GRAFOS

Teoría de Grafos
UCR – ECCI
CI-1204 Estructuras Discretas Aplicadas II
Prof. Bach. Kryscia Daviana Ramírez Benavides
Grafos Dirigidos
 Un grafo dirigido G consiste en un conjunto de vértices V y
un conjunto de arcos A  G = (V,A).
 Los vértices se denominan también nodos o puntos.
 Los arcos pueden llamarse arcos dirigidos o líneas dirigidas.
 Un arco es un par ordenado de vértices (v,w); donde v es la
cola y w es la cabeza del arco.
 El arco (v,w) se expresa a menudo como v → w, y se
representa como:
 Se dice que el arco v → w va de v a w, y que w es adyacente a

v.
UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II
Teoría de Grafos 2
Grafos Dirigidos (cont.)
 Los vértices de un grafo dirigido pueden usarse para
representar objetos, y los arcos para representar relaciones
entre los objetos.
 Un camino en un grafo dirigido es una secuencia de vértices
v1, v2, …, vn, tal que v1 → v2, v2 → v3, …, vn-1 → vn son arcos.
 Este camino va del vértice v1 al vértice vn, pasando por los
vértices v2, v3, …, vn-1.
 La longitud de un camino es el número de arcos en ese
camino, en este caso, n – 1.
 Como caso especial, un vértice sencillo v, por sí mismo denota
un camino de longitud 0 de v a v.
Teoría de Grafos 3
 En el grafo G = (V,A), donde V = {1,2,3,4} y A = {(1,2),(1,3),
(2,4),(3,2),(4,3)}, la secuencia 1, 2, 4 es un camino de
longitud 2 que va del vértice 1 al vértice 4.

Teoría de Grafos 4
 Un camino simple es un camino en donde todos los vértices,
excepto tal vez el primero y el último, son distintos.
 Un ciclo simple es un camino simple de longitud por lo
menos uno, que empieza y termina en el mismo vértice.
 En el grafo G anterior 3, 2, 4, 3 es un ciclo de longitud 3.
 Un grafo dirigido etiquetado es un grafo cuyos arcos están
etiquetados con una letra o un valor numérico.

Teoría de Grafos 5
Representación de Grafos Dirigidos
 Una representación común para un grafo dirigido G = (V,A) es
la matriz de adyacencia.
 La matriz de adyacencia para G es una matriz A de dimensión
n x n, de elementos booleanos, donde A[i,j] es verdadero si y
sólo si existe un arco que vaya del vértice i al j.
 Con frecuencia se exhibirán matrices adyacencias con 1 para
verdadero y 0 para falso.

Teoría de Grafos 6
Representación de Grafos Dirigidos (cont.)
 Otra representación, relacionada con la anterior, para un grafo
dirigido G = (V,A) es la matriz de adyacencia etiquetada.
 La matriz de adyacencia etiquetada para G es una matriz A de
dimensión n x n, donde A[i,j] es la etiqueta del arco que va del
vértice i al j.
 Si no existe un arco de i a j debe emplearse como entrada para
A[i,j] un valor que no pueda ser una etiqueta válida.

Teoría de Grafos 7
 La ventaja de usar una matriz de adyacencia es que el tiempo
de acceso requerido a un elemento es independiente del
tamaño de V y A.
 La desventaja de usar una matriz de adyacencia es que
requiere un espacio (n2) aun si el grafo tiene menos de n2
arcos.
 Sólo leer o examinar la matriz puede llevar un tiempo O(n2).
 Para evitar esta desventaja, se puede utilizar otra
representación común para un grafo dirigido G = (V,A)
llamada representación con lista de adyacencia.

Teoría de Grafos 8
 La lista de adyacencia para un vértice i es una lista, en algún
orden, de todos los vértices adyacentes a i.
 Se puede representar G por medio de un arreglo CABEZA,
donde CABEZA[i] es un apuntador a la lista de adyacencia del
vértice i.
 La representación con lista de adyacencia de un grafo dirigido
requiere un espacio proporcional a la suma del número de
vértices más el número de arcos.
 Se usa bastante cuando el número de arcos es mucho menor
que n2.
 Una desventaja potencial es que puede llevar un tiempo O(n)
UCR-ECCI determinar si Discretas
CI-1204 Estructuras existe Aplicadas
un arcoII del vértice i al vértice j.
Teoría de Grafos 9

Teoría de Grafos 10
Grafos No Dirigidos
 Parte de la terminología para grafos dirigidos es aplicable a
los no dirigidos.
 Un grafo no dirigido G consiste en un conjunto finito de
vértices V y un conjunto de aristas A  G = (V,A).
 Los vértices se denominan también nodos o puntos.
 Las aristas es un par no ordenado de vértices; la arista (v,w) =
(w,v)
 Los vértices v y w son adyacentes si es una arista (v,w).
 Se dice que la arista (v,w) es incidente sobre los vértices v y w.

