Optimisation Graphe 23 24. Etudiants

Notions de base
Flot maximal
Optimisation des graphes
M. El Ossmani
ENSAM–Meknès
2023–2024
ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 1/97

Notions de base
Flot maximal
Problématique
Visiter la ville en passant une seule fois par chaque pont ?

Notions de base
Flot maximal
Les ponts de Königsberg
La question à l’origine de la théorie des graphes est due à

Euler, en 1736 : dans cette partie de la ville de Königsberg :
Peut-on, lors d’une promenade, revenir à notre point de

départ en empruntant une, et une seule fois, chaque pont ?
Le problème est décrit dans cette vidéo :
https://www.youtube.com/watch?v=aE3MtaDDk5U

Notions de base
Flot maximal
Les 7 ponts de Königsberg

La ville de Königsberg est construite autour de deux ı̂les situées sur le Pregel et
reliées entre elles par un pont. Six autres ponts relient les rives de la rivière à
l’une ou l’autre des deux ı̂les.
Le problème consiste à déterminer s’il existe ou non une promenade dans les
rues de Königsberg permettant, à partir d’un point de départ au choix, de passer
une et une seule fois par chaque pont, et de revenir à son point de départ.
Pour y répondre, Euler a introduit le graphe ci-dessus (les arcs symbolisent les
ponts ; les sommets, les quatre zones terrestres) :
Le problème de départ se ramène alors à la question suivante : peut-on trouver
un circuit permettant d’emprunter une, et une seule fois chaque arête, en
retournant à son point de départ ?
La réponse, dans ce cas particulier, est non.

Notions de base
Définitions
Flot maximal
Graphes non orientés
Définition (Graphe non orienté)

un graphe non orienté G = (S, A) est défini par :
un ensemble S fini de sommets.
un ensemble A d’arêtes, chaque arête connectant deux sommets (pas
nécessairement différents).
Une arête a = {x , y } est aussi notée (xy ). On dit que x et y sont adjacents.
Une arête a = {x , x } est une boucle reliant deux fois le même sommet x .
A B
n o
S= A, B, C , D, E
E n
A= {A, B}, {A, C }, {C , D}, {B, D},
o
{B, E }, {D, E }
C D
Un graphe non orienté, G1

Notions de base
Définitions
Flot maximal
Graphes orientés
Définition (Graphe orienté)

un graphe orienté G = (S, A) est défini par :
un ensemble S fini de sommets,
un ensemble A d’arcs, chaque arc ayant une origine et un but dans S.
Un arc a = (s, t) : t est un successeur de s et s est un antécédent de t.

Un arc s → s est une boucle. On appelle |S| l’ordre du graphe.
A B F n o
S= A, B, C , D, E F , G
E n
A= (A, B), (A, C ), (B, E ), (D, B),
o
G (C , D), (E , D), (F , G), (G, F )
C D
Un graphe orienté, G2

Notions de base
Définitions
Flot maximal
Graphes simples, degrés
Définition (Graphe simple)

Un graphe est dit simple s’il ne comporte aucune boucle et que deux
arêtes(arcs) ne relient jamais la même paire de sommets.
Définition (Degré)
Dans un graphe orienté, le degré sortant (resp. entrant) d’un
sommet s est le nombre de sommets qui sont successeurs (resp.
antécédents) de s. Le degré est la somme des degrés entrants et
sortants.
Dans un graphe non orienté, le degré de s est le nombre de
sommets adjacents à s.

Notions de base
Définitions
Flot maximal
Sous-graphe et graphe partiel

A B
Définition (Sous-graphe)
Soit un graphe G = (S, A), et S 0 ⊂ S,
le sous-graphe induit par S 0 est le
graphe (S 0 , A0 ) où
A0 = {(u, v ) ∈ A/u ∈ S 0 ∧ v ∈ S 0 }.
C D
Le sous-graphe de G2 induit par {A, B, C , D}
A B F
Définition (Graphe partiel)
Soit un graphe G = (S, A), et A0 ⊂ A, E
le graphe (S, A0 ) est un graphe partiel
de G.
C D G
Un graphe partiel de G2

