Plus courts chemins, programmation dynamique

Transcription

1 1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique

2 2 Graphes orientés avec longueur Soit un graphe orienté G = (X, A, or, ext, l) X = {x 1, x 2,..., x n } Ensemble de sommets A Ensemble d arcs or : A X, ext : A X origine et extrémité de chaque arc l : A Z longueur des arcs 1. Une marche est une suite d arcs a 1, a 2,..., a p telle que pour tout 1 i < p: or(a i+1 ) = ext(a i ) 2. Un chemin est une marche a 1, a 2,..., a p telle que pour tout i j on ait: or(a i ) or(a j ) 3. Un circuit est un chemin tel que or(a 1 ) = ext(a p )

3 3 Plus courts chemins à partir d un sommet On se donne un graphe orienté G aux arcs valués par l(x, y) et un sommet x 0, trouver pour chaque sommet x : 1. La longueur du plus court chemin de x 0 à x 2. La suite des arcs constituant ce plus court chemin Structures de données : d[x] la longueur du plus court chemin de x 0 à x (avec mise à jour) pere[x] sommet qui précède x sur le plus court chemin de x 0 à x

4

5

6 6 Relaxation de l arc x, y Relaxation Si d[y] > d[x] + l(x, y) Alors d[y] = d[x] + l(x, y) pere[y] = x

7 7 Algorithme de Dijkstra Les distances sont supposées positives Un ensemble F initialisé à X les valeurs de d[x] sont initialisées à sauf : d[x0] = 0. Tant que F non vide : Soit y l élément de F ayant un d[y] minimal Pour tout arc a d origine y Faire Relaxation(a) Supprimer y de F.

8 8 Algorithme de Dijkstra: preuve de correction d[x] δ(x 0, x) lorsqu un sommet x quitte F on ne peut pas trouver un chemin plus court entre x 0 et x par la suite Si le chemin le plus court entre x 0 et x passe par y, alors il est composé d un chemin le plus court entre x 0 et y et d un plus court y et x. point fixe

9 9 Implantation 1. Gérer F comme une file? 2. Trouver le plus petit d[x] 3. Heaps, Fibonacci Heaps 4. Retrouver le chemin le plus court

10 10 Algorithme de Dijkstra dans le cas d arcs de longueurs négatives La version précédente ne donne pas le bon résultat On propose la modification suivante: Tant que F non vide : Soit y l élément de F ayant un d[y] minimal Pour tout arc a d origine y Faire Relaxation(a) Si relaxation modifie la valeur de ext(a) alors ajouter ext(a) à F. Supprimer y de F

11 11 Analyse de cette modification Donne le bon résultat s il n y a pas de circuit de longueur négative Mais un exemple montre que la complexité peut être exponentielle Exemple de Johnson Un graphe D n ayant n sommets x 1, x 2,..., x n et des arcs entre tous les sommets (dans les deux sens) Les longueurs des arcs (x i, x j ) pour i < j est 2 n

12 12 Exemple de Johnson (suite) Les longueurs des arcs (x i, x j ) pour i > j sont toutes négatives et sont données par les relations suivantes l(x 2, x 1 ) = 2, i > 2, l(x i+1, x 1 ) = l(x i, x 1 ) 2 i 2 1 i 2, 1 < j < i, l(x i, x j ) = l(x i, x j 1 ) + 1

13 13 Exemple n = 5 l(x 5, x 1 ) = l(x 4, x 1 ) 5 = l(x 3, x 1 ) 3 5 = l(x 2, x 1 ) 2 8 = 12 On obtient facilement la matrice des longueurs : x 1 x 2 x 3 x 4 x 5 x x x x x

14 14 F = {x 1, x 2, x 3, x 4, x 5 } 0 F = {x 1, x 2, x 3, x 4 } F = {x 2, x 3, x 4 } F = {x 1, x 3, x 4 } F = {x 3, x 4 } F = {x 1, x 2, x 4 } F = {x 2, x 4 } F = {x 4 } F = {x 1, x 2, x 3 } F = {x 1 }

