Cours Complexité Logiciel

Algorithmique Avance et Complexit
Cours du Master Rseaux et Systmes Distribus 1re anne
Dr Amar ISLI
Dpartement dInformatique
Facult dElectronique et dInformatique
Universit des Sciences et de la Technologie Houari Boumedine
BP 32, El-Alia, Bab Ezzouar
DZ-16111 ALGER
Nouvelle page :
http://www.usthb.dz/perso/info/aisli
Ancienne page :
http://www.usthb.dz/fei-deptinfo/perso/aisli/amarisli.htm
06/01/2011
Master1RSD->Algorithmique
Avance et Complexit
CHAPITRE I
Introduction
Problme et instance dun problme
Dfinition dun problme
Un problme est une description abstraite

laquelle est associe une question
ncessitant une rponse.
06/01/2011
Avance et Complexit
CHAPITRE I
Introduction
Exemple :
le problme du voyageur de commerce

ou TSP (Traveling Salesman Problem)
Description : un graphe (non orient)

G=<V,E> dont les artes sont tiquetes par
des cots. Les nuds correspondent aux
villes visiter, et le cot dune arte peut,
par exemple, correspondre la distance
sparant les deux villes quelle relie
06/01/2011
Avance et Complexit
CHAPITRE I
Introduction
Exemple :
06/01/2011
le problme du voyageur de commerce

Question : calcul dun cycle (i1,,in,i1) de cot minimal,
partant dune ville i1 et visitant chacune des autres
villes exactement une fois avant de revenir la ville de
dpart i1.
Avance et Complexit
CHAPITRE I
Introduction
Instance dun problme
Une instance dun problme est une spcialisation du

problme obtenue en donnant une spcification exacte
des donnes
Exemple : une instance du TSP
G=<V,E> avec
06/01/2011
V={A,B,C,D}
E={(A,B),(A,C),(A,D),(B,C),(B,D),(C,D)}
c(A,B)=2; c(A,C)=3; c(A,D)=5; c(B,C)=3; c(B,D)=1;
c(C,D)=1
Avance et Complexit
CHAPITRE I
Introduction
Remarque
Un programme, qui est une implmentation dun

algorithme, est conu pour un problme donn
Une excution dun programme ncessite comme
entre une instance du problme associ ; en
sortie, lexcution fournit une rponse la
question associe au problme adapte
linstance en question
06/01/2011
Avance et Complexit
CHAPITRE I
Introduction
Taille dun problme
La taille dun problme est la taille de lespace
mmoire ncessaire sa reprsentation ; elle est
mesure en fonction des donnes du problme
Exemple : dans le cas du TSP, les donnes sont
06/01/2011
Le nombre de villes visiter

Le nombre dartes
Les cots des diffrentes artes
Avance et Complexit
CHAPITRE I
Introduction
Taille dun problme
Une instance du TSP peut, par exemple, tre

reprsente par une matrice nxn, n tant le
nombre de villes visiter
Les lments dune telle matrice seront les cots
des diffrentes artes
06/01/2011
La matrice est symtrique : les lments (i,j) et (j,i) sont gaux

La diagonale de la matrice est 0 : les lments (i,i) valent 0
Si deux villes i et j ne sont pas relies par une arte, les
lments (i,j) et (j,i) seront mis +
Avance et Complexit
CHAPITRE I
Introduction
Algorithme et complexit
Algorithme
Un algorithme est une suite finie
doprations lmentaires constituant
un schma de calcul ou de rsolution
dun problme
06/01/2011
Avance et Complexit
CHAPITRE I
Introduction
Algorithme et complexit
Complexit
06/01/2011
La complexit dun algorithme est la mesure du

nombre doprations lmentaires quil effectue
sur le problme pour lequel il a t conu
La complexit est mesure en fonction de la
taille du problme ; la taille tant elle-mme
mesure en fonction des donnes du problme
La complexit est par consquent mesure en
fonction des donnes du problme
Avance et Complexit
10
CHAPITRE I
Introduction
Complexit
Exemple :
dans le cas du TSP, la complexit va tre mesure
en fonction des donnes du problme, qui sont
06/01/2011
Le nombre de villes visiter