Grafos No Dirigidos (cont.)
 Un camino en un grafo no dirigido es una secuencia de
vértices v1, v2, …, vn, tal que (v1,vi+1) es una arista para 1 ≤ i <
n.
 Un camino simple es un camino en donde todos los vértices,
excepto tal vez el primero y el último, son distintos.
 La longitud del camino es n – 1, el número de aristas a lo
largo del camino.
 Un grafo es conexo si todos sus pares de vértices están
conectados.

 Sea G = (V,A) un grafo con conjunto de vértices V y conjunto
de aristas A. Un subgrafo de G es un grafo G’ = (V’,A’)
donde:
 V’ es un subconjunto de V.
 A’ consta de las aristas (v,w) en A tales que v y w están en V’.
 Si A’ consta de todas las aristas (v,w) en A, tal que v y w están
en V’, entonces G’ se conoce como un subgrafo inducido de
G.

 En el grafo G = (V,A), donde V = {a,b,c,d} y A = {(a,b),(a,c),
(b,c),(b,d),(c,d)}, y uno de sus subgrafos inducidos G’
definido por el conjunto de vértices V’ = {a,b,c} y A’ = {(a,b),
(b,d)}.

 Un componente conexo de un grafo G es un subgrafo conexo
inducido maximal, es decir, un subgrafo conexo inducido que
por sí mismo no es un subgrafo propio de ningún otro
subgrafo conexo de G.
 El grafo no dirigido anterior es un grafo conexo que tiene sólo
un componente conexo, y es él mismo.
 El siguiente grafo no dirigido tiene dos componentes conexos.

 Un ciclo simple de un grafo G es un camino simple de
longitud mayor o igual a 3, que conecta un vértice consigo
mismo.
 No se consideran ciclos los caminos de la forma v (camino de
longitud 0), v,v (camino de longitud 1), o v,w,v (camino de
longitud 2).
 Un grafo cíclico contiene por lo menos un ciclo.
 Un grafo acíclico algunas veces se conoce como árbol libre.
 El grafo anterior muestra dos árboles libres.

 Los árboles libres tienen dos propiedades importantes:
 Todo árbol libre con n ≥ 1 vértices contiene exactamente n – 1
aristas.
 Si se agrega cualquier arista a un árbol libre, resulta un ciclo.

Representación de Grafos No Dirigidos
 Los métodos de representación de grafos dirigidos se pueden
emplear para representar los no dirigidos.
 Una arista no dirigida entre v y w se representa simplemente
con dos aristas dirigidas, una de v a w, y otra de w a v.
 Los métodos son:
 Una representación con matriz de adyacencia. Esta matriz es
simétrica.
 Una representación con matriz de adyacencia etiquetada.
Esta matriz es simétrica.
 Una representación con lista de adyacencia.

Representación de Grafos No Dirigidos (cont.)

Algoritmos de Grafos Dirigidos
 Algoritmos de determinación de los caminos más cortos:
 Algoritmo de Dijkstra.
 Algoritmo de Floyd-Warshall.
 Algoritmos de recorrido o búsqueda:
 Algoritmo de búsqueda en anchura.
 Algoritmo de búsqueda en profundidad.
 Bosques abarcadores.

Teoría de Grafos
Algoritmos de Grafos Dirigidos –
Algoritmo de Dijkstra
 El algoritmo de Dijkstra, también llamado algoritmo de
caminos mínimos, es un algoritmo para la determinación del
camino más corto dado un vértice origen al resto de vértices
en un grafo dirigido y con pesos en cada arco.
 Su nombre se refiere a Edsger Dijkstra, quien lo describió por
primera vez en 1959.

Teoría de Grafos
Algoritmo de Dijkstra (cont.)
 La idea subyacente en este algoritmo consiste en ir explorando
todos los caminos más cortos que parten del vértice origen y
que llevan a todos los demás vértices.
 Cuando se obtiene el camino más corto desde el vértice
origen, al resto de vértices que componen el grafo, el
algoritmo se detiene.
 El algoritmo es una especialización de la búsqueda de costo
uniforme, y como tal, no funciona en grafos con aristas de
costo negativo.

Teoría de Grafos
 Descripción detallada:
 Sea G=(V,A) un grafo dirigido y etiquetado.
 Sean los vértices a  V y z  V; a es el vértice de origen y z el
vértice de destino.
 Sea un conjunto C  V, que contiene los vértices de V cuyo
camino más corto desde a todavía no se conoce.
 Sea un vector D, con tantas dimensiones como elementos tiene
V, y que “guarda” las distancias entre a y cada uno de los
vértices de V.
 Sea, finalmente, otro vector, P, con las mismas dimensiones
que D, y que conserva la información sobre qué vértice
precede a cada uno de los vértices en el camino.
Teoría de Grafos
 El algoritmo para determinar el camino de longitud mínima
entre los vértices a y z es: C  V.
1. Para todo vértice i  C, i ≠ a, se establece Di  ∞ ; Da  0.
2. Para todo vértice i  C se establece Pi = a.
3. Se obtiene el vértice s  C tal que no existe otro vértice w ∈ C
tal que Dw < Ds.
 Si s = z entonces se ha terminado el algoritmo.
4. Se elimina de C el vértice s: C  C−{s}.