15 15 Analyse de l exécution Il n y a pas de circuit de longueur négative x 1 sort une fois sur deux x 2 une fois sur quatre Au total 2 n 1 étapes de calcul

16 16 Les distances peuvent être négatives Algorithme de Ford Pour i= 1 à n-1 faire Pour tout arc a du graphe Faire Relaxation(a) Remarque Pour vérifier qu il n y a pas de circuit négatif on refait un tour de relaxation: si une nouvelle valeur est modifiée c est qu il existe un circuit négatif

17 17 Plus courts chemins entre tous les couples de sommets On calcule les δ k (x, y) par l algorithme suivant : Pour tous les couples x, y on pose : δ 0 (x, y) = l(a) s il existe un arc a entre x et y et sinon. Pour k = 1, 2, 3,..., n faire Pour tout couple x, y Pour tout sommet z successeur de x δ k+1 (x, y) = min(δ k (x, y), δ 0 (x, z) + δ k (z, y))

18 18 Preuve de valdité Il suffit de vérifier que δ k (x, y) est la longueur du plus court chemin composé de k arcs au plus entre x et y Par récurrence sur k Recherche du chemin Maintenir un tableau suivant[x][y] qui contient le sommet qui suit x dans le chemin qui mène de x à y

19 19 Algorithme de Roy-Warshall ( en n 3 ) Pour k de 1 à n faire Pour i de 1 à n faire Pour j de 1 à n faire Si delta[i][j] > delta[i][k] + delta[k][j] Alors delta[i][j] = delta[i][k] + delta[k][j]

20 20 Un exemple d illustration

21 21 Semi-anneau Un ensemble muni de deux lois notées, : La loi est associative, commutative Elle possède un élémént neutre 0 La loi est associative La loi est distributive par rapport à 0 est un zéro pour

22 22 Exemples de semi-anneaux 1. Un anneau, par exemple Z 2. Les entiers naturels N avec + et 3. Le semi-anneau de Boole à deux éléments 0, 1 avec (1 + 1 = 1) 4. Les opérations min + sur N 5. Les opérations max sur l intervalle réel [0, 1] 6. Union et concaténation pour les ensembles de mots

23 23 Graphes à arcs valués sur un semi-anneau Le semi anneau a pour lois, : Sommets X, Arcs A, Valuation λ Valuation d un chemin f = a 1, a 2,..., a k = λ(f) = λ(a 1 ) λ(a 2 )... λ(a k ) Valuation d un ensemble Γ = {f, g,... u, v} de chemins λ(f) = λ(f) λ(g)... λ(u) λ(v)

24 24 Algorithme sur un semi anneau quelconque On calcule les λ k (x, y) par l algorithme suivant : Pour tous les couples x, y λ 0 (x, y) = λ(a) s il existe un arc a entre x et y et ε sinon. Pour k = 1, 2, 3,..., n faire Pour tous les x, y faire λ k+1 (x, y) = λ k (x, y) λ k (x, z) λ k (z, y)

25 25 Applications Min et + : Les plus courts chemins Max et : La fiabilité maximale dans un réseau Semi-anneau de Boole: Existence de chemins Union, concaténation: Forme rationnelle d un langage reconnu par un automate

26 26 Principe de la programmation dynamique 1. La solution d un problème P k contient les solutions de problèmes ayant des tailles plus petites 2. La construction de la solution pour P k s effectue à l aide d un faible nombre d informations sur P j, j < k

27 27 Exemple 1: faire un produit de matrices de tailles différentes On se donne n matrices M 1, M 2,..., M n chaque M i a m i lignes et m i+1 colonnes, les entrées sont des nombres (réels ou entiers). On cherche la matrice produit: M 1 M 2... M n Il faut trouver l ordre des produits à effectuer de façon à minimiser le nombre total d opérations. Remarque: Le calcul de M i 1 M i demande O(m i 1 m i m i+1 ) opérations.

