) dcroit tout au long de lalgorithme
En labsence de cycle ngatif, la fin de lalgorithme on a
i X: -nC d(i) nC
Preuve: comme il ny a pas de cycle ngatif un chemin emprunte
au plus n-1 arcs
LabelCorrecting est en O(n2C)
Preuve : d(i) peut tre modifi au plus 2nC fois car il est
dcrmenter de 1 chaque fois. Il y a n sommets dont au plus
O(n2C) dcrmentations

Bellman-Ford
165
Modified LabelCorrecting
Le problme central est la dtection et lordre de traitement
des arcs (u,v) tels que
d(v) > d(u) + c(u,v)
Cela signifie quon peut rduire la distance en passant par u
Plusieurs ides possibles
On met lensemble des arcs dans une liste et on les traite les uns
aprs les autres.
On gre lintroduction de nouveaux arcs : ce sont les arcs voisins
dun sommet dont la distance vient dtre modifie.
On utilise une liste de sommets. Un sommet u appartient la liste
sil existe un arc (u,v) qui viole la condition doptimalit

166

167
Stream a une structure de FIFO

On la dcompose en 2 ensemble S1 et S2
addNode ajoute toujours en fin de S2
selectNode choisie le premier lment de S1 si S1 nest pas
vide; sinon S2 est copie dans S1 et puis vide. Dans ce cas
on parle de changement de passe.
La passe i traite les nuds qui ont t introduit en i-1

168

Bellman-Ford
169
Thorme
Lalgorithme de Bellman-Ford est tel que
Chaque passe est en O(m)
Le nombre de passes est born par la hauteur de larbre des plus
courts chemins
Lalgorithme est en O(nm)

170
Autre possibilit pour Stream:

LIFO : lalgorithme nest plus polynomial ! Mais il fonctionne
parfois trs bien pratique
Remarque :
Aucune supposition na t faite sur les cots !

Problmes
171



Bellman-Ford + Dijkstra ?
172
Si on a uniquement des cots non ngatifs et si on

prends lalgorithme Modified LabelCorrecting et que
Stream est implment comme une queue de priorit
avec la distance s comme valeur, alors
On implmente lalgorithme de Dijkstra !
Un nud ne peut-tre introduit dans Stream quune seule fois

Bellman-Ford + Dijkstra ?
173
Que se passe til si Stream est une queue de priorit et

si les cots ne sont pas tous ngatifs ?
Bellman-Ford fonctionne toujours (pas de supposition ni sur
Stream, ni sur le cot des arcs)
Algorithme de Dinitz et Itzhak (2010).
Complexit en O(nm)

Plus court chemin de s t
174
Si on cherche le plus court chemin de s t, les

algorithmes prcdents recherchent un plus court chemin
de s tous les autres nuds jusqu rencontr t
Est-ce que lon peut acclrer cela et viter, dans le cas
euclidien, de faire des cercles qui sagrandissent ?
Sion cherche un plus court chemin entre Lille et Nice, les
algos considrent Amsterdam !

Plus court chemin de s t
175
Pour viter cela, on peut utiliser un minorant de la distance

minimum entre un nud i et t
Ds que lon aura trouver un majorant de la distance de s t
alors on pourra utiliser ces minorants
d(s,t) M
Si d(s,i) + md(i,t) > M alors on arrte dexplorer depuis i
Par exemple:
on sait que Amsterdam est au moins 1000km de Nice.
on sait que Lille est au plus 1200 km de Nice
on trouve que d(Lille,Amsterdam) = 280 km
on en dduit que
d(Lille,Amsterdam) + d(Amsterdam,Nice) > d(Lille,Nice).
On arrte lexporation depuis amsterdam

Problmes
176



177
C = plus grand cout dun arc.

Mthode 1 : Si une distance atteint une valeur -nC
alors un cycle ngatif est prsent
Mthode 2 :
On utilise le Modified LabelCorrecting algorithm avec une
FIFO et la dcomposition par passe.
On compte pour chaque nud le nombre de fois o il est
introduit dans la queue.
Si un nud est introduit plus de (n-1) fois alors il y a un
circuit ngatif

178
Mthode 3 :
Quand on modifie la distance dun nud v : d(v) d(u) +
c(u,v). On dit que u est le prdcesseur de v, on le note p(v)
Le graphe des prdcesseurs est le sous graphe engendr
par les arcs (p(v),v)
SI le graphe des prdcesseurs a un cycle alors G contient
un cycle ngatif.

