Versionsvergleich

Aus ProgrammingWiki

Vergleich: 2015-11-24T09:05:26+00:00 → 2015-12-08T17:40:28+00:00

Leonard Mory,
Felix Lüpke
=Thematischer Einstieg und Motivation=
==Erläuterung==
−
* Bei Matching-Problemen handelt es sich um spezielle Zuordnungsprobleme
+
* bei Matching-Problemen handelt es sich um spezielle Zuordnungsprobleme
* werden auch als Zuteilungsprobleme bezeichnet
* Gegenstand ist die optimale Zuordnung der Elemente zweier disjunkter Mengen
* Zuordnungsprobleme sind z.B. Bewerber auf freie Stellen, Lehrer auf Schulklassen
* eine erfolgreiche Paarbildung nennt sich Matching
+
==Definition==
+
;Ein Graph $G=(V,E)$ heißt bipartiter Graph, wenn man die Knoten $V$ in zwei disjunkte Mengen $U$ und $W$ zerlegen kann, so dass alle Kanten zwischen $U$ und $W$ verlaufen.
+
[[Bild:Flikkes_Bipartit2.png]]
===Matching===
−
;Ein Matching von G ist eine Teilmenge M ⊆ E der Kanten von G mit der Eigenschaft, dass keine zwei Kanten einen gemeinsamen Knoten besitzen.
+
;Ein Matching von $G=(V,E)$ ist eine Teilmenge $M ⊆ E$ der Kanten von $G$ mit der Eigenschaft, dass keine zwei Kanten einen gemeinsamen Knoten besitzen.
* ein Knoten kann nur zu einer Matchingkante gehören
* zwei Matchingkanten dürfen niemals adjazent sein
[[Bild:1_2_graph.PNG]]
+
<br>(leeres Matching)
<br>
−
<popup name="Matching">[[Bild:1_2_matching.png]]</popup>
+
<popup name="Matchings">[[Bild:1_2_matching.png]] [[Bild:1_2_matching_2.0.PNG]] [[Bild:1_2_matching_4.0.PNG]]
+
Es gibt insgesamt 19 Möglichkeiten
+
</popup>
+
[[Bild:Flikkes_NoMatching1.png]]
+
<popup name="Matchings">[[Bild:Flikkes_Matching1.png]] [[Bild:Flikkes_MatchingTease1.png]] [[Bild:Flikkes_MatchingTease3.png]] [[Bild:Flikkes_MatchingTease4.png]]<br>
+
Es gibt insgesamt 11 Möglichkeiten</popup>
<br>
+
===Maximales Matching===
−
;Ein maximales Matching von G ist ein Matching von G, dem keine weitere Kante mehr hinzugefügt werden kann. Die Knoten der Kanten, die zu einem Matching gehören, nennt man vom Matching überdeckt.
−
* Wenn der Graph aus n Knoten besteht, kann ein maximales Matching $\frac2n$ Kanten beinhalten
+
;Ein Matching $M$ von $G$ ist maximal, wenn jedes ''Hinzufügen'' einer weiteren Kante zu $M$ das Matching zerstört. Die Knoten der Kanten, die zu einem Matching gehören, nennt man vom Matching überdeckt.
+
* Wenn der Graph aus $n$ Knoten besteht, kann ein maximales Matching $\frac{n}{2}$ Kanten beinhalten
+
* Ein maximales Matching wird auch "nicht erweiterbar" genannt
<br>
−
<popup name="Maximales Matching">Hier nur ein Beispiel eines maximalen Matching:<br>[[Bild:1_2_max_matching.PNG‎]]</popup><br>
+
    $M$ ist maximal, wenn: $\nexists e \in E \setminus M \colon \{ e\}\cup M$ ist Matching
+
<popup name="Maximales Matching">[[Bild:1_2_max_matching.PNG‎]][[Bild:1_2_matching_3.0.PNG]][[Bild:1_2_matching_4.0.PNG]][[Bild:1_2_max_matching_2.0.PNG]]</popup><br>
+
<popup name="Maximales Matching">[[Bild:Flikkes_MaxMatching1.png]] [[Bild:Flikkes_MaxPerfect1.png]]</popup>
+
;Es ist wichtig den Unterschied zwischen einem erweiterten- und einem völlig anderen Matching zu erkennen
+
===Perfektes Matching===
−
;Sind alle Knoten von G von einem Matching überdeckt, so handelt es sich um ein perfektes Matching.
+
;Sind alle Knoten von $G$ von einem Matching überdeckt, so handelt es sich um ein perfektes Matching.
