SlideShare una empresa de Scribd logo
1 de 57
Descargar para leer sin conexión
Tema 22: Algoritmos sobre grafos
           Informática (2010–11)


           José A. Alonso Jiménez

         Grupo de Lógica Computacional
 Departamento de Ciencias de la Computación e I.A.
              Universidad de Sevilla
IM Tema 22: Algoritmos sobre grafos




Tema 22: Algoritmos sobre grafos
 1. El TAD de los grafos
       Definiciones y terminología sobre grafos
       Signatura del TAD de los grafos
       Implementación de los grafos como vectores de adyacencia
       Implementación de los grafos como matrices de adyacencia
 2. Recorridos en profundidad y en anchura
       Recorrido en profundidad
       Recorrido en anchura
 3. Ordenación topológica
       Ordenación topológica
 4. Árboles de expansión mínimos
       Árboles de expansión mínimos
       El algoritmo de Kruskal
       El algoritmo de Prim
                                                                  2 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Definiciones y terminología sobre grafos



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos
       Definiciones y terminología sobre grafos
       Signatura del TAD de los grafos
       Implementación de los grafos como vectores de adyacencia
       Implementación de los grafos como matrices de adyacencia

 2. Recorridos en profundidad y en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos


                                                                  3 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Definiciones y terminología sobre grafos



Definiciones y terminología sobre grafos
         Un grafo G es un par (V , A) donde V es el conjunto de los
         vértices (o nodos) y A el de las aristas.
         Una arista del grafo es un par de vértices.
         Un arco es una arista dirigida.
         |V| es el número de vértices.
         |A| es el número de aristas.
         Un camino de v1 a vn es una sucesión de vértices v1 , v2 , . . . , vn
         tal que para todo i, vi−1 vi es una arista del grafo.
         Un camino simple es un camino tal que todos sus vértices son
         distintos.
         Un ciclo es un camino tal que v1 = vn y todos los restantes
         vértices son distintos.

                                                                                 4 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Definiciones y terminología sobre grafos



Definiciones y terminología sobre grafos
         Un grafo acíclico es un grafo sin ciclos.
         Un grafo conexo es un grafo tal que para cualquier par de
         vértices existe un camino del primero al segundo.
         Un árbol es un grafo acíclico conexo.
         Un vértice v es adjacente a v si vv es una arista del grafo.
         En un grafo dirigido, el grado positivo de un vértice es el
         número de aristas que salen de él y el grado negativo es el
         número de aristas que llegan a él.
         Un grafo ponderado es un grafo cuyas aristas tienen un peso.




                                                                        5 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Signatura del TAD de los grafos



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos
       Definiciones y terminología sobre grafos
       Signatura del TAD de los grafos
       Implementación de los grafos como vectores de adyacencia
       Implementación de los grafos como matrices de adyacencia

 2. Recorridos en profundidad y en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos


                                                                  6 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Signatura del TAD de los grafos



Signatura del TAD de los grafos
   creaGrafo :: (Ix v,Num p) => Bool -> (v,v) -> [(v,v,p)]
                                 -> Grafo v p
   adyacentes :: (Ix v,Num p) => (Grafo v p) -> v -> [v]
   nodos      :: (Ix v,Num p) => (Grafo v p) -> [v]
   aristasND :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)]
   aristasD :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)]
   aristaEn :: (Ix v,Num p) => (Grafo v p) -> (v,v) -> Bool
   peso       :: (Ix v,Num p) => v -> v -> (Grafo v p) -> p




                                                          7 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Signatura del TAD de los grafos



Descripción de la signatura del TAD de grafos
         (creaGrafo d cs as) es un grafo (dirigido si d es True y no
         dirigido en caso contrario), con el par de cotas cs y listas de
         aristas as (cada arista es un trío formado por los dos vértices y
         su peso).
         Ver un ejemplo en la siguiente transparencia.
         (adyacentes g v) es la lista de los vértices adyacentes al nodo
         v en el grafo g.
         (nodos g) es la lista de todos los nodos del grafo g.
         (aristasND g) es la lista de las aristas del grafo no dirigido g.
         (aristasD g) es la lista de las aristas del grafo dirigido g.
         (aristaEn g a) se verifica si a es una arista del grafo g.
         (peso v1 v2 g) es el peso de la arista que une los vértices v1 y
         v2 en el grafo g.
                                                                             8 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Signatura del TAD de los grafos



Ejemplo de creación de grafos.
   creaGrafo False (1,5) [(1,2,12),(1,3,34),(1,5,78),
                          (2,4,55),(2,5,32),
                          (3,4,61),(3,5,44),
                          (4,5,93)]
 crea el grafo
              12
     1    -------- 2
     |    78       /|
     |          32/ |
     |        / |
   34|         5     |55
     |       /  |
     |     /44      |
     |    /       93|
     3    -------- 4
              61
                                                        9 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos
       Definiciones y terminología sobre grafos
       Signatura del TAD de los grafos
       Implementación de los grafos como vectores de adyacencia
       Implementación de los grafos como matrices de adyacencia

 2. Recorridos en profundidad y en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos


                                                                  10 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Los grafos como vectores de adyacencia
        Cabecera del módulo:

        module GrafoConVectorDeAdyacencia
            (Grafo,
             creaGrafo, -- (Ix v,Num p) =>                      Bool -> (v,v) -> [(v,v,p)]
                         --                                     -> Grafo v p
             adyacentes, -- (Ix v,Num p) =>                     (Grafo v p) -> v -> [v]
             nodos,      -- (Ix v,Num p) =>                     (Grafo v p) -> [v]
             aristasND, -- (Ix v,Num p) =>                      (Grafo v p) -> [(v,v,p)]
             aristasD, -- (Ix v,Num p) =>                       (Grafo v p) -> [(v,v,p)]
             aristaEn, -- (Ix v,Num p) =>                       (Grafo v p) -> (v,v) -> Bool
             peso        -- (Ix v,Num p) =>                     v -> v -> (Grafo v p) -> p
            ) where
            where
        Librerías auxiliares.

        import Data.Array

                                                                                               11 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Los grafos como vectores de adyacencia
         (Grafo v p) es un grafo con vértices de tipo v y pesos de tipo
         p.

         type Grafo v p = Array v [(v,p)]

         grafoVA es la representación del grafo del ejemplo de la página 9
         mediante un vector de adyacencia.

         grafoVA = array (1,5) [(1,[(2,12),(3,34),(5,78)]),
                                (2,[(1,12),(4,55),(5,32)]),
                                (3,[(1,34),(4,61),(5,44)]),
                                (4,[(2,55),(3,61),(5,93)]),
                                (5,[(1,78),(2,32),(3,44),(4,93)])]


                                                                             12 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Los grafos como vectores de adyacencia
         (creaGrafo d cs as) es un grafo (dirigido si d es True y no
         dirigido en caso contrario), con el par de cotas cs y listas de aristas
         as (cada arista es un trío formado por los dos vértices y su peso).
         Ver un ejemplo a continuación.

         creaGrafo :: (Ix v, Num p) => Bool -> (v,v) -> [(v,v,p)]
                                       -> Grafo v p
         creaGrafo d cs vs =
             accumArray
              (xs x -> xs++[x])
              []
              cs
              ((if d then []
                else [(x2,(x1,p))|(x1,x2,p) <- vs, x1 /= x2]) ++
               [(x1,(x2,p)) | (x1,x2,p) <- vs])
                                                                                   13 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Los grafos como vectores de adyacencia
         grafoVA’ es el mismo grafo que grafoVA pero creado con
         creaGrafo. Por ejemplo,
          ghci> grafoVA'
          array (1,5) [(1,[(2,12),(3,34),(5,78)]),
                         (2,[(1,12),(4,55),(5,32)]),
                         (3,[(1,34),(4,61),(5,44)]),
                         (4,[(2,55),(3,61),(5,93)]),
                         (5,[(1,78),(2,32),(3,44),(4,93)])]

         grafoVA' = creaGrafo False (1,5) [(1,2,12),(1,3,34),(1,5,78),
                                           (2,4,55),(2,5,32),
                                           (3,4,61),(3,5,44),
                                           (4,5,93)]


                                                                  14 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Los grafos como vectores de adyacencia
         (adyacentes g v) es la lista de los vértices adyacentes al nodo
         v en el grafo g. Por ejemplo,
          adyacentes grafoVA' 4          [2,3,5]

         adyacentes :: (Ix v,Num p) => (Grafo v p) -> v -> [v]
         adyacentes g v = map fst (g!v)

         (nodos g) es la lista de todos los nodos del grafo g. Por ejemplo,
          nodos grafoVA'           [1,2,3,4,5]

         nodos :: (Ix v,Num p) => (Grafo v p) -> [v]
         nodos g = indices g


                                                                              15 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Los grafos como vectores de adyacencia
         (aristaEn g a) se verifica si a es una arista del grafo g. Por
         ejemplo,
          aristaEn grafoVA' (5,1)           True
          aristaEn grafoVA' (4,1)           False

         aristaEn :: (Ix v,Num p) => (Grafo v p) -> (v,v) -> Bool
         aristaEn g (x,y) = elem y (adyacentes g x)

         (peso v1 v2 g) es el peso de la arista que une los vértices v1 y
         v2 en el grafo g. Por ejemplo,
          peso 1 5 grafoVA'           78

         peso :: (Ix v,Num p) => v -> v -> (Grafo v p) -> p
         peso x y g = head [c | (a,c) <- g!x , a == y]
                                                                            16 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Los grafos como vectores de adyacencia
         (aristasD g) es la lista de las aristas del grafo dirigido g. Por
         ejemplo,
          ghci> aristasD grafoVA'
          [(1,2,12),(1,3,34),(1,5,78),
            (2,1,12),(2,4,55),(2,5,32),
            (3,1,34),(3,4,61),(3,5,44),
            (4,2,55),(4,3,61),(4,5,93),
            (5,1,78),(5,2,32),(5,3,44),(5,4,93)]

         aristasD :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)]
         aristasD g =
            [(v1,v2,w) | v1 <- nodos g , (v2,w) <- g!v1]


                                                                             17 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como vectores de adyacencia



Los grafos como vectores de adyacencia
         (aristasND g) es la lista de las aristas del grafo no dirigido g.
         Por ejemplo,
          ghci> aristasND grafoVA'
          [(1,2,12),(1,3,34),(1,5,78),
           (2,4,55),(2,5,32),
           (3,4,61),(3,5,44),
           (4,5,93)]

         aristasND :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)]
         aristasND g =
             [(v1,v2,w) | v1 <- nodos g, (v2,w) <- g!v1, v1 < v2]



