Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Informe Grafos Teocomp PDF
Informe Grafos Teocomp PDF
TEORIA DE LA COMPUTACION
Julio,2017
Pgina 1
RESUMEN
En el presente trabajo se quiere dar a conocer sobre los diferentes problemas que se
pueden realizar con grafos, en donde se ver su resolucin, pero para ello se ver la
anteriormente la teora ,descripcin de grafos
Pgina 1
INDICE
INTRODUCCION
Captulo I
1.1. Concepto . 1
1.2. Vrtice .. 1
Pgina 1
1.6.2. Subgrafos ............................... 1
Capitulo II
1. Optimizacin ...... 1
Pgina 1
1.3. Problemas de Optimizacin ........ 1
NP ... 1
Pgina 1
INDICE DE FIGURAS
Pgina 1
CAPITULO I
1. TEORA DE GRAFOS
1.1. CONCEPTO
Pgina 1
Estructuras de datos en la representacin de grafos. Existen diferentes
eficiente uso de la memoria. Por otro lado, las matrices proveen acceso
https://sites.google.com/site/cienciasdelacompucion/algoritmos-y-
estructuras-de-datos/con/historia/campos-de-la-ciencia-de-la-
computacion/fuandamentos-de-la-matematica/teoria-de-grafos
1.2. VRTICE
Los vrtices constituyen uno de los dos elementos que forman un grafo.
Pgina 1
https://sites.google.com/site/cienciasdelacompucion/algoritmos-y-estructuras-de-
datos/con/historia/campos-de-la-ciencia-de-la-computacion/fuandamentos-de-la-
matematica/teoria-de-grafos
1.2.1. ADYACENTE
1.2.2. AISLADO
1.2.3. TERMINAL
Vrtice de grado 1.
https://es.slideshare.net/isaiastoledo7/teora-de-grafos-14694334
1.3. GRAFO
interaccin.
Pgina 1
Son diagramas que si se interpretan en forma adecuada proporcionan
de otros.
par
Figura 1 Grafo 1
Figura 2 grafo 2
https://es.slideshare.net/naborchirinos/conceptos-teoria-de-grafos-5778778
1.4. ARISTAS
Las aristas se representan como una lnea que une dos vrtices (esto es
Pgina 1
Dos aristas son adyacentes si convergen sobre el mismo vrtice.
Figura 3: Aristas
Adyacentes
https://es.slideshare.net/naborchirinos/conceptos-teoria-de-grafos-
5778778
1.4.3. LAZO
https://es.slideshare.net/naborchirinos/conceptos-teoria-de-grafos-
5778778
Pgina 1
simple es un grafo en los que existe a lo ms una arista que une dos
vrtices distintos.
1.5.2. MULTGRAFOS
(a1) = f (a2).
1.5.3. PSEUDOGRAFOS
Figura 5: Pseudografos
http://grafos-structura-de-datos.blogspot.pe/
Pgina 1
grafo dirigido (V, A) consta de un conjunto V de vrtices y de un
http://discretasequipo7.blogspot.pe/2014/11/teoria-de-grafos.html
V}. Se dice que las aristas a1 y a2 son aristas mltiples o paralelas si:
f (a1) = f (a2)
Pgina 1
de sus vrtices est interconectado entre s.
https://upload.wikimedia.org/wikipedia/commons/5/5f/Introducci%C3
%B3n_a_la_Teor%C3%ADa_de_Grafos.pdf
https://www.ecured.cu/Grafo_nulo
Pgina 1
Dos grafos son isomorfos cuando existe una correspondencia
http://mdunidad6.blogspot.pe/2011/12/teoria-de-grafos.html
1.6.2. SUBGRAFOS
https://compdiscretas.files.wordpress.com/2012/11/subgrafo1.png
Pgina 1
Es aquel con cuyos vrtices pueden formarse dos conjuntos
arista tiene el un vrtice azul y el otro verde. Por otro lado, si un grfico
bipartido.