* damit ist die maximale Mächtigkeit eines Matching erreicht
* Anzahl $n$ der Knoten muss dafür eine gerade Zahl sein
<br>
−
<popup name="Perfektes Matching">[[Bild:1_2_perf_matching.png]]</popup>
−
====Möglichkeiten des perfekten Matchings====
+
    $M$ ist perfekt, wenn: $\forall v,w \in V$, mit $w \neq v\colon \space \exists e(v,w) \in M$
+
<popup name="Perfektes Matching">[[Bild:1_2_perf_matching.png]] [[Bild:1_2_perf_matching_1.0.PNG]]</popup>
+
<popup name="Perfektes Matching">[[Bild:Flikkes_MaxPerfect1.png]]</popup>
==Zusammenhang==
+
Finden Sie das größtmögliche maximale Matching
+
[[Bild:Flikkes_MaxOnlyTask.png]]
+
<popup>[[Bild:Flikkes_MaxOnly.png]]</popup>
Jedes perfekte Matching ist maximal, aber nicht jedes maximale Matching ist perfekt.
+
==Ausgangssituation==
* Behandelt werden ausschließlich Probleme von zwei Mengen
* Somit fällt die Betrachtung auf bipartite Graphen
==Beispiel==
−
Jugendherberge
+
Tafelbild Seminargruppen -->
+
+
Man stelle sich vor, es stünden an einer Hochschule Seminargruppen zur Auswahl. In jeder Gruppe ist noch ein Platz frei. 
+
Demgegenüber steht eine Gruppe von Studierenden, deren Größe Ähnlich der der Seminargruppen ist. Zudem interessieren sich nicht alle Studierenden 
+
gleichermaßen für jedes Seminar. 
+
+
Hat man es mit kleinen Gruppen zu tun, fällt eine ''Zuordnung'' auf dem Papier durch genaues Hinschauen noch leicht. Werden die Gruppen aber größer 
+
(z.B. bei Computerspielen -> Matchmaking), so wird Software benötigt.
+
=Matchings für bipartite Graphen=
;Ein Graph $G = (V,E)$ heißt bipartit, wenn sich die Knotenmenge $V$ in zwei disjunkte Teilmengen $V1$ und $V2$ zerlegen lässt, sodass keine Kante von $G$ zwei Knoten derselben Teilmenge miteinander verbindet. Ein bipartiter Graph mit maximal möglicher Kantenanzahl heißt vollständig bipartit und wird mit $K_{r,s}$ bezeichnet, wenn $r$ bzw. $s$ die Anzahlen von $V1$ bzw. $V2$ sind.
*Alle Kanten verbinden nur jeweils einen Knoten aus $V1$ mit einem Knoten aus $V2$
+
    '''Hinweis:''' Das Stellen und Bearbeiten von Matchingproblemen setzt keinesfalls einen Bipartiten Graphen voraus, bietet sich jedoch an. 
+
    Einem nicht bipartiten Graphen, für den ein Matching existiert, können wir dennoch einen bipartiten Kontext "unterstellen".
+
    [[Bild:Flikkes_NonBipartite.png]]
==Heiratssatz von Hall==
*Name kommt vom früher verbreiteten Problem, eine Gruppe Frauen zu verheiraten
−
*aber nur, wenn es eine Gleichgroße Gruppe Männer gibt
+
*aber nur, wenn es eine gleichgroße Gruppe Männer gibt
*die sich mindestens für eine Frau der Gruppe interessieren
<br>
<strong>Grad einer Knotenmenge:</strong>
−
;Es sei $G = (V,E)$ ein Graph und $U$ eine Teilmenge der Knoten $E$. Wir definieren den Grad von $U$ als die Anzahl derjenigen Knoten von $G$, die mit einem Knoten aus $U$ eine Kante bilden, und schreiben dafür $d(U)$.
+
;Es sei $G = (V,E)$ ein Graph und $U$ eine Teilmenge der Knoten $V$ $\space \space (U \subseteq V)$. Wir definieren den Grad von $U$ als die Anzahl derjenigen Knoten von $G$, die mit einem Knoten aus $U$ eine Kante bilden, und schreiben dafür $d(U)$.
* für die Teilmenge $U=${$Ursula, Karin$} gilt $d(U)=3$, da drei Kanten zu einer anderen Teilmenge führen (Peter, Michael, Wolfgang)
<br>
<strong>Jetzt kann man den Satz von Hall verständlich formulieren:</strong>
;Ein bipartiter Graph $G = (V1 ∪ V2,E)$ besitzt genau dann ein perfektes Matching, wenn für alle Teilmengen $U1 ⊆ V1$ die Ungleichung $d(U1) ≥ |U1|$ erfüllt ist.