                                                                             18 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos
       Definiciones y terminología sobre grafos
       Signatura del TAD de los grafos
       Implementación de los grafos como vectores de adyacencia
       Implementación de los grafos como matrices de adyacencia

 2. Recorridos en profundidad y en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos


                                                                  19 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Los grafos como matrices de adyacencia
        Cabecera del módulo.

        module GrafoConMatrizDeAdyacencia
            (Grafo,
             creaGrafo, -- (Ix v,Num p) =>                      Bool -> (v,v) -> [(v,v,p)]
                         --                                     -> Grafo v p
             adyacentes, -- (Ix v,Num p) =>                     (Grafo v p) -> v -> [v]
             nodos,      -- (Ix v,Num p) =>                     (Grafo v p) -> [v]
             aristasND, -- (Ix v,Num p) =>                      (Grafo v p) -> [(v,v,p)]
             aristasD, -- (Ix v,Num p) =>                       (Grafo v p) -> [(v,v,p)]
             aristaEn, -- (Ix v,Num p) =>                       (Grafo v p) -> (v,v) -> Bool
             peso        -- (Ix v,Num p) =>                     v -> v -> (Grafo v p) -> p
            ) where
        Librerías auxiliares

        import Data.Array
                                                                                               20 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Los grafos como matrices de adyacencia
        (Grafo v p) es un grafo con vértices de tipo v y pesos de tipo p.

        type Grafo v p = Array (v,v) (Maybe p)
        grafoMA es la representación del grafo del ejemplo de la página 9
        mediante una matriz de adyacencia.

        grafoMA = array ((1,1),(5,5))
                        [((1,1),Nothing),((1,2),Just 10),((1,3),Just 20),
                         ((1,4),Nothing),((1,5),Nothing),((2,1),Nothing),
                         ((2,2),Nothing),((2,3),Nothing),((2,4),Just 30),
                         ((2,5),Nothing),((3,1),Nothing),((3,2),Nothing),
                         ((3,3),Nothing),((3,4),Just 40),((3,5),Nothing),
                         ((4,1),Nothing),((4,2),Nothing),((4,3),Nothing),
                         ((4,4),Nothing),((4,5),Just 50),((5,1),Nothing),
                         ((5,2),Nothing),((5,3),Nothing),((5,4),Nothing),
                         ((5,5),Nothing)]

                                                                            21 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Los grafos como matrices de adyacencia
        (creaGrafo d cs as) es un grafo (dirigido si d es True y no dirigido en
        caso contrario), con el par de cotas cs y listas de aristas as (cada arista
        es un trío formado por los dos vértices y su peso). Ver un ejemplo a
        continuación.

        creaGrafo :: (Ix v, Num p) => Bool -> (v,v) -> [(v,v,p)]
                                      -> Grafo v p
        creaGrafo dir cs@(l,u) as
            = matrizVacia //
              ([((x1,x2),Just w) | (x1,x2,w) <- as] ++
               if dir then []
               else [((x2,x1),Just w) | (x1,x2,w) <- as, x1 /= x2])
            where
              matrizVacia = array ((l,l),(u,u))
                                  [((x1,x2),Nothing) | x1 <- range cs,
                                                       x2 <- range cs]
                                                                                      22 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Los grafos como matrices de adyacencia
       grafoMA’ es el mismo grafo que grafoMA pero creado con creaGrafo.
       Por ejemplo,
        ghci> grafoMA'
        array ((1,1),(5,5))
               [((1,1),Nothing),((1,2),Just 12),((1,3),Just 34),
                ((1,4),Nothing),((1,5),Just 78),((2,1),Just 12),
                ((2,2),Nothing),((2,3),Nothing),((2,4),Just 55),
                ((2,5),Just 32),((3,1),Just 34),((3,2),Nothing),
                ((3,3),Nothing),((3,4),Just 61),((3,5),Just 44),
                ((4,1),Nothing),((4,2),Just 55),((4,3),Just 61),
                ((4,4),Nothing),((4,5),Just 93),((5,1),Just 78),
                ((5,2),Just 32),((5,3),Just 44),((5,4),Just 93),
                ((5,5),Nothing)]

       grafoMA' = creaGrafo False (1,5) [(1,2,12),(1,3,34),(1,5,78),
                                         (2,4,55),(2,5,32),
                                         (3,4,61),(3,5,44),
                                         (4,5,93)]

                                                                           23 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Los grafos como matrices de adyacencia
         (adyacentes g v) es la lista de los vértices adyacentes al nodo
         v en el grafo g. Por ejemplo,
          adyacentes grafoMA' 4          [2,3,5]

         adyacentes :: (Ix v,Num p) => (Grafo v p) -> v -> [v]
         adyacentes g v1 =
             [v2 | v2 <- nodos g, (g!(v1,v2)) /= Nothing]

         (nodos g) es la lista de todos los nodos del grafo g. Por ejemplo,
          nodos grafoMA'           [1,2,3,4,5]

         nodos :: (Ix v,Num p) => (Grafo v p) -> [v]
         nodos g = range (l,u)
             where ((l,_),(u,_)) = bounds g
                                                                              24 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Los grafos como matrices de adyacencia
         (aristaEn g a) se verifica si a es una arista del grafo g. Por
         ejemplo,
          aristaEn grafoMA' (5,1)           True
          aristaEn grafoMA' (4,1)           False

         aristaEn :: (Ix v,Num p) => (Grafo v p) -> (v,v) -> Bool
         aristaEn g (x,y)= (g!(x,y)) /= Nothing

         (peso v1 v2 g) es el peso de la arista que une los vértices v1 y
         v2 en el grafo g. Por ejemplo,
          peso 1 5 grafoMA'           78

         peso :: (Ix v,Num p) => v -> v -> (Grafo v p) -> p
         peso x y g = w where (Just w) = g!(x,y)
                                                                            25 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Los grafos como matrices de adyacencia
         (aristasD g) es la lista de las aristas del grafo dirigido g. Por
         ejemplo,
          ghci> aristasD grafoMA'
          [(1,2,12),(1,3,34),(1,5,78),
            (2,1,12),(2,4,55),(2,5,32),
            (3,1,34),(3,4,61),(3,5,44),
            (4,2,55),(4,3,61),(4,5,93),
            (5,1,78),(5,2,32),(5,3,44),(5,4,93)]

         aristasD :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)]
         aristasD g = [(v1,v2,extrae(g!(v1,v2)))
                       | v1 <- nodos g,
                         v2 <- nodos g,
                         aristaEn g (v1,v2)]
             where extrae (Just w) = w
                                                                             26 / 57
IM Tema 22: Algoritmos sobre grafos
  El TAD de los grafos
     Implementación de los grafos como matrices de adyacencia



Los grafos como matrices de adyacencia
         (aristasND g) es la lista de las aristas del grafo no dirigido g.
         Por ejemplo,
          ghci> aristasND grafoMA'
          [(1,2,12),(1,3,34),(1,5,78),
           (2,4,55),(2,5,32),
           (3,4,61),(3,5,44),
           (4,5,93)]

         aristasND :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)]
         aristasND g = [(v1,v2,extrae(g!(v1,v2)))
                        | v1 <- nodos g,
                          v2 <- range (v1,u),
                          aristaEn g (v1,v2)]
             where (_,(u,_)) = bounds g
                   extrae (Just w) = w
                                                                             27 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en profundidad



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos

 2. Recorridos en profundidad y en anchura
       Recorrido en profundidad
       Recorrido en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos




                                             28 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en profundidad



Recorrido en profundidad
         Importaciones de librerías auxiliares.

         -- Nota: Elegir una implementación de los grafos.
         import GrafoConVectorDeAdyacencia
         -- import GrafoConMatrizDeAdyacencia

         -- Nota: Elegir una implementación de las pilas.
         import PilaConListas
         -- import PilaConTipoDeDatoAlgebraico




                                                             29 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en profundidad



Recorrido en profundidad
         En los ejemplos se usará el grafo g
          +---> 2 <---+
          |             |
          |             |
          1 --> 3 --> 6 --> 5
          |                     |
          |                     |
          +---> 4 <---------+
         que se define por

         g = creaGrafo True (1,6)
                       [(1,2,0),(1,3,0),(1,4,0),(3,6,0),
                        (5,4,0),(6,2,0),(6,5,0)]

                                                           30 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en profundidad



Procedimiento elemental de recorrido en profundidad
         (recorridoEnProfundidad i g) es el recorrido en profundidad
         del grafo g desde el vértice i. Por ejemplo,
          recorridoEnProfundidad 1 g              [1,2,3,6,5,4]

         recorridoEnProfundidad i g = rp [i] []
             where
               rp [] vis = vis
               rp (c:cs) vis
                   | elem c vis = rp cs vis
                   | otherwise = rp ((adyacentes g c)++cs)
                                     (vis++[c])



                                                                       31 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en profundidad



Procedimiento elemental de recorrido en profundidad
         Traza del cálculo de (recorridoEnProfundidad 1 g)
          recorridoEnProfundidad 1 g
          = rp [1]        []
          = rp [2,3,4] [1]
          = rp [3,4] [1,2]
          = rp [6,4] [1,2,3]
          = rp [2,5,4] [1,2,3,6]
          = rp [5,4] [1,2,3,6]
          = rp [4,4] [1,2,3,6,5]
          = rp [4]        [1,2,3,6,5,4]
          = rp []         [1,2,3,6,5,4]
          = [1,2,3,6,5,4]


                                                             32 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en profundidad



Recorrido en profundidad con acumuladores
         (recorridoEnProfundidad’ i g) es el recorrido en
         profundidad del grafo, usando la lista de los visitados como
         acumulador. Por ejemplo,
          recorridoEnProfundidad' 1 g               [1,2,3,6,5,4]

         recorridoEnProfundidad' i g = reverse (rp [i] [])
             where
               rp [] vis     = vis
               rp (c:cs) vis
                   | elem c vis = rp cs vis
                   | otherwise = rp ((adyacentes g c)++cs)
                                     (c:vis)


                                                                        33 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en profundidad



Recorrido en profundidad con acumuladores
         Traza del cálculo de (recorridoEnProfundidad’ 1 g)
          recorridoEnProfundidad' 1 g
          = reverse (rp [1]         [])
          = reverse (rp [2,3,4] [1])
          = reverse (rp [3,4] [2,1])
          = reverse (rp [6,4] [3,2,1])
          = reverse (rp [2,5,4] [6,3,2,1])
          = reverse (rp [5,4] [6,3,2,1])
          = reverse (rp [4,4] [5,6,3,2,1])
          = reverse (rp [4]         [4,5,6,3,2,1])
          = reverse (rp []          [4,5,6,3,2,1])
          = reverse [4,5,6,3,2,1]
          = [1,2,3,6,5,4]

                                                              34 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en profundidad



Recorrido en profundidad con pilas
         (recorridoEnProfundidad” i g) es el recorrido en
         profundidad del grafo g desde el vértice i, usando pilas. Por
         ejemplo,
          recorridoEnProfundidad'' 1 g               [1,2,3,6,5,4]

         recorridoEnProfundidad'' i g = reverse (rp (apila i vacia)
          where
            rp s vis
             | esVacia s         = vis
             | elem (cima s) vis = rp (desapila s) vis
             | otherwise         = rp (foldr apila (desapila s)
                                             (adyacentes g c))
                                      (c:vis)
                                   where c = cima s
                                                                         35 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en anchura



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos

 2. Recorridos en profundidad y en anchura
       Recorrido en profundidad
       Recorrido en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos




                                             36 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en anchura



Recorrido en anchura
         Importaciones de librerías auxiliares.