5. Para cada arista e ∈ A de longitud l, que une el vértice s con
algún otro vértice t ∈ C,
 Si l + D < D , entonces:
s t
 Se establece Dt  l + Ds.
 Se establece Pt  s.
6. Se regresa al paso 4.
Teoría de Grafos
 Al terminar este algoritmo, en Dz estará guardada la distancia
mínima entre a y z.
 Por otro lado, mediante el vector P se puede obtener el camino
mínimo: en Pz estará y, el vértice que precede a z en el camino
mínimo; en Py estará el que precede a y, y así sucesivamente,
hasta llegar a ESTADO DE ENLACE.
 Aplicación Web del algoritmo:
 http://neo.lcc.uma.es/evirtual/cdd/applets/distancia%20corta/E
xample2.html
.

Teoría de Grafos
 Ejemplo:
 Encontrar los caminos más cortos entre el vértice 1 y todos los
demás del siguiente grafo dirigido.

Iteración S w D[2] D[3] D[4] D[5]

Inicial {1} --- 10  30 100


Inicial {1} --- 10  30 100
1 {1,2} 2 10 60 30 100


Inicial {1} --- 10  30 100
1 {1,2} 2 10 60 30 100
2 {1,2,4} 4 10 50 30 90


Inicial {1} --- 10  30 100
1 {1,2} 2 10 60 30 100
2 {1,2,4} 4 10 50 30 90
3 {1,2,4,3} 3 10 50 30 60


Inicial {1} --- 10  30 100
1 {1,2} 2 10 60 30 100
2 {1,2,4} 4 10 50 30 90
3 {1,2,4,3} 3 10 50 30 60
4 {1,2,4,3,5} 5 10 50 30 60

 Pseudocódigo del algoritmo:

Teoría de Grafos
Algoritmo de Floyd
 El algoritmo de Floyd-Warshall intenta resolver el problema
de encontrar el camino más corto entre todos los pares de
nodos o vértices de un grafo.
 Esto es similar a construir una tabla con todas las distancias
mínimas entre pares de ciudades de un mapa, indicando la ruta
a seguir para ir de la primera ciudad a la segunda.

Teoría de Grafos
Algoritmo de Floyd (cont.)
 Esto puede verse de la siguiente manera:
 Sea G=(V,A) un grafo en el cual cada arco tiene asociado un
costo no negativo. El problema es hallar para cualquier par de
vértices (v,w) el camino más corto de v a w.
 G=(V,A), V={1,...,n} y C[i,j] es el costo del arco que va de i a j.
 El algoritmo calcula la serie de matrices
 Ak[i,j] significa el costo del camino más corto que va de i a j y

que no pasa por algún vértice mayor que k.
 El objetivo es calcular An[i,j].
Teoría de Grafos
 El algoritmo se modifica para agregar una matriz que guarde
los caminos más económicos entre los vértices.
 Al algoritmo se le agrega una matriz P, donde P[i,j] tiene el
vértice k que permitió encontrar el valor más pequeño de
A[i,j].
 Si P[i,j] = 0, e camino más corto de i a j es directo, siguiendo
el arco entre ambos.
 La versión modificada del algoritmo almacenará los vértices
intermedios apropiados en P.

Teoría de Grafos
 Ejemplo:
 Encontrar los caminos más cortos entre todos los vértices del
siguiente grafo dirigido.

1 12 2 33 44 5 5 1 2 3 5 4
1 0 10  30 100 1 0 0 0 00
2  0 50     0 
 2  0 0 00
3   0  10  3 0 0 0 00
   
4   20 0 60  4 0 0 0 00
5     0  5 0 0 0 0 0
A0[i,j] P
1 12 2 33
44 5 5 1 12 2 33
44 5 5 1 2 3 4 5
1 0 10  30 100 1 0 10  30 100 1 0 0 0 0 0
    0
2  0 50  2  0 50   2  0 0 0 0
3   0  10  3   0  10  3 0 0 0 0 0
     
4   20 0 60  4   20 0 60  4 0 0 0 0 0
5     0  5     0  5 0 0 0 0 0
A0[i,j] A1[i,j] P
1 12 2 33
44 5 5 1 12 2 33
44 5 5 1 2 3 4 5
1 0 10  30 100 1 0 10 60 30 100 1 0 0 2 0 0
    0
2  0 50  2  0 50   2  0 0 0 0
3   0  10  3   0  10  3 0 0 0 0 0
     
4   20 0 60  4   20 0 60  4 0 0 0 0 0
5     0  5     0  5 0 0 0 0 0
A1[i,j] A2[i,j] P
1 12 2 3
44 5 5 1 12 2 3 445 5 1 2 3 4 5
1 0 10 6030 100 1 0 10 60 30 70 1 0 0 2 0 3
    0
2  0 50  2  0 50  60 2  0 0 0 3
3   0  10  3   0  10  3 0 0 0 0 0
     
4   20 0 60  4   20 0 30 4 0 0 0 0 3
5     0  5     0  5 0 0 0 0 0
A2[i,j] A3[i,j] P
1 12 2 3 445 5 1 12 2 3 445 5 1 2 3 4 5
1 0 10 60 30 70 1 0 10 50 30 60 1 0 0 4 0 4
    0
2  0 50  60 2  0 50  60 2  0 0 0 3
3   0  10  3   0  10  3 0 0 0 0 0
     