*zur Untersuchung wird der Graph in zwei Teilmengen zerlegt
−
* $V1=${$Ursula, Karin, Helga, Sabine$} und $V2=${$Peter, Michael, Thomas, Wolfgang$}
+
* $V1=${$Ursula (1), Karin (2), Helga (3), Sabine (4)$} und $V2=${$Peter, Michael, Thomas, Wolfgang$}
* eine Kante bedeutet, dass beide Personen aneinander interessiert sind
−
* jetzt müssen alle 24 Teilmengen von $V1$ überprüft werden, wir begrenzen uns aber nur auf Teilmengen die den Knoten 1 enthalten
+
* jetzt müssen alle 15 Teilmengen von $V1$ überprüft werden, wir begrenzen uns aber nur auf Teilmengen die den Knoten 1 enthalten
<br><center>
{|
|d({1})|| = 3 ≥ 1<br>
|-
|d({1, 2})|| = 3 ≥ 2<br>
|-
|d({1, 3})|| = 4 ≥ 2<br>
|-
|d({1, 4})|| = 3 ≥ 2<br>
|-
|d({1, 2, 3})|| = 4 ≥ 3<br>
|-
|d({1, 2, 4})|| = 3 ≥ 3<br>
|-
|d({1, 3, 4})|| = 4 ≥ 3<br>
|-
|d({1, 2, 3, 4, })|| = 4 ≥ 4<br>
|}</center>
* wenn kein Widerspruch gefunden wird, besagt der Heiratssatz, dass ein perfektes Matching existiert
[[Bild:2_1_graph.PNG]]
{| class="wikitable"
|-
! Wahl !! Ursula !! Karin !! Helga !! Sabine 
|-
| 1 || Peter|| Peter || Thomas || Wolfgang
|-
| 2 || Michael|| Michael || Wolfgang || Michael
|-
| 3 || Wolfgang|| - || - || - 
|}
{| class="wikitable"
|-
! Wahl !! Peter !! Michael !! Thomas !! Wolfgang 
|-
| 1 || Karin|| Sabine|| Helga || Ursula
|-
| 2 || Ursula|| Karin || - || Helga 
|-
| 3 || - || Ursula|| - || Sabine
|}
<popup name="mögliches perfektes Matching">[[Bild:2_1_mögl_perf_matching.PNG]]</popup>
* nur für kleine Interessengraphen
=Maximal-Matching-Algorithmen=
==Greedy-Matching-Algorithmus==
−
==Verbessernde Wege==
−
=Zuordnungsproblem=
+
Es handelt sich um einen Algorithmus, in welchem, gemäß dem Konzept des Greedy-Verfahrens, am Ende eines Schritts stets der aktuell bestmögliche Folgeschritt gewählt wird. Der Vorteil liegt in der Schnelligkeit, mit der Ergebnisse produziert werden, welche allerdings nicht immer optimal sind.
+
*Es gibt eine Kandidatenliste, welche $E$ von $G$ entspricht und verbrauchend gelesen wird
+
*die sich aufbauende Resultatliste entspricht $M$
+
*wenn die Kandidatenliste leer ist, ist die Lösung gefunden (entspricht Funktion ''lösung?'')
+
*die Funktion ''okay?'' erübrigt sich bzw. ergibt sich implizit aus der Frage nach allen Nachbarn eines Kandidaten
+
*''naechster'' entspricht einem Iterationsschritt
+
*''modify+'' entspricht dem Hinzufügen zur Kandidatenliste
+
*''modify-'' und ''ziel'' werden nicht benötigt
+
===Ausgangssituation===
+
Gegeben sei ein Ausgangsgraph $G = (V,E)$ und ein Matching $M$. 
+
Zum Schluss soll $M$ ein maximales Matching sein.
+
===Pseudocode===
+
    1 Setze $M := \varnothing$
+
    2 Wähle eine Kante $e \in E$, füge $e$ $M$ hinzu
+
    3 Entferne $e$ und alle benachbarten Kanten aus $E$
+
    4 Falls $E \neq \varnothing$ gehe zu 2, sonst STOPP: $M$ ist maximal
+
+
Das Ergebnis ist stets ein maximales Matching.
+
+
==Verbessernde Wege (Verbessernde Pfade)==
+
;Mit verbessernden Wegen kann ein gefundenes maximales Matching optimiert werden.
