From: Martin Mares Date: Tue, 19 May 2009 14:58:24 +0000 (+0200) Subject: Dalsi verze DFS, zatim neprilis zkontrolovana. X-Git-Url: http://mj.ucw.cz/gitweb/?a=commitdiff_plain;h=53f86b296e5ec17cbafa89ba6d83dfd4acd275fe;p=ads1.git Dalsi verze DFS, zatim neprilis zkontrolovana. --- diff --git a/3-dfs/3-dfs.tex b/3-dfs/3-dfs.tex index c25d20b..7fce756 100644 --- a/3-dfs/3-dfs.tex +++ b/3-dfs/3-dfs.tex @@ -1,53 +1,56 @@ \input ../lecnotes.tex -\prednaska{3}{Prohledání do ¹íøky a do hloubky}{()} +\prednaska{3}{Prohledání do~¹íøky a do~hloubky}{()} -\h{Prohledání do ¹íøky (BFS) {\I Breadth First Search} } +\h{Prohledání do~¹íøky (BFS) {\I Breadth First Search} } -Jde o grafový algoritmus, který postupnì prochází v¹echny vrcholy v dané komponentì souvislosti. +Jde o grafový algoritmus, který postupnì prochází v¹echny vrcholy v~dané komponentì souvislosti. Algoritmus nejprve projde v¹echny sousedy poèáteèního vrcholu, poté sousedy sousedù, atd... -Díky tomuto zpùsobu procházení se nìkdy té¾ nazýva {\I "algoritmus vlny"}, nebo» se z poèáteèního vrcholu ¹íøí pomyslná vlna, která v ka¾dém kroku nalezne v¹echny uzly, které mají od poèáteèního vrcholu stejnou vzdálenost. Algoritmus se tedy skvìle hodí napøíklad pro hledání nejkra¹í cesty mezi dvìma vrcholy v grafu. +Díky tomuto zpùsobu procházení se nìkdy té¾ nazývá \uv{\I algoritmus vlny }, nebo» se z~poèáteèního vrcholu ¹íøí pomyslná vlna, která v~ka¾dém kroku nalezne v¹echny uzly, které mají od~poèáteèního vrcholu stejnou vzdálenost. Algoritmus se tedy skvìle hodí napøíklad pro hledání nejkra¹í cesty mezi dvìma vrcholy v~grafu. \figure{praseci-graf.eps}{Praseèí graf}{55mm} + + +\s{Popis algoritmu:} +Na zaèátku si vlo¾íme do~fronty $Q$ poèáteèní vrchol $v_0$. Dále si v~poli $Z$ budeme pro ka¾dý vrchol pamatovat znaèku, zda jsme ho ji¾ nav¹tívili, èi nikoli. Pro vrchol $v_0$ si tedy dosazením jednièky zapamatujeme, ¾e je ji¾ nav¹tívený. V~dal¹ím kroku pak zkoumáme frontu $Q$: pokud není prázdná, vezmeme z~ní první vrchol a podíváme se na~v¹echny jeho sousedy $w$. Pokud je¹tì nejsou oznaèené (tedy $Z[w]=0$), tak je oznaèíme (zapamatujeme si, ¾e je pøedáváme ke zpracování a u¾ je nemáme znovu nav¹tìvovat) a pøidáme je do~fronty k~následnému zpracování. Takto cyklus opakujeme, dokud není fronta prázdná. + \s{Algoritmus:} \algo -\: $Q \leftarrow \{v_0\}$ -\: $Z[*] \leftarrow 0, Z[v_0] \leftarrow 1$ -\: Dokud $Q \not= \emptyset $ opakujeme: -\:: vyzvedneme vrcholy $u$ z $Q$ -\:: $\forall w: \{u,w\} \in E$: -\::: Je-li $Z[w]=0 \Rightarrow Z[w] \leftarrow 1$, pøidáme $w$ do $Q$ +\:$Q \leftarrow \{v_0\}$. +\:$Z[*] \leftarrow 0, Z[v_0] \leftarrow 