Pgina 1
Figura 11: Grafos Bipartidos
https://sites.google.com/site/cursomatematicasdiscretas/5-2-
clasificacion-de-los-grafos
https://es.slideshare .net/isaiastoledo7/teora-de-grafos-14694334
https://sites.google.com/site/cursomatematicasdiscretas/5-2-
clasificacion-de-los-grafos
Pgina 1
Una representacin planar de un grafo G es un conjunto de puntos
aristas.
http://www.prof2000.pt/users/mimorais/imtrab05.htm
1.7.1.1. SUBDIVISIN
1.7.1.2. HOMEOMORFISMO
Pgina 1
Dos grafos G y G se dicen homeomorfismo si hay un
1.7.1.3.1. PROPIEDAD
si G es planar.
1.7.1.3.2. COROLARIO
https://www.dc.uba.ar/materias/aed3/2013/1c/teorica/algo3_te
o_planar.pdf
1.7.1.3.4. PRUEBA
Pgina 1
http://www.fceia.unr.edu.ar/~ptorres/Grafos2016/Planaridad.pdf
1.7.1.4.1. DEFINICIONES
w.
1.7.1.4.2. TEOREMA
a K33 o K5.
poliedral de Euler).
1.7.1.5.1. COROLARIO
entonces m 3n 6.
K5 es no planar.
Pgina 1
Si G es simple, conexo, bipartito y planar con n 3,
entonces m 2n 4.
K33 es no planar.
https://www.dc.uba.ar/materias/aed3/2013/1c/teorica/algo3_teo_planar.pdf
CAPITULO II
1. OPTIMIZACION
Pgina 1
Un problema est bien resuelto si se conocen algoritmos eficientes
para resolverlo.
problemas de decisin.
de para I.
longitud mnima.
Pgina 1
Versin de optimizacin: Determinar un circuito hamiltoniano de
G de longitud mnima.
de un mismo problema?
el parmetro k.
instancia.
instancia.
algoritmo eficiente.
Pgina 1
El problema requiere una repuesta de longitud exponencial
algunas restricciones.
Pgina 1
ciertas condiciones, la solucin ptima a un problema de optimizacin donde
siguiente:
Pgina 1
Desde una perspectiva de grafos un proceso iterativo de solucin puede
Pgina 1
Cun tratable es el problema?
cambio, hay problemas que no son tratables como por ejemplo el problema
[12] http://cs.uns.edu.ar/~prf/DocAyC/apayc9.pdf 9
Los problemas se clasifican en: clase P, clase NP, clase NP-completo y clase
NP-Hard.
1.6.1. CLASE P
una mquina fsica sino un mecanismo lgico por medio del cual el
Pgina 1
clculo puede descomponerse en iteraciones de operaciones
1.6.2. CLASE NP
Deterministic Polynomial-time).
[13] http://claudiogutierrez.com/bid-fod-uned/bibliografia.html#Gandy 88 10
PERTENECE A LA CLASE NP
Pgina 1
2) Si su solucin se puede verificar en una mquina de Turing
donde z* es nico.
en la clase NP.
Pgina 1
Que es el uso actual. Se usa una definicin
entonces que P NP
http://www.claymath.org/millennium/P_vs_NP/Official_Problem_Description.pdf
Pgina 1
El primero es la programacin lineal, demostrado por
Khachian en 1979.
variable).
1982.
NP
existe una ruta ptima que pasa por todos los nodos en un
Pgina 1
http://mailweb.udlap.mx/~ccastane/Tesiswww/PropuestaDefinitiva/Introduccion.ht
ml
1. Es un problema NP
polinomialmente en l.
NPcompleto;
Pgina 1
Un problema de decisin es NP-difcil si todo otro
a .
completa.)
Ejemplo:
compuesto.
Pgina 1
La clase Co-NP es la clase de los problemas
1.4.2.4.1. NP-completo
Circuito Hamiltoniano
Problema de Particionamento
COMPLEJIDAD
problemas abiertos:
Pgina 1
Es P=NP?