28 28 Exemple Trois matrices M 1, M 2, M 3 de tailles respectives , et Le calcul de M 1 M 2 demande multiplications de nombres le produit ensuite par M 3 fait faire de plus soit un total de Le calcul de M 2 M 3 demande multiplications de nombres, la détermination ensuite de M 1 M 2 M 3 utilise multiplications soit un total de Conclusion Il vaut mieux faire ((M 1 M 2 )M 3 ) que calculer (M 1 (M 2 M 3 ))

29 29 Cas général On note c i,j le nombre minimum de multiplications pour calculer M i M i+1... M j On a alors c i,i = 0, c i 1,i = m i 1 m i m i+1 On découpe M i M i+1... M j en M i... M k et M k+1... M j en choisissant le meilleur k: c i,j = min [c i,k + c k+1,j + m i m k+1 m j+1 ] k=i,j 1 On doit déterminer M 1,n

30 30 Un exemple: i m i c i,j

32 32 Calcul de c 1,3 : i m i c 1,3 = min [c 1,1 + c 2,3 + m 1 m 2 m 4, c 1,2 + c 3,3 + m 1 m 3 m 4 ] = min [ , ] = min [7 875, ]

37 37 Retrouver les étapes du calcul un tableau pour les valeurs des k intermédiaires K i,j Pour calculer M i... M j on pose k = K i,j donné par le tableau puis on calcule M i... M k et M k+1... M j et on les multiplie entre elles.

38 38 Sac à dos Des objets 1, 2,..., n de poids w 1, w 2,..., w n Chacun rapporte un bénéfice b 1, b 2,..., b n Trouver le bénéfice maximum réalisable sachant que la charge maximale est P 0

39 39 Sac à dos: idée pour P 0 entier pas trop grand On note B(k, p) le bénéfice maximal reálisable avec des objets 1, 2,..., k et le poids maximal p On a pour k = 1: B(1, p) = { 0 si p < w1 b 1 si p w 1 Pour k > 1 B(k, p) = { B(k 1, p) si p < wk max(b(k 1, p), B(k 1, p w k ) + b k ) si p w k

40 40 Exemple pour le sac à dos Objets Poids Bénéfices Poids total P 0 = 12

41 41 Sac à dos: Objets Poids Bénéfices B(k, p) k =

42 42 Sac à dos: Objets Poids Bénéfices B(k, p) k = k =

43 43 Sac à dos: Objets Poids Bénéfices B(k, p) k = k = k =

44 44 Sac à dos: B(k, p) k = k = k = k = k = k = k = k =

45 45 Alignements de séquences Pour deux mots sur l alphabet {A, C, G, T } on cherche un alignement qui optimise une fonction qui mesure la similarité Exemple: GATGCAT et AT CGAT G A T - G C A T - A T C G - A T

46 46 Algorithme de calcul du meilleur alignement p(a, b) est d autant plus grand que les lettres sont similaires. b a, p(a, a) > 0 > p(a, b) p(a, b) = p(b, a) q < 0 exprime la similarité d une lettre avec l espacement: p(a, e) = p(e, a) = q ms i,j = max ms i 1,j 1 + p(u i, v j ) ms i 1,j + q ms i,j 1 + q

47 47 Principe d un algorithme en espace linéaire Le calcul des meilleurs scores peut se faire sur une seule ligne Le problème est de retrouver l alignement une fois que l on a le score On procède par divide and conquer Pour aligner u et v on prend i comme la moitié de la longueur de u On calcule le score a j du meilleur alignement de u 1 u 2... u i 1 avec chaque facteur gauche v 1 v 2... v j de v On calcule le score b k du meilleur alignement de u i+1 u i+2... u n avec chaque facteur droit v k v k+1... v n de v On cherche le a j 1 + b j+1 + p(u i, v j ) le meilleur

48 48 Calcul de la complexité de l algorithme en espace linéaire On montre que le nombre de comparaison C(m, n) 2mn Vrai pour m = 1 C(m, n) mn 2 + mn 2 + C(m/2, j) + C(m/2, n j) C(m, n) mn 2 + mn 2 + mj + m(n j) 2mn