179

180
Mthode 4 : on applique la mthode 3 de temps en

temps

181
Mthode 5 : on applique la mthode 3 mais au lieu de

considrer la graphe des prdcesseurs, on considre le
graphe des arcs admissibles :
Arc admissible : arc (u,v) tel que d(v) d(u) + c(u,v)

182
Mthode 6 : Subtree traversal

Quand on applique loperation de mise jour de la distance
un arc (u,v) on cre un cycle dans le graphe des parents ssi
u est un anctre de v
On vrifie cela lors de la mise jour de la distance
Mthode 7 : Tarjan subtree disassembly (dpasse le

cadre de ce cours)

Problmes
183



184
i,j: on veut connaitre la distance du plus court chemin

entre i et j
2 mthodes principales
Repeated shortest path problem
Algorithme de Floyd Warshall

Repeated shortest path
185
Id simple : on rpte lalgo de plus court chemin n fois

A partir dun nud i : on calcule tous les plus courts
chemins de i vers t laide dun algorithme (Dijkstra ou
Belmann Ford)
Si on rpte n fois on a rpondu au problme

Elimination des couts ngatifs
186
Introduction dune technique importante

Les cots rduits
Attention : beaucoup de livres introduisent cette notion
sans donner son intrt et en faisant comme si elle tait
obligatoire. Ce nest pas vrai. Elle est utile mais cest
tout.

Cots rduits
187
Supposons que lon ait calcul les distances d entre s et

tous les sommets.
Pour chaque arc (u,v) on peut calculer la valeur
cd(u,v)= c(u,v) + d(u) d(v)
Cest le cot rduit de larc (u,v)
Cela reprsente le surcot local passer par cet arc
On a toujours cd(u,v) 0
La condition doptimalit d(v) d(u) + c(u,v) implique
0 c(u,v) + d(u) d(v), do cd(u,v) 0

Cots rduits
188
On peut remplacer les cots initiaux par les cots rduits

En procdant ainsi il ne reste que des cots positifs
On peut ainsi appliquer n fois lalgorithme de Dijkstra
On obtient les valeurs dorigine des distance en
appliquant la transformation suivante pour chaque paire
de noeud u et v : on ajoute d(v)-d(u) la distance
calcule dans le graphe contenant les cots rduits

189
Algorithme de programmation dynamique en 3 .

Bas sur le thorme suivant :
Les distances sont optimales ssi
u,v,w d[u,v] d[u,w] + d[w,v]
Appelons dk[u,v] la longueur du plus court chemin
utilisant au maximum les nuds 1 k-1. On a
dk+1[u,v] = min {dk[u,v], dk[u,k] + dk[k,v]}

190
u,v d[u,v] ; pred[u,v] null

u d[u,u] 0
(u,v) A d[u,v] c(u,v); pred[u,v] v
Pour k de 1 n
Pour u de 1 n
Pour v de 1 n
Si d[u,v] > d[u,k]+d[k,v]
Alors d[u,v] d[u,k]+d[k,v]
pred[u,v] k
Fin si
Fin pour
Fin pour
Fin pour
Exercice : Floyd Warshall
191

Problmes
192



Graphes sans circuits

Graphes sans circuits
194
Attention ce ne sont pas ncessairement des arbres.

On parle ici de circuit et non pas de cycle.
On est donc dans le cas ORIENTE
Les problmes du plus court chemin et de plus long

chemin deviennent facile
On calcule dabord lordre topologique du graphe

Fonction rang dun graphe
195
Ordre topologique (un sommet est toujours visit avant

ses successeurs)
Associe chaque nud i un nombre positif rang(i) tel
que
r(1)=0
R(i)= nombre darcs dans un chemin de cardinalit maximum
entre 1 et i (taille (nombre de sommets) du plus grand
chemin de prdcesseurs depuis 1)
Se calcule facilement : on limine les sommets sans
prdcesseur chaque tape (on pluche le graphe)