Le nombre dartes
Lespace ncessaire (en termes de bits par exemple)
pour la reprsentation du cot dune arte
Avance et Complexit
11
CHAPITRE I
Introduction
Complexit
Complexit au meilleur
Complexit en moyenne
Best-case complexity
Average-case complexity
Complexit au pire
06/01/2011
Worst-case complexity
Avance et Complexit
12
CHAPITRE I
Introduction
Notations de Landau
On ne mesure gnralement pas la

complexit exacte dun algorithme
On mesure son ordre de grandeur qui
reflte son comportement asymptotique,
cest-a-dire son comportement sur les
instances de grande taille
06/01/2011
Avance et Complexit
13
CHAPITRE I
Introduction
Notations de Landau
Besoin des notations asymptotiques de
Landau :
f=O(g) ssi il existe n0, il existe c0,

pour tout nn0, f(n)cxg(n)
f=W(g) ssi g=O(f)
f=o(g) ssi pour tout c0, il existe n0,
pour tout nn0, f(n)cxg(n)
f=Q(g) ssi f=O(g) et g=O(f)
06/01/2011
Avance et Complexit
14
CHAPITRE I
Introduction
Illustration
tri par insertion
06/01/2011
Entre : Un tableau de n nombres

Sortie : Le tableau tri par ordre croissant
Avance et Complexit
15
CHAPITRE I
Introduction
Illustration : tri par insertion
TRI-INSERTION{
Pour j=2 n{
cl= A[j]
i=j-1
Tant que i>0 et A[i]>cl{
A[i+1]=A[i]
i=i-1
}
A[i+1]=cl
}
}
06/01/2011
Avance et Complexit
16
CHAPITRE II
Conception dalgorithmes efficaces
A. Piles et files
Dfinition (pile) :
06/01/2011
Une pile est une structure de donnes

mettant en uvre le principe dernier entr
premier sorti
LIFO : Last In First Out
Avance et Complexit
17
CHAPITRE II
Une pile P peut tre implmente par un tableau, et elle est caractrise par :
Un sommet not sommet(P) indiquant lindice de llment le plus

rcemment insr dans la pile
Un caractre spcial, comme $, initialisant la pile
Une procdure EMPILER(P,x)
Une fonction DEPILER(P)
Une fonction boolenne PILE-VIDE(P) retournant VRAI si et seulement

si P est vide
PILE-VIDE(P){
Si sommet(P)=$
alors retourner VRAI
sinon retourner FAUX
}
06/01/2011
Avance et Complexit
18
CHAPITRE II
EMPILER(P,x){
Si sommet(P)=longueur(P)
alors erreur (dbordement positif)
sinon{
sommet(P)=sommet(P)+1
P[sommet(P)]=x
}
}
DEPILER(P){
Si PILE-VIDE(P)
alors erreur (dbordement ngatif)
sinon{
sommet(P)=sommet(P)-1
retourner P[sommet(P)+1]
}
}
06/01/2011
Avance et Complexit
19
CHAPITRE II
A. Piles et files
Dfinition (file) :
06/01/2011
Une file est une structure de donnes mettant

en uvre le principe premier entr premier
sorti
FIFO : First In First Out
Avance et Complexit
20
CHAPITRE II
Une file F peut tre implmente par un tableau, et elle est caractrise par :
Un pointeur tte(F) qui pointe vers la tte de la file (llment le plus

anciennement insr)
Un pointeur queue(F) qui pointe vers la premire place libre, o se fera

la prochaine insertion ventuelle dun lment
Initialement : tte(F)=NIL et queue(F)=1
06/01/2011
Avance et Complexit
21
CHAPITRE II
FILE-VIDE(F){
si tte(F)=NIL
alors retourner VRAI
sinon retourner FAUX
}
INSERTION(F,x){
si [tte(F)NIL et queue(F)=tte(F)]
alors erreur (dbordement positif)
sinon{
F[queue(F)]=x
queue(F)=[queue(F)+1](modulo n)
si[tte(F)=NIL] alors tte(F)=1
}
}
06/01/2011
Avance et Complexit
22
CHAPITRE II
SUPPRESSION(F){
si FILE-VIDE(F)
alors erreur (dbordement ngatif)
sinon{
temp=F(tte(F));
tte(F)=[tte(F)+1](modulo n);
si[tte(F)=queue(F)]{
tte(F)=NIL ;
queue(F)=1;
}
retourner temp;
}
}
06/01/2011
Avance et Complexit
23
CHAPITRE II
A. Piles et files
EXEMPLES
06/01/2011
Pile dexcution
Automate pile : ancbn
Simulation de la file dattente dun magasin
Avance et Complexit
24
CHAPITRE II
B. Listes chanes
Dfinition (liste chane) :
Une liste chane est une structure de donnes dont les lments sont
arrangs linairement, lordre linaire tant donn par des pointeurs sur les
lments
Un lment dune liste chane est un enregistrement contenant un champ

cl, un champ successeur consistant en un pointeur sur llment suivant
dans la liste
Si le champ successeur dun lment vaut NIL, llment est le dernier

lment de la liste, appel galement queue de la liste
Un pointeur TETE(L) est associ une liste chane L : il pointe sur le

premier lment de la liste
Si une liste chane L est telle que TETE(L)=NIL alors la liste est vide
06/01/2011
Avance et Complexit
25
CHAPITRE II
B. Listes chanes
Exemple
Liste chane contenant initialement 20, 7 et 10
INSERTION(30)
SUPPRESSION(7)
Liste doublement chane

