algorithm - metodo - Algoritmo de reducción transitiva: pseudocódigo?
algoritmos de grafos (7)
He estado buscando un algoritmo para realizar una reducción transitiva en un gráfico, pero sin éxito. No hay nada en mis algoritmos bíblicos (Introducción a los algoritmos por Cormen et al) y aunque he visto muchos pseudocódigos de cierre transitivo, no he podido encontrar nada para una reducción. Lo más cercano que tengo es que hay uno en "Algorithmische Graphentheorie" de Volker Turau (ISBN: 978-3-486-59057-9), ¡pero desafortunadamente no tengo acceso a este libro! Wikipedia no es útil y Google aún no ha presentado nada. : ^ (
¿Alguien sabe de un algoritmo para realizar una reducción transitiva?
Algoritmo de profundidad en pseudo-python:
for vertex0 in vertices:
done = set()
for child in vertex0.children:
df(edges, vertex0, child, done)
df = function(edges, vertex0, child0, done)
if child0 in done:
return
for child in child0.children:
edge.discard((vertex0, child))
df(edges, vertex0, child, done)
done.add(child0)
El algoritmo es subóptimo, pero trata el problema del alcance múltiple de las soluciones anteriores. Los resultados son muy similares a los producidos por graphviz.
Basado en la referencia proporcionada por Alan Donovan, que dice que debes usar la matriz de ruta (que tiene un 1 si hay una ruta desde el nodo i al nodo j) en lugar de la matriz de adyacencia (que tiene un 1 solo si hay una ventaja del nodo i al nodo j).
A continuación, se muestra un ejemplo de código python para mostrar las diferencias entre las soluciones
def prima(m, title=None):
""" Prints a matrix to the terminal """
if title:
print title
for row in m:
print '', ''.join([str(x) for x in row])
print ''''
def path(m):
""" Returns a path matrix """
p = [list(row) for row in m]
n = len(p)
for i in xrange(0, n):
for j in xrange(0, n):
if i == j:
continue
if p[j][i]:
for k in xrange(0, n):
if p[j][k] == 0:
p[j][k] = p[i][k]
return p
def hsu(m):
""" Transforms a given directed acyclic graph into its minimal equivalent """
n = len(m)
for j in xrange(n):
for i in xrange(n):
if m[i][j]:
for k in xrange(n):
if m[j][k]:
m[i][k] = 0
m = [ [0, 1, 1, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 1, 1],
[0, 0, 0, 0, 1],
[0, 1, 0, 0, 0]]
prima(m, ''Original matrix'')
hsu(m)
prima(m, ''After Hsu'')
p = path(m)
prima(p, ''Path matrix'')
hsu(p)
prima(p, ''After Hsu'')
Salida:
Adjacency matrix
0, 1, 1, 0, 0
0, 0, 0, 0, 0
0, 0, 0, 1, 1
0, 0, 0, 0, 1
0, 1, 0, 0, 0
After Hsu
0, 1, 1, 0, 0
0, 0, 0, 0, 0
0, 0, 0, 1, 0
0, 0, 0, 0, 1
0, 1, 0, 0, 0
Path matrix
0, 1, 1, 1, 1
0, 0, 0, 0, 0
0, 1, 0, 1, 1
0, 1, 0, 0, 1
0, 1, 0, 0, 0
After Hsu
0, 0, 1, 0, 0
0, 0, 0, 0, 0
0, 0, 0, 1, 0
0, 0, 0, 0, 1
0, 1, 0, 0, 0
El artículo de Wikipedia sobre reducción transitiva apunta a una implementación dentro de GraphViz (que es de código abierto). No es exactamente un pseudocódigo, pero tal vez sea un lugar para comenzar.
LEDA incluye un algoritmo de reducción transitiva . Ya no tengo una copia del libro LEDA , y esta función podría haberse agregado después de que se publicó el libro. Pero si está ahí, habrá una buena descripción del algoritmo.
Google apunta a un algoritmo que alguien sugirió para su inclusión en Boost. No intenté leerlo, ¿entonces quizás no sea correcto?
Además, this podría valer la pena mirar.
El algoritmo de "girlwithglasses" olvida que un borde redundante podría abarcar una cadena de tres bordes. Para corregir, calcule Q = R x R + donde R + es el cierre transitivo y luego elimine todos los bordes de R que aparecen en Q. Consulte también el artículo de Wikipedia.
La esencia básica del algoritmo de reducción transitiva que utilicé es
foreach x in graph.vertices
foreach y in graph.vertices
foreach z in graph.vertices
delete edge xz if edges xy and yz exist
El algoritmo de cierre transitivo que utilicé en el mismo guión es muy similar, pero la última línea es
add edge xz if edges xy and yz OR edge xz exist
Ver Harry Hsu. "Un algoritmo para encontrar un gráfico equivalente mínimo de un dígrafo", Journal of the ACM, 22 (1): 11-16, enero de 1975. El algoritmo cúbico simple a continuación (usando una matriz de ruta N x N) es suficiente para los DAG, pero Hsu lo generaliza a gráficos cíclicos.