Rang dun graphe
196

Rang dun graphe
197
TraitementNiveau(Niveau k,R) :
Pour chaque lment i de R faire
S vide
Rang(i) k
Pour chaque voisin j de i faire
Dcrmenter degr(j)
Si degr(j) = 0 alors ajouter j dans S
RS
Algorithme :
On dtermine les racines. On les place dans R
Niveau 0
Rpter tant que R nest pas vide
TraitementNiveau(Niveau,R)
Incrmenter Niveau

Chemins et graphes sans circuit
198
On prend les sommets selon lordre topologique

Plus court chemin jusquau nud v
Minimum des plus courts chemins partir de ses arcs entrants
Plus long chemin jusquau nud v
Maximum des plus longs chemins partir de ses arcs
entrants

Problme dordonnancement
199
Un problme dordonnancement est compos de faon

gnrale dun ensemble de tches soumises certaines
contraintes, et dont lexcution ncessite des ressources.
Rsoudre un problme dordonnancement consiste
organiser ces tches, cest--dire dterminer leurs
dates de dmarrage et dachvement, et leur
attribuer des ressources, de telle sorte que les
contraintes soient respectes.
Les problmes dordonnancement sont trs varis.

Paramtres en ordonnancement
200
tches
morcelables ou non
indpendantes ou non
dures fixes ou non
ressources
renouvelables ou consommables
contraintes portant sur les tches
contraintes temporelles
fentres de temps
aux critres doptimalit
lis au temps (dlai total, dlai moyen, retards)
aux ressources (quantit utilise, taux doccupation)
ou dautres cots (production, lancement, stockage)
Mthode PERT/CPM
201
PERT (Programme Evaluation Review Technique)

introduit par l'arme amricaine (navy) en 1958 pour
contrler les cots et l'ordonnancement de la construction
des sous-marins Polaris.
CPM (Critical Path Method) introduit par l'industrie
amricaine en in 1958 (DuPont Corporation and
Remington-Rand) pour contrler les cots et
l'ordonnancement de production.
PERT/CPM ignore la plupart des dpendances.

Intrts de PERT/CPM
202
Quel sera la dure totale du projet ?

Quelles sont les risques ?
Quelles sont les activits critiques qui perturberont
l'ensemble du projet si elles ne sont pas acheves dans les
dlais ?
Quel est le statut du projet ? En avance ? Dans les temps ? En
retard ?
Anticiper les consquences des retards et dpassements.
Si la fin du projet doit tre avance, quelle est la meilleure
manire de procder ?

Principe de PERT/CPM
203
On suppose que le projet se dcompose en tches

Chaque tches i est caractrise par
Sa dure d(i)
Ses contraintes dantriorit avec les autres tches.
PERT/CPM ignore la plupart des dpendances :

partage de ressources pour la ralisation des taches.

Graphe potentiels-tches
204
A chaque tche i on associe un sommet du graphe

Si la tche i doit prcder la tche j alors on dfinit un arc
(i,j) de longueur d(i) (dure de i)
On ajoute deux sommets fictifs

qui correspond la tche de dbut des travaux (dure 0) qui
est antrieure toutes les autres tches
qui correspond la tche de fin des travaux (dure 0) qui est
postrieure toutes les autres tches
Pas de circuit dans le graphe : sinon problme i doit suivre j,

k doit suivre i et j doit suivre k : blocage
205
Code de la tche Dure (semaine) Tches antrieures

A Maonnerie 7 -
B Charpente 3 A
C Toiture 1 B
D Installations sanitaires 8 A
et lec.
E Faades 2 D,C
F Fentres 1 D,C
G Jardin 1 D,C
H Plafonnage 2 F
J Peinture 2 H
K Emmnagement 1 E,G,J

206

Ordonnancement
207
But : trouver un ordonnancement qui minimise le dlai

total du travail, donc la date de fin des travaux
Pour quune tche puisse commencer , il est ncessaire
que toutes les tches qui la prcde (relie la tche
dbut) soient ralises

Ordonnancement
208
Date de dbut au plus tt de la tche i

t(i)
= max (t(k) + d(k), avec k prdcesseur de i)
Plus long chemin de i
Dure minimale du projet (t()) = plus long chemin de


Ordonnancement
209
On fixe t() la dure du projet

Date de dbut au plus tard de la tche i
T(i) = min (T(k) - d(i), avec k successeur de i)
T(i) = t() - plus long chemin de i
Marge de la tche i
Diffrence entre dbut au plus tard et dbut au plus tt
T(i) t(i)
Tche critique : tche dont la marge est nulle

Chemin critique
210
Tche critique :
tche dont la marge est nulle
tche sur un plus long chemin de
Il existe au moins un chemin critique.