Liste chane trie
Liste chane circulaire (anneau)
06/01/2011
Avance et Complexit
26
CHAPITRE II
B. Listes chanes
Algorithmes de manipulation de listes simplement

chanes
RECHERCHE-LISTE(L,k){
x=TETE(L);
tant que(x!=NIL et cl(x)!=k)x=successeur(x);
retourner x;
}
INSERTION-LISTE(L,X){
successeur(x)=TETE(L);
TETE(L)=x;
}
06/01/2011
Avance et Complexit
27
CHAPITRE II
B. Listes chanes
Algorithmes de manipulation de listes simplement

chanes
SUPPRESSION-LISTE(L,X){
Si x=TETE(L) alors TETE(L)=successeur(x)
sinon{
y=TETE(L);
tant que successeur(y)<>x faire y=successeur(y);
successeur(y)=successeur(x);
}
}
06/01/2011
Avance et Complexit
28
CHAPITRE II
C. Graphes
Graphe orient : couple (S,A), S ensemble fini (sommets) et A relation

binaire sur S (arcs)
06/01/2011
Boucle (arc reliant un sommet lui-mme)

Un arc (u,v) part du sommet u et arrive au sommet v
Degr sortant dun sommet : nombre darcs en partant
Degr entrant dun sommet : nombre darcs y arrivant
Degr=degr sortant+degr entrant
Chemin de degr k dun sommet u un sommet v : (u0,u1,,uk) u=u0 et v=uk
Chemin lmentaire
Circuit et circuit lmentaire
Graphe fortement connexe : tout sommet est accessible partir de tout autre sommet (par un
chemin)
Composantes fortement connexes dun graphe : classes dquivalence de la relation dfinie
comme suit sur lensemble des sommets : R(s1,s2) si et seulement si il existe un chemin de s1
vers s2 et un chemin de s2 vers s1
Avance et Complexit
29
CHAPITRE II
C. Graphes
Graphe non orient :
06/01/2011
artes
Boucles interdites
Une arte (u,v) est incidente aux sommets u et v
Degr dun sommet : nombre dartes qui lui sont incidentes
Chane et chane lmentaire
Cycle et cycle lmentaire
Graphe acyclique
Graphe connexe : chaque paire de sommets est relie par une chane
Composantes connexes dun graphe : classes dquivalence de la relation dfinie comme suit
sur lensemble des sommets : R(s1,s2) si et seulement si il existe une chane de s1 vers s2
Avance et Complexit
30
CHAPITRE II
D. Arbres
Fort :
graphe non orient acyclique
Arbre :
graphe non orient acyclique connexe (fort connexe)
06/01/2011
Avance et Complexit
31
CHAPITRE II
D. Arbres
G=(S,A) graphe non orient :

G arbre
G connexe et |A|=|S|-1
G acyclique et |A|=|S|-1
Deux sommets quelconques sont relis par
une une unique chane lmentaire
06/01/2011
Avance et Complexit
32
CHAPITRE II
D. Arbres
Arbre enracin (rooted tree) :
un sommet se distingue des autres (la racine de larbre)

La racine dun arbre enracin impose un sens de parcours de
larbre
Pour un arbre enracin : sommets ou nuds
Anctre, pre, fils, descendant
Lunique nud sans pre : la racine
Nuds sans fils : nuds externes ou feuilles
06/01/2011
Avance et Complexit
33
CHAPITRE II
D. Arbres
Nuds avec fils : nuds internes

Sous-arbre de racine x : larbre compos des
descendants de x, enracin en x
Degr dun nud : nombre de fils
Profondeur dun nud x : longueur du chemin entre
la racine et le nud
Hauteur dun arbre
Arbre ordonn
06/01/2011
Avance et Complexit
34
CHAPITRE II
D. Arbres
Arbre binaire (description rcursive) :
Ne contient aucun nud (arbre vide)

Est form de trois ensembles disjoints de nuds : la racine ;
le sous-arbre gauche (arbre binaire) ; le sous-arbre droit
(arbre binaire)
Un arbre binaire est plus quun arbre ordonn

Arbre binaire complet
Arbre n-aire : degr dun nudn
06/01/2011
Avance et Complexit
35
CHAPITRE II
D. Arbres
Parcours dun arbre ordonn
Parcours en profondeur dabord
06/01/2011
Descendre le plus profondment possible dans larbre

