Code
Codecon
conpriorità
priorità
✦
Coda con priorità
Una struttura dati che serve a memorizzare/organizzare un insieme S di
elementi x
✦
Informatica II
Ciascun elemento x ha associato un valore di priorità. Solitamente la
priorità è un numero intero (positivo)
✦
Capitolo 11 (in parte, e parte del 10)
Progettazione di algoritmi
✦
Gli elementi di S sono organizzati rispetto al valore delle priorità
Solitamente l’elemento “più importante”, con la priorità “migliore”, è quello
con la priorità:
✦ maggiore (priorità decrescente),
oppure
✦ minore (priorità crescente)
✦
✦
L’operazione principale è: estrarre l’elemento “più importante”
Vi sono molti modi di implementare le code con priorità. Vedremo il più
semplice: utilizzare le liste (ordinate o non ordinate)
✦
Adattamento delle slide originali di A.Montresor. Disponibili secondo Creative Commons Attribution-NonCommercial-ShareAlike License.
2
Specifica generale delle code con priorità
Code
Codecon
conpriorità:
priorità:usando
usandoleleliste
liste
Gli elementi della coda con priorità sono semplicemente organizzati in una lista di
struct/record
✦
✦
Se si implementa la lista con i puntatori, i record devono avere (almeno) i campi:
ITEM elemento;
integer priorità;
Più il/i puntatore/i necessario/i a connettere gli elementi della lista
Due scelte possibili:
✦
✦
Lista non ordinata
✦
Lista ordinata rispetto al valori dei campi priorità
Domanda: Nei due casi, come cambiano le complessità delle operazioni
min(), deleteMin(), insert(), decrease() ?
Esercizio: Scrivere lo pseudo-codice delle operazioni usando le operazioni delle liste
non ordinate. Poi modificarle in modo da imporre/mantenere l’ordinamento rispetto
al valore del campo priorità
✦
3
4
Progettazione di algoritmi (cap.11)
Classificazione di un problema
Dato un problema qualsiasi come lo risolviamo?
Le principali classi di problemi:
✦
Non ci sono “ricette generali” per progettare un algoritmo che lo risolva in
modo efficiente
✦
✦
Problemi decisionali:
Il dato di ingresso soddisfa una certa proprietà?
✦
Soluzione: risposta sì/no
✦
E’ possibile evidenziare quattro aspetti generali
✦
Esempio: Stabilire se un grafo è connesso
✦
Classificazione del problema (che tipo di problema voglio risolvere)
✦
Caratterizzazione della soluzione (che caratteristiche ha la soluzione cercata)
✦
✦
Tecnica di progetto (scelta di una tecnica particolare)
✦
Problemi di ricerca:
Spazio di ricerca: insieme delle “soluzioni” possibili
✦
Utilizzo di strutture dati (quali si adattano meglio al “struttura” del problema,
e della soluzione?)
✦
Soluzione ammissibile: soluzione che rispetta certi vincoli
✦
Esempio: cercare la posizione di una sottostringa in una stringa;
✦
5
Classificazione di un problema
6
Caratterizzazione della soluzione
Problemi di ottimizzazione:
Occorre definire la soluzione in modo formale
✦
✦
Ogni soluzione è associata ad una funzione di costo
✦
Vogliamo trovare la soluzione di costo minimo
✦
Esempio: cammino più breve fra due nodi in un grafo
✦
Spesso la formulazione è banale...
✦
... ma può suggerire una prima idea di algoritmo risolutivo
✦
Esempio: Selection Sort:
✦
Data una sequenza di n elementi, una permutazione ordinata è formata dall’elemento
minimo seguita da una permutazione ordinata dei restanti n-1 elementi
Problemi di approssimazione:
✦
A volte, trovare la soluzione ottima è computazionalmente troppo oneroso
✦
Le caratteristiche matematiche della soluzione possono suggerire una possibile
tecnica per risolvere il problema
✦
Ci si accontenta allora di una soluzione approssimata ma calcolabile
velocemente:
✦
Esempio: sottostruttura ottima → programmazione dinamica (vedremo…)
✦
costo basso, ma non sappiamo se ottimo (problema supplementare:
determinare, se possibile, una stima di quanto è “distante” l’ottimo)
✦
Esempio: problema del commesso viaggiatore
✦
7
8
Il problema dei cammini minimi in un grafo pesato
Variazioni sul tema:
Input: un grafo diretto pesato
Cammini minimi da sorgente unica
✦Input: nodo sorgente r
✦Output: i cammini minimi che vanno da r a tutti gli altri nodi v
✦
✦
Grafo orientato G=(V,E)
✦
Un nodo di partenza r
✦
Cammino minimo tra una coppia di vertici
✦Input: una coppia di vertici r, d
✦Output: un cammino minimo che parta da r e arrivi in d
✦Idea: Si risolve il primo problema e si estrae il cammino richiesto. Non si
conoscono algoritmi che abbiano tempo di esecuzione migliore di questo.