+
    Gibt es für einen Graphen $G$ mit einem Matching $M$ einen Weg $P(v_0, v_1 , v_2, ..., v_n)\colon \{ v_0,v_n\} \cap M = \emptyset$,
+
    mit ungerader Knotenanzahl, wobei jede zweite Kante $\subseteq M$, so nennt man $P$ einen
+
    ($M$-)verbessernden Weg
+
;Existiert ein verbessernder Weg, so kann dieser invertiert und die Zahl der Matchingkanten um eins erhöht werden.
+
;Ein verbessernder Weg $P$ wird invertiert, indem Matching-und Nicht-Matchingkanten ausgetauscht werden (swap).
+
;Ein invertierter Weg $P$ heißt $P^{-1}$.
+
===Ausgangssituation===
+
;Gegeben sei ein Graph $G$ mit einem maximalen Matching $M$. $M$ soll zu einem maximalen Matching mit maximal möglicher Kantenanzahl werden (''Maximum-Matching'').
+
+
===Pseudocode===
+
    $M:=$maximales Matching
+
    while $G$ enthält $M$-verbessernden Weg do
+
        entferne $P$ aus $G$ und füge $P^{-1}$ hinzu
+
    endwhile
+
+
=Symmetrische Differenz=
+
;Gegeben seien zwei Graphen $G=(V,E<sub>G</sub>)$ und $H=(V,E<sub>H</sub>)$ mit gleicher Knotenmenge $V$.<br> 
+
;$G&Delta; H$ ist ein Graph mit der Knotenmenge $V$ und der Kantenlänge $E={e\mid e \in E<sub>G</sub> XOR e \in E<sub>H</sub>$.<br>
+
;$M &Delta; M' = (M - M') \cup (M' - M)$
+
<br>
+
[[Bild:5.0_symdiff.PNG]]<br>
+
*$M$ und $M'$ sind zwei Matchings in $G=(V<sub>1</sub> \cup V<sub>2</sub>,E)$
+
*jede Zusammenhangskomponente ist ein Kreis gerader Länge oder ein Pfad.
+
+
=Satz von Berge=
+
*wie bei dem Greedy-Algorithmus sieht man, dass der Algorithmus terminieren muss
+
*bei Zeile 3 wird M um eine Kante vergrößert
+
*das Bewies  Claude Berge (1926-2002)
+
**M sei ein Matching von G
+
**M ist ein Maximum-Matching, wenn es keinen verbessernden Pfad gibt
+
**angenommen M ist kein Maximum-Matching, d.h. es existiert ein Matching $M'$ mit $|M'|>|M|$
+
**jeder Knoten von $G=[M &Delta; M']$ ist jeweils mit einer Kante aus $M$ und $M'$ verbunden
+
**jede Zusammenhangskomponente von $G=[M &Delta; M']$ ist sozusagen ein Kreis oder ein $M$ - alternierender Pfad
+
**$|M'|>|M|$ besagt, dass es eine Zusammenhangskomponente geben muss, die ein Pfad ist und eine Kante mehr aus $M'$ hat
+
**dieser Pfad ist verbessernd
+
* Berge bewies damit, dass der Algorithmus für beliebige Graphen Funktioniert
+
+
;Wie kann man auf systematische Weise $M$-verbessernde Pfade in Graphen finden?
+
+
=Tiefensuche=
+
*auch Depth-First-Search (DFS) genannt
+
*eine Standard-Suchmethode für Graphen neben der Breitensuche
+
*sind Algorithmen, die bei einem Knoten $v$ des Graphen beginnen und entlang der Kanten die von $v$ erreichbaren Knoten sucht
+
    procedure explore(vertex v)
+
    begin
+
      /* Tu hier irgendwas mit v */
+
      for all (v,u) in E do
+
        if(u.visited=false) then
+
          u.visited=true
+
          explore(u)
+
        endif
+
      endfor
+
    end
+
 
+
    procedure DFS(Graph G)
+
    begin
+
      for all v in V do
+
        if(v.visited=false) then
+
          explore(v)
+
        endif
+
      endfor
+
    end
+
*man braucht 2 Prozeduren:
+
**explore (vertex v) wird aufgerufen, wenn der Knoten $v$ das erste mal entdeckt wird
+
**daraufhin wird explore (u) rekursiv für alle unbesuchten Knoten aufgerufen
+
**besuchte Knoten (v) werden mit der boolschen Variable .visited markiert
+
**DFS(Graph G) ist die Oberprozedur, die den Graphen überblickt und für jede Zusammenhangskomponente explore(v) aufruft
+
*die Laufzeit von explore(v) hängt von der Anzahl der Kanten, die mit v zusammenhängen, ab ($O=(|V|+|E|)$)
+
==M-alternierende Tiefensuche==
+
*Tiefensuche soll M-verbessernde Pfade finden
+
*explore($v$) muss auf einen freien Knoten $v$ des Graphen aufgerufen werden
+
**immer zwei Schritte
+
**als erstes über eine ungematchte Kante ${v,u}$ zu einem Knoten $u$
+
**von $u$ aus über die eindeutige Matchingkante ${u,w}$ (falls vorhanden)
+
**dann rekursiv weiter
+
*wenn ein freies $u$ gefunden wird -> M-verbessernder Weg
+
**Suche wird abgebrochen
+
**auf dem Rückweg werden die überquerten Kanten umgedreht
+
*.match speichert den mit v gematchten Knoten
+
+
  // Gibt true zurück, falls es von v aus einen M-verbessernden Pfad gibt & invertiert diesen dann.