// reflexive reduction
for (int i = 0; i < N; ++i)
m[i][i] = false;
// transitive reduction
for (int j = 0; j < N; ++j)
for (int i = 0; i < N; ++i)
if (m[i][j])
for (int k = 0; k < N; ++k)
if (m[j][k])
m[i][k] = false;
portado a java / jgrapht, la muestra de python en esta página de @Michael Clerx:
import java.util.ArrayList;
import java.util.List;
import java.util.Set;
import org.jgrapht.DirectedGraph;
public class TransitiveReduction<V, E> {
final private List<V> vertices;
final private int [][] pathMatrix;
private final DirectedGraph<V, E> graph;
public TransitiveReduction(DirectedGraph<V, E> graph) {
super();
this.graph = graph;
this.vertices = new ArrayList<V>(graph.vertexSet());
int n = vertices.size();
int[][] original = new int[n][n];
// initialize matrix with zeros
// --> 0 is the default value for int arrays
// initialize matrix with edges
Set<E> edges = graph.edgeSet();
for (E edge : edges) {
V v1 = graph.getEdgeSource(edge);
V v2 = graph.getEdgeTarget(edge);
int v_1 = vertices.indexOf(v1);
int v_2 = vertices.indexOf(v2);
original[v_1][v_2] = 1;
}
this.pathMatrix = original;
transformToPathMatrix(this.pathMatrix);
}
// (package visible for unit testing)
static void transformToPathMatrix(int[][] matrix) {
// compute path matrix
for (int i = 0; i < matrix.length; i++) {
for (int j = 0; j < matrix.length; j++) {
if (i == j) {
continue;
}
if (matrix[j][i] > 0 ){
for (int k = 0; k < matrix.length; k++) {
if (matrix[j][k] == 0) {
matrix[j][k] = matrix[i][k];
}
}
}
}
}
}
// (package visible for unit testing)
static void transitiveReduction(int[][] pathMatrix) {
// transitively reduce
for (int j = 0; j < pathMatrix.length; j++) {
for (int i = 0; i < pathMatrix.length; i++) {
if (pathMatrix[i][j] > 0){
for (int k = 0; k < pathMatrix.length; k++) {
if (pathMatrix[j][k] > 0) {
pathMatrix[i][k] = 0;
}
}
}
}
}
}
public void reduce() {
int n = pathMatrix.length;
int[][] transitivelyReducedMatrix = new int[n][n];
System.arraycopy(pathMatrix, 0, transitivelyReducedMatrix, 0, pathMatrix.length);
transitiveReduction(transitivelyReducedMatrix);
for (int i = 0; i <n; i++) {
for (int j = 0; j < n; j++) {
if (transitivelyReducedMatrix[i][j] == 0) {
// System.out.println("removing "+vertices.get(i)+" -> "+vertices.get(j));
graph.removeEdge(graph.getEdge(vertices.get(i), vertices.get(j)));
}
}
}
}
}
prueba de unidad :
import java.util.Arrays;
import org.junit.Assert;
import org.junit.Test;
public class TransitiveReductionTest {
@Test
public void test() {
int[][] matrix = new int[][] {
{0, 1, 1, 0, 0},
{0, 0, 0, 0, 0},
{0, 0, 0, 1, 1},
{0, 0, 0, 0, 1},
{0, 1, 0, 0, 0}
};
int[][] expected_path_matrix = new int[][] {
{0, 1, 1, 1, 1},
{0, 0, 0, 0, 0},
{0, 1, 0, 1, 1},
{0, 1, 0, 0, 1},
{0, 1, 0, 0, 0}
};
int[][] expected_transitively_reduced_matrix = new int[][] {
{0, 0, 1, 0, 0},
{0, 0, 0, 0, 0},
{0, 0, 0, 1, 0},
{0, 0, 0, 0, 1},
{0, 1, 0, 0, 0}
};
System.out.println(Arrays.deepToString(matrix) + " original matrix");
int n = matrix.length;
// calc path matrix
int[][] path_matrix = new int[n][n];
{
System.arraycopy(matrix, 0, path_matrix, 0, matrix.length);
TransitiveReduction.transformToPathMatrix(path_matrix);
System.out.println(Arrays.deepToString(path_matrix) + " path matrix");
Assert.assertArrayEquals(expected_path_matrix, path_matrix);
}
// calc transitive reduction
{
int[][] transitively_reduced_matrix = new int[n][n];
System.arraycopy(path_matrix, 0, transitively_reduced_matrix, 0, matrix.length);
TransitiveReduction.transitiveReduction(transitively_reduced_matrix);
System.out.println(Arrays.deepToString(transitively_reduced_matrix) + " transitive reduction");
Assert.assertArrayEquals(expected_transitively_reduced_matrix, transitively_reduced_matrix);
}
}
}
salida de prueba
[[0, 1, 1, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 1, 1], [0, 0, 0, 0, 1], [0, 1, 0, 0, 0]] original matrix
[[0, 1, 1, 1, 1], [0, 0, 0, 0, 0], [0, 1, 0, 1, 1], [0, 1, 0, 0, 1], [0, 1, 0, 0, 0]] path matrix
[[0, 0, 1, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 1, 0], [0, 0, 0, 0, 1], [0, 1, 0, 0, 0]] transitive reduction