Notions de base
Définitions
Flot maximal
Matrice et liste d’adjacence

Définition (Matrice d’adjacence)
La matrice d’adjacence A d’un graphe G = (S, A) d’ordre n est
une matrice n × n à coefficients dans {0, 1} où chaque ligne et
chaque colonne correspond à un sommet de G et où :
Aij = 1 ⇔ (i, j) ∈ A
Dans le cas non orienté, la matrice d’adjacence est symétrique.
Définition (Liste d’adjacence)

un tableau Adj de |S| listes, une pour chaque sommet.
pour chaque sommet u, la liste Adj[u] contient les (ou des
références aux) sommets v adjacents à u (tels qu’il existe un
arc/arête (u, v ) ∈ A).
Notions de base
Définitions
Flot maximal
Matrice d’adjacence
A B A B
C D C D
A B C D E
A B C D
A 0 1 1 0 0
 
A 0 1 1 0
 
 1 0 0 1 1 
B 
 0
B 0 0 0 

C 1 0 0 1 0 

C 0 0 0 1 
  
D 0 1 1 0 1 
 
D 0 1 0 0
ENSAM–Meknès M. El Ossmani
0 1 des0 graphes
E Optimisation 1 0 2023–2024 10/97
Notions de base
Définitions
Flot maximal
Liste d’adjacence
Non orienté Orienté
Sommet Adjacents Sommet Successeurs

A B A A, B
B B, A, C , D B D
C B, D, E C B, D
D B, C D C
E C E A

Notions de base
Définitions
Flot maximal
Graphe complet, planaire

Définition (Graphe complet)
Un graphe est complet s’il est simple et pour toute paire de sommets (u, v ) il
existe au moins un arc (arête) entre u et v .
Un graphe complet d’ordre n est noté Kn .
Le graphe complet non orienté K6
Définition (Graphe planaire)

C’est un graphe orienté ou non tel que les arrêtes ne se coupent pas.

Notions de base
Définitions
Flot maximal
Exercice 1. :
Dessiner un graphe non orienté complet d’ordre 4.
1. Quel est le degré des sommets de ce graphe ?
2. Combien d’arêtes possède-t-il ?
3. Généralisez ces résultats à un graphe simple complet ayant n sommets.
4. Ce graphe complet d’ordre 4 est-il planaire ?
1ère représentation
2ème représentation du même graphe

Notions de base
Définitions
Flot maximal
Propriété
n(n−1)
Un graphe (S, E ) non orienté complet d’ordre n possède 2
arrêtes.
Preuve :
Une arrête a = {si , sj }= combinaison de 2 sommets si , sj ∈ S.
Nombre de sommets est n.
Le graphe étant complet, donc chaque 2 sommets forme une arête.
n!
D’où le résultat : Cn2 = (n−2)!x 2!
.

Notions de base
Définitions
Flot maximal
Exemple : Énigme des 3 maisons

Notions de base
Définitions
Flot maximal
Lemme des poignées de main
Théorème
1 Graphe (S, A) non
orienté :
d(s) = 2 card(A)
X
s∈S
2 Graphe (S, A) orienté :
d + (s) = d − (s) = card(A)

X X
s∈S s∈S
Corollaire
Dans un graphe non orienté le nombre de sommets de degrés
impaires est pair.

Notions de base
Définitions
Flot maximal
Exemple
Exercice 2 :
On a 7 types de matières premières que l’on veut tester. La
procédure est la suivante :
On veut examiner le mélange de chaque paire de types de MP.
a) Est-il possible de tester chaque MP exactement 5 fois ?
b) 4 fois

Notions de base
Définitions
Flot maximal
Chaı̂nes et cycles
Définition (dans un graphe non orienté)