4   20 0 30 4   20 0 30 4 0 0 0 0 3
5     0  5     0  5 0 0 0 0 0
A3[i,j] A4[i,j] P
1 12 2 3 445 5 1 12 2 3 445 5 1 2 3 4 5
1 0 10 50 30 60 1 0 10 50 30 60 1 0 0 4 0 4
 0 50  60  0 50  60 0
2  2  2  0 0 0 3
3   0  10  3   0  10  3 0 0 0 0 0
     
4   20 0 30 4   20 0 30 4 0 0 0 0 3
5     0  5     0  5 0 0 0 0 0
A4[i,j] A5[i,j] P
1 12 2 33 44 5 5 1 2 3 4 5
1 0 10 50 30 60 1 0 0 4 0 4
2  0 50  60  0 
 2  0 0 0 3
3   0  10  3 0 0 0 0 0
   
4   20 0 30 4 0 0 0 0 3
5     0  5 0 0 0 0 0
A P

Teoría de Grafos
 Pseudocódigo para imprimir los vértices intermedios del
vértice i hasta el vértice j:

Teoría de Grafos
 En algunos casos podría ser importante saber sólo si existe un
camino de longitud mayor o igual a 1 que vaya desde el
vértice i al vértice j.
 El algoritmo de Floyd puede especializarse para este
problema; el algoritmo resultante, que antecede al de Floyd, se
conoce como el algoritmo de Warshall.
 Con el algoritmo de Warshall se desea obtener la matriz A tal
que A[i,j] = 1 si hay un camino de longitud igual o mayor que
1, y 0 en caso contrario.
 Esta matriz A se conoce como cerradura transitiva de la
matriz de adyacencia.
Teoría de Grafos
Cerradura Transitiva
1 2 3 4 5
1 0 1 1 1 1
2 0 0 1 0 1

3 0 0 0 0 1
 
4 0 0 1 0 1
5 0 0 0 0 0
 Pseudocódigo del algoritmo de Warshall:

Teoría de Grafos
 El algoritmo de Floyd se utiliza, aparte de hallar los caminos
más cortos entre todos los vértices, para determinar el vértice
más central de un grafo dirigido.
 Para encontrar el centro de un grafo dirigido G se necesita:
 La excentricidad de v, la cual es el valor máximo de las
longitudes de los caminos más cortos de w a v.
 Después de encontrar la excentricidad de cada vértice, se
obtiene el centro de G, el cual es el vértice de mínima
excentricidad.
 Así, el centro de un grafo dirigido es un vértice más cercano al
vértice más distante.
Teoría de Grafos
 Para encontrar el centro de un grafo dirigido G se hace lo
siguiente:
 Aplicar el algoritmo de Floyd para obtener la matriz de los
caminos más cortos entre todos los pares.
 Encontrar el costo máximo de cada columna i, esto da la
excentricidad del vértice i.
 Encontrar el vértice con excentricidad mínima, este es el centro
del grafo G.

Teoría de Grafos
1 12 2 33 445 5
1 0 10 50 30 60
2  0 50  60 

3   0  10 
 
4   20 0 30
5     0 
max     60
Algoritmo de Búsqueda en Anchura
 Búsqueda en anchura (BFS o Breadth-first search en inglés)
es un algoritmo para recorrer o buscar elementos en un grafo
(usado frecuentemente sobre árboles).
 Intuitivamente, se comienza en la raíz (eligiendo algún nodo
como elemento raíz en el caso de un grafo) y se exploran todos
los vecinos de este nodo.
 A continuación para cada uno de los vecinos se exploran sus
respectivos vecinos adyacentes, y así hasta que se recorra todo
el árbol.
 Su nombre se debe a que expande uniformemente la frontera
entre lo descubierto y lo no descubierto. Llega a los nodos de
distancia k, sólo tras haber llegado a todos los nodos a
distancia k-1.
Teoría de Grafos
Algoritmo de Búsqueda en Anchura (cont.)
 Formalmente, BFS es un algoritmo de búsqueda sin
información, que expande y examina todos los nodos de un
árbol sistemáticamente para buscar una solución.
 El algoritmo no usa ninguna estrategia heurística.
 El peso de los arcos para ejecutar BFS debe de ser de IGUAL
costo.
 Si las aristas tienen pesos negativos se aplica el algoritmo de
Bellman-Ford en alguna de sus dos versiones.

Teoría de Grafos
 Dado un vértice fuente s, se explora los vértices de G para
“descubrir” todos los vértices alcanzables desde s.
 Se busca desde s a todos los vértices alcanzables.
 Después produce un árbol BF con raíz en s y que contiene a
todos los vértices alcanzables.
 El camino desde s a cada vértice en este recorrido contiene el
mínimo número de vértices. Es el camino más corto medido en
número de vértices.