1$. +\:Dokud $Q \not= \emptyset $ opakujeme: +\::Vyzvedneme vrcholy $u$ z~$Q$. +\::$\forall w: \{u,w\} \in E$: +\:::Je-li $Z[w]=0 \Rightarrow Z[w] \leftarrow 1$, pøidáme $w$ do~$Q$. \endalgo -\s{Popis algoritmu:} -Ná¹ algoritmus na zaèátku do fronty $Q$ vlo¾í poèáteèní vrchol $v_0$. Dále si v poli $Z$ budeme pro ka¾dý vrchol pamatovat znaèku, zda ho je¹tì máme nav¹tívit, èi nikoli. Pro vrchol $v_0$ si tedy dosazením jednièky zapamatujeme, ¾e je ji¾ nav¹tívený. V dal¹ím kroku pak zkoumáme frontu $Q$: pokud není prázdná, vezmeme z ní první vrchol a podíváme se na v¹echny jeho sousedy $w$. Pokud je¹tì nejsou oznaèené ($Z[w]=0$), tak je oznaèíme (zapamatujeme si, ¾e je pøedáváme ke zpracování a u¾ je nemáme znovu nav¹tìvovat) a pøidáme je do fronty k následnému zpracování. Takto cyklus opakujeme, dokud není fronta prázdná. \>{\I Pozorování:} {\I BFS} se zastaví. -\proof Zpracováváme jen vrcholy, které byly ve frontì. Ka¾dý vrchol se dostane do fronty maximálnì jednou. (Ka¾dý je oznaèen max. jednou, znaèky neodstraòujeme.) +\proof Zpracováváme jen vrcholy, které byly ve~frontì. Ka¾dý vrchol se dostane do~fronty maximálnì jednou. (Ka¾dý je oznaèen max. jednou, znaèky neodstraòujeme.) -\s{Lemma:} $BFS(v_0)$ oznaèí $v$ právì tehdy, kdy¾ existuje cesta z $v_0$ do $v$. +\s{Lemma:} BFS($v_0$) oznaèí $v$ právì tehdy, kdy¾ existuje cesta z~$v_0$ do~$v$. -\proof \uv{$\Longrightarrow$}: platí jako invariant - indukcí dle doby bìhu algoritmu: +\proof +\uv{$\Longrightarrow$}: +Platí jako invariant po celou dobu bìhu algoritmu. To doká¾eme indukcí dle doby bìhu algoritmu: -$v_0 \rightarrow v_0$ ... triviální +První krok indukce je triviální, nebo» cesta z~$v_0$ do~$v_0$ existuje v¾dy. Nyní si pøedstavme, ¾e oznaèujeme vrchol $v$ pøes hranu $uv$. To znamená, ¾e vrchol $u$ ji¾ musel být oznaèený. Dle indukèního pøedpokladu tedy existuje cesta z~$v_0$ do~$u$, a tudí¾ pokud k~této cestì \uv{pøilepíme} hranu $uv$, tak máme hledanou cestu z~$v_0$ do~$v$. -Oznaèujeme $v$ pøes hranu $uv \Rightarrow u$ oznaèené $\Rightarrow$ (IP) $\exists$ cesta z $v_0$ do $u \Rightarrow$ +\uv{$\Longleftarrow$} Sporem: Nech» existuje neoznaèený vrchol $v$ dosa¾itelný po nìjaké cestì z~$v_0$. Uva¾me nejkrat¹í cestu $(v_0, v)$: $v_0, \dots, u, v$. Pøedposlední vrchol na~této cestì (vrchol $u$) musí být oznaèený. Vrchol $u$ se dostane do~fronty, pak je z~ní vybrán a tím se zpracuje i vrchol $v$, co¾ je SPOR. \qed -$\Rightarrow \exists$ cesta z $v_0$ do $v$ +Nyní tedy víme, ¾e je algoritmus správný, a máme pøedstavu o tom, jak funguje. Podíváme-li se na~nìj podrobnìji, zjistíme, ¾e je hodnì závislý na~tom, jak