Attention, il peut exister plusieurs chemins critiques !
Les activits de ce chemin dterminent elles seules la date
de fin du projet.
Il est ncessaire de rduire la longueur de tous les chemins
critiques pour avancer la fin du projet.
Les activits non critiques n'influencent pas la date de fin.

Tche fondamentale
211
une tape cl durant l'accomplissement du projet.

On doit y porter :
une attention approfondie et
et contrler rigoureusement sa ralisation.
Par exemple, une tche appartenant tous les chemins

critiques.

Intrt pratique de PERT/CPM
212
Ensuite, l'affectation des personnes et ressources peut

tre amliore en se concentrant sur ces activits
critiques.
Rciproquement, on peut alors rordonnancer les
activits non-critiques et librer les ressources qui leurs
sont alloues sans perturber le reste du projet.
Gestion basique des incertitudes.

Arbre couvrant de poids minimum

Spanning Tree
214

Minimum Spanning Tree
215
Given a graph G, find a spanning tree where total cost

is minimum.

Algorithme de Prim
216
On utilise un ensemble S de nuds. On place un seul

nud dedans (celui que lon veut)
On ajoute petit petit dans S tous les nuds du graphe
A chaque tape on ajoute dans S un nud du graphe
qui nest pas dans S et qui est reli un nud de S et
tel que le cot minimum du lien qui le relie S est le plus
petit possible. On place ce lien minimum dans larbre

Prims Algorithm
217
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1
4 Thorie des Graphes - 2015/2016

3
Prims Algorithm
218
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
219
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
220
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
221
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
222
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
223
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
224
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
225
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
226
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
227
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Prims Algorithm
228
2 1
1 3
3 2
2
1 4
1

3
Prims Greedy Algorithm
229
color all vertices yellow

color the root red
while there are yellow vertices
pick an edge (u,v) such that
u is red, v is yellow & cost(u,v) is min
color v red

Preuve
230
Considrons
SG : la solution calcule par lalgorithme glouton
Sopt : la solution optimale
Si val(SG)=val(Sopt) alors pas de problmes
Si val(SG)val(Sopt) alors les deux arbres diffrent. Prenons le premier arc dans
lordre du Greedy qui diffre entre SG et Sopt. Appelons le e. Quand cet arc a
t choisi, ctait le plus petit de la coupe (V,V). Cet arc relie deux sommets x et
y. Dans Sopt x et y sont relis par un chemin. Sur ce chemin il y a un arc f qui relie
un sommet de V a un sommet de V. Comme lalgo Greedy a prfr e a f : on a
poids(e) poids(f).
Prenons la solution Sopt et remplacons f par e, on obtient Spot. Si Sopt est
optimal alors cela ne peut pas amlior val(Sopt). Donc on a valS(opt)=val(Sopt)
et donc poids(e) = poids(f). On peut reprendre le point prcdant avec Sopt au
lieu de Sopt.
A la fin on va donc montrer quon ne peut jamais amlior Sopt et que larbre
construit par le Greedy a la mme valeur

Why Greedy Works?
231
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Why Greedy Works?
232
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Why Greedy Works?
233
1 3 4 3
5

Prims Algorithm
234
foreach vertex v
v.key =
root.key = 0
pq = new PriorityQueue(V) // add each vertex in the priority queue
while pq is not empty
v = pq.deleteMin()
foreach u in adj(v)
if u is in pq and cost(v,u) < u.key
pq.decreaseKey(u, cost(v,u))
Complexity: O((V+E)log V)
Exercice : Algorithme de Prim
235

Algorithme de Kruskal
236
On raisonne avec les artes.