         -- Nota: Elegir una implementación de los grafos.
         import GrafoConVectorDeAdyacencia
         -- import GrafoConMatrizDeAdyacencia

         -- Nota: Elegir una implementación de las colas
         import ColaConListas
         -- import ColaConDosListas




                                                             37 / 57
IM Tema 22: Algoritmos sobre grafos
  Recorridos en profundidad y en anchura
     Recorrido en anchura



Recorrido en anchura
         (recorridoEnAnchura i g) es el recorrido en anchura del
         grafo g desde el vértice i, usando colas. Por ejemplo,
          recorridoEnAnchura 1 g             [1,4,3,2,6,5]

         recorridoEnAnchura i g = reverse (ra (inserta i vacia) [])
          where
           ra q vis
            | esVacia q = vis
            | elem (primero q) vis = ra (resto q) vis
            | otherwise = ra (foldr inserta (resto q)
                                     (adyacentes g c))
                              (c:vis)
                           where c = primero q

                                                                   38 / 57
IM Tema 22: Algoritmos sobre grafos
  Ordenación topológica
     Ordenación topológica



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos

 2. Recorridos en profundidad y en anchura

 3. Ordenación topológica
       Ordenación topológica

 4. Árboles de expansión mínimos




                                             39 / 57
IM Tema 22: Algoritmos sobre grafos
  Ordenación topológica
     Ordenación topológica



Ordenación topológica
         Dado un grafo dirigido acíclico, una ordenación topológica es una
         ordenación de los vértices del grafo tal que si existe un camino de
         v a v’, entonces v’ aparece después que v en el orden.
         Librerías auxiliares.

         -- Nota: Elegir una implementación de los grafos.
         import GrafoConVectorDeAdyacencia
         -- import GrafoConMatrizDeAdyacencia

         import Data.Array

         Se usará para los ejemplos el grafo g de la página 30.



                                                                               40 / 57
IM Tema 22: Algoritmos sobre grafos
  Ordenación topológica
     Ordenación topológica



Ordenación topológica
         (gradoEnt g n) es el grado de entrada del nodo n en el grafo
         g; es decir, el número de aristas de g que llegan a n. Por ejemplo,
          gradoEnt g 1           0
          gradoEnt g 2           2
          gradoEnt g 3           1

         gradoEnt :: (Ix a, Num p) => Grafo a p -> a -> Int
         gradoEnt g n =
            length [t | v <- nodos g, t <- adyacentes g v, n==t]




                                                                               41 / 57
IM Tema 22: Algoritmos sobre grafos
  Ordenación topológica
     Ordenación topológica



Ordenación topológica
        (ordenacionTopologica g) es una ordenación topológica del grafo g.
        Por ejemplo,
         ordenacionTopologica g       [1,3,6,5,4,2]

        ordenacionTopologica g =
          ordTop [n | n <- nodos g , gradoEnt g n == 0] []
          where
            ordTop [] r    = r
            ordTop (c:cs) vis
             | elem c vis = ordTop cs vis
             | otherwise = ordTop cs (c:(ordTop (adyacentes g c) vis))




                                                                             42 / 57
IM Tema 22: Algoritmos sobre grafos
  Ordenación topológica
     Ordenación topológica



Ordenación topológica
        Ejemplo de ordenación topológica de cursos.

        data Cursos = Matematicas | Computabilidad | Lenguajes | Programacion |
                      Concurrencia | Arquitectura | Paralelismo
            deriving (Eq,Ord,Enum,Ix,Show)

        gc = creaGrafo True (Matematicas,Paralelismo)
                       [(Matematicas,Computabilidad,1),
                        (Lenguajes,Computabilidad,1),
                        (Programacion,Lenguajes,1),
                        (Programacion,Concurrencia,1),
                        (Concurrencia,Paralelismo,1),
                        (Arquitectura,Paralelismo,1)]
        La ordenación topológica es
         ghci> ordenacionTopologica gc
         [Arquitectura,Programacion,Concurrencia,Paralelismo,Lenguajes,
          Matematicas,Computabilidad]
                                                                            43 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     Árboles de expansión mínimos



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos

 2. Recorridos en profundidad y en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos
       Árboles de expansión mínimos
       El algoritmo de Kruskal
       El algoritmo de Prim



                                             44 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     Árboles de expansión mínimos



Árboles de expansión mínimos
         Sea G = (V , A) un grafo conexo no orientado en el que cada
         arista tiene un peso no negativo. Un árbol de expansión
         mínimo de G es un subgrafo G = (V , A ) que conecta todos los
         vértices de G y tal que la suma de sus pesos es mínima.
         Aplicación: Si los vértices representan ciudades y el coste de una
         arista {a, b} es el construir una carretera de a a b, entonces un
         árbol de expansión mínimo representa el modo de enlazar todas
         las ciudades mediante una red de carreteras de coste mínimo.




                                                                              45 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     Árboles de expansión mínimos



Árboles de expansión mínimos
         Terminología de algoritmos voraces: Sea G = (V , A) un grafo y
         T un conjunto de aristas de G.
                 T es una solución si es un grafo de expansión.
                 T es completable si no tiene ciclos.
                 T es prometedor si es completable y puede ser completado hasta
                 llegar a una solución óptima.
                 Una arista toca un conjunto de vértices B si exactamente uno de
                 sus extremos pertenece a B.
         Teorema: Sea G = (V , A) un grafo conexo no orientado cuyas
         aristas tienen un peso asociado. Sea B un subjconjunto propio
         del conjunto de vértices V y T un conjunto prometedor de
         aristas tal que ninguna arista de T toca a B. Sea e una arista de
         peso mínimo de entre todas las que tocan a B. Entonces
         (T ∪ {e}) es prometedor.

                                                                                   46 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos

 2. Recorridos en profundidad y en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos
       Árboles de expansión mínimos
       El algoritmo de Kruskal
       El algoritmo de Prim



                                             47 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



El algoritmo de Kruskal
 Para los ejemplos se considera el siguiente grafo:
        1        2
    1 ----- 2 ----- 3
    |       /|        /|
    |      / |      / |
    |     / |     / |
   4| /6 |4 /5 |6
    | /      | /       |
    | /      | /       |
    |/       |/        |
    4 ----- 5 ----- 6
      3     | 8 /
            |      /
            |     /
       4 |7 /3
          | /
            | /
            |/
             7
                                                      48 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



El algoritmo de Kruskal
         Aplicación del algoritmo de Kruskal al grafo anterior:
          Etapa Arista Componentes conexas
          0                {1} {2} {3} {4} {5} {6} {7}
          1       {1,2} {1,2} {3} {4} {5} {6} {7}
          2       {2,3} {1,2,3} {4} {5} {6} {7}
          3       {4,5} {1,2,3} {4,5} {6} {7}
          4       {6,7} {1,2,3} {4,5} {6,7}
          5       {1,4} {1,2,3,4,5} {6,7}
          6       {2,5} arista rechazada
          7       {4,7} {1,2,3,4,5,6,7}
         El árbol de expansión mínimo contiene las aristas no rechazadas:
          {1,2}, {2,3}, {4,5}, {6,7}, {1,4} y {4,7}.


                                                                            49 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



El algoritmo de Kruskal
       Librerías auxiliares.

       -- Nota: Seleccionar una implementación del TAD grafo.
       -- import GrafoConVectorDeAdyacencia
       import GrafoConMatrizDeAdyacencia

       -- Nota: Seleccionar una implementación del TAD cola
       -- de prioridad.
       import ColaDePrioridadConListas
       -- import ColaDePrioridadConMonticulos

       -- Nota: Seleccionar una implementación del TAD tabla.
       -- import TablaConFunciones
       import TablaConListasDeAsociacion
       -- import TablaConMatrices

       import Data.List
       import Data.Ix

                                                                50 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



El algoritmo de Kruskal
         Grafos usados en los ejemplos.

         g1 :: Grafo Int Int
         g1 = creaGrafo True (1,5) [(1,2,12),(1,3,34),(1,5,78),
                                    (2,4,55),(2,5,32),
                                    (3,4,61),(3,5,44),
                                    (4,5,93)]

         g2 :: Grafo Int Int
         g2 = creaGrafo True (1,5) [(1,2,13),(1,3,11),(1,5,78),
                                    (2,4,12),(2,5,32),
                                    (3,4,14),(3,5,44),
                                    (4,5,93)]

                                                                  51 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



El algoritmo de Kruskal
       (kruskal g) es el árbol de expansión mínimo del grafo g calculado
       mediante el algoritmo de Kruskal. Por ejemplo,
        kruskal g1         [(55,2,4),(34,1,3),(32,2,5),(12,1,2)]
        kruskal g2         [(32,2,5),(13,1,2),(12,2,4),(11,1,3)]

       kruskal :: (Num p, Ix n, Ord p) => Grafo n        p -> [(p,n,n)]
       kruskal g =
          kruskal' (llenaCP (aristasND g) vacia)         --   Cola de prioridad
                   (tabla [(x,x) | x <- nodos g])        --   Tabla de raices
                   []                                    --   Árbol de expansión
                   ((length (nodos g)) - 1)              --   Aristas por colocar

       kruskal' cp t ae n
           | n==0        = ae
           | actualizado = kruskal'      cp' t' (a:ae) (n-1)
           | otherwise   = kruskal'      cp' t ae      n
           where a@(_,x,y)        =      primero cp
                 cp'              =      resto cp
                 (actualizado,t') =      buscaActualiza (x,y) t

