• Keine Ergebnisse gefunden

Vorlesung Kombinatorische Optimierung (Wintersemester 2018/19)

N/A
N/A
Protected

Academic year: 2022

Aktie "Vorlesung Kombinatorische Optimierung (Wintersemester 2018/19)"

Copied!
19
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Vorlesung

Kombinatorische Optimierung (Wintersemester 2018/19)

Kapitel 4: Matroide

Volker Kaibel

Otto-von-Guericke Universit¨at Magdeburg

(Version vom 20. Dezember 2018)

(2)

Unabh¨angigkeitssysteme / Matroide

Definition 4.1

EinUnabh¨angigkeitssystem mit einer endlichen GrundmengeE ist eine MengeI ⊆2E vonunabh¨angigen Mengenmit:

I1: ∅∈I

I2: F¨ur alle X,Y ⊆E: X ⊆Y ∈I⇒X ∈I Definition 4.2

EinMatroidM ist ein Unabh¨angigkeitssystem mit Grundmenge E(M) und einer Menge I(M)⊆2E(M) von unabh¨angigen Mengen, die folgende Eigenschaft hat:

I3: F¨ur alle X,Y ∈I(M) mit|X|<|Y|gilt:

Es gibt eine ∈Y \X mit X∪{e}∈I(M).

(3)

Graphische Matroide

Satz 4.3

F¨ur jeden Graphen G = (V,E)bilden die W¨alder F ⊆E die unabh¨angigen Mengen eines Matroids, desgraphischen Matroids von G .

(4)

Rang und Basen

Definition 4.4

DieRangfunktioneines Matroids M istrM : 2E(M)→Nmit rM(X) = max{|I| |I ⊆X,I ∈I(M)}

f¨ur alleX ⊆E(M). Der Rangdes Matroids ist rM(E(M)). Die Menge derBasen vonM ist

B(M) :={B ∈I | |B|=rM(E(M))}.

(5)

Bemerkungen

Bemerkung 4.5

Seien M ein Matroid und X ⊆E(M).

1. F¨ur I ⊆E(M) mit I ∈I(M) gilt genau dann rM(X) =|I|, wenn I inklusionsmaximal unter den unabh¨angigen

Teilmengen von X ist.

2. Jede unabh¨angige Teilmenge J ⊆X kann zu einer

unabh¨angigen Menge I ⊆E(M) mit J ⊆I und rM(X) =|I| erg¨anzt werden.

Bemerkungen

◮ Die Basen eines Matroids sind die inklusionsmaximalen unter seinen unabh¨angigen Mengen.

◮ Die Basen des graphischen Matroids eines zusammenh¨angenden GraphenG sind genau die aufspannenden B¨aume von G.

(6)

Greedy-Algorithmus

Algorithmus 4.6 (Greedy-Algorithmus f¨ur Unabh¨angigkeitssysteme)

Eingabe: Unabh¨angigkeitssystem mit Grundmenge E,w ∈QE Ausgabe: S0,S1, . . .Sr ⊆E

1: S0 ← ∅,k ←1,U ←E

2: while U ∕=∅ do

3: W¨ahle sk ∈U mit wsk = max{ws|s ∈U}

4: U ←U\ {sk}

5: ifSk−1∪{sk}unabh¨angig then

6: Sk ←Sk1∪{sk},k←k+ 1

(7)

Korrektheit des Greedy-Algorithmus

Satz 4.7

F¨ur Matroide M gilt f¨ur die vom Greedy-Algorithmus berechneten Mengen S0,S1, . . . ,Sr:

w(Sk) = max{w(S)|S ∈I(M),|S|=k}

f¨ur alle k= 0,1, . . . ,Sr. Insbesondere ist Sr eine w -maximale Basis von M, falls r der Rang von M ist, und Sk󰂏 mit

w(sk󰂏) = max{w(Sk)|0≤k ≤r}ist eine w -maximale unabh¨angige Menge in M.

Bemerkung 4.8

IstI⊆2E ein Unabh¨angigkeitssystem, f¨ur das der

Greedy-Algorithmus f¨ur jede Gewichtsfunktion w ∈NE eine w -maximale unabh¨angige Menge berechnet, so istI ein Matroid.

(8)

Matroid-Polytope, Basen-Polytope

Definition 4.9

SeiM ein Matroid. Das Matroid-PolytopzuM ist PI(M) := conv{X(I)|I ∈I(M)}. SeinBasen-Polytopist

PB(M) := conv{X(B)|B ⊆I(M) Basis vonM}.