si budeme graf pamatovat. Zanedlouho zároveò zjistíme, ¾e nám reprezentace grafu v~pamìti znatelnì ovlivní èasovou (i pamì»ovou) slo¾itost celého algoritmu. -\noindent -\uv{$\Longleftarrow$} Sporem: Nech» existuje neoznaèený vrchol $v$, dosa¾itelný po nìjaké cestì z $v_0$. Uva¾me nejkrat¹í cestu $(v_0, v)$: $v_0, \dots, u, v$. Pøedchozí vrchol na této cestì - $u$ - musí být oznaèený. Vrchol $u$ se dostane do fronty, pak je z ní vybrán a tím se zpracuje i vrchol $v$ $\Rightarrow$ SPOR \qed +\h{Reprezentace grafu v~pamìti} -\h{Reprezentace grafu v pamìti} -Oznaème vrcholy grafu na následujícím obrázku písmeny A, B, C, D. -Pokud bychom chtìli tento graf uchovat v pamìti poèítaèe, máme na výbìr +Oznaème vrcholy grafu na~následujícím obrázku písmeny A, B, C, D. +Pokud bychom chtìli tento graf uchovat v~pamìti poèítaèe, máme na~výbìr hned nìkolik zpùsobù, jak to udìlat. \figure{img1_stvorec.eps}{}{\epsfxsize} \s{1. matice sousednosti} -Matice sousednosti je pole $A$ o velikosti $n \times n$, jeho¾ prvky na +Matice sousednosti pro graf $G$ na~$n$ vrcholech je ètvercové pole $A$ o velikosti $n \times n$, jeho¾ prvky na souøadnicích $i, j$ jsou dány následujícím pøedpisem: $$ A_{i,j} = \left\{ \matrix {1 \Leftrightarrow \{i,j\} \in E \cr @@ -55,7 +58,8 @@ $$ A_{i,j} = \left\{ \matrix {1 \Leftrightarrow \{i,j\} \in E \cr } \right.$$ -Ná¹ graf z obrázku vý¹e by tedy v maticové reprezentaci vypadal takto: +Na~pozicích $i,j$ je jednièka, pokud v~grafu $G$ vede hrana z~vrcholu $i$ do~vrcholu $j$, jinak to je nula. +Ná¹ graf z~obrázku vý¹e by tedy v~maticové reprezentaci vypadal takto: $$\bordermatrix{ & A & B & C & D\cr @@ -65,125 +69,161 @@ C & 1 & 1 & 0 & 1\cr D & 0 & 1 & 1 & 0\cr }$$ -S touto maticí se pracuje velmi snadno (napø. v¹echny sousedy i-tého vrcholu -zjistíme jednodu¹e tak, ¾e projdeme i-tý øádek matice, co¾ pøedstavuje èasovou -slo¾itost $O(n)$), ale má i jednu zøejmou nevýhodu: její velikost je v¾dy -kvadratická bez ohledu na to, jak "øídký" je graf. U grafu s mnoha vrcholy, ale -s malým poètem hran, tedy budeme zbyteènì plýtvat místem v pamìti (napø.: strom má $n-1$ hran; rovinný graf nejvý¹e $3n-6$ hran...). +S touto maticí se pracuje velmi snadno, napø. v¹echny sousedy $i$-tého vrcholu +zjistíme jednodu¹e tak, ¾e projdeme $i$-tý øádek matice. +Má ov¹em dvì zøejmé nevýhody: èasovou a pamì»ovou slo¾itost. Projití sousedù jednoho vrcholu trvá v¾dy $\Theta(n)$, projití sousedù pro v¹echny vrcholy (co¾ potøebujeme v~BFS) pak trvá $\Theta(n^2)$. Velikost matice je v¾dy $n \times n$, bez ohledu na~to, jak \uv{øídký} je graf. U grafu s mnoha vrcholy, ale s malým poètem