                                                                                    52 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



El algoritmo de Kruskal
        (llenaCP xs cp) es la cola de prioridad obtenida añadiéndole a la
        cola de prioridad cp (cuyos elementos son ternas formadas por los
        dos nodos de una arista y su peso) la lista xs (cuyos elementos son
        ternas formadas por un nodo de una arista, su peso y el otro nodo de
        la arista). Por ejemplo, con ColaDePrioridadConListas
         ghci> llenaCP [(3,7,5),(4,2,6),(9,3,0)] vacia
         CP [(0,9,3),(5,3,7),(6,4,2)]
        y con ColaDePrioridadConMonticulos
         ghci> llenaCP [(3,7,5),(4,2,6),(9,3,0)] vacia
         CP (M (0,9,3) 1
                  (M (5,3,7) 1 (M (6,4,2) 1 VacioM VacioM) VacioM) VacioM)

        llenaCP :: (Ord n, Ord p, Ord c) =>
                   [(n,p,c)] -> CPrioridad (c,n,p) -> CPrioridad (c,n,p)
        llenaCP [] cp           = cp
        llenaCP ((x,y,p):es) cp = llenaCP es (inserta (p,x,y) cp)

                                                                               53 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



El algoritmo de Kruskal
         (raiz t n) es la raíz de n en la tabla t. Por ejemplo,
          > raiz (crea [(1,1),(3,1),(4,3),(5,4),(2,6),(6,6)]) 5
          1
          > raiz (crea [(1,1),(3,1),(4,3),(5,4),(2,6),(6,6)]) 2
          6

         raiz:: Eq n => Tabla n n -> n -> n
         raiz t x | v == x    = v
                  | otherwise = raiz t v
                  where v = valor t x




                                                                  54 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Kruskal



El algoritmo de Kruskal
       (buscaActualiza a t) es el par formado por False y la tabla t, si
       los dos vértices de la arista a tienen la misma raíz en t y el par
       formado por True y la tabla obtenida añadiéndole a t la arista
       formada por el vértice de a de mayor raíz y la raíz del vértice de a de
       menor raíz. Por ejemplo,
        ghci> let t = crea [(1,1),(2,2),(3,1),(4,1)]
        ghci> buscaActualiza (2,3) t
        (True,Tbl [(1,1),(2,1),(3,1),(4,1)])
        ghci> buscaActualiza (3,4) t
        (False,Tbl [(1,1),(2,2),(3,1),(4,1)])

       buscaActualiza :: (Eq n, Ord n) => (n,n) -> Tabla n n
                                          -> (Bool,Tabla n n)
       buscaActualiza (x,y) t
           | x' == y' = (False, t)
           | y' < x' = (True, modifica (x,y') t)
           | otherwise = (True, modifica (y,x') t)
           where x' = raiz t x
                 y' = raiz t y

                                                                                 55 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Prim



Tema 22: Algoritmos sobre grafos

 1. El TAD de los grafos

 2. Recorridos en profundidad y en anchura

 3. Ordenación topológica

 4. Árboles de expansión mínimos
       Árboles de expansión mínimos
       El algoritmo de Kruskal
       El algoritmo de Prim



                                             56 / 57
IM Tema 22: Algoritmos sobre grafos
  Árboles de expansión mínimos
     El algoritmo de Prim



El algoritmo de Prim
        (prim g) es el árbol de expansión mínimo del grafo g calculado
        mediante el algoritmo de Prim. Por ejemplo,
         prim g1         [(55,2,4),(34,1,3),(32,2,5),(12,1,2)]
         prim g2         [(32,2,5),(12,2,4),(13,1,2),(11,1,3)]

        prim :: (Num p, Ix n, Ord p) => Grafo n p -> [(p,n,n)]
        prim g = prim' [n]              -- Nodos colocados
                       ns              -- Nodos por colocar
                       []              -- Árbol de expansión
                       (aristasND g)    -- Aristas del grafo
                 where (n:ns) = nodos g

        prim' t [] ae as = ae
        prim' t r ae as = prim' (v':t) (delete v' r) (e:ae) as
            where e@(c,u', v') = minimum [(c,u,v)| (u,v,c) <- as,
                                                   elem u t,
                                                   elem v r]
                                                                         57 / 57

Más contenido relacionado

La actualidad más candente

Jerarquia y Precedencia
Jerarquia y PrecedenciaJerarquia y Precedencia
Jerarquia y Precedencia
javieraantonio
 
3.2.4 regla de cramer
3.2.4 regla de cramer3.2.4 regla de cramer
3.2.4 regla de cramer
Roger Burgos
 
Unidad 1. determinación del tipo de distribución que presenta un proceso esto...
Unidad 1. determinación del tipo de distribución que presenta un proceso esto...Unidad 1. determinación del tipo de distribución que presenta un proceso esto...
Unidad 1. determinación del tipo de distribución que presenta un proceso esto...
PEDRO LARA MALDONADO
 
Algoritmos y diagramas de flujo
Algoritmos y diagramas de flujoAlgoritmos y diagramas de flujo
Algoritmos y diagramas de flujo
arilanka
 
La Celda unidad y las redes de bravais
La Celda unidad y las redes de bravaisLa Celda unidad y las redes de bravais
La Celda unidad y las redes de bravais
Marco Antonio
 
Ejercicios
EjerciciosEjercicios
Ejercicios
algebra
 
Método de aproximación de vogel algoritmos
Método de aproximación de vogel algoritmosMétodo de aproximación de vogel algoritmos
Método de aproximación de vogel algoritmos
Erick Díaz Sánchez
 
Algoritmos
AlgoritmosAlgoritmos
Algoritmos
taurivan
 
Metodo de simpsons y de los trapecios
Metodo de simpsons y de los trapeciosMetodo de simpsons y de los trapecios
Metodo de simpsons y de los trapecios
Franklin Gualán
 

La actualidad más candente (20)

Jerarquia y Precedencia
Jerarquia y PrecedenciaJerarquia y Precedencia
Jerarquia y Precedencia
 
3.2.4 regla de cramer
3.2.4 regla de cramer3.2.4 regla de cramer
3.2.4 regla de cramer
 
Ecuaciones Reducibles a Primer Orden
Ecuaciones Reducibles a Primer OrdenEcuaciones Reducibles a Primer Orden
Ecuaciones Reducibles a Primer Orden
 
Tipos De Datos
Tipos De DatosTipos De Datos
Tipos De Datos
 
Errores en la medición
Errores en la mediciónErrores en la medición
Errores en la medición
 
Unidad 1. determinación del tipo de distribución que presenta un proceso esto...
Unidad 1. determinación del tipo de distribución que presenta un proceso esto...Unidad 1. determinación del tipo de distribución que presenta un proceso esto...
Unidad 1. determinación del tipo de distribución que presenta un proceso esto...
 
Algoritmos y diagramas de flujo
Algoritmos y diagramas de flujoAlgoritmos y diagramas de flujo
Algoritmos y diagramas de flujo
 
Teoría de Grafos.
Teoría de Grafos.Teoría de Grafos.
Teoría de Grafos.
 
Euler
EulerEuler
Euler
 
Algoritmo voraces
Algoritmo voracesAlgoritmo voraces
Algoritmo voraces
 
La Celda unidad y las redes de bravais
La Celda unidad y las redes de bravaisLa Celda unidad y las redes de bravais
La Celda unidad y las redes de bravais
 
Distribución triangular
Distribución triangularDistribución triangular
Distribución triangular
 
Disposicion de vistas
Disposicion de vistasDisposicion de vistas
Disposicion de vistas
 
Ejercicios
EjerciciosEjercicios
Ejercicios
 
Método de aproximación de vogel algoritmos
Método de aproximación de vogel algoritmosMétodo de aproximación de vogel algoritmos
Método de aproximación de vogel algoritmos
 
Algoritmos
AlgoritmosAlgoritmos
Algoritmos
 
Espacios vectoriales
Espacios vectorialesEspacios vectoriales
Espacios vectoriales
 
Metodo de Gauss y de Gauss-Jordan
Metodo de Gauss y de Gauss-JordanMetodo de Gauss y de Gauss-Jordan
Metodo de Gauss y de Gauss-Jordan
 
Metodo de simpsons y de los trapecios
Metodo de simpsons y de los trapeciosMetodo de simpsons y de los trapecios
Metodo de simpsons y de los trapecios
 
Tema 2.4
Tema 2.4Tema 2.4
Tema 2.4
 

Similar a I1M2010-T22: Algoritmos sobre grafos en Haskell

Presentación1 grafos
Presentación1 grafosPresentación1 grafos
Presentación1 grafos
ozilricardo
 
Presentación1 grafos
Presentación1 grafosPresentación1 grafos
Presentación1 grafos
ozilricardo
 
Teoría de Grafos en sage
 Teoría de Grafos en sage Teoría de Grafos en sage
Teoría de Grafos en sage
kennethmath
 
Fundamentos de la Teoría de Grafos en Curso de Educagratis
Fundamentos de la Teoría de Grafos en Curso de EducagratisFundamentos de la Teoría de Grafos en Curso de Educagratis
Fundamentos de la Teoría de Grafos en Curso de Educagratis
Educagratis
 
Clase 9 grafos parte iii (cam min - arbol min)-ay_ed-2014
Clase 9  grafos parte iii (cam min - arbol min)-ay_ed-2014Clase 9  grafos parte iii (cam min - arbol min)-ay_ed-2014
Clase 9 grafos parte iii (cam min - arbol min)-ay_ed-2014
Nicolas Mattone
 
Grafos (angel)[1]
Grafos (angel)[1]Grafos (angel)[1]
Grafos (angel)[1]
ozilricardo
 

Similar a I1M2010-T22: Algoritmos sobre grafos en Haskell (20)

Presentacion del Proyecto de Construccion de una Wiki - Grupo 3
Presentacion del Proyecto de Construccion de una Wiki - Grupo 3Presentacion del Proyecto de Construccion de una Wiki - Grupo 3
Presentacion del Proyecto de Construccion de una Wiki - Grupo 3
 
Material de grafos.pdf
Material de grafos.pdfMaterial de grafos.pdf
Material de grafos.pdf
 
Grafos
GrafosGrafos
Grafos
 
Presentación1 grafos
Presentación1 grafosPresentación1 grafos
Presentación1 grafos
 
Presentación1 grafos
Presentación1 grafosPresentación1 grafos
Presentación1 grafos
 
Teoria sobre arboles y grafos, presentacion clave sobre las bases de la intel...
Teoria sobre arboles y grafos, presentacion clave sobre las bases de la intel...Teoria sobre arboles y grafos, presentacion clave sobre las bases de la intel...
Teoria sobre arboles y grafos, presentacion clave sobre las bases de la intel...
 