On place chaque nud dans un ensemble qui lui est
propre
On parcourt les artes dans lordre croissant des cots.
Si une arte relie deux ensembles disjoints alors on lajoute
larbre recouvrant et on fusionne les deux ensembles (ils ne
sont donc plus disjoints)
Si ce nest pas le cas, on passe a larte suivante

Kruskals Algorithm
237
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Kruskals Algorithm
238
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Kruskals Algorithm
239
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Kruskals Algorithm
240
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Kruskals Algorithm
241
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Kruskals Algorithm
242
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Kruskals Algorithm
243
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Kruskals Algorithm
244
2 1 4
1 3
3 4 2
4 2 3
1 3 4 3 4
5
1

3
Kruskals Algorithm
245
2 1
3 1 2
2
1 4
1

3
Kruskals Algorithm
246
while there are unprocessed edges left

pick an edge e with minimum cost
if adding e to MST does not form a cycle
add e to MST
else
throw e away

Preuve
247
On construit bien un arbre : clairement il ne peut pas y avoir

de cycle et sil y avait deux composantes connexes alors on
aurait pris une arte pour les relier
Minimalit : par induction. Montrons qua tout tape il existe
un arbre recouvrant minimum qui contient les aretes choisies.
F ens des artes choisies; T arbre recouvrant min contenant
F; e prochaine arte choisie. SI e est dans T alors cest ok.
Sinon T+e a un cycle. Soit f larete de ce cycle qui est dans T
et pas dans F. T f+e est un arbre recouvrant, son poids est
>= T donc poids f <= poids de e: poids(f) ne peut pas etre
< poids(e) sinon on laurait choisit. Donc egalit entre les
poids et donc F+e appartient a un arbre recouvrant de
poids min.
Exercice : Algorithme de Kruskal
248

Data Structures
249
How to pick edge with minimum cost?

Sort the array once for all
How to check if adding an edge can form a cycle?

Use a Disjoint Set

Union find data structure
250
Union find = disjoint set data structure

Problme rsoudre : on va partitionner des lments
en les regroupant petit petit. On voudrait savoir
A quel partie un lment appartient ?
Est-ce que deux lments appartiennent la mme partie ?
La structure de donnes Union-Find maintient une

partition dun ensemble et dispose de deux fonctions
Find: trouver (retourne la partie dun lment)
Union : regroupe deux parties en une

Union find
251
On dispose en outre dune fonction makeSet qui cre un

partie singleton
Chaque partie (ou ensemble) est identifie par un
lment particulier : son reprsentant
Find(x) : retourne le reprsentant de la partie auquelle
x appartient
Union(x,y) : runit les deux parties (celle de x et de y)
en une seule. Une des deux variable devient le
reprsentant
MakeSet(x) : cre une partie dont x est le reprsentant
Union find : implmentation
252
Listes chanes : llment en tte est le reprsentant

MakeSet cre une liste (en O(1))
Union concatne les deux listes (en O(1))
Find : il faut accder au premier : requiert O(n)
On amliore le Find : chaque lment pointe vers la tte

de liste
Cela dgrade lUnion qui devient en O(n)

253
Une bonne solution consiste utiliser des arbres,

reprsents laide de la primitive parent
Le reprsentant de chaque partie (ensemble) est la
racine de larbre

254
MakeSet(x)
parent[x] null
Find(x)
si parent[x] = null return x
sinon return Find(parent[x])
Union(x, y)
xRoot Find(x)
yRoot Find(y)
parent[xRoot] yRoot

255
Dans cette premire version, la complexit nest pas

meilleure quavec des listes chanes
On peut faire deux amliorations importantes
Union par rang : On attache larbre le plus petit la racine
de larbre le plus grand (taille = niveau)
Compression de chemins : on met jour Find quand on
lutilise
Find(x)
si parent[x] x alors parent[x] Find(parent[x])
return parent[x]
Union find
256
Union(x,y)
Lier(Find(x),Find(y))
Lier(x,y)
si rang[x] > rang[y] alors parent[y] x
sinon parent[x] y
si rang[x]=rang[y]
rang[y] rang[y] +1

Union find : complexit
257
On fait m oprations, avec n lments

Union pondre ou par rang est en O(m + n log(n))
Fonction dAckermann :
A(m,n)=n+1 si m=0
A(m,n)=A(m-1,1) si m>0 et n=0
A(m,n)=A(m-1,A(m,n-1)) si m >0 et n >0