Une chaı̂ne dans un graphe non orienté = une succession d’arêtes qui permet
de relier deux sommets du graphe.
Le nombre d’arêtes qui composent une chaı̂ne = longueur de la chaı̂ne.
Une chaı̂ne fermée = chaı̂ne dont l’origine et l’extrémité coı̈ncident.
Un cycle = chaı̂ne fermée dont les arêtes sont toutes distinctes.
Simple : ne passe pas deux fois par la même arête.
Élémentaire : ne passe pas deux fois par le même sommet.
Exemple de chaı̂nes :
(C,D,B,B,A), (D,B,C,E), (E,C,D,B,C,D,B,A).
Resp. de longueurs 4, 3 et 7.
(C,B,D,A) et (B,E) ne sont pas des chaı̂nes.
Exemple de cycles :
(C,D,B,B,C), (D,B,A,B,C,E,C,D) cycles
(D,B,A,D) et (B,C,E,B) ne sont pas des cycles.

Notions de base
Définitions
Flot maximal
Chemins et circuits
Définition (dans un graphe orienté)

Un chemin dans un graphe orienté = succession d’arcs qui permet de se rendre
d’un sommet à un autre.
Un circuit dans un graphe orienté = un chemin dont l’extrémité initiale coı̈ncide
avec l’extrémité finale.
Simple : ne passe pas deux fois par le même arc.
Élémentaire : ne passe pas deux fois par le même sommet.
Exemple de chemins :
(A,B,D,C,B), (E,A,A,B), (D,C,D,C,B) resp.
de longueurs 4, 3 et 4.
(A,B,C,D,B) et (D,C,B,A) ne sont pas des
chemins.
Exemple de circuits :
(B,D,C,B), (D,C,B,D,C,D).
(B,C,D,B) et (A,B,D,C,B,A) ne sont pas des
circuits.

Notions de base
Définitions
Flot maximal
Simple et élémentaire
Graphe non orientée Graphe orientée
(E,C,D,B,C) est une chaı̂ne simple (E,A,B,D,C,B) est un chemin simple

(C,D,B,B,C) est un cycle simple. (B,D,C,B) est un circuit simple.
(A,B,D,C,E) est une chaı̂ne élémentaire (E,A,B,D,C) est un chemin élémentaire
(B,D,C,B) est un cycle élémentaire. (D,C,D) est un circuit élémentaire.

Notions de base
Définitions
Flot maximal
Théorème
Soit G=(V,E) un graphe non orienté (resp. orienté) et Ma sa matrice d’adjacence. Soit
p un entier non nul. Alors, le coefficient à l’intersection de la i-ème ligne et de la j-ème
colonne de Map est égal au nombre de chaı̂nes (resp. chemins) de longueur p, ayant
pour origine le i-ème sommet et pour extrémité le j-ème sommet.
1 Il y a 4 chaı̂nes de longueur 3 de B vers A :

(B,A,B,A), (B,C,B,A), (B,D,B,A) et (B,B,B,A).
2 Il y a 3 cycles de longueur 3 de D vers D :
(D,B,C,D), (D,C,B,D) et (D,B,B,D).

Notions de base
Définitions
Flot maximal
Graphes connexes
Définition (Connexité)
Soit G = (V , E ) un graphe orienté (ou non orienté).
On dit que G est connexe si pour tout couple {x , y } de sommets de G il existe une
chaı̂ne qui relie x et y .
Connexe Non connexe

Notions de base
Définitions
Flot maximal
Composantes connexes
Définition (composantes connexes)

Soit G = (V , E ) un graphe orienté (ou non orienté).
On peut décomposer G en sous-graphes induits dont chacun sera connexe. Ces
sous-graphes s’appellent les composantes connexes de G.
2 composantes connexes :
{a,b,c,d}
{e,f,g}

Notions de base
Définitions
Flot maximal
Exercice 3
Un réseau informatique est constitué de

7 ordinateurs O1 , O2 , . . ., O7 et une im-
primante I.
1 Si l’on retire le câble entre O4 et
I peut-on accéder à l’imprimante
à partir de n’importe quel
ordinateur ?
2 Même question si l’on retire le
câble entre O7 et I ?