+
  bool invertPath(vertex v)
+
  begin
+
    for all (v,u) in E do
+
      if(u.visited=false)
+
        u.visited=true
+
        if(u.match=NULL or invertPath(u.match)) //ist u frei oder führt zu eine
+
          u.match=v                             //freien Knoten? Dann Kante invertieren
+
          return true                           //und Suche abbrechen.
+
        endif                                   //Sonst nächste Kante anschauen
+
      endif
+
    endfor
+
    return false                                //Alle Kanten erfolglos ausprobiert
+
  end
+
+
*die Oberprozedur des Algorithmus ruft invertPath solange auf, bis es keine M-verbessernden Pfade mehr gibt
+
+
  MaxBipMatching(BipartiteGraph g)
+
  begin
+
  vertex_list L := g.getPartition()
+
    for all v in L do
+
      unmark(g) //Entfernt alle Knotenmarkierungen
+
      invertPath(v)
+
    endfor
+
  end
+
+
<popup name="Beispiel"><center>[[Bild:5.1_matching.PNG|200px]]$\rightarrow$[[Bild:5.1_verbpfad_1.0.PNG|200px]]$\rightarrow$[[Bild:5.1_verbpfad_2.0.PNG|200px]]$\rightarrow$[[Bild:5.1_verbpfad_3.0.PNG|200px]]$\rightarrow$[[Bild:5.1_verbpfad_4.0.PNG|200px]]
+
$\rightarrow$[[Bild:5.1_verbpfad_5.0.PNG|200px]]$\rightarrow$[[Bild:5.1_verbpfad_6.0.PNG|200px]]$\rightarrow$[[Bild:5.1_verbpfad_7.0.PNG|200px]]$\Rightarrow$[[Bild:5.1_verbpfad_8.0.PNG|200px]]<br><br></center>
+
*A wird mit invertPath aufgerufen
+
*rot ist der besuchte Knoten
+
*lila sind alle besuchten Knoten
+
*ab Bild 6 wird der gefundene M-verbessernde Pfad (A$\rightarrow$C1$\rightarrow$E$\rightarrow$A1$\rightarrow$B$\rightarrow$B1) umgedreht
+
*in Bild 3 geht der Algorithmus in eine Sackgasse
+
</popup>
+
+
==Einschränkung auf bipartite Graphen==
+
*Algorithmus (Tiefen- Breitensuche) funtioniert für nicht-bipartite Graphen nicht
+
[[Bild:5.2_erklaerung.PNG]]
+
*Algorithmus läuft in eine Sackgasse
+
**findet den M-verbessernden Weg ABEF nicht
=Quellen=
*https://books.google.de/books?id=2qkkBAAAQBAJ&pg=PA45&dq=matching+probleme&hl=de&sa=X&ved=0CCIQ6AEwAWoVChMI_K-g08SFyQIVob5yCh19wwwa#v=onepage&q=matching%20probleme&f=false
*https://books.google.de/books?id=Rj0lBAAAQBAJ&pg=PA292&dq=matching+probleme&hl=de&sa=X&ved=0CD0Q6AEwBWoVChMI_K-g08SFyQIVob5yCh19wwwa#v=onepage&q=matching%20probleme&f=false
*http://matheplanet.com/default3.html?call=article.php?sid=1070&ref=https%3A%2F%2Fwww.google.de%2F
+
*http://algo.rwth-aachen.de/Lehre/SS11/VEA/Skripte/matchings.pdf
+
*https://www.tu-ilmenau.de/fileadmin/public/iti/Lehre/EAII/WS11/Kapitel2-Matchings.pdf
+
*http://parco.iti.kit.edu/henningm/KO/ko-folien-01b.pdf
+
*Christian Wagenknecht, Algorithmen und Komplexität, 2003