Teoría de Grafos
 Durante un recorrido en anchura, cuando se recorren ciertos
arcos, llevan a vértices sin visitar.
 Los arcos que llevan a vértices nuevos se conocen como arcos
de árbol y forman un bosque abarcador en anchura para el
grafo dirigido dado.

Teoría de Grafos
 Además de los arcos de árbol, existen dos tipos de arcos
definidos por una búsqueda en anchura de un grafo dirigido,
que se conocen como:
 Arco de retroceso: Es el arco que va de un vértice a uno de
sus antecesores. Un arco que va de un vértice hacia si mismo
se considera un arco de retroceso.
 Arco cruzado: Es el arco que va de un vértice a otro que no es
ni antecesor ni descendiente.

Teoría de Grafos
 Ejemplo:
 Realizar el recorrido en anchura (siga el orden alfabético) y
encontrar el bosque abarcador del siguiente grafo dirigido.



Teoría de Grafos
Algoritmo de Búsqueda en Profundidad
 Un recorrido en profundidad (en inglés DFS - Depth First
Search) es un algoritmo que permite recorrer todos los nodos
de un grafo o árbol de manera ordenada, pero no uniforme.
 Su funcionamiento consiste en ir expandiendo todos y cada
uno de los nodos que va localizando, de forma recurrente, en
un camino concreto.
 Cuando ya no quedan más nodos que visitar en dicho camino,
regresa, de modo que repite el mismo proceso con cada uno de
los hermanos del nodo ya procesado.

Teoría de Grafos
Algoritmo de Búsqueda en Profundidad (cont.)
 Arcos DF:
 Si en tiempo de descubrimiento de u tenemos el arco (u,v):
 i. Si el estado de v es NO_VISITADO, entonces (u,v) ∈ DF.
 ii. Si el estado de v es VISITADO, entonces (u,v) es un arco
hacia atrás.
 iii. Si el estado de v es TERMINADO, entonces (u,v) es un arco
de cruce o arco hacia delante. Será de cruce si d[v]<d[u]; y será
hacia delante si d[v]>d[v].

Teoría de Grafos
 Durante un recorrido en profundidad, cuando se recorren
ciertos arcos, llevan a vértices sin visitar.
 Los arcos que llevan a vértices nuevos se conocen como arcos
de árbol y forman un bosque abarcador en profundidad
para el grafo dirigido dado.

Teoría de Grafos
 Además de los arcos de árbol, existen tres tipos de arcos
definidos por una búsqueda en profundidad de un grafo
dirigido, que se conocen como:
 Arco de retroceso: Es el arco que va de un vértice a uno de
sus antecesores. Un arco que va de un vértice hacia si mismo
se considera un arco de retroceso.
 Arco de avance: Es el arco que va de un vértice a uno de sus
descendientes.
 Arco cruzado: Es el arco que va de un vértice a otro que no es
ni antecesor ni descendiente.

Teoría de Grafos
 Ejemplo:
 Realizar el recorrido en profundidad (siga el orden alfabético)
y encontrar el bosque abarcador del siguiente grafo dirigido.



Teoría de Grafos
Algoritmos de Grafos No Dirigidos
 Algoritmos de determinación de los caminos más cortos:
 Algoritmo del camino más corto.
 Algoritmos de árboles abarcadores de costo mínimo:
 Algoritmo de Prim.
 Algoritmo de Kruskal.
 Algoritmos de recorrido o búsqueda:
 Algoritmo de búsqueda en anchura.
 Algoritmo de búsqueda en profundidad.
 Bosques abarcadores.

Teoría de Grafos
Algoritmos de Grafos No Dirigidos –
Algoritmo del Camino Más Corto
 Este algoritmo busca el camino más corto entre dos vértices.
 Recibe como entrada el grafo no dirigido G, el vértice inicial
y el vértice final.
 El algoritmo es el siguiente:
1. D[a] = 0, si x ≠ a  D[x] = . Se tiene el conjunto de vértices
T.
2. Si z  T  terminar y D[z] es la distancia más corta entre a y
z.
3. Escoja v  T donde D[v] es el valor mínimo. T = T – {v}.
4. Si x  T y es adyacente a v  D[x] = min{D[x],D[v]+c(v,x)}.
5. Pase al paso 2.
Algoritmo del Camino Más Corto (cont.)
 Ejemplo:
 Encontrar el camino más corto entre los vértices a y h.

T  {a, b, c, d , e, f , g , h}
D[a]  0
D[b]  
D[c]  
D[d ]  
D[e]  
D[ f ]  
D[ g ]  
D[h]  
T  {b, c, d , e, f , g , h}
D[a]  0
D[b]  2
D[c]  
D[d ]  
D[e]  
D[ f ]  1
 D[b]  min{,0  2}  2 D[ g ]  
Adyacente a a 
 D[ f ]  min{,0  1}  1 D[h]  
T  {b, c, d , e, g , h}
D[a ]  0
D[b]  2
D[c]  
D[d ]  4
D[e]  
D[ f ]  1
 D[d ]  min{,1  3}  4 D[ g ]  6
Adyacente a f 
 D[ g ]  min{,1  5}  6 D[h]  
T  {c, d , e, g , h}
D[a ]  0
D[b]  2
D[c]  4
D[d ]  4
D[e]  6
D[ f ]  1
 D[c]  min{,2  2}  4
 D[ g ]  6
Adyacente a b  D[d ]  min{4,2  2}  4
 D[e]  min{,2  4}  6 D[h]  