hran, tedy budeme zbyteènì plýtvat místem v~pamìti. Tato reprezentace je tedy nevýhodná pøedev¹ím pro tøídy grafù jako jsou stromy, které mají $n-1$ hran nebo rovinné grafy, které mají nejvý¹e $3n-6$ hran. -\noindent -BFS bì¾í v èase: $\Theta(n^2)$ +\s{Pozorování:} BFS s reprezentací maticí sousednosti bì¾í v~èase: $\Theta(n^2)$. + +\proof +U¾ jsme si uvìdomili, ¾e ka¾dý vrchol se dostane do~fronty $Q$ nejvý¹e jednou. Pro ka¾dý vrchol ve~frontì potøebujeme projít jeho sousedy, co¾ nám trvá s~reprezentací maticí sousednosti $\Theta(n)$. Vrcholù je celkem $n$, tedy èasová slo¾itost je $\Theta(n^2)$. +\qed \s{2. seznam sousedù} -V pamìti poèítaèe mù¾eme seznam sousedù uchovávat dvìma poli: polem vrcholù -$V$ grafu, jeho¾ prvky postupnì pro ka¾dý vrchol udávají index na zaèátek -odpovídajícího úseku v poli $E$, ve kterém by byli ulo¾eni jeho sousedé. +V~matici sousednosti jsme tedy museli procházet jak hrany, tak nehrany, co¾ bylo zbyteèné. Bylo by tedy výhodnìj¹í, pamatovat si pro ka¾dý vrchol pouze jeho sousedy. To mù¾eme zaøídit napøíklad jedním ze~dvou následujících zpùsobù: + +Budeme si uchovávat pole indexované vrcholy, pøièem¾ v~ka¾dém prvku pole bude ukazatel na~spojový seznam sousedù tohoto vrcholu. Tedy $L(v)={w: vw \in E(G)}$. + +Pokud se nám nebude chtít pracovat se spojovými seznamy, mù¾eme vyu¾ít reprezentaci pomocí dvou polí: polem vrcholù $V(G)$, jeho¾ prvky postupnì pro ka¾dý vrchol udávají index zaèátku odpovídajícího úseku v~druhém poli $E(G)$, ve~kterém jsou ulo¾eni jeho sousedé. Pak tedy hrany z~vrcholu $i$ \uv{bydlí} v~poli $E$ a~to na~pozicích $V[i] \dots V[i+1]-1$. \figure{img4_susedia.eps}{Znázornìní polí seznamu sousedù.}{\epsfxsize} -Pøípadnì si mù¾eme vystaèit s jedním polem indexovaným vrcholy, pøièem¾ -v ka¾dém prvku pole bude spojový seznam $L(v)={w: vw \in E(G)}$. -Na tuto reprezentaci u¾ staèí prostor $O(n + m)$, co¾ u¾ je, na rozdíl od -pøedchozího kvadratického prostoru, docela pøíjemné. +Na tuto reprezentaci u¾ staèí prostor $O(n + m)$, co¾ u¾ je, na~rozdíl od~pøedchozího kvadratického prostoru, docela pøíjemné. -\noindent -BFS bì¾í v èase: $$\Theta(n+\sum_{v\in V(G)} deg(v)) = \Theta(n+m)$$ +\s{Pozorování:} BFS bì¾í v~èase: $\Theta(n+m)$. + +\proof +Algoritmus vezme ka¾dý vrchol i ka¾dou hranu do~ruky nejvý¹e jednou. Èasová slo¾itost bude tedy: +$$\Theta(n+\sum_{v\in V(G)} {\rm deg}(v)) = \Theta(n+m).