Teoría de Grafos en sage
 Teoría de Grafos en sage Teoría de Grafos en sage
Teoría de Grafos en sage
 
Grafos en sage
Grafos en sageGrafos en sage
Grafos en sage
 
Tema grafos
Tema grafosTema grafos
Tema grafos
 
Catedra grafos
Catedra grafosCatedra grafos
Catedra grafos
 
Catedra grafos
Catedra grafosCatedra grafos
Catedra grafos
 
Catedra grafos
Catedra grafosCatedra grafos
Catedra grafos
 
S8-EDD-4.2 Aplicaciones de árboles en informática
S8-EDD-4.2 Aplicaciones de árboles en informáticaS8-EDD-4.2 Aplicaciones de árboles en informática
S8-EDD-4.2 Aplicaciones de árboles en informática
 
Fundamentos de la Teoría de Grafos en Curso de Educagratis
Fundamentos de la Teoría de Grafos en Curso de EducagratisFundamentos de la Teoría de Grafos en Curso de Educagratis
Fundamentos de la Teoría de Grafos en Curso de Educagratis
 
Programación 3: Grafos, representación y operaciones
Programación 3: Grafos, representación y operacionesProgramación 3: Grafos, representación y operaciones
Programación 3: Grafos, representación y operaciones
 
Clase 9 grafos parte iii (cam min - arbol min)-ay_ed-2014
Clase 9  grafos parte iii (cam min - arbol min)-ay_ed-2014Clase 9  grafos parte iii (cam min - arbol min)-ay_ed-2014
Clase 9 grafos parte iii (cam min - arbol min)-ay_ed-2014
 
Grafos (angel)[1]
Grafos (angel)[1]Grafos (angel)[1]
Grafos (angel)[1]
 
Teoría de grafos
Teoría de grafosTeoría de grafos
Teoría de grafos
 
19. Grafos.ppt
19. Grafos.ppt19. Grafos.ppt
19. Grafos.ppt
 
Mat lab03
Mat lab03Mat lab03
Mat lab03
 

Más de José A. Alonso

LMF-T6: Sintaxis y semántica de la lógica de primer orden
LMF-T6: Sintaxis y semántica de la lógica de primer ordenLMF-T6: Sintaxis y semántica de la lógica de primer orden
LMF-T6: Sintaxis y semántica de la lógica de primer orden
José A. Alonso
 
LMF-T6: Sintaxis y semántica de la lógica de primer orden
LMF-T6: Sintaxis y semántica de la lógica de primer ordenLMF-T6: Sintaxis y semántica de la lógica de primer orden
LMF-T6: Sintaxis y semántica de la lógica de primer orden
José A. Alonso
 
LMF-T5: Resolución proposicional
LMF-T5: Resolución proposicionalLMF-T5: Resolución proposicional
LMF-T5: Resolución proposicional
José A. Alonso
 
LMF-T3: Tableros semánticos
LMF-T3: Tableros semánticosLMF-T3: Tableros semánticos
LMF-T3: Tableros semánticos
José A. Alonso
 
LMF-T2: Deducción natural proposicional
LMF-T2: Deducción natural proposicionalLMF-T2: Deducción natural proposicional
LMF-T2: Deducción natural proposicional
José A. Alonso
 
LI-T12: LI2011-12: Introducción a la programación lógica con Prolog
LI-T12: LI2011-12: Introducción a la programación lógica con PrologLI-T12: LI2011-12: Introducción a la programación lógica con Prolog
LI-T12: LI2011-12: Introducción a la programación lógica con Prolog
José A. Alonso
 
LI-T6: Sintaxis y semántica de la lógica de primer orden
LI-T6: Sintaxis y semántica de la lógica de primer ordenLI-T6: Sintaxis y semántica de la lógica de primer orden
LI-T6: Sintaxis y semántica de la lógica de primer orden
José A. Alonso
 
Panorama del razonamiento automático
Panorama del razonamiento automáticoPanorama del razonamiento automático
Panorama del razonamiento automático
José A. Alonso
 
LI -T5: Resolución proposicional
LI -T5: Resolución proposicionalLI -T5: Resolución proposicional
LI -T5: Resolución proposicional
José A. Alonso
 

Más de José A. Alonso (20)

Tema 12: Analizadores sintácticos funcionales.
Tema 12: Analizadores sintácticos funcionales.Tema 12: Analizadores sintácticos funcionales.
Tema 12: Analizadores sintácticos funcionales.
 
Tema 23: Técnicas de diseño descendente de algoritmos
Tema 23: Técnicas de diseño descendente de algoritmosTema 23: Técnicas de diseño descendente de algoritmos
Tema 23: Técnicas de diseño descendente de algoritmos
 
I1M-T19: El TAD de los árboles de búsqueda
I1M-T19: El TAD de los árboles de búsquedaI1M-T19: El TAD de los árboles de búsqueda
I1M-T19: El TAD de los árboles de búsqueda
 
I1M-T17: El TAD de los conjuntos
I1M-T17: El TAD de los conjuntosI1M-T17: El TAD de los conjuntos
I1M-T17: El TAD de los conjuntos
 
Panorama de la demostración asistida por ordenador
Panorama de la demostración asistida por ordenadorPanorama de la demostración asistida por ordenador
Panorama de la demostración asistida por ordenador
 
LMF-T6: Sintaxis y semántica de la lógica de primer orden
LMF-T6: Sintaxis y semántica de la lógica de primer ordenLMF-T6: Sintaxis y semántica de la lógica de primer orden
LMF-T6: Sintaxis y semántica de la lógica de primer orden
 
LMF-T6: Sintaxis y semántica de la lógica de primer orden
LMF-T6: Sintaxis y semántica de la lógica de primer ordenLMF-T6: Sintaxis y semántica de la lógica de primer orden
LMF-T6: Sintaxis y semántica de la lógica de primer orden
 
LMF-T5b: Aplicaciones de la lógica proposicional
LMF-T5b: Aplicaciones de la lógica proposicionalLMF-T5b: Aplicaciones de la lógica proposicional
LMF-T5b: Aplicaciones de la lógica proposicional
 
LMF-T5: Resolución proposicional
LMF-T5: Resolución proposicionalLMF-T5: Resolución proposicional
LMF-T5: Resolución proposicional
 
LMF-T4: Formas normales
LMF-T4: Formas normalesLMF-T4: Formas normales
LMF-T4: Formas normales
 
LMF-T3: Tableros semánticos
LMF-T3: Tableros semánticosLMF-T3: Tableros semánticos
LMF-T3: Tableros semánticos
 
LMF-T2: Deducción natural proposicional
LMF-T2: Deducción natural proposicionalLMF-T2: Deducción natural proposicional
LMF-T2: Deducción natural proposicional
 
I1M-T21: El TAD de los polinomios en Haskell
I1M-T21: El TAD de los polinomios en HaskellI1M-T21: El TAD de los polinomios en Haskell
I1M-T21: El TAD de los polinomios en Haskell
 
LMF-T1: Sintaxis y semántica de la lógica proposicional
LMF-T1: Sintaxis y semántica de la lógica proposicionalLMF-T1: Sintaxis y semántica de la lógica proposicional
LMF-T1: Sintaxis y semántica de la lógica proposicional
 
LI-T12: LI2011-12: Introducción a la programación lógica con Prolog
LI-T12: LI2011-12: Introducción a la programación lógica con PrologLI-T12: LI2011-12: Introducción a la programación lógica con Prolog
LI-T12: LI2011-12: Introducción a la programación lógica con Prolog
 
LI-T6: Sintaxis y semántica de la lógica de primer orden
LI-T6: Sintaxis y semántica de la lógica de primer ordenLI-T6: Sintaxis y semántica de la lógica de primer orden
LI-T6: Sintaxis y semántica de la lógica de primer orden
 
LI-T5b: Algoritmos para SAT. Aplicaciones
LI-T5b: Algoritmos para SAT. AplicacionesLI-T5b: Algoritmos para SAT. Aplicaciones
LI-T5b: Algoritmos para SAT. Aplicaciones
 
Panorama del razonamiento automático
Panorama del razonamiento automáticoPanorama del razonamiento automático
Panorama del razonamiento automático
 
LI -T5: Resolución proposicional
LI -T5: Resolución proposicionalLI -T5: Resolución proposicional
LI -T5: Resolución proposicional
 
I1M2010-T24: Programación dinámica en Haskell
I1M2010-T24: Programación dinámica en HaskellI1M2010-T24: Programación dinámica en Haskell
I1M2010-T24: Programación dinámica en Haskell
 

Último

6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
MiNeyi1
 
PLAN DE REFUERZO ESCOLAR primaria (1).docx
PLAN DE REFUERZO ESCOLAR primaria (1).docxPLAN DE REFUERZO ESCOLAR primaria (1).docx
PLAN DE REFUERZO ESCOLAR primaria (1).docx
lupitavic
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
EliaHernndez7
 
Criterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosCriterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficios
JonathanCovena1
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Francisco158360
 

Último (20)

6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
Unidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la InvestigaciónUnidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la Investigación
 
PLAN DE REFUERZO ESCOLAR primaria (1).docx
PLAN DE REFUERZO ESCOLAR primaria (1).docxPLAN DE REFUERZO ESCOLAR primaria (1).docx
PLAN DE REFUERZO ESCOLAR primaria (1).docx
 
PIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesPIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonables
 
Sesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronósticoSesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronóstico
 
Power Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptxPower Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptx
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
 
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJO
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJOACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJO
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJO
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptx
 
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
 
Infografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfInfografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdf
 
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxLA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
Criterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosCriterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficios
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
 