T  {d , e, g , h}
D[a ]  0
D[b]  2
D[c]  4
D[d ]  4
D[e]  6
D[ f ]  1
 D[e]  min{6,4  3}  6 D[ g ]  6
Adyacente a c 
 D[h]  min{,4  1}  5 D[h]  5
T  {e, g , h}
D[a]  0
D[b]  2
D[c]  4
D[d ]  4
D[e]  6
D[ f ]  1
D[ g ]  6
Adyacente a d  D[e]  min{6,4  4}  6
D[h]  5
T  {e, g}
D[a ]  0
D[b]  2
D[c]  4
D[d ]  4
D[e]  6
D[ f ]  1
D[ g ]  6
Adyacente a h  D[ g ]  min{6,5  6}  6
D[h]  5
T  {e, g}
D[a ]  0
D[b]  2
D[c]  4
D[d ]  4
D[e]  6
D[ f ]  1
D[ g ]  6
D[h]  5
Árboles Abarcadores de Costo Mínimo
 Sea G = (V,A) un grafo conexo en donde cada arista (u,v) de A
tiene un costo asociado c(u,v).
 Un árbol abarcador de G es un árbol libre que conecta todos
los vértices de V, su costo es la suma de los costos de las
aristas del árbol.
 Se quiere obtener el árbol abarcador de costo mínimo para G.
 Una aplicación típica de los árboles abarcadores de costo
mínimo tiene lugar en el diseño de redes de comunicación.
 Un árbol abarcador de costo mínimo representa una red que
comunica todas las ciudades a un costo minimal.

Árboles Abarcadores de Costo Mínimo (cont.)
 Hay diferentes maneras de construir un árbol abarcador de
costo mínimo.
 Muchos métodos utilizan la propiedad AAM.
 Sea G = (V,A) un grafo conexo con una función de costo
definida en las aristas.
 Sea U algún subconjunto propio del conjunto de vértices V.
 Si (u,v) es una arista de costo mínimo tal que u  U y v  V-U,
existe un árbol abarcador de costo mínimo que incluye (u,v)
entre sus aristas.

Algoritmo de Prim
 El algoritmo de Prim es un algoritmo de la teoría de los
grafos para encontrar un árbol abarcador de costo mínimo en
un grafo conexo, no dirigido y cuyas aristas están etiquetadas.
 En otras palabras, el algoritmo encuentra un subconjunto de
aristas que forman un árbol con todos los vértices, donde el
peso total de todas las aristas en el árbol es el mínimo posible.
 Si el grafo no es conexo, entonces el algoritmo encontrará el
árbol abarcador de costo mínimo para uno de los componentes
conexos que forman dicho grafo no conexo.

Teoría de Grafos
Algoritmo de Prim (cont.)
 El algoritmo fue diseñado en 1930 por el matemático Vojtech
Jarnik y luego de manera independiente por el científico
computacional Robert C. Prim en 1957 y redescubierto por
Dijkstra en 1959.
 Por esta razón, el algoritmo es también conocido como
algoritmo DJP o algoritmo de Jarnik.

Teoría de Grafos
 El algoritmo comienza cuando se asigna a un conjunto U un
valor inicial (un vértice del grafo), en el cual “crece” un árbol
abarcador, arista por arista.
 En cada paso localiza la arista más corta (u,v) que conecta los
vértices, y después agrega u en U. Este paso se repite hasta
que U = V.
 Ejemplo en el Web:
 http://www.dma.fi.upm.es/java/matematicadiscreta/Kruskal%5
Fprim/applet.htm
.
 http://students.ceid.upatras.gr/~papagel/project/prim.htm.
 Ejemplo:
 Encontrar el árbol abarcador de costo mínimo del siguiente
grafo no dirigido utilizando el algoritmo de Prim.

12 3 4 5 6
Algoritmos de Grafos No Dirigidos – 1  6 1 5  
6   3  
Algoritmo de Prim (cont.) 2  5
3 1 5  5 6 4
 
4 5  5   2
5  3 6   6
 
6   4 2 6  
T v V U V-U
 --- {1,2,3,4,5,6} {1} {2,3,4,5,6}

12 3 4 5 6
6   3  
3 1 5  5 6 4
 
4 5  5   2
5  3 6   6
 
6   4 2 6  
T v V U V-U
 --- {1,2,3,4,5,6} {1} {2,3,4,5,6}
{(1,3)} 3 {1,2,3,4,5,6} {1,3} {2,4,5,6}

12 3 4 5 6
6   3  
3 1 5  5 6 4
 
4 5  5   2
5  3 6   6
 
6   4 2 6  
T v V U V-U
 --- {1,2,3,4,5,6} {1} {2,3,4,5,6}
{(1,3)} 3 {1,2,3,4,5,6} {1,3} {2,4,5,6}
{(1,3),(3,6)} 6 {1,2,3,4,5,6} {1,3,6} {2,4,5}