Notions de base
Définitions
Flot maximal
Graphes eulériens
Le problème classique des 7 ponts de

Konigsberg
Posé et résolu par Euler (1707-1783)

dans un article en 1736

Notions de base
Définitions
Flot maximal
Königsberg est traversée par un fleuve, le Pregel qui délimite deux

ı̂les, et 7 ponts relient les rives et les ı̂les. Ils sont représentés en
vert
Problème
Peut-on parcourir la ville de
Königsberg en empruntant ces
7 ponts une et une seule
fois ?

Notions de base
Définitions
Flot maximal
On peut le modéliser par un

graphe non orienté : les som-
mets sont les rives B et C et
les ı̂les A et D les arêtes sont
les 7 ponts
La question devient :
Peut-on trouver une chaı̂ne
passant une et une seule fois
par toutes les arêtes de ce
graphe ?

Notions de base
Définitions
Flot maximal
Chaı̂ne Eulérienne
Définition
Soit G=(V,E) un graphe non orienté.
Une chaı̂ne eulérienne de G = chaı̂ne simple passant par toutes les arêtes de G
(càd une chaı̂ne passant une et une seule fois par toutes les arêtes de G).
Un cycle eulérien = chaı̂ne eulérienne ayant les mêmes extrémités.
Un graphe eulérien = graphe qui possède un cycle eulérien.
Remarque :
Un graphe admet une chaı̂ne ou un cycle eulérien ⇒ le graphe est connexe.
Un graphe admet un cycle eulérien ⇒ chacun de ses sommets a un degré pair.
Théorème
Soit G=(V,E) un graphe non orienté connexe.
Le graphe G admet un cycle eulérien si et seulement si tous ses sommets ont
un degré pair.
Le graphe G admet une chaı̂ne eulérienne qui n’est pas un cycle si et seulement
si tous ses sommets ont un degré pair sauf exactement deux d’entre eux.
Ces deux sommets particuliers seront les extrémités de cette chaı̂ne.

Notions de base
Définitions
Flot maximal
Le problème des 7 ponts de Königsberg
Les 4 sommets de ce
graphe ont des degrés
impairs
Il n’existe donc ni cycle
eulérien, ni chaı̂ne
eulérienne.
Le problème des ponts de
Königsberg n’a donc pas
de solution.

Notions de base
Définitions
Flot maximal
Algorithme de détermination d’un cycle eulérien
1 Choisir un sommet arbitrairement.

2 Construire un cycle simple (quel qu’il soit) ayant pour origine
et extrémité ce sommet (c’est toujours possible).
3 Si ce cycle est eulérien, la recherche est terminée.
4 Sinon, considérer le sous-graphe obtenu en supprimant les
arêtes du cycle précédent.
5 À partir d’un sommet commun au sous-graphe restant et au
cycle, construire de nouveau un cycle simple.
6 Insérer ce second cycle dans le premier.
7 Recommencer à partir de l’étape 3

Notions de base
Définitions
Flot maximal
Exemple
On considère ensuite le sous-graphe de
G obtenu en supprimant ce cycle :
Ce graphe est eulérien car il est connexe,

et tous les degrés de ses sommets sont
pairs. On commence donc par choi-
sir un sommet, par exemple A. On A partir du sommet D, on peut
construit alors un cycle simple d’origine construire un second cycle simple, par
et extrémité A, comme (A,D,E,F,A) exemple (D,C,B,D), ici en vert :

Notions de base
Définitions
Flot maximal
Exemple suite ....

On supprime ce nouveau cycle :
Il ne reste plus qu’à insérer les deux der-

niers cycles dans le premier, il vient (A,
D,C,B,D, E,A,B,E, F,A) :
La construction du prochain (et

dernier) cycle simple est tri-
viale, il s’agit de (E,A,B,E)

Notions de base
Définitions
Flot maximal
Algorithme de détermination d’une chaı̂ne eulérienne
1 Choisir arbitrairement l’un des deux sommets de degré impair.