(9)

Rang-Ungleichungen

Bemerkung 4.10

PB ist die von der f¨urPI(M) g¨ultigen Ungleichung x(E(M))≤rM(E(M))

definierte Seite vonPI(M) (mit der Rang-Funktion rM des Matroids M).

Satz 4.11

F¨ur jedes Matroid M gilt

PI(M) ={x∈RE(M)|x(T)≤rM(T) f¨ur alle T ⊆E,x ≥O}

(10)

Monotonie, Normiertheit, Submodularit¨at

Definition 4.12

Eine Funktionϕ: 2E →Rist monoton, wenn ϕ(X)≤ϕ(Y) f¨ur alleX,Y ⊆E mitX ⊆Y gilt.

Definition 4.13

Eine Funktionϕ: 2E →Rist normiert, wenn ϕ(∅) = 0

gilt.

Definition 4.14

Eine Funktionϕ: 2E →R(f¨ur eine endliche Menge E) ist submodular, wenn

ϕ(X ∪Y) +ϕ(X ∩Y)≤ϕ(X) +ϕ(Y) f¨ur alleX,Y ⊆E gilt.

(11)

Polymatroide

Satz 4.15

Die Rang-Funktion eines Matroids ist normiert, monoton und submodular.

Definition 4.16

EinPolymatroid ist ein Polyeder

P(f) ={x ∈RE|x(T)≤f(T) f¨ur alle T ⊆E,x≥O}

mit einer normierten, monotonen, submodularen Funktion f : 2E →R(E endlich).

Korollar 4.17

Matroid-Polytope sind Polymatroide.

(12)

Optimieren ¨uber Polymatroiden

Satz 4.18

Seien f : 2E →R(E endlich) normiert, monoton und submodular, w ∈RE,E ={e1, . . . ,en} und we1≥we2≥· · ·≥wen. Sei k maximal mit wek >0. Dann ist x󰂏∈RE mit

xe󰂏i =

󰀝 f(Ti)−f(Ti1) falls i ≤k

0 falls i >k

eine Optimall¨osung von

max{〈w,x〉|x∈P(f)},

wobei Ti :={e1,e2, . . . ,ei} f¨ur alle i ∈{0,1, . . . ,n} ist.

Korollar 4.19

Ist f : 2E →N eine normierte, monotone, submodulare Funktion mit ganzzahligen Werten, so ist das Polymatroid P(f) ganzzahlig;

insbesondere gilt dies, wenn f die Rangfunktion eines Matroids ist.

(13)

Monotonie, Normiertheit, Submodularit¨at

Definition 4.12

Eine Funktionϕ: 2E →Rist monoton, wenn ϕ(X)≤ϕ(Y) f¨ur alleX,Y ⊆E mitX ⊆Y gilt.

Definition 4.13

Eine Funktionϕ: 2E →Rist normiert, wenn ϕ(∅) = 0

gilt.

Eine Funktionϕ: 2E →R(f¨ur eine endliche Menge E) ist submodular, wenn

ϕ(X ∪Y) +ϕ(X ∩Y)≤ϕ(X) +ϕ(Y) f¨ur alleX,Y ⊆E gilt.

(14)

Monotonie, Normiertheit, Submodularit¨at

Definition 4.12

Eine Funktionϕ: 2E →Rist monoton, wenn ϕ(X)≤ϕ(Y) f¨ur alleX,Y ⊆E mitX ⊆Y gilt.

Definition 4.13

Eine Funktionϕ: 2E →Rist normiert, wenn ϕ(∅) = 0

gilt.

Definition 4.14

Eine Funktionϕ: 2E →R(f¨ur eine endliche Menge E) ist submodular, wenn

ϕ(X ∪Y) +ϕ(X ∩Y)≤ϕ(X) +ϕ(Y) f¨ur alleX,Y ⊆E gilt.

(15)

Polymatroide

Satz 4.15

Die Rang-Funktion eines Matroids ist normiert, monoton und submodular.

EinPolymatroid ist ein Polyeder

P(f) ={x ∈RE|x(T)≤f(T) f¨ur alle T ⊆E,x≥O} mit einer normierten, monotonen, submodularen Funktion f : 2E →R(E endlich).

Korollar 4.17

Matroid-Polytope sind Polymatroide.