Une fois une feuille atteinte, remonter pour explorer les
branches non encore explores, en commenant par la
branche la plus basse
Les fils dun nud sont parcourus suivant lordre dfini
sur larbre
Avance et Complexit
36
CHAPITRE II
D. Arbres
PP(A){
Si Arbre(A) nest pas rduit larbre vide{
Pour tous les fils u de racine(A) faire dans lordre
PP(u)
}
}
06/01/2011
Avance et Complexit
37
CHAPITRE II
D. Arbres
Arbre binaire
06/01/2011
Structure de donnes rcursive permettant

reprsentation
Type arbre-b{
valeur : entier;
sa-gauche : pointeur sur type arbre-b;
sa-droit : pointeur sur type arbre-b;
}
Avance et Complexit
sa
38
CHAPITRE II
D. Arbres
Arbre binaire
Dclarer une variable pointeur sur type arbre-b,

qui va tre la racine de larbre :
Variable racine : pointeur sur type arbre-b;
06/01/2011
Avance et Complexit
39
CHAPITRE II
D. Arbres
Parcours en profondeur dabord dun arbre ordonn

Arbre binaire
PP(A){
Si ANIL{
PP(A.sa-gauche);
PP(A.sa-droit);
}
}
06/01/2011
Avance et Complexit
40
CHAPITRE II
D. Arbres

Arbre binaire
Prfixe(A){
Si ANIL{
Afficher(A.valeur);
Prfixe(A.sa-gauche);
Prfixe(A.sa-droit);
}
}
06/01/2011
Avance et Complexit
41
CHAPITRE II
D. Arbres

Arbre binaire
Infixe(A){
Si ANIL{
Infixe(A.sa-gauche);
Afficher(A.valeur);
Infixe(A.sa-droit);
}
}
06/01/2011
Avance et Complexit
42
CHAPITRE II
D. Arbres

Arbre binaire
Postfixe(A){
Si ANIL{
Postfixe(A.sa-gauche);
Postfixe(A.sa-droit);
Afficher(A.valeur);
}
}
06/01/2011
Avance et Complexit
43
CHAPITRE II
D. Arbres

Exemple
Utilisation dun arbre binaire pour le tri dun tableau par

ordre croissant : 50; 40; 45; 60; 30; 55; 44; 100
06/01/2011
A gauche si ; droite sinon

Parcours infixe de larbre pour laffichage du rsultat du tri
Avance et Complexit
44
CHAPITRE II
D. Arbres
Parcours en largeur dabord
06/01/2011
Visiter tous les nuds de profondeur i avant de

passer la visite des nuds de profondeur i+1
Utilisation dune file
Avance et Complexit
45
CHAPITRE II
D. Arbres
Parcours en largeur dabord
PL(A){
Si ANIL{
F=racine(A);
Tant que (non FILE-VIDE(F)){
u=SUPPRESSION(F);
//visiter le noeud
Pour tous les fils v de u (dans lordre) faire
INSERTION(F,v); //faire attendre le noeud
}
}
}
06/01/2011
Avance et Complexit
46
CHAPITRE II
E. Parcours dun graphe
Initialement, tous les sommets sont blancs

Lorsquun sommet est rencontr pour la
premire fois, il est colori en gris
Lorsque tous les successeurs dun sommet,
dans lordre de parcours, ont t visits, le
sommet est colori en noir
06/01/2011
Avance et Complexit
47
CHAPITRE II

PP(G){
Pour chaque sommet u de G{
couleur[u]=BLANC;
}
Tant que G a des sommets blancs{
prendre un sommet blanc u;
VISITER-PP(G,u,couleur);
}
}
VISITER-PP(G,s,couleur){
couleur[s]=GRIS;
Pour chaque voisin v de s{si couleur[v]=BLANC{VISITER-PP(G,v,couleur);}}
couleur[s]=NOIR;
}
06/01/2011
Avance et Complexit
48
CHAPITRE II
Parcours en largeur dabord dun graphe

PL(G,s){
couleur[s]=GRIS;
Pour chaque sommet us de G{couleur[u]=BLANC;}
F={s};
Tant que FF{
u=SUPPRESSION(F);
Tant que u a des voisins blancs{
prendre un voisin blanc v de u;
couleur[v]=GRIS;
INSERTION(F,v);
}
couleur[u]=NOIR;
}
}
06/01/2011
Avance et Complexit
49
CHAPITRE II
F. Itrativit versus rcursivit
Rcursivit simple
La fonction puissance :
1
si n=0
x*xn-1
sinon
Xn =
Rcursivit multiple
Relation de Pascal donnant les combinaisons C(n,p) :