I1M2010-T22: Algoritmos sobre grafos en Haskell

  • 1. Tema 22: Algoritmos sobre grafos Informática (2010–11) José A. Alonso Jiménez Grupo de Lógica Computacional Departamento de Ciencias de la Computación e I.A. Universidad de Sevilla
  • 2. IM Tema 22: Algoritmos sobre grafos Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos Definiciones y terminología sobre grafos Signatura del TAD de los grafos Implementación de los grafos como vectores de adyacencia Implementación de los grafos como matrices de adyacencia 2. Recorridos en profundidad y en anchura Recorrido en profundidad Recorrido en anchura 3. Ordenación topológica Ordenación topológica 4. Árboles de expansión mínimos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Prim 2 / 57
  • 3. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Definiciones y terminología sobre grafos Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos Definiciones y terminología sobre grafos Signatura del TAD de los grafos Implementación de los grafos como vectores de adyacencia Implementación de los grafos como matrices de adyacencia 2. Recorridos en profundidad y en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos 3 / 57
  • 4. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Definiciones y terminología sobre grafos Definiciones y terminología sobre grafos Un grafo G es un par (V , A) donde V es el conjunto de los vértices (o nodos) y A el de las aristas. Una arista del grafo es un par de vértices. Un arco es una arista dirigida. |V| es el número de vértices. |A| es el número de aristas. Un camino de v1 a vn es una sucesión de vértices v1 , v2 , . . . , vn tal que para todo i, vi−1 vi es una arista del grafo. Un camino simple es un camino tal que todos sus vértices son distintos. Un ciclo es un camino tal que v1 = vn y todos los restantes vértices son distintos. 4 / 57
  • 5. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Definiciones y terminología sobre grafos Definiciones y terminología sobre grafos Un grafo acíclico es un grafo sin ciclos. Un grafo conexo es un grafo tal que para cualquier par de vértices existe un camino del primero al segundo. Un árbol es un grafo acíclico conexo. Un vértice v es adjacente a v si vv es una arista del grafo. En un grafo dirigido, el grado positivo de un vértice es el número de aristas que salen de él y el grado negativo es el número de aristas que llegan a él. Un grafo ponderado es un grafo cuyas aristas tienen un peso. 5 / 57
  • 6. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Signatura del TAD de los grafos Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos Definiciones y terminología sobre grafos Signatura del TAD de los grafos Implementación de los grafos como vectores de adyacencia Implementación de los grafos como matrices de adyacencia 2. Recorridos en profundidad y en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos 6 / 57
  • 7. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Signatura del TAD de los grafos Signatura del TAD de los grafos creaGrafo :: (Ix v,Num p) => Bool -> (v,v) -> [(v,v,p)] -> Grafo v p adyacentes :: (Ix v,Num p) => (Grafo v p) -> v -> [v] nodos :: (Ix v,Num p) => (Grafo v p) -> [v] aristasND :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristasD :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristaEn :: (Ix v,Num p) => (Grafo v p) -> (v,v) -> Bool peso :: (Ix v,Num p) => v -> v -> (Grafo v p) -> p 7 / 57
  • 8. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Signatura del TAD de los grafos Descripción de la signatura del TAD de grafos (creaGrafo d cs as) es un grafo (dirigido si d es True y no dirigido en caso contrario), con el par de cotas cs y listas de aristas as (cada arista es un trío formado por los dos vértices y su peso). Ver un ejemplo en la siguiente transparencia. (adyacentes g v) es la lista de los vértices adyacentes al nodo v en el grafo g. (nodos g) es la lista de todos los nodos del grafo g. (aristasND g) es la lista de las aristas del grafo no dirigido g. (aristasD g) es la lista de las aristas del grafo dirigido g. (aristaEn g a) se verifica si a es una arista del grafo g. (peso v1 v2 g) es el peso de la arista que une los vértices v1 y v2 en el grafo g. 8 / 57
  • 9. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Signatura del TAD de los grafos Ejemplo de creación de grafos. creaGrafo False (1,5) [(1,2,12),(1,3,34),(1,5,78), (2,4,55),(2,5,32), (3,4,61),(3,5,44), (4,5,93)] crea el grafo 12 1 -------- 2 | 78 /| | 32/ | | / | 34| 5 |55 | / | | /44 | | / 93| 3 -------- 4 61 9 / 57
  • 10. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos Definiciones y terminología sobre grafos Signatura del TAD de los grafos Implementación de los grafos como vectores de adyacencia Implementación de los grafos como matrices de adyacencia 2. Recorridos en profundidad y en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos 10 / 57
  • 11. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Los grafos como vectores de adyacencia Cabecera del módulo: module GrafoConVectorDeAdyacencia (Grafo, creaGrafo, -- (Ix v,Num p) => Bool -> (v,v) -> [(v,v,p)] -- -> Grafo v p adyacentes, -- (Ix v,Num p) => (Grafo v p) -> v -> [v] nodos, -- (Ix v,Num p) => (Grafo v p) -> [v] aristasND, -- (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristasD, -- (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristaEn, -- (Ix v,Num p) => (Grafo v p) -> (v,v) -> Bool peso -- (Ix v,Num p) => v -> v -> (Grafo v p) -> p ) where where Librerías auxiliares. import Data.Array 11 / 57
  • 12. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Los grafos como vectores de adyacencia (Grafo v p) es un grafo con vértices de tipo v y pesos de tipo p. type Grafo v p = Array v [(v,p)] grafoVA es la representación del grafo del ejemplo de la página 9 mediante un vector de adyacencia. grafoVA = array (1,5) [(1,[(2,12),(3,34),(5,78)]), (2,[(1,12),(4,55),(5,32)]), (3,[(1,34),(4,61),(5,44)]), (4,[(2,55),(3,61),(5,93)]), (5,[(1,78),(2,32),(3,44),(4,93)])] 12 / 57
  • 13. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Los grafos como vectores de adyacencia (creaGrafo d cs as) es un grafo (dirigido si d es True y no dirigido en caso contrario), con el par de cotas cs y listas de aristas as (cada arista es un trío formado por los dos vértices y su peso). Ver un ejemplo a continuación. creaGrafo :: (Ix v, Num p) => Bool -> (v,v) -> [(v,v,p)] -> Grafo v p creaGrafo d cs vs = accumArray (xs x -> xs++[x]) [] cs ((if d then [] else [(x2,(x1,p))|(x1,x2,p) <- vs, x1 /= x2]) ++ [(x1,(x2,p)) | (x1,x2,p) <- vs]) 13 / 57
  • 14. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Los grafos como vectores de adyacencia grafoVA’ es el mismo grafo que grafoVA pero creado con creaGrafo. Por ejemplo, ghci> grafoVA' array (1,5) [(1,[(2,12),(3,34),(5,78)]), (2,[(1,12),(4,55),(5,32)]), (3,[(1,34),(4,61),(5,44)]), (4,[(2,55),(3,61),(5,93)]), (5,[(1,78),(2,32),(3,44),(4,93)])] grafoVA' = creaGrafo False (1,5) [(1,2,12),(1,3,34),(1,5,78), (2,4,55),(2,5,32), (3,4,61),(3,5,44), (4,5,93)] 14 / 57
  • 15. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Los grafos como vectores de adyacencia (adyacentes g v) es la lista de los vértices adyacentes al nodo v en el grafo g. Por ejemplo, adyacentes grafoVA' 4 [2,3,5] adyacentes :: (Ix v,Num p) => (Grafo v p) -> v -> [v] adyacentes g v = map fst (g!v) (nodos g) es la lista de todos los nodos del grafo g. Por ejemplo, nodos grafoVA' [1,2,3,4,5] nodos :: (Ix v,Num p) => (Grafo v p) -> [v] nodos g = indices g 15 / 57
  • 16. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Los grafos como vectores de adyacencia (aristaEn g a) se verifica si a es una arista del grafo g. Por ejemplo, aristaEn grafoVA' (5,1) True aristaEn grafoVA' (4,1) False aristaEn :: (Ix v,Num p) => (Grafo v p) -> (v,v) -> Bool aristaEn g (x,y) = elem y (adyacentes g x) (peso v1 v2 g) es el peso de la arista que une los vértices v1 y v2 en el grafo g. Por ejemplo, peso 1 5 grafoVA' 78 peso :: (Ix v,Num p) => v -> v -> (Grafo v p) -> p peso x y g = head [c | (a,c) <- g!x , a == y] 16 / 57
  • 17. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Los grafos como vectores de adyacencia (aristasD g) es la lista de las aristas del grafo dirigido g. Por ejemplo, ghci> aristasD grafoVA' [(1,2,12),(1,3,34),(1,5,78), (2,1,12),(2,4,55),(2,5,32), (3,1,34),(3,4,61),(3,5,44), (4,2,55),(4,3,61),(4,5,93), (5,1,78),(5,2,32),(5,3,44),(5,4,93)] aristasD :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristasD g = [(v1,v2,w) | v1 <- nodos g , (v2,w) <- g!v1] 17 / 57
  • 18. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como vectores de adyacencia Los grafos como vectores de adyacencia (aristasND g) es la lista de las aristas del grafo no dirigido g. Por ejemplo, ghci> aristasND grafoVA' [(1,2,12),(1,3,34),(1,5,78), (2,4,55),(2,5,32), (3,4,61),(3,5,44), (4,5,93)] aristasND :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristasND g = [(v1,v2,w) | v1 <- nodos g, (v2,w) <- g!v1, v1 < v2] 18 / 57
  • 19. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos Definiciones y terminología sobre grafos Signatura del TAD de los grafos Implementación de los grafos como vectores de adyacencia Implementación de los grafos como matrices de adyacencia 2. Recorridos en profundidad y en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos 19 / 57