$$ +\qed \s{3. orákulum} -Dal¹í mo¾ností je pak jakési orákulum, které nám øekne (spoèítá), kam hrany z daného vrcholu vlastnì vedou... +Dal¹í mo¾ností reprezentace je pak jakési orákulum, které nám øekne (spoèítá), kam vedou hrany z~daného vrcholu\dots + +\h{Roz¹íøení algoritmu:} + +Abychom mohli vyu¾ít toho, ¾e algoritmus prochází vrcholy grafu ve~vlnì, a jiných hezkých vlastností, tak si dodefinujeme následující oznaèení: + +V~poli $D$ bude pro ka¾dý vrchol ulo¾ena vzdálenost od~poèáteèního vrcholu. +V~poli $P$ si budeme pro ka¾dý vrchol pamatovat jeho pøedchùdce. Dále budeme vyu¾ívat fáze bìhu algoritmu, které budou simulovat onu vlnu: -\> +\s{Definice {\I Fáze bìhu algoritmu}:} Ve~fázi $F_0$ je zpracováván vrchol $v_0$. Ve~fázi $F_{i+1}$ jsou zpracovávány vrcholy ulo¾ené do~fronty $Q$ bìhem fáze $F_i$. -\s{Roz¹íøení algoritmu:} +\s{Roz¹íøený algoritmus:} \algo -\: $Q \leftarrow \{v_0\}$ -\: $Z[*] \leftarrow 0, Z[v_0] \leftarrow 1$ -\: $D[*] \leftarrow \infty, D[v_0] \leftarrow 0$ -\: Dokud $Q \not= \emptyset $ opakujeme: -\:: vyzvedneme vrcholy $u$ z $Q$ -\:: $\forall w: \{u,w\} \in E$: -\::: Je-li $Z[w]=0 \Rightarrow Z[w] \leftarrow 1, D[w] \leftarrow D[u]+1, P[w] \leftarrow u$ -\:::: pøidáme $w$ do $Q$ +\:$Q \leftarrow \{v_0\}$. +\:$Z[*] \leftarrow 0, Z[v_0] \leftarrow 1$. +\:$D[*] \leftarrow \infty, D[v_0] \leftarrow 0$. +\:Dokud $Q \not= \emptyset $ opakujeme: +\::Vyzvedneme vrchol $u$ z~$Q$. +\::Pro ka¾dý vrchol $w$, který je sousedem vrcholu $u$: +\:::Je-li $Z[w]=0 \Rightarrow Z[w] \leftarrow 1, D[w] \leftarrow D[u]+1, P[w] \leftarrow u$ +\::::Pøidáme $w$ do~$Q$. \endalgo -\noindent -Pøidali jsme pole D, ve kterém bude ulo¾ena vzdálenost od poèáteèního vrcholu. -Dále je pøidáno pole P, které je indexováno vrcholy a které si pamatuje pøedchùdce vrcholu. +\s{Lemma:} Na~konci BFS pro v¹echny vrcholy dosa¾itelné z~$v_0$ platí, ¾e vrchol $v$ byl zpracován ve~fázi $F_i$ právì tehdy, kdy¾ vzdálenost $v_0$ a $v$ (délka nejkrat¹í cesty z~$v_0$ do~$v$) je rovna $i$. Formálnì zapsáno: $v \in F_i \Leftrightarrow d(v_0,v) = i$. -\> +\proof +\uv{$\Longrightarrow$}: +Dùkaz provedeme indukcí podle $i$ (èísla fáze bìhu algoritmu). -\s{Definice:} {\I Fáze bìhu algoritmu} -\>$F_0$...zpracovává vrchol $v_0$ +První krok indukce je triviální, nebo» ve~fázi $F_0$ je oznaèen (dle definice) pouze vrchol $v_0$ a ten je od vrcholu $v_0$ vzdálen 0. -\>$F_{i+1}$...zpracovává vrcholy ulo¾ené do fronty $Q$ bìhem fáze $F_i$ +Pokud je vrchol $v$ zpracováván ve~fázi $F_i$, pak musel být zaøazen do fronty bìhem fáze $F_i-1$ jako soused nìjakého vrcholu $u$. Pro vrchol $u$ mù¾eme pou¾ít indukèní pøedpoklad, tedy ¾e délka nejkrat¹í cesty z $v_0$ do~$u$ je $d(v_0,u)=i-1$. Pak tedy $d(v_0,v)=i$. +\uv{$\Longleftarrow$}: Ka¾dý dosa¾itelný vrchol padne do~nìjaké fáze (viz. minulé lemma). +\qed -\s{Lemma:} Na konci BFS $\forall v \in V(G)$ dosa¾itelný z $v_0$ platí: $v \in F_i \Leftrightarrow d(v_0,v) = i$ +Ji¾ tedy víme, ¾e vrchol $v_i$, jeho¾ vzdálenost od~vrcholu $v_0$ je $i$, bude zpracován v~$i$-té fázi. Jak ale po~skonèení algoritmu zjistíme, ve které fázi byl zpracován, neboli jak je vzdálený od~startovního vrcholu? Tato informace je právì ulo¾ena v~poli $D$ s indexem $i$ (v~$D[i]$). -\proof -\uv{$\Longrightarrow$}: indukcí podle $i$ +Zároveò nás mù¾e zajímat, jak bychom nejkrat¹í cestu z~$v_0$ do~$v_i$ rekonstruovali. Pro tento úèel jsme si zavedli pole $P$. Nejkrat¹í cesta z~$v_0$ do~$v_i$ bude v~obráceném poøadí vypadat: $v_i, P[v_i], P[P[v_i]], P[P[P[v_i]]], \dots, v_0$. -\> Pro $F_0$ triviální pravda $d(v_0, v_0) = 0$ -\> Pro $i>0$: Ve fázi $F_{i-1}$ musí být vrchol $v$ takový, ¾e $d(v_0,v)=i$, musí být oznaèen -a zároveò nemohl být oznaèen døíve a tudí¾ patøí do $F_i$. - -\> \uv{$\Longleftarrow$}: Ka¾dý vrchol padne do nìjaké fáze (viz. minulé lemma) -\qed -\> +\s{Pozorování:} $v_0v_1,...,v_{k-1}$ je nejkrat¹í cesta z~$v_0$ do~$v_{k-1}$ -\>{\I Pozorování:} $v_0v_1,...,v_{k-1}$ je nejkrat¹í cesta z $v_0$ do $v_{k-1}$ -\> rekonstrukce nejkrat¹í cesty: P[v], P[P[v]], P[P[P[v]]], ... +\s{Pozorování:} BFS u~neorientovaného grafu projde celou komponentu souvislosti. -\>{\I Pozorování:} BFS u neorientovaného grafu projde celou komponentu souvislosti. +\proof +Víme, ¾e BFS($v_0$) oznaèí $v$ právì tehdy, kdy¾ existuje cesta z~$v_0$ do~$v$. V~neorientovaném grafu existuje cesta z~$v_0$ do~právì v¹ech vrcholù, které jsou ve~stejné komponentì souvislosti jako $v_0$. Pokud tedy spustíme BFS na~$v_0$, tak se postupnì projdou v¹echny vrcholy této komponenty souvislosti. +\qed -\>{\I Pozorování:} Pokud BFS postupnì spou¹tíme na dosud neobarvené vrcholy v neorientovaném grafu, nalezneme nakonec v èase $O(n+m)$ v¹echny komponenty souvislosti. +\s{Pozorování:} Pokud BFS postupnì spou¹tíme na~dosud neobarvené vrcholy v~ neorientovaném grafu, nalezneme nakonec v~èase $\Theta(n+m)$ v¹echny komponenty souvislosti. -\> +\proof +Ka¾dým spu¹tìním na~dosud neobarvený vrchol neorientovaného grafu obarvíme právì jednu komponentu souvislosti (tu, ve~které je tento vrchol). Jeliko¾ postupnì projdeme v¹echny vrcholy, obarvíme nakonec také v¹echny komponenty souvislosti. Èasová slo¾itost bude stejná jako u~samotného BFS, tedy $\Theta(n + m)$. +\qed -\s{Vìta:} $BFS(v_0)$ v èase $\Theta(m+n)$ spoète: +\s{Vìta:} $BFS(v_0)$ v~èase $\Theta(n + m)$ spoète: \itemize\ibull -\:vrcholy dosa¾itelné z $v_0$ -\:vzdálenosti tìchto vrcholù od $v_0$ -\:strom nejkrat¹ích cest z $v_0$ +\:vrcholy dosa¾itelné z~$v_0$ +\:vzdálenosti tìchto