1
si p=0 ou p=n
C(n-1,p)+C(n-1,p-1)
sinon
C(n,p)=
06/01/2011
Avance et Complexit
50
CHAPITRE II
Rcursivit mutuelle
VRAI
si n=0
Pair(n)=
impair(n-1) sinon
FAUX
si n=0
impair(n)=
pair(n-1)
sinon
Rcursivit imbrique (la fonction dAckermann)

A(m,n)=
06/01/2011
n+1
A(m-1,1)
A(m-1,A(m,n-1))
si m=0
si m>0 et n=0
sinon
Avance et Complexit
51
CHAPITRE II
Exemple : les tours de Hano
Trois tiges A, B et C sur lesquelles sont enfils des

disques de diamtres tous diffrents
On peut dplacer un seul disque la fois
Il est interdit de poser un disque sur un autre
disque plus petit
Initialement, tous les disques sont sur la tige A
A la fin, tous sont sur la tige C
06/01/2011
Avance et Complexit
52
CHAPITRE II

HANOI(n,x,y,z){//x, y et z : dpart, intermdiaire, destination
si n=1 alors dplacer topx vers z
sinon{ HANOI(n-1,x,z,y);
dplacer topx vers z;
HANOI(n-1,y,x,z);
}
fin-si
}
06/01/2011
Avance et Complexit
53
CHAPITRE II
Complexit de lalgorithme en nombre de dplacements de disques :

1
si n=1
h(n) =
h(n-1)+1+h(n-1)
sinon
h(n)
si n=1
1+2xh(n-1)
sinon
h(n)=2n-1
h(n)=O(2n)=Q(2n)
Complexit exponentielle
06/01/2011
Avance et Complexit
54
CHAPITRE II
Il est toujours possible de drcursiver un algorithme (rcursif),

cest--dire de transformer un algorithme rcursif en un
algorithme itratif quivalent
06/01/2011
Avance et Complexit
55
CHAPITRE II
G. Technique diviser pour rgner
Diviser le problme rsoudre en un certain nombre

de sous-problmes (plus petits)
Rgner sur les sous-problmes en les rsolvant
rcursivement :
Si un sous-problme est lmentaire (indcomposable), le

rsoudre directement
Sinon, le diviser son tour en sous-problmes
Combiner les solutions des sous-problmes pour

construire une solution du problme initial
06/01/2011
Avance et Complexit
56
CHAPITRE II
Tri par fusion dun tableau

TRI-FUSION(A,p,r){
si p<r{
q=(p+r)/2;
TRI-FUSION(A,p,q);
TRI-FUSION(A,q+1,r);
FUSIONNER(A,p,q,r);
}
06/01/2011
Avance et Complexit
57
CHAPITRE II
Tri par fusion dun tableau
FUSIONNER(A,p,q,r){
i=p;j=q+1;k=1;
tant que iq et jr{
si A[i]<A[j]
alors{C[k]=A[i];i=i+1;}
sinon{C[k]=A[j];j=j+1;}fsi
k=k+1;
}
tant que iq{C[k]=A[i];i=i+1;k=k+1;}
tant que jr{C[k]=A[j];j=j+1;k=k+1;}
Pour k=1 r-p+1{A[p+k-1]=C[k];}
}
06/01/2011
Avance et Complexit
58
CHAPITRE II
Tri par fusion dun tableau : complexit
Q(1) si n=1
T(n)=
2T(n/2)+ Q(n) sinon
T(n)=Q(n log n)
06/01/2011
Avance et Complexit
59
CHAPITRE III
Structures de donnes avances
A. Arbres binaires de recherche
Dfinition : Un arbre binaire de recherche est un arbre binaire
tel que pour tout nud x :
Tous les nuds y du sous-arbre gauche de x vrifient
clef(y)clef(x)
Tous les nuds y du sous-arbre droit de x vrifient
clef(y)>clef(x)
06/01/2011
Avance et Complexit
60
CHAPITRE III
Proprit : le parcours (en profondeur dabord) infixe dun arbre
binaire de recherche permet laffichage des cls des nuds par
ordre croissant
Infixe(A){
Si ANIL{
Infixe(A.sa-gauche);
Afficher(A.clef);
Infixe(A.sa-droit);
}
}
06/01/2011
Avance et Complexit
61
CHAPITRE III
Recherche dun lment :
la fonction rechercher(A,k) ci-dessous retourne le pointeur sur un nud

dont la cl est k, si un tel nud existe
elle retourne le pointeur NIL sinon
rechercher(A,k){
si (A=NIL ou A.clef=k) retourner A
sinon
si (kA.clef) rechercher(A.sa-gauche,k)
sinon rechercher(A.sa-droit,k)
}
06/01/2011
Avance et Complexit
62
CHAPITRE III
Minimum :
la fonction minimum(A) retourne le pointeur NIL si larbre dont la