Fonction dAckermann
258

Union find : complexit
259
On peut montrer que lon a une borne sup en

O(mlog*(n)) : voir Cormen-Leiserson-Rivest
Tarjan a montr que la complexit est en O(m(m,n)), o
(m,n) est linverse de la fonction dAckermann, qui est
presque toujours infrieur 5 en pratique (pour 265535)

Algorithme incrmental de connexit
260
On peut utiliser la structure de donnes de lunion-find

pour calculer la connexit dun graphe.
Algorithme peut efficace, mais fonctionne si on connait le
graphe petit petit
Principes :
On fait makeSet(x) quand un nouveau sommet apparait
On fait Union(x,y) quand une arte {x,y} apparait

Couplages

Exercices
262
Donner un algorithme qui teste si un graphe est biparti

Prouver cet algorithme
Aide : on pourra faire une DFS ou une BFS

Couplage
263
Un couplage dans un graphe est un ensemble dartes

qui nont pas de sommet en commun.
Cest typiquement la solution aux problmes
dappariements (regroupement par 2)
Un couplage maximum est un couplage contenant le
plus grand nombre possible d'artes.
Un couplage parfait ou 1-factor est un couplage M du
graphe tel que tout sommet du graphe est incident
exactement une arte de M.
Couplage
264
Soit M un couplage (matching en anglais),

Un sommet qui est une extrmit dune arte de M est
dit coupl ou match
Un sommet qui nest pas une extrmit de M est dit libre
Une chane alterne est une chane dont les artes sont
alternativement des artes du couplage et des artes
nappartenant pas au couplage
Une chane augmentante est une chane alterne dont
les deux extrmits sont libres
Chane augmentante
265
Le terme vient du fait que si on trouve une chane

augmentante on peut augmenter la cardinalit du
couplage en inversant les artes de la chane : les libres
deviennent matches et les matches deviennent libres.

Couplage
266
1
x1
2
x2
3
x3
4
x4
5
x5
6
x6
7
Couplage
267
1
x1
2
x2
3
x3
4
x4
5
x5
6
x6
7
Couplage
268
1
x1
2
x2
3
x3
4
x4
5
x5
6
x6
7
Couplage
269
1
x1
2
x2
3
x3
4
x4
5
x5
6
x6
7
Couplage : thorme de Berge
270
Thorme : un couplage est maximum si et seulement si il

nadmet pas de chane augmentante

Couplage : algorithmes
271
Le thorme nous fournit le principe dun algorithme.

On part dun couplage vide
On cherche une chaine augmentante
Simpleavec un graphe biparti
Complexe avec un graphe non biparti

Couplage : graphe biparti
272
Chercher une chane alterne dans un graphe biparti est

simple, car lalternance des artes correspond
lalternance des ensembles.
Soit G=(X Y , E)
On oriente les artes matches de Y vers X, les autres de X
vers Y.
Une chane augmentante devient un chemin dun sommet
libre de X vers un sommet libre de Y

Couplage
273
1
x1
2
x2
3
x3
4
x4
5
x5
6
x6
7
Couplage : graphe biparti
274
Une DFS ou une BFS permet de trouver les chanes

augmentante
La complexit est en O(nm)
Si on travaille par niveau :
On sature tous les sommets atteignable au niveau i, avant de
passer au niveau i+1
On peut montrer que la complexit est en O(n . m)

Couplage : graphe non biparti
275
j i
d
e h
a b c
g f
On ne peut plus orient les artes comme avec les bipartis !

276
j i
d
e h
a b c
g f
e est marqu pair

277
j i
d
e h
a b c
g f
e est marqu impair

278
Ide: Edmonds algorithm

Shrinking-blossom algorithm
Amlioration par Tarjan et dautres
Complexit O(nm(n,m)) difficile implmenter
O(nm) trs difficile
O(n1/2m) : 42 pages de dmonstration non intuitive

Flots

Flot : affectation
280
Peter
M (1,2)
Paul
Mary
D (1,2)
John N (1,1)
Bob B (0,2)
Mike
O (0,2)
Julia

Affectation
281
Default Orientation Peter

M (1,2)
Paul
Mary
D (1,2)
t John N (1,1) s
Bob B (0,2)
Mike
O (0,2)
Julia
(7,7)

Flot compatible
282
Black Orientation Peter

M (1,2)
Paul
Mary D (1,2)
t John N (1,1) s
Bob
B (0,2)
Mike
O (0,2)
Julia
(7,7)

Augmentation successive
283
Successive augmentation are computed in a particular

graph:
The residual graph
The residual graph has no lower bounds
In our case this algorithm is equivalent to the best ones.