12 3 4 5 6
6   3  
3 1 5  5 6 4
 
4 5  5   2
5  3 6   6
 
6   4 2 6  
T v V U V-U
 --- {1,2,3,4,5,6} {1} {2,3,4,5,6}
{(1,3)} 3 {1,2,3,4,5,6} {1,3} {2,4,5,6}
{(1,3),(3,6)} 6 {1,2,3,4,5,6} {1,3,6} {2,4,5}
{(1,3),(3,6),(6,4)} 4 {1,2,3,4,5,6} {1,3,4,6} {2,5}

12 3 4 5 6
6   3  
3 1 5  5 6 4
 
4 5  5   2
5  3 6   6
 
6   4 2 6  
T v V U V-U
 --- {1,2,3,4,5,6} {1} {2,3,4,5,6}
{(1,3)} 3 {1,2,3,4,5,6} {1,3} {2,4,5,6}
{(1,3),(3,6)} 6 {1,2,3,4,5,6} {1,3,6} {2,4,5}
{(1,3),(3,6),(6,4)} 4 {1,2,3,4,5,6} {1,3,4,6} {2,5}
{(1,3),(3,6),(6,4),(3,2)} 2 {1,2,3,4,5,6} {1,2.3,4,6} {5}

12 3 4 5 6
6   3  
3 1 5  5 6 4
 
4 5  5   2
5  3 6   6
 
6   4 2 6  
T v V U V-U
 --- {1,2,3,4,5,6} {1} {2,3,4,5,6}
{(1,3)} 3 {1,2,3,4,5,6} {1,3} {2,4,5,6}
{(1,3),(3,6)} 6 {1,2,3,4,5,6} {1,3,6} {2,4,5}
{(1,3),(3,6),(6,4)} 4 {1,2,3,4,5,6} {1,3,4,6} {2,5}
{(1,3),(3,6),(6,4),(3,2)} 2 {1,2,3,4,5,6} {1,2.3,4,6} {5}
{(1,3),(3,6),(6,4),(3,2),(2,5)} 5 {1,2,3,4,5,6} {1,2,3,4,5,6} {}

12 3 4 5 6
6   3  
3 1 5  5 6 4
 
4 5  5   2
5  3 6   6
 
6   4 2 6  
T v V U V-U
 --- {1,2,3,4,5,6} {1} {2,3,4,5,6}
{(1,3)} 3 {1,2,3,4,5,6} {1,3} {2,4,5,6}
{(1,3),(3,6)} 6 {1,2,3,4,5,6} {1,3,6} {2,4,5}
{(1,3),(3,6),(6,4)} 4 {1,2,3,4,5,6} {1,3,4,6} {2,5}
{(1,3),(3,6),(6,4),(3,2)} 2 {1,2,3,4,5,6} {1,2.3,4,6} {5}
{(1,3),(3,6),(6,4),(3,2),(2,5)} 5 {1,2,3,4,5,6} {1,2,3,4,5,6} {}

U  {1} U  {1,3} U  {1,3,6}
V  U  {2,3,4,5,6} V  U  {2,4,5,6} V  U  {2,4,5}
1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6
M [1] *  M [2] * *  M [3] * * *
D[1] 0 6 1 5    D[2] 0 5 1 5 6 4 D[3] 0 5 1 2 6 4
P[1] 0 1 1 1 1 1  P[2] 0 3 1 1 3 3 P[3] 0 3 1 6 3 3
U  {1,3,4,6} U  {1,2,3,4,6} U  {1,2,3,4,5,6}
V  U  {2,5} V  U  {5} V  U  {}
1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6
M [4] * * * * M [5] * * * * * M [6] * * * * * *
D[4] 0 5 1 2 6 4 D[5] 0
 5 1 2 3 4 D[6] 0
 5 1 2 3 4
P[4] 0 3 1 6 3 3 P[5] 0 3 1 6 2 3 P[6] 0 3 1 6 2 3

Algoritmo de Kruskal (cont.)
 El algoritmo de Kruskal es un algoritmo de la teoría de
grafos para encontrar un árbol abarcador de costo mínimo en
un grafo conexo y ponderado.
 Es decir, busca un subconjunto de aristas que, formando un
árbol, incluyen todos los vértices y donde el valor total de
todas las aristas del árbol es el mínimo.
 Si el grafo no es conexo, entonces busca un bosque abarcador
de costo mínimo (un árbol abarcador de costo mínimo para
cada componente conexa).
 Este algoritmo fue escrito por Joseph Kruskal.

Teoría de Grafos
 Funciona de la siguiente manera:
 Se crea un bosque B (un conjunto de árboles), donde cada
vértice del grafo es un árbol separado.
 Se crea un conjunto C que contenga a todas las aristas del
grafo.
 Mientras C es sea vacío:
 Eliminar una arista de peso mínimo de C.
 Si esa arista conecta dos árboles diferentes se añade al bosque,
combinando los dos árboles en un solo árbol.
 En caso contrario, se desecha la arista.