(16)

Polymatroide

Satz 4.15

Die Rang-Funktion eines Matroids ist normiert, monoton und submodular.

Definition 4.16

EinPolymatroid ist ein Polyeder

P(f) ={x ∈RE|x(T)≤f(T) f¨ur alle T ⊆E,x≥O}

mit einer normierten, monotonen, submodularen Funktion f : 2E →R(E endlich).

Matroid-Polytope sind Polymatroide.

(17)

Polymatroide

Satz 4.15

Die Rang-Funktion eines Matroids ist normiert, monoton und submodular.

Definition 4.16

EinPolymatroid ist ein Polyeder

P(f) ={x ∈RE|x(T)≤f(T) f¨ur alle T ⊆E,x≥O}

mit einer normierten, monotonen, submodularen Funktion f : 2E →R(E endlich).

Korollar 4.17

Matroid-Polytope sind Polymatroide.

(18)

Optimieren ¨uber Polymatroiden

Satz 4.18

Seienf : 2E →R(E endlich) normiert, monoton und submodular, w ∈RE,E ={e1, . . . ,en} und we1≥we2≥· · ·≥wen. Sei k maximal mitwek >0. Dann ist x󰂏∈RE mit

xe󰂏i =

󰀝 f(Ti)−f(Ti1) falls i ≤k 0 falls i >k eine Optimall¨osung von

max{〈w,x〉|x∈P(f)},

wobeiTi :={e1,e2, . . . ,ei} f¨ur alle i ∈{0,1, . . . ,n} ist.

Istf : 2E →N eine normierte, monotone, submodulare Funktion mit ganzzahligen Werten, so ist das PolymatroidP(f) ganzzahlig; insbesondere gilt dies, wennf die Rangfunktion eines Matroids ist.

(19)

Optimieren ¨uber Polymatroiden

Satz 4.18

Seienf : 2E →R(E endlich) normiert, monoton und submodular, w ∈RE,E ={e1, . . . ,en} und we1≥we2≥· · ·≥wen. Sei k maximal mitwek >0. Dann ist x󰂏∈RE mit

xe󰂏i =

󰀝 f(Ti)−f(Ti1) falls i ≤k 0 falls i >k eine Optimall¨osung von

max{〈w,x〉|x∈P(f)},

wobeiTi :={e1,e2, . . . ,ei} f¨ur alle i ∈{0,1, . . . ,n} ist.

Korollar 4.19

Istf : 2E →N eine normierte, monotone, submodulare Funktion mit ganzzahligen Werten, so ist das PolymatroidP(f) ganzzahlig;

insbesondere gilt dies, wennf die Rangfunktion eines Matroids ist.

Referenzen

ÄHNLICHE DOKUMENTE

Gleichungen in polynomialer Zeit l¨ osen, so kann man auch die linearen Optimierungsprobleme ¨ uber den durch diese Systeme definierten Polyedern in polynomialer Zeit l¨ osen.

I Die Klasse coNP enth¨ alt alle Entscheidungsprobleme, f¨ ur die man, falls die Antwort ”NEIN” ist, diese in polynomialer Zeit mit Hilfe eines geeigneten Zertifikats beweisen kann.

Eine Knoten¨ uberdeckung ist eine Teilmenge S der Knoten, so dass jede der Kanten des Graphen zu mindestens einem Knoten in S inzident ist.. Beweise den folgenden Satz aus

Konstruiere einen azyklischen Graphen, mit dem man das Problem als K¨ urzeste-Wege-Problem l¨ osen

Eine Knoten¨ uberdeckung ist eine Teilmenge S der Knoten, so dass jede Kanten des Graphen zu mindestens einem Knoten in S inzident ist.. Beweise den folgenden Satz aus

Zeige, dass die Menge aller Mengen kno- tendisjunkter Wege und Kreise, die nicht in s hineinf¨ uhren und nicht aus t hinausf¨ uhren, als Schnitt zweier Matroide aufgefasst werden

I Durch Multiplikation des L¨ angenvektors c mit (−1) kann man K¨ urzeste- und L¨ angste-Wege/Kreise-Probleme ineinander transformieren (solange es nicht auf Vorzeichen ankommt). I

Eine Knoten¨ uberdeckung ist eine Teilmenge S der Knoten, so dass jede Kanten des Graphen zu mindestens einem Knoten in S inzident ist.. Beweise den folgenden Satz aus