vrcholù od~$v_0$ +\:strom nejkrat¹ích cest z~$v_0$ \endlist -\> +Prohledávání do~¹íøky ale není jediný algoritmus, který nìjak systematicky prochází graf. Jak u¾ název kapitoly napovídá, budeme se zabývat je¹tì druhým algoritmem, prohledáváním do~hloubky. Podívejme se, jak bude vypadat \dots + +\h{Prohledávání do~hloubky (DFS) {\I Depth First Search} } -\h{Prohledávání do hloubky (DFS) {\I Depth First Search} } +Tento algoritmus neprochází graf ve~vlnì jako BFS, ale prochází graf rekurzivnì. V¾dy se zanoøí co nejhloubìji a¾ do~listu a pak se o~kus vrátí a opìt se sna¾í zanoøit. Vrcholy, ve kterých u¾ byl, ignoruje. + +Budeme pou¾ívat podobné znaèení jako u~BFS. V poli $Z$ si budeme pamatovat, zda jsme vrchol ji¾ nav¹tívili (hodnota 1), nebo ne (hodnota 0). Navíc promìnná $T$ bude znaèit dobu bìhu algoritmu. Pøi ka¾dém nalezení nového vrcholu, èi jeho opu¹tìní, pak tuto promìnnou zvý¹íme o~1. V~poli $\$ a $\$ bude èas (prvního) nalezení a opu¹tìní vrcholu. + +\s{Algoritmus:} \algo -\: inicializace: $Z[*] \leftarrow 0, T \leftarrow 1, in(*) \leftarrow ?, out(*) \leftarrow ?$ -\: $DFS(v): Z[v] \leftarrow 1, in(v) \leftarrow T++$ +\: inicializace: $Z[*] \leftarrow 0, T \leftarrow 1, \[*] \leftarrow ?, \[*] \leftarrow ?$ +\: $DFS(v): Z[v] \leftarrow 1, in[v] \leftarrow T|++|$ \:: Pro $w$: $vw \in E(G)$: \::: Pokud $Z[w]=0 \Rightarrow DFS(w)$ -\:: $out(v) \leftarrow T++$ +\:: $out[v] \leftarrow T|++|$ \endalgo -\s {Vìta:} DFS($v_0$) v èase $\Theta(m+n)$ oznaèí právì vrcholy dosa¾itelné z $v_0$. +\s {Vìta:} DFS($v_0$) v~èase $\Theta(m+n)$ oznaèí právì v¹echny vrcholy dosa¾itelné z~$v_0$. + +\proof +Nejdøíve je potøeba dokázat, ¾e pokud je vrchol $v$ dosa¾itelný z~vrcholu $v_0$, tak jej DFS oznaèí. Dùkaz bude podobný jako u~BFS. + +V analýze èasové slo¾itosti si pak opìt uvìdomíme, ¾e algoritmus vezme ka¾dý vrchol i hranu do~ruky právì jednou, tak¾e èasová slo¾itost bude $\Theta(n + m)$. +\qed + +\figure{img5_dfso.eps}{Graf a znázornìní prùbìhu DFS s~jednotlivými hranami:}{\epsfxsize} -\figure{img5_dfso.eps}{Graf a znázornìní prùbìhu DFS s jednotlivými hranami:}{\epsfxsize} +Mù¾eme si v¹imnout, ¾e jak DFS prochází graf, tak rozdìluje hrany do~4 skupin: \s{Typy hran ($v \rightarrow w$):} \itemize\ibull \:Stromové hrany ... po nich DFS pro¹lo $\{(A \rightarrow B), (B \rightarrow C), (B \rightarrow D)\}$ -\:Zpìtné hrany $<<>_v>_w$... vedou do pøedchùdce $v$ ve stromu $\{(C \rightarrow A)\}$ -\:Dopøedné hrany $<<>_w>_v$... vedou do potomka $v$ $\{(A \rightarrow D)\}$ -\:Pøíèné hrany $<>_w<>_v$... vedou do vrcholu $v$ v sousedním podstromì, v¾dy zprava doleva $\{(D \rightarrow A)\}$ +\:Zpìtné hrany $<<>_v>_w$... vedou do~pøedchùdce $v$ ve~stromu $\{(C \rightarrow A)\}$ +\:Dopøedné hrany $<<>_w>_v$... vedou do~potomka $v$ $\{(A \rightarrow D)\}$ +\:Pøíèné hrany $<>_w<>_v$... vedou do~vrcholu $v$ v~sousedním podstromì, v¾dy zprava doleva $\{(D \rightarrow A)\}$ \endlist -\>$<>_v = $ +Jedinì stromové hrany jsou takové, ¾e se po~nich DFS opravdu vydá. Vedou toti¾ do~vrcholu, který nebyl dosud objeven. V~ukázkovém grafu to jsou hrany: $\{(A \rightarrow B), (B \rightarrow C), (B \rightarrow D)\}$. + +Pokud algoritmus objeví z~vrcholu $v$ hranu do~ji¾ døíve nav¹tíveného vrcholu $w$ a zároveò platí, ¾e $w$ je ve~stejném podstromu jako $v$, tak nazveme hranu $vw$ jako zpìtnou. Pro rozpoznání je dùle¾ité, ¾e vrchol $w$ byl ji¾ objeven, ale je¹tì ne opu¹tìn. + +Kdy¾ pøi prohledávání sousedù vrcholu $v$ narazíme na~vrchol $w$, který jsme ji¾ nav¹tívili, a to v~podstromì vrcholu $v$, tak nazveme hranu $vw$ jako dopøednou, nebo» vede z~$v$ do~jeho potomka. Platí tedy, ¾e jsme nejdøíve objevili vrchol $v$, potom vrchol $w$, pak jsme vrchol $w$ opustili a nyní jsme na~nìj znovu narazili po~dopøedné hranì. + +Posledním typem hran je pøíèná hrana. Ta vede do~vrcholu v~sousedním podstromì zprava doleva. V~tomto pøípadì jsme tedy nejdøíve objevili vrchol $w$, ten jsme následnì opustili a a¾ pak jsme objevili vrchol $v$. + +\s{K zamy¹lení:} Proè nemohou vést pøíèné hrany také zleva doprava? + +K~rozpoznávání typù hran se nám tedy velmi hodí pole $\$ a $\$, ve~kterých si pamatujeme èas objevení a opu¹tìní vrcholu. Podle toho, jak se intervaly objevení a opu¹tìní obou vrcholù pøekrývají, mù¾eme jednoznaènì rozhodnout, o jaký typ hrany se jedná: + +U~zpìtných hran je poøadí: $\(w)$, $\(v)$, $\(v)$, $\(w)$. Intervaly do~sebe budou zanoøené takto: $<<>_v>_w$. + +U~dopøedných hran je poøadí: $\(v)$, $\(w)$, $\(w)$, $\(v)$. Intervaly do~sebe budou zanoøené takto: $<<>_w>_v$. -\>$<>_w = $ +U~pøíèných hran je poøadí: $\(w)$, $\(w)$, $\(v)$, $\(v)$. Intervaly do~sebe budou zanoøené takto: $<>_w<>_v$. -\> +Pozn: Pou¾íváme zde toto znaèení: $<>_v = $. Jedná se o interval objevení a opu¹tìní vrcholu $v$. -\>{\I Pozorování:} Hrany, po kterých DFS pro¹lo, tvoøí strom. +\s{Pozorování:} Hrany, po~kterých DFS pro¹lo, tvoøí DFS strom. -\>{\I Pozorování:} Intervaly (in[v], out[v]) $\forall v \in V(G) $ tvoøí dobré uzávorkování. (intervaly synù disjunktnì vyplòují otce $\Rightarrow$ intervaly se nemohou køí¾it). +\s{Pozorování:} Intervaly ($\(v)$, $\(v)$) $\forall v \in V(G) $ tvoøí dobré uzávorkování. (intervaly synù disjunktnì vyplòují otce $\Rightarrow$ intervaly se nemohou køí¾it). \bye