 Al acabar el algoritmo, el bosque tiene una sola componente,
la cual forma un árbol abarcador de costo mínimo del grafo.
 Ejemplo en el Web:
 http://students.ceid.upatras.gr/~papagel/project/kruskal.htm.

 Ejemplo:
 Encontrar el árbol abarcador de costo mínimo del siguiente
grafo no dirigido utilizando el algoritmo de Kruskal.

Costo Aristas
1 (1,3)
2 (4,6)
3 (2,5)
4 (3,6)
5 (1,4) – (2,3) – (3,4)
6 (3,5) – (5,6)

Costo Aristas
1 (1,3)
2 (4,6)
3 (2,5)
4 (3,6)
5 (1,4) – (2,3) – (3,4)
6 (3,5) – (5,6)


Algoritmo de Búsqueda en Anchura
 Búsqueda en anchura (BFS o Breadth-first search en inglés)
es un algoritmo para recorrer o buscar elementos en un grafo
(usado frecuentemente sobre árboles).
 Intuitivamente, se comienza en la raíz (eligiendo algún nodo
como elemento raíz en el caso de un grafo) y se exploran todos
los vecinos de este nodo.
 A continuación para cada uno de los vecinos se exploran sus
respectivos vecinos adyacentes, y así hasta que se recorra todo
el árbol.
 Su nombre se debe a que expande uniformemente la frontera
entre lo descubierto y lo no descubierto. Llega a los nodos de
distancia k, sólo tras haber llegado a todos los nodos a
distancia k-1.
Teoría de Grafos
 Formalmente, BFS es un algoritmo de búsqueda sin
información, que expande y examina todos los nodos de un
árbol sistemáticamente para buscar una solución.
 El algoritmo no usa ninguna estrategia heurística.
 El peso de las aristas para ejecutar BFS debe de ser de IGUAL
costo.
 Si las aristas tienen pesos negativos se aplica el algoritmo de
Bellman-Ford en alguna de sus dos versiones.

Teoría de Grafos
 Durante un recorrido en anchura, cuando se recorren ciertas
aristas, llevan a vértices sin visitar.
 Las aristas que llevan a vértices nuevos se conocen como
aristas de árbol y forman un bosque abarcador en anchura
para el grafo no dirigido dado.
 Además, existen un tipo de arista definido por una búsqueda
en profundidad de un grafo no dirigido, que se conocen como:
 Aristas cruzadas: Es la arista que existe entre un vértice a
otro, pero que se llama de manera indirecta, pero el vértice no
es antecesor del otro.

Teoría de Grafos
 Ejemplo:
 Realizar el recorrido en anchura (siga el orden alfabético) y
encontrar el bosque abarcador del siguiente grafo no dirigido.



Teoría de Grafos
Algoritmo de Búsqueda en Profundidad
 Un recorrido en profundidad (en inglés DFS - Depth First
Search) es un algoritmo que permite recorrer todos los nodos
de un grafo o árbol de manera ordenada, pero no uniforme.
 Su funcionamiento consiste en ir expandiendo todos y cada
uno de los nodos que va localizando, de forma recurrente, en
un camino concreto.
 Cuando ya no quedan más nodos que visitar en dicho camino,
regresa, de modo que repite el mismo proceso con cada uno de
los hermanos del nodo ya procesado.

Teoría de Grafos
 Durante un recorrido en profundidad, cuando se recorren
ciertas aristas, llevan a vértices sin visitar.
 Los arcos que llevan a vértices nuevos se conocen como
aristas de árbol y forman un bosque abarcador en
profundidad para el grafo no dirigido dado.
 Además, existen un tipo de arista definido por una búsqueda
en profundidad de un grafo no dirigido, que se conocen como:
 Aristas de retroceso: Es la arista que existe entre un vértice a
otro, pero que se llama de manera indirecta, que es su
antecesor.

Teoría de Grafos
 Ejemplo:
 Realizar el recorrido en profundidad (siga el orden alfabético)
y encontrar el bosque abarcador del siguiente grafo dirigido.



Teoría de Grafos
Referencias Bibliográficas
 Aho, Hopcroft & Ullman. “Estructuras de Datos y
Algoritmos”. Pearson – Addison Wesley Longman, Primera
Edición, 1998.
 Wikipedia. URL: http://es.wikipedia.org.


GRAFOS

Cargado por

Copyright:

Formatos disponibles

GRAFOS

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

GRAFOS

Cargado por

Copyright:

Formatos disponibles

Teoría de Grafos

 Se dice que el arco v → w va de v a w, y que w es adyacente a

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

4. Se elimina de C el vértice s: C  C−{s}.

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

Iteración S w D[2] D[3] D[4] D[5]

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

Iteración S w D[2] D[3] D[4] D[5]

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

Iteración S w D[2] D[3] D[4] D[5]

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

Iteración S w D[2] D[3] D[4] D[5]

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

Iteración S w D[2] D[3] D[4] D[5]

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

 Ak[i,j] significa el costo del camino más corto que va de i a j y

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II

UCR-ECCI CI-1204 Estructuras Discretas Aplicadas II