Es Co-NP=NP?
Es P=Co-NP NP?
Las incgnitas...
Las incgnitas...
P 6= Co
Pgina 1
1.6.2.7. EXTENSIN DE UN PROBLEMA
est incluido en el de .
Ejemplos:
Hamiltoniano.
complejidad de 3-SAT?
Pgina 1
CAPITULO III
EL PROBLEMA DE LA MOCHILA
INTRODUCCION
que tiene una mochila con una cierta capacidad y tiene que elegir que elementos
pondr en ella. Cada uno de los elementos tiene su peso y aporta un beneficio. El
Pgina 1
algoritmo utilizado. El problema de la mochila forma parte de una lista histrica de
1. Formulacin Lineal
mochila.
la mayora de las ocasiones nos permite obtener una buena solucin pero
4. 2. Aproximaciones
Pgina 1
2.1. Aproximaciones a travs de coeficiente de rendimiento
Una solucin intuitiva pero que puede no ser optima podra elaborarse ordenando
mochila. Desde este punto en adelante, siempre se asumir que los elementos del
la seccin 2.1
Pgina 1
Demostracin: Considerando la siguiente instancia del problema de la
100 Se puede observar que la solucin ptima estara dad por la seleccin del
particular resulta:
ndice de calidad de la heurstica en ningn caso sea tan pequeo. En primer lugar
obtenido con el beneficio del elemento crtico ps. Es decir, en definitiva, el resultado
obtenido seria: Esto permitira que por ejemplo en el caso descripto en el ejemplo
Pgina 1
funcional z = 1 + + k en comparacin a z=2k. En consecuencia el peor ndice de
capacidad c=200. Se puede observar que la solucin ptima estara dada por la
8. 3. Anlisis de cotas
z, es menor o igual que una cota superior, U. Una cota es superior a otra si se
Una primera cota que se puede obtener es realizando una corrida definiendo como
Pgina 1
capacidad restante luego de ingresar los elementos que se encuentran en el
de todos los trminos con mejor rendimiento que el elemento crtico s. El segundo
9. 3.2. Dantzig
3.3. Martello & Toth Martello & toth superaron la cota de Danzig estableciendo la
integridad del elemento crtico. Es decir, pidiendo que el elemento crtico sea
asociado al elemento crtico. La primera parte del anlisis consiste en ver cul es
elemento posterior; uno con peor rendimiento pero que permita no exceder la
capacidad disponible.
En consecuencia:
Pgina 1
10. La segunda parte del anlisis consiste en ver cul es el mayor resultado posible
cota final se desprende de considerar ambos casos y ver cual tiene el mayor valor.
Se puede demostrar que la cota de Martello & Toth es mejor a la planteada por
c=65
11. Relajacion lineal Dantzig Martello & toth Sin ingresar al elemento crtico:
4. Variantes
tipo, se tiene una cantidad limitada y conocida de cada uno de los elementos (que
peso para cada uno de los elementos. Esto no implica que el beneficio (o peso) sea
el mismo para cada uno de los elementos. Problema del cambio: hay un caso
Pgina 1
capacidad. En este caso adems se plantea que pi = 1 ya que se intenta reconstruir
que entrega de cambio. Mltiples mochilas: otra de las variantes conocidas surge
estos algoritmos se basa en la inversa de la calidad esperada. Podemos ver las dos
A) El ordenamiento de las cajas segn un inters (en este caso en peso en $/kg)
Algoritmo gentico:
implementar y obtener rpidamente una solucin. Los objetos son utilizados para
seleccin de 12 kg de peso 7.
tiene una complejidad en tiempo y espacio que tiene como ventajas la velocidad y
no hay necesidad de ordenar las variables, pero como desventajas es que gasta
mucha memoria, por lo tanto no puede ser solucin para problemas grandes.
6. Aplicaciones
Pgina 1
El problema tiene considerables aplicaciones prcticas, aparte de las ms
Pgina 1