racine est pointe par A est vide
sinon, elle retourne le pointeur sur un nud contenant la cl
minimale de larbre
minimum(A){
si (A=NIL) retourner A
sinon{
x=A;
tant que (x.sa-gaucheNIL) x=x.sa-gauche;
retourner x;
}
}
06/01/2011
Avance et Complexit
63
CHAPITRE III
Maximum :
la fonction maximum(A) retourne le pointeur NIL si larbre dont la

racine est pointe par A est vide
sinon, elle retourne le pointeur sur un nud contenant la cl
maximale de larbre
maximum(A){
si (A=NIL) retourner A
sinon{
x=A;
tant que (x.sa-droitNIL) x=x.sa-droit;
retourner x;
}
}
06/01/2011
Avance et Complexit
64
CHAPITRE III
Insertion dun lment :
la fonction insertion(A,k) insre un nud de cl k dans larbre dont

la racine est pointe par A
Insertion(A,k){
crer nud z;z.clef=k;z.sa-gauche=NIL;z.sa-droit=NIL;
x=A;pre_de_x=NIL;
tant que (xNIL){
pre_de_x=x;
si (kx.clef) x=x.sa-gauche
sinon x=x.sa-droit
}
si (pre_de_x=NIL) A=z
sinon
si (kpre_de_x.clef) pre_de_x.sa-gauche=z
sinon pre_de_x.sa-droit=z
}
06/01/2011
Avance et Complexit
65
CHAPITRE III
Complexit des diffrentes fonctions :
rechercher(A,k), minimum(A), maximum(A), Insertion(A,k)
06/01/2011
Chacune des fonctions ncessite, dans le pire des cas, une et une seule
descente complte (sans retour arrire) dans larbre de recherche
En dautres termes, les nuds visits par chacune des fonctions sont
tous sur une unique branche allant de la racine vers une feuille
La complexit de chacune des fonctions est donc en O(h), h tant la
hauteur de larbre de recherche
Comme la hauteur est borne par n-1, la complexit est en O(n)
Avance et Complexit
66
CHAPITRE IV
NP-compltude
Problme
Description
Question
Instance dun problme
Une instance dun problme est une

spcialisation du problme obtenue en
donnant une spcification exacte des
donnes
06/01/2011
Avance et Complexit
67
CHAPITRE IV
NP-compltude
Le problme SAT
Description : une conjonction de m

clauses construites partir de n
propositions atomiques
Question : la conjonction est-elle
satisfiable ?
Instance du problme SAT
La conjonction pqprpqr
06/01/2011
Avance et Complexit
68
CHAPITRE IV
NP-compltude
Le problme PLUS-COURT-CHEMIN
Description : un graphe tiquet et deux sommets u et v

du graphe
Question : trouver le plus court chemin entre les sommets
u et v
Instance du problme PLUS-COURT-CHEMIN
Le graphe tiquet G=<V,E,c> avec
V={A,B,C,D}
E={(A,B),(A,C),(A,D),(B,C),(B,D),(C,D)}
c(A,B)=2; c(A,C)=3; c(A,D)=5; c(B,C)=3; c(B,D)=1; c(C,D)=1
Les sommets A et C
06/01/2011
Avance et Complexit
69
CHAPITRE IV
NP-compltude
Problme abstrait
A un problme donn, on associe un autre

problme appel problme abstrait
Un problme abstrait associ un problme P
est dfini comme suit :
Entre : une instance du problme P

Sortie :
06/01/2011
une ou plusieurs solutions de linstance, si solution il y a

Inexistence de solution sinon
Avance et Complexit
70
CHAPITRE IV
NP-compltude
Problme de dcision
06/01/2011
La thorie de la NP-compltude se restreint aux

problmes dits de dcision
Un problme de dcision est un problme dont
chaque instance admet une unique solution, OUI
ou NON
Avance et Complexit
71
CHAPITRE IV
NP-compltude
Le problme SAT est un problme de
dcision
Description : une conjonction de m clauses

construites partir de n propositions atomiques
Question : la conjonction est-elle satisfiable ?
Instance du problme SAT
La conjonction pqprpqr
06/01/2011
Avance et Complexit
72
CHAPITRE IV
NP-compltude
Le problme CHEMIN est un problme de dcision
Description : un graphe tiquet, deux sommets u et v du

graphe, et un entier k
Question : existe-t-il un chemin du graphe reliant u v, de
longueur infrieure ou gale k ?
Instance du problme de dcision CHEMIN
Le graphe tiquet G=<V,E,c> avec
V={A,B,C,D}
E={(A,B),(A,C),(A,D),(B,C),(B,D),(C,D)}
c(A,B)=2; c(A,C)=3; c(A,D)=5; c(B,C)=3; c(B,D)=1; c(C,D)=1
Les sommets A et C
Lentier k=2
06/01/2011
Avance et Complexit
73
CHAPITRE IV
NP-compltude
Problmes doptimisation
Un problme doptimisation nest gnralement pas un

problme de dcision
Un problme doptimisation admet gnralement plus dune

solution
Mais on peut toujours associer un problme de dcision

un problme doptimisation
Exemple :
06/01/2011
Le problme doptimisation PLUS-COURT-CHEMIN