2 Construire une chaı̂ne simple (quelle qu’elle soit) ayant pour
origine ce sommet et pour extrémité l’autre sommet de degré
impair (c’est toujours possible).
3 Si cette chaı̂ne est eulérienne, la recherche est terminée.
4 Sinon, considérer le sous-graphe de G obtenu en supprimant
les arêtes de la chaı̂ne précédente.
5 À partir d’un sommet commun au sous-graphe restant et à la
chaı̂ne, construire un cycle simple.
6 Insérer ce cycle dans la chaı̂ne.
7 Recommencer à partir de l’étape 3

Notions de base
Définitions
Flot maximal
Chemin eulérien
Définition (Cas des graphes orientés)
Soit G=(V,E) un graphe orienté.
Un chemin eulérien de G est un chemin simple passant par tous les arcs de G,
c’est-à-dire un chemin passant une et une seule fois par tous les arcs de G.
Un circuit eulérien est un chemin eulérien ayant les mêmes extrémités.
Un graphe eulérien est un graphe possédant un circuit eulérien.
Théorème
Soit G=(V,E) un graphe orienté connexe.
Le graphe G admet un circuit eulérien si et seulement si tous ses sommets ont
un degré entrant égal à leur degré sortant.
Le graphe G admet un chemin eulérien qui n’est pas un circuit si et seulement si
tous ses sommets ont un degré entrant égal à leur degré sortant, sauf deux
d’entre eux x et y qui vérifieront
d+ (x ) = d (x ) − 1 et d+ (y ) = d (y ) + 1
Ce chemin aura pour origine x et pour extrémité y .

Notions de base
Définitions
Flot maximal
Exercice 4 :
Les graphes suivants possèdent-ils un cycle eulérien ?

Notions de base
Définitions
Flot maximal
Graphes Hamiltoniens
Définition
Soit G=(V,E) un graphe orienté ou non.
Une chaı̂ne, un chemin, un cycle ou un circuit de G sont dits hamiltoniens s’ils
passent une et une seule fois par tous les sommets de G.
Un graphe hamiltonien est un graphe non orienté possédant un cycle
hamiltonien ou un graphe orienté possédant un circuit hamiltonien.
Ce graphe non orienté est hamiltonien Ce graphe orienté est hamiltonien car il
car il possède le cycle (A,E,B,C,D,F,A). possède le cycle (E,D,C,B,A,F,E).

Notions de base
Définitions
Flot maximal
Histoire :
Question (1859) par Sir William Rowan Hamilton (1805-1865).
On considère 20 villes de la planète positionnées sur les sommets d’un dodécaèdre

régulier (qui est un polyèdre avec 20 faces convexes pentagonales identiques,
équilatérales et équiangles)
Question : Peut-on parcourir ce dodécaèdre en passant une et une seule fois par
chacune de ses villes et en revenant au point de départ ?

Notions de base
Définitions
Flot maximal
Peut-on trouver un cycle

passant une et une seule
Voici le diagramme planaire as- fois par tous les sommets
socié au problème d’Hamilton de ce graphe ? c.à.d. cycle
hamiltonien.
La réponse est oui

Notions de base
Définitions
Flot maximal
Proposition
Si G possède un sommet de degré 1, il ne peut pas être hamiltonien.
Preuve. C’est évident, car pour qu’un graphe possède un cycle hamiltonien on doit
pouvoir arriver et repartir par n’importe quel sommet, et donc le degré de chacun des
sommets doit être au moins égal à 2. ! !
Exemple de graphe non hamiltonien car il possède des sommets de degrés 1 : C, G , F

Notions de base
Définitions
Flot maximal
Condition de Dirac
Soit G=(V,E) un graphe non orienté d’ordre n, avec n ≥ 3.
Si pour tout sommet x de G on a d(x ) ≥ n/2 alors G est
hamiltonien.
Exemple
Ce graphe est d’ordre 5 et chaque sommet a un degré n ≥ 3. Il est

donc hamiltonien. Voici un exemple de cycle hamiltonien :
ENSAM–Meknès
(A,B,C,E,D,A)
M. El Ossmani Optimisation des graphes 2023–2024 40/97
Notions de base
Définitions
Flot maximal
Exercice 5 :
Les graphes suivants possèdent-ils un cycle hamiltonien ?

Notions de base
Définitions
Flot maximal
Coloration des Graphes

Notions de base
Définitions
Flot maximal
Problème de coloration de graphe