  • 20. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Los grafos como matrices de adyacencia Cabecera del módulo. module GrafoConMatrizDeAdyacencia (Grafo, creaGrafo, -- (Ix v,Num p) => Bool -> (v,v) -> [(v,v,p)] -- -> Grafo v p adyacentes, -- (Ix v,Num p) => (Grafo v p) -> v -> [v] nodos, -- (Ix v,Num p) => (Grafo v p) -> [v] aristasND, -- (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristasD, -- (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristaEn, -- (Ix v,Num p) => (Grafo v p) -> (v,v) -> Bool peso -- (Ix v,Num p) => v -> v -> (Grafo v p) -> p ) where Librerías auxiliares import Data.Array 20 / 57
  • 21. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Los grafos como matrices de adyacencia (Grafo v p) es un grafo con vértices de tipo v y pesos de tipo p. type Grafo v p = Array (v,v) (Maybe p) grafoMA es la representación del grafo del ejemplo de la página 9 mediante una matriz de adyacencia. grafoMA = array ((1,1),(5,5)) [((1,1),Nothing),((1,2),Just 10),((1,3),Just 20), ((1,4),Nothing),((1,5),Nothing),((2,1),Nothing), ((2,2),Nothing),((2,3),Nothing),((2,4),Just 30), ((2,5),Nothing),((3,1),Nothing),((3,2),Nothing), ((3,3),Nothing),((3,4),Just 40),((3,5),Nothing), ((4,1),Nothing),((4,2),Nothing),((4,3),Nothing), ((4,4),Nothing),((4,5),Just 50),((5,1),Nothing), ((5,2),Nothing),((5,3),Nothing),((5,4),Nothing), ((5,5),Nothing)] 21 / 57
  • 22. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Los grafos como matrices de adyacencia (creaGrafo d cs as) es un grafo (dirigido si d es True y no dirigido en caso contrario), con el par de cotas cs y listas de aristas as (cada arista es un trío formado por los dos vértices y su peso). Ver un ejemplo a continuación. creaGrafo :: (Ix v, Num p) => Bool -> (v,v) -> [(v,v,p)] -> Grafo v p creaGrafo dir cs@(l,u) as = matrizVacia // ([((x1,x2),Just w) | (x1,x2,w) <- as] ++ if dir then [] else [((x2,x1),Just w) | (x1,x2,w) <- as, x1 /= x2]) where matrizVacia = array ((l,l),(u,u)) [((x1,x2),Nothing) | x1 <- range cs, x2 <- range cs] 22 / 57
  • 23. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Los grafos como matrices de adyacencia grafoMA’ es el mismo grafo que grafoMA pero creado con creaGrafo. Por ejemplo, ghci> grafoMA' array ((1,1),(5,5)) [((1,1),Nothing),((1,2),Just 12),((1,3),Just 34), ((1,4),Nothing),((1,5),Just 78),((2,1),Just 12), ((2,2),Nothing),((2,3),Nothing),((2,4),Just 55), ((2,5),Just 32),((3,1),Just 34),((3,2),Nothing), ((3,3),Nothing),((3,4),Just 61),((3,5),Just 44), ((4,1),Nothing),((4,2),Just 55),((4,3),Just 61), ((4,4),Nothing),((4,5),Just 93),((5,1),Just 78), ((5,2),Just 32),((5,3),Just 44),((5,4),Just 93), ((5,5),Nothing)] grafoMA' = creaGrafo False (1,5) [(1,2,12),(1,3,34),(1,5,78), (2,4,55),(2,5,32), (3,4,61),(3,5,44), (4,5,93)] 23 / 57
  • 24. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Los grafos como matrices de adyacencia (adyacentes g v) es la lista de los vértices adyacentes al nodo v en el grafo g. Por ejemplo, adyacentes grafoMA' 4 [2,3,5] adyacentes :: (Ix v,Num p) => (Grafo v p) -> v -> [v] adyacentes g v1 = [v2 | v2 <- nodos g, (g!(v1,v2)) /= Nothing] (nodos g) es la lista de todos los nodos del grafo g. Por ejemplo, nodos grafoMA' [1,2,3,4,5] nodos :: (Ix v,Num p) => (Grafo v p) -> [v] nodos g = range (l,u) where ((l,_),(u,_)) = bounds g 24 / 57
  • 25. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Los grafos como matrices de adyacencia (aristaEn g a) se verifica si a es una arista del grafo g. Por ejemplo, aristaEn grafoMA' (5,1) True aristaEn grafoMA' (4,1) False aristaEn :: (Ix v,Num p) => (Grafo v p) -> (v,v) -> Bool aristaEn g (x,y)= (g!(x,y)) /= Nothing (peso v1 v2 g) es el peso de la arista que une los vértices v1 y v2 en el grafo g. Por ejemplo, peso 1 5 grafoMA' 78 peso :: (Ix v,Num p) => v -> v -> (Grafo v p) -> p peso x y g = w where (Just w) = g!(x,y) 25 / 57
  • 26. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Los grafos como matrices de adyacencia (aristasD g) es la lista de las aristas del grafo dirigido g. Por ejemplo, ghci> aristasD grafoMA' [(1,2,12),(1,3,34),(1,5,78), (2,1,12),(2,4,55),(2,5,32), (3,1,34),(3,4,61),(3,5,44), (4,2,55),(4,3,61),(4,5,93), (5,1,78),(5,2,32),(5,3,44),(5,4,93)] aristasD :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristasD g = [(v1,v2,extrae(g!(v1,v2))) | v1 <- nodos g, v2 <- nodos g, aristaEn g (v1,v2)] where extrae (Just w) = w 26 / 57
  • 27. IM Tema 22: Algoritmos sobre grafos El TAD de los grafos Implementación de los grafos como matrices de adyacencia Los grafos como matrices de adyacencia (aristasND g) es la lista de las aristas del grafo no dirigido g. Por ejemplo, ghci> aristasND grafoMA' [(1,2,12),(1,3,34),(1,5,78), (2,4,55),(2,5,32), (3,4,61),(3,5,44), (4,5,93)] aristasND :: (Ix v,Num p) => (Grafo v p) -> [(v,v,p)] aristasND g = [(v1,v2,extrae(g!(v1,v2))) | v1 <- nodos g, v2 <- range (v1,u), aristaEn g (v1,v2)] where (_,(u,_)) = bounds g extrae (Just w) = w 27 / 57
  • 28. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en profundidad Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos 2. Recorridos en profundidad y en anchura Recorrido en profundidad Recorrido en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos 28 / 57
  • 29. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en profundidad Recorrido en profundidad Importaciones de librerías auxiliares. -- Nota: Elegir una implementación de los grafos. import GrafoConVectorDeAdyacencia -- import GrafoConMatrizDeAdyacencia -- Nota: Elegir una implementación de las pilas. import PilaConListas -- import PilaConTipoDeDatoAlgebraico 29 / 57
  • 30. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en profundidad Recorrido en profundidad En los ejemplos se usará el grafo g +---> 2 <---+ | | | | 1 --> 3 --> 6 --> 5 | | | | +---> 4 <---------+ que se define por g = creaGrafo True (1,6) [(1,2,0),(1,3,0),(1,4,0),(3,6,0), (5,4,0),(6,2,0),(6,5,0)] 30 / 57
  • 31. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en profundidad Procedimiento elemental de recorrido en profundidad (recorridoEnProfundidad i g) es el recorrido en profundidad del grafo g desde el vértice i. Por ejemplo, recorridoEnProfundidad 1 g [1,2,3,6,5,4] recorridoEnProfundidad i g = rp [i] [] where rp [] vis = vis rp (c:cs) vis | elem c vis = rp cs vis | otherwise = rp ((adyacentes g c)++cs) (vis++[c]) 31 / 57
  • 32. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en profundidad Procedimiento elemental de recorrido en profundidad Traza del cálculo de (recorridoEnProfundidad 1 g) recorridoEnProfundidad 1 g = rp [1] [] = rp [2,3,4] [1] = rp [3,4] [1,2] = rp [6,4] [1,2,3] = rp [2,5,4] [1,2,3,6] = rp [5,4] [1,2,3,6] = rp [4,4] [1,2,3,6,5] = rp [4] [1,2,3,6,5,4] = rp [] [1,2,3,6,5,4] = [1,2,3,6,5,4] 32 / 57
  • 33. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en profundidad Recorrido en profundidad con acumuladores (recorridoEnProfundidad’ i g) es el recorrido en profundidad del grafo, usando la lista de los visitados como acumulador. Por ejemplo, recorridoEnProfundidad' 1 g [1,2,3,6,5,4] recorridoEnProfundidad' i g = reverse (rp [i] []) where rp [] vis = vis rp (c:cs) vis | elem c vis = rp cs vis | otherwise = rp ((adyacentes g c)++cs) (c:vis) 33 / 57
  • 34. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en profundidad Recorrido en profundidad con acumuladores Traza del cálculo de (recorridoEnProfundidad’ 1 g) recorridoEnProfundidad' 1 g = reverse (rp [1] []) = reverse (rp [2,3,4] [1]) = reverse (rp [3,4] [2,1]) = reverse (rp [6,4] [3,2,1]) = reverse (rp [2,5,4] [6,3,2,1]) = reverse (rp [5,4] [6,3,2,1]) = reverse (rp [4,4] [5,6,3,2,1]) = reverse (rp [4] [4,5,6,3,2,1]) = reverse (rp [] [4,5,6,3,2,1]) = reverse [4,5,6,3,2,1] = [1,2,3,6,5,4] 34 / 57
  • 35. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en profundidad Recorrido en profundidad con pilas (recorridoEnProfundidad” i g) es el recorrido en profundidad del grafo g desde el vértice i, usando pilas. Por ejemplo, recorridoEnProfundidad'' 1 g [1,2,3,6,5,4] recorridoEnProfundidad'' i g = reverse (rp (apila i vacia) where rp s vis | esVacia s = vis | elem (cima s) vis = rp (desapila s) vis | otherwise = rp (foldr apila (desapila s) (adyacentes g c)) (c:vis) where c = cima s 35 / 57
  • 36. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en anchura Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos 2. Recorridos en profundidad y en anchura Recorrido en profundidad Recorrido en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos 36 / 57
  • 37. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en anchura Recorrido en anchura Importaciones de librerías auxiliares. -- Nota: Elegir una implementación de los grafos. import GrafoConVectorDeAdyacencia -- import GrafoConMatrizDeAdyacencia -- Nota: Elegir una implementación de las colas import ColaConListas -- import ColaConDosListas 37 / 57
  • 38. IM Tema 22: Algoritmos sobre grafos Recorridos en profundidad y en anchura Recorrido en anchura Recorrido en anchura (recorridoEnAnchura i g) es el recorrido en anchura del grafo g desde el vértice i, usando colas. Por ejemplo, recorridoEnAnchura 1 g [1,4,3,2,6,5] recorridoEnAnchura i g = reverse (ra (inserta i vacia) []) where ra q vis | esVacia q = vis | elem (primero q) vis = ra (resto q) vis | otherwise = ra (foldr inserta (resto q) (adyacentes g c)) (c:vis) where c = primero q 38 / 57