Residual Graph
284

M (1,2)
Green Orientation Paul
Mary D (1,2) 2
1
t John N (1,1) 1 s
2
Bob
B (0,2)
2
Mike
O (0,2)
Julia
6 (7,7)
If f(i,j) < u(i,j) then

Thorie des(i,j) and -r(i,j)=
Graphes u(i,j) f(i,j)
2015/2016
If f(i,j) > l(i,j) then (j,i) and r(j,i)= f(i,j) l(i,j)
Residual Graph
285

M (1,2)
Mary D (1,2) 2
1
t John N (1,1) 1 s
2
Bob
B (0,2)
2
Mike
O (0,2)
Julia
6 (7,7)

Residual Graph
286

M (1,2)
Mary D (1,2) 2
1
t John N (1,1) 1 s
Bob
B (0,2)
2
Mike
O (0,2)
Julia
5 (7,7)
If f(i,j) < u(i,j) then

Thorie des(i,j) and -r(i,j)=
Graphes u(i,j) f(i,j)
2015/2016
If f(i,j) > l(i,j) then (j,i) and r(j,i)= f(i,j) l(i,j)
Une Solution
287
Default Orientation Peter

M (1,2)
Paul
Mary D (1,2) 2
2
t John N (1,1) s
2
Bob
B (0,2)
Mike
O (0,2)
Julia
7 (7,7)
7 flow value Sum

Thorie = 7
des Graphes - 2015/2016
Properties
288
The flow value xij of (i,j) can be increased iff there is a

path from j to i in R - {(j,i)}
j i
The flow value xij of (i,j) can be decreased iff there is a

path from i to j in R - {(i,j)}
j i

Minimum cost Flows
289
Let G be a graph in which every arc (i,j) is associated

with 3 integers:
l(i,j)the lower bound capacity of the arc
u(i,j) the upper bound capacity of the arc
c(i,j) the cost of carrying one unit of flow
The cost of a flow f is cost(f)= f(i,j) c(i,j)

The minimum cost flow problem:
Ifthere exists a feasible flow, find a feasible flow f such that
cost(f) is minimum.

Affectation avec cots
290
Peter 1
4
M (1,2)
Paul 1
4
3
Mary 1
D (1,2)
3
John 1 N (1,1)
1
Bob B (0,2)
1
Mike
1 1 O (0,2)
Julia
Sum < 12
Minimum Cost flow
291
Similar to feasible flow except that:

shortest paths are considered.
length of an arc = reduced cost of the arc
Reduced costs are used to work with nonnegative value
(useful for shortest paths algorithms), but the principles
remains the same with residual costs.
We will consider here only the residual costs

Minimum Cost Flow
292
Default Orientation Peter 1

4
M (1,2)
Paul 1
4
Mary
3 D (1,2)
1
3
t John
1
N (1,1) s
1
Bob B (0,2)
1
Mike
1 1 O (0,2)
Julia
(7,7)

Une Solution
293
Default Orientation Peter 1

4
M (1,2)
Paul 1
4
3
Mary 1
D (1,2) 2
2
3
t John 1 N (1,1) s
1
2
Bob B (0,2)
1
Mike
1 1 O (0,2)
Julia
7 (7,7)
7 flow value Sum

Thorie = 7
des Graphes - 2015/2016
Residual Graph
294
Black Orientation Peter 1

4
M (1,2)
Green Orientation Paul 1
4
Mary
3 D (1,2)
1
3
t John
1
N (1,1) s
1
2
Bob B (0,2)
1
Mike
1 1 O (0,2)
Julia

Residual Costs
295
Black Orientation Peter -1

4
M (1,2)
Green Orientation Paul -1
4
Mary
3 D (1,2)
-1
3
t John
-1
N (1,1) s
-1
2
Bob B (0,2)
-1
Mike
-1 1 O (0,2)
Julia
-1 residual cost = - cost if opposite arc