Le problme de dcision associ est le problme CHEMIN
Avance et Complexit
74
CHAPITRE IV :
NP-compltude
Codage
Codage dun ensemble S dobjets abstraits
Application e de S dans lensemble des chanes binaires

Ou, de faon gnrale, application de S dans lensemble des chanes
dun alphabet fini
Exemple :
06/01/2011
Codage des entiers sous forme binaire
Un algorithme conu pour rsoudre un problme de

dcision P prend en entre un codage dune instance de P
Avance et Complexit
75
CHAPITRE IV
NP-compltude
Problme concret
Problme dont les instances forment lensemble des

chanes dun alphabet binaire
Un algorithme rsout un problme concret en O(f(n)) si,
pour une instance i de taille n, lalgorithme fournit la
solution en O(f(n))
En dautres termes, un algorithme rsout un problme
concret en O(f(n)) sil existe un entier n01 et une
constante c 0 tels que :
pour toute instance i de taille n n0, le nombre T(n) doprations

lmentaires ncessaires lalgorithme pour fournir la solution de
linstance est born par c*T(n) :
06/01/2011
T(n)c*f(n)
Avance et Complexit
76
CHAPITRE IV
NP-compltude
La classe de complexit P
06/01/2011
La classe de complexit P est lensemble des problmes

concrets de dcision qui sont rsolubles en un temps
polynomial
Un problme concret est rsoluble en un temps
polynomial sil existe un algorithme permettant de le
rsoudre en O(nk), pour une certaine constante k
Avance et Complexit
77
CHAPITRE IV
NP-compltude
Fonction calculable en temps polynomial
06/01/2011
Une fonction f:{0,1}*{0,1}* est calculable en temps

polynomial sil existe un algorithme polynomial la
calculant, cest--dire produisant f(x), pour tout x{0,1}*.
Deux codages e1 et e2 dfinis sur un mme ensemble S
sont relis polynomialement sil existe deux fonctions
calculables en temps polynomial, f12 et f21, telles que pour
tout sS, f12(e1(s))=e2(s) et f21(e2(s))=e1(s)
Avance et Complexit
78
CHAPITRE IV
NP-compltude
La classe de complexit NP
Algorithme de validation :
Considrons linstance suivante de SAT :
pqprpqr
Si on considre une instanciation (b1,b2,b3) du triplet (p,q,r) de
propositions atomiques, on peut facilement vrifier si oui ou non elle
satisfait linstance. Et si elle la satisfait, linstanciation peut tre vue
comme un certificat que linstance du problme SAT est satisfiable
Soit Q un problme concret de dcision. Un algorithme de validation
pour Q est un algorithme de dcision A deux arguments, une
instance du problme Q, et un certificat y. Lalgorithme A valide
linstance x si et seulement si il existe un certificat y tel que
A(x,y)=vrai :
06/01/2011
A valide une instance x de Q si et seulement si la solution de x est OUI
Avance et Complexit
79
CHAPITRE IV
NP-compltude
La classe de complexit NP
La classe de complexit NP est lensemble des problmes concrets de

dcision pour lesquels il existe un algorithme polynomial de validation
NP : Non-dterministe Polynomial
Rductibilit :
Soient Q1 et Q2 deux problmes concrets. Q1 est
rductible en temps polynomial Q2 (Q1PQ2) sil existe
une fonction calculable en temps polynomial
f:{0,1}*{0,1}* telle que pour tout x{0,1}*:
06/01/2011
La solution de linstance x de Q1 est OUI

si et seulement si
la solution de linstance f(x) de Q2 est OUI
Avance et Complexit
80
CHAPITRE IV
NP-compltude
Problme NP-complet
Un problme Q est NP-complet si
1.
2.
QNP
QNP, QPQ
On note NPC la classe des problmes NP-complets