✦
Funzione di peso w: E → R
✦
Definizione
✦
Dato un cammino c = v1,v2, ..., vk con k > 1, il costo del cammino è dato da
✦
Cammini minimi tra tutte le coppie di vertici
✦Input: il grafo.
✦Output: i cammini minimi fra tutte le coppie di vertici.
✦Tecnica usata: Programmazione dinamica (vedremo…)
✦
Output
✦
Per ogni nodo u ∈ V, trovare un cammino da r ad u il cui costo sia minimo
(shortest path), ovvero più piccolo o uguale del costo di qualunque altro
cammino da r a u.
✦
9
Problema dei cammini minimi
1
0
Esempi di input possibili
Come descrivere la soluzione (cioè, l’output dell’algoritmo):
✦
Nella figura
✦
Si noti che due cammini minimi possono avere un tratto comune:
✦
✦
un grafo G1 con un ciclo negativo
✦
un grafo G2 senza cicli negativi
✦
una soluzione ammissibile per G2
✦
una soluzione ottima per G2
Non possono convergere in un nodo comune s dopo aver percorso un tratto
iniziale distinto. Cioè non è possibile che:
✦
Domanda: Perche?
Quindi, una soluzione ammissibile altro non è che un albero di copertura,
radicato in r, che include un cammino da r ad ogni altro nodo.
✦
1
1
1
2
Caratterizzazione matematica della soluzione
✦
Programma prototipo (istanziabile cambiando la struttura dati)
Definizione
Sia T una soluzione ammissibile. Ogni nodo u è caratterizzato da un valore du,
che indica la distanza di u da r in T, uguale al costo del cammino fra r ed u in T
✦
✦
Quali caratteristiche devono avere le distanze affinché T sia una ottima?
✦
Teorema di Bellman
✦
Una soluzione ammissibile T è ottima se e solo se valgono le seguenti condizioni:
dv = du + w(u,v) per ogni arco (u,v) ∈ T
dv ≤ du + w(u,v) per ogni arco (u,v) ∈ E
✦
(continua nel prossimo lucido…)
Esercizio: Dimostrare il Teorema di Bellman
13
Programma prototipo (istanziabile cambiando la struttura dati)
14
Algoritmo di Dijkstra (1959)
Struttura dati:
✦
Coda con priorità, realizzata tramite vettore/lista non ordinati
15
16
Algoritmo di Dijkstra (1959)
Algoritmo di Dijkstra
Ipotesi: tutti i pesi sono positivi
✦
Ogni nodo viene estratto una e una sola volta
✦
Al momento dell’estrazione la sua distanza è minima
✦
Costo totale: O(n2)
✦
Costo
Ripetizioni
Riga (1):
O(n)
1
Riga (2):
O(n)
O(n)
Riga (3):
O(1)
O(n)
Riga (4):
O(1)
O(m)
✦
✦
✦
✦
17
18
Algoritmo di Bellman - Ford - Moore (1958)
Algoritmo di Bellman - Ford - Moore (1958)
Funziona anche con pesi negativi
✦
Struttura dati:
✦
Coda
In pratica esegue una BFS in cui ogni nodo viene “marcato” diminuendo il peso del
cammino. Si può visitare più volte un nodo, ma al più n-1 volte, e ogni volta
diminuisco il peso del cammino. Quindi ogni nodo viene estratto al massimo n-1 volte
✦
✦
Si compiono piu “passate”. La nozione di passata k-esima è definita ricorsivamente:
✦per k = 0, la zero-esima passata consiste nell’estrazione del nodo r dalla coda S;
✦per k > 0, la k-esima passata consiste nell’estrazione di tutti i nodi presenti in S al
termine della passata (k − 1)-esima.
✦
La passata k corrisponde ai cammini di lunghezza k
✦
Costo totale: O(mn) , infatti:
Costo
✦Riga (1):
O(1)
✦Riga (2):
O(1)
✦Riga (3):
O(1)
✦
19
Ripetizioni
1
O(n2)
O(mn)
20