Residual Costs
296

4
M (1,2)
4
Mary
3 D (1,2)
-1
3
t John
-1
N (1,1) s
-1
2
Bob B (0,2)
-1
Mike
-1 1 O (0,2)
Julia
-1 residual cost = - cost if opposite arc

1 residual cost = cost if arcThorie des Graphes - 2015/2016
Shortest path
297
d(i,j) = length of the shortest path which does not use (i,j)
in the residual graph. The length is the sum of the
residual costs of the arc contained in the path.

Residual Costs
298

4
M (1,2)
4
Mary
3 D (1,2)
-1
3
t John
-1
N (1,1) s
-1
2
Bob B (0,2)
-1
Mike
-1 1 O (0,2)
Julia
d(M,D)=3 + (-1) = 2
Minimum cost flow
299
If the feasible flow is computed by augmenting the flow

along shortest paths then the solution is optimal.
Complexity O(n S(n,m,)) where is the maximum cost
value.

Properties
300
The flow value xij of (i,j) can be increased iff there is a

path from j to i in R - {(j,i)}
j i
The flow value xij of (i,j) can be decreased iff there is a

path from i to j in R - {(i,j)}
j i

Terminaison de lalgorithme
301
On peut viter la dernire augmentation, en faisant

attention ce que le puits soit toujours atteignable dans
le graphe rsiduel.
On utilise un compteur (num) qui compte le nb de nuds
que lon peut atteindre une distance k donne depuis
s. Si on change la distance dun nud de k1 k2 alors
on dcremente num(k1) et on incrmente num(k2). Si
num(k1) devient vide alors on peut arrter lalgorithme.
Voir Ahuja/Magnanti et Orlin p 219

Flots : push-relabel algorithm
302

303

Problmes
304
Trier les sommets dun graphe en fonction de leur degr

Algorithme ?
Cot ?

305
Graphes planaires
Plus courts chemins (Dijkstra, Bellman-Ford, les deux).
Recherche de distances entre deux points
Cycles ngatifs
Couplage
Flots
Arbres recouvrants
Ordonnancement, rang et tri topologique
Graphes trianguls
Graphes parfaits

Slza63 Cours PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Slza63 Cours PDF

Uploaded by

Copyright:

Available Formats

Thorie des Graphes

Jean-Charles Rgin, Arnaud Malapert

Thorie des Graphes - 2015/2016

Didier MAQUIN (voir son site web)

Thorie des Graphes - 2015/2016

Claude Berge : Graphes

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Pas que des algos : aussi des problmes

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Un Graphe Orient (ou Digraph (directed graph)) G=(X,U) est

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

On note par (i) : lensemble des arcs ayant i comme

Thorie des Graphes - 2015/2016

Un Graphe non orient G=(X,E) est dtermin par la

Les artes ne sont pas orientes

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Deux sommets sont voisins sils sont relis par un arc ou

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Reliez le nombre dartes et les degrs

Thorie des Graphes - 2015/2016

Essayez dexprimer (et non ncessairement de rsoudre)

quaucune delles ne puisse en prendre une autre ?

passant sur chacune des cases une fois et une seule ?

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

3 types de reprsentation qui ont chacune leur

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Pour chacune des reprsentations, calculer le cot des

Quels sont les voisins de i ?

Supprimer larc (a,b)

Supprimer le premier voisin de i

Thorie des Graphes - 2015/2016

Tracer la matrice dadjacence du graphe

On a calcul ci-dessous les matrices M2 et M3 (M est la

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

On considre un graphe G = (E, U ) avec E=(A, B, C, D, E) et M

Dterminer la matrice dincidence de ce graphe.

Thorie des Graphes - 2015/2016

Thorie des Graphes - 2015/2016

Deux joueurs disposent de deux tas de trois allumettes,

Que doit jouer le premier joueur pour gagner coup sr ?

Thorie des Graphes - 2015/2016

Chaque tat est reprsent par un sommet (x,y)

Thorie des Graphes - 2015/2016

Il faut retirer deux allumettes dun tas.

Thorie des Graphes - 2015/2016