Un problme concret qui vrifie la proprit 2 mais
pas ncessairement la proprit 1 est dit NPdifficile
06/01/2011
Avance et Complexit
81
CHAPITRE IV
NP-compltude
Exemples de problmes NP-complets
Le problme SAT
Le problme 3-SAT
CYCLE HAMILTONIEN :
VOYAGEUR DE COMMERCE :
Existence dans un graphe tiquet dun cycle hamiltonien de cot minimal
CLIQUE :
Existence dans un graphe dun cycle hamiltonien
Existence dans un graphe dune clique (sous-graphe complet) de taille k
3-COLORIAGE DUN GRAPHE :

PARTITION :
06/01/2011
Peut-on partitionner un ensemble dentiers en deux sous-ensembles de mme

somme ?
Avance et Complexit
82
CHAPITRE IV
NP-compltude
Preuve de NP-compltude
Comment dmontrer quun problme est NP-complet ?
Thorme
Si Q1 est un problme tel que Q2PQ1 pour un certain problme Q2NPC,

alors Q1 est NP-difficile
Si, de plus, Q1NP, alors Q1NPC.
06/01/2011
Avance et Complexit
83
CHAPITRE IV
NP-compltude
Mthode pour montrer la NP-compltude dun problme Q1
Prouver que Q1NP

Choisir un problme NP-complet Q2
Dcrire un algorithme polynomial capable de calculer une fonction f faisant
correspondre toute instance de Q2 une instance de Q1
Dmontrer que la fonction f satisfait la proprit :
Q2(x)=oui si et seulement si Q1(f(x)) = oui
Dmontrer que lalgorithme calculant f sexcute en temps polynomial
06/01/2011
Avance et Complexit
84
CHAPITRE IV
NP-compltude
Montrer que le problme de 3-coloriage dun graphe est NP-complet ?
06/01/2011
Avance et Complexit
85

Cours Complexité Logiciel

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Complexité Logiciel

Transféré par

Droits d'auteur :

Formats disponibles

Algorithmique Avance et Complexit

Cours du Master Rseaux et Systmes Distribus 1re anne

Dfinition dun problme

Un problme est une description abstraite

le problme du voyageur de commerce

Description : un graphe (non orient)

le problme du voyageur de commerce

Une instance dun problme est une spcialisation du

Exemple : une instance du TSP

Un programme, qui est une implmentation dun

Exemple : dans le cas du TSP, les donnes sont

Le nombre de villes visiter

Une instance du TSP peut, par exemple, tre

La matrice est symtrique : les lments (i,j) et (j,i) sont gaux

La complexit dun algorithme est la mesure du

Le nombre de villes visiter

On ne mesure gnralement pas la

f=O(g) ssi il existe n0, il existe c0,

tri par insertion

Entre : Un tableau de n nombres

Une pile est une structure de donnes

Un sommet not sommet(P) indiquant lindice de llment le plus

Un caractre spcial, comme $, initialisant la pile

Une procdure EMPILER(P,x)

Une fonction DEPILER(P)

Une fonction boolenne PILE-VIDE(P) retournant VRAI si et seulement

Une file est une structure de donnes mettant

Un pointeur tte(F) qui pointe vers la tte de la file (llment le plus

Un pointeur queue(F) qui pointe vers la premire place libre, o se fera

Initialement : tte(F)=NIL et queue(F)=1

Un lment dune liste chane est un enregistrement contenant un champ

Si le champ successeur dun lment vaut NIL, llment est le dernier

Un pointeur TETE(L) est associ une liste chane L : il pointe sur le

Liste chane contenant initialement 20, 7 et 10

Liste doublement chane

Algorithmes de manipulation de listes simplement

Algorithmes de manipulation de listes simplement

Graphe orient : couple (S,A), S ensemble fini (sommets) et A relation

Boucle (arc reliant un sommet lui-mme)

Graphe non orient :

graphe non orient acyclique

graphe non orient acyclique connexe (fort connexe)

G=(S,A) graphe non orient :

un sommet se distingue des autres (la racine de larbre)

Nuds avec fils : nuds internes

Arbre binaire (description rcursive) :

Ne contient aucun nud (arbre vide)

Un arbre binaire est plus quun arbre ordonn

Parcours en profondeur dabord

Descendre le plus profondment possible dans larbre

Parcours en profondeur dabord

Structure de donnes rcursive permettant

Dclarer une variable pointeur sur type arbre-b,

Variable racine : pointeur sur type arbre-b;

Parcours en profondeur dabord dun arbre ordonn

Parcours en profondeur dabord dun arbre ordonn

Parcours en profondeur dabord dun arbre ordonn

Parcours en profondeur dabord dun arbre ordonn

Parcours en profondeur dabord dun arbre ordonn

Utilisation dun arbre binaire pour le tri dun tableau par

A gauche si ; droite sinon

Parcours en largeur dabord

Visiter tous les nuds de profondeur i avant de

Une fonction f:{0,1}{0,1} est calculable en temps