  • 39. IM Tema 22: Algoritmos sobre grafos Ordenación topológica Ordenación topológica Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos 2. Recorridos en profundidad y en anchura 3. Ordenación topológica Ordenación topológica 4. Árboles de expansión mínimos 39 / 57
  • 40. IM Tema 22: Algoritmos sobre grafos Ordenación topológica Ordenación topológica Ordenación topológica Dado un grafo dirigido acíclico, una ordenación topológica es una ordenación de los vértices del grafo tal que si existe un camino de v a v’, entonces v’ aparece después que v en el orden. Librerías auxiliares. -- Nota: Elegir una implementación de los grafos. import GrafoConVectorDeAdyacencia -- import GrafoConMatrizDeAdyacencia import Data.Array Se usará para los ejemplos el grafo g de la página 30. 40 / 57
  • 41. IM Tema 22: Algoritmos sobre grafos Ordenación topológica Ordenación topológica Ordenación topológica (gradoEnt g n) es el grado de entrada del nodo n en el grafo g; es decir, el número de aristas de g que llegan a n. Por ejemplo, gradoEnt g 1 0 gradoEnt g 2 2 gradoEnt g 3 1 gradoEnt :: (Ix a, Num p) => Grafo a p -> a -> Int gradoEnt g n = length [t | v <- nodos g, t <- adyacentes g v, n==t] 41 / 57
  • 42. IM Tema 22: Algoritmos sobre grafos Ordenación topológica Ordenación topológica Ordenación topológica (ordenacionTopologica g) es una ordenación topológica del grafo g. Por ejemplo, ordenacionTopologica g [1,3,6,5,4,2] ordenacionTopologica g = ordTop [n | n <- nodos g , gradoEnt g n == 0] [] where ordTop [] r = r ordTop (c:cs) vis | elem c vis = ordTop cs vis | otherwise = ordTop cs (c:(ordTop (adyacentes g c) vis)) 42 / 57
  • 43. IM Tema 22: Algoritmos sobre grafos Ordenación topológica Ordenación topológica Ordenación topológica Ejemplo de ordenación topológica de cursos. data Cursos = Matematicas | Computabilidad | Lenguajes | Programacion | Concurrencia | Arquitectura | Paralelismo deriving (Eq,Ord,Enum,Ix,Show) gc = creaGrafo True (Matematicas,Paralelismo) [(Matematicas,Computabilidad,1), (Lenguajes,Computabilidad,1), (Programacion,Lenguajes,1), (Programacion,Concurrencia,1), (Concurrencia,Paralelismo,1), (Arquitectura,Paralelismo,1)] La ordenación topológica es ghci> ordenacionTopologica gc [Arquitectura,Programacion,Concurrencia,Paralelismo,Lenguajes, Matematicas,Computabilidad] 43 / 57
  • 44. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos Árboles de expansión mínimos Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos 2. Recorridos en profundidad y en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Prim 44 / 57
  • 45. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos Árboles de expansión mínimos Árboles de expansión mínimos Sea G = (V , A) un grafo conexo no orientado en el que cada arista tiene un peso no negativo. Un árbol de expansión mínimo de G es un subgrafo G = (V , A ) que conecta todos los vértices de G y tal que la suma de sus pesos es mínima. Aplicación: Si los vértices representan ciudades y el coste de una arista {a, b} es el construir una carretera de a a b, entonces un árbol de expansión mínimo representa el modo de enlazar todas las ciudades mediante una red de carreteras de coste mínimo. 45 / 57
  • 46. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos Árboles de expansión mínimos Árboles de expansión mínimos Terminología de algoritmos voraces: Sea G = (V , A) un grafo y T un conjunto de aristas de G. T es una solución si es un grafo de expansión. T es completable si no tiene ciclos. T es prometedor si es completable y puede ser completado hasta llegar a una solución óptima. Una arista toca un conjunto de vértices B si exactamente uno de sus extremos pertenece a B. Teorema: Sea G = (V , A) un grafo conexo no orientado cuyas aristas tienen un peso asociado. Sea B un subjconjunto propio del conjunto de vértices V y T un conjunto prometedor de aristas tal que ninguna arista de T toca a B. Sea e una arista de peso mínimo de entre todas las que tocan a B. Entonces (T ∪ {e}) es prometedor. 46 / 57
  • 47. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos 2. Recorridos en profundidad y en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Prim 47 / 57
  • 48. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Kruskal Para los ejemplos se considera el siguiente grafo: 1 2 1 ----- 2 ----- 3 | /| /| | / | / | | / | / | 4| /6 |4 /5 |6 | / | / | | / | / | |/ |/ | 4 ----- 5 ----- 6 3 | 8 / | / | / 4 |7 /3 | / | / |/ 7 48 / 57
  • 49. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Kruskal Aplicación del algoritmo de Kruskal al grafo anterior: Etapa Arista Componentes conexas 0 {1} {2} {3} {4} {5} {6} {7} 1 {1,2} {1,2} {3} {4} {5} {6} {7} 2 {2,3} {1,2,3} {4} {5} {6} {7} 3 {4,5} {1,2,3} {4,5} {6} {7} 4 {6,7} {1,2,3} {4,5} {6,7} 5 {1,4} {1,2,3,4,5} {6,7} 6 {2,5} arista rechazada 7 {4,7} {1,2,3,4,5,6,7} El árbol de expansión mínimo contiene las aristas no rechazadas: {1,2}, {2,3}, {4,5}, {6,7}, {1,4} y {4,7}. 49 / 57
  • 50. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Kruskal Librerías auxiliares. -- Nota: Seleccionar una implementación del TAD grafo. -- import GrafoConVectorDeAdyacencia import GrafoConMatrizDeAdyacencia -- Nota: Seleccionar una implementación del TAD cola -- de prioridad. import ColaDePrioridadConListas -- import ColaDePrioridadConMonticulos -- Nota: Seleccionar una implementación del TAD tabla. -- import TablaConFunciones import TablaConListasDeAsociacion -- import TablaConMatrices import Data.List import Data.Ix 50 / 57
  • 51. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Kruskal Grafos usados en los ejemplos. g1 :: Grafo Int Int g1 = creaGrafo True (1,5) [(1,2,12),(1,3,34),(1,5,78), (2,4,55),(2,5,32), (3,4,61),(3,5,44), (4,5,93)] g2 :: Grafo Int Int g2 = creaGrafo True (1,5) [(1,2,13),(1,3,11),(1,5,78), (2,4,12),(2,5,32), (3,4,14),(3,5,44), (4,5,93)] 51 / 57
  • 52. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Kruskal (kruskal g) es el árbol de expansión mínimo del grafo g calculado mediante el algoritmo de Kruskal. Por ejemplo, kruskal g1 [(55,2,4),(34,1,3),(32,2,5),(12,1,2)] kruskal g2 [(32,2,5),(13,1,2),(12,2,4),(11,1,3)] kruskal :: (Num p, Ix n, Ord p) => Grafo n p -> [(p,n,n)] kruskal g = kruskal' (llenaCP (aristasND g) vacia) -- Cola de prioridad (tabla [(x,x) | x <- nodos g]) -- Tabla de raices [] -- Árbol de expansión ((length (nodos g)) - 1) -- Aristas por colocar kruskal' cp t ae n | n==0 = ae | actualizado = kruskal' cp' t' (a:ae) (n-1) | otherwise = kruskal' cp' t ae n where a@(_,x,y) = primero cp cp' = resto cp (actualizado,t') = buscaActualiza (x,y) t 52 / 57
  • 53. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Kruskal (llenaCP xs cp) es la cola de prioridad obtenida añadiéndole a la cola de prioridad cp (cuyos elementos son ternas formadas por los dos nodos de una arista y su peso) la lista xs (cuyos elementos son ternas formadas por un nodo de una arista, su peso y el otro nodo de la arista). Por ejemplo, con ColaDePrioridadConListas ghci> llenaCP [(3,7,5),(4,2,6),(9,3,0)] vacia CP [(0,9,3),(5,3,7),(6,4,2)] y con ColaDePrioridadConMonticulos ghci> llenaCP [(3,7,5),(4,2,6),(9,3,0)] vacia CP (M (0,9,3) 1 (M (5,3,7) 1 (M (6,4,2) 1 VacioM VacioM) VacioM) VacioM) llenaCP :: (Ord n, Ord p, Ord c) => [(n,p,c)] -> CPrioridad (c,n,p) -> CPrioridad (c,n,p) llenaCP [] cp = cp llenaCP ((x,y,p):es) cp = llenaCP es (inserta (p,x,y) cp) 53 / 57
  • 54. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Kruskal (raiz t n) es la raíz de n en la tabla t. Por ejemplo, > raiz (crea [(1,1),(3,1),(4,3),(5,4),(2,6),(6,6)]) 5 1 > raiz (crea [(1,1),(3,1),(4,3),(5,4),(2,6),(6,6)]) 2 6 raiz:: Eq n => Tabla n n -> n -> n raiz t x | v == x = v | otherwise = raiz t v where v = valor t x 54 / 57
  • 55. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Kruskal (buscaActualiza a t) es el par formado por False y la tabla t, si los dos vértices de la arista a tienen la misma raíz en t y el par formado por True y la tabla obtenida añadiéndole a t la arista formada por el vértice de a de mayor raíz y la raíz del vértice de a de menor raíz. Por ejemplo, ghci> let t = crea [(1,1),(2,2),(3,1),(4,1)] ghci> buscaActualiza (2,3) t (True,Tbl [(1,1),(2,1),(3,1),(4,1)]) ghci> buscaActualiza (3,4) t (False,Tbl [(1,1),(2,2),(3,1),(4,1)]) buscaActualiza :: (Eq n, Ord n) => (n,n) -> Tabla n n -> (Bool,Tabla n n) buscaActualiza (x,y) t | x' == y' = (False, t) | y' < x' = (True, modifica (x,y') t) | otherwise = (True, modifica (y,x') t) where x' = raiz t x y' = raiz t y 55 / 57
  • 56. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Prim Tema 22: Algoritmos sobre grafos 1. El TAD de los grafos 2. Recorridos en profundidad y en anchura 3. Ordenación topológica 4. Árboles de expansión mínimos Árboles de expansión mínimos El algoritmo de Kruskal El algoritmo de Prim 56 / 57
  • 57. IM Tema 22: Algoritmos sobre grafos Árboles de expansión mínimos El algoritmo de Prim El algoritmo de Prim (prim g) es el árbol de expansión mínimo del grafo g calculado mediante el algoritmo de Prim. Por ejemplo, prim g1 [(55,2,4),(34,1,3),(32,2,5),(12,1,2)] prim g2 [(32,2,5),(12,2,4),(13,1,2),(11,1,3)] prim :: (Num p, Ix n, Ord p) => Grafo n p -> [(p,n,n)] prim g = prim' [n] -- Nodos colocados ns -- Nodos por colocar [] -- Árbol de expansión (aristasND g) -- Aristas del grafo where (n:ns) = nodos g prim' t [] ae as = ae prim' t r ae as = prim' (v':t) (delete v' r) (e:ae) as where e@(c,u', v') = minimum [(c,u,v)| (u,v,c) <- as, elem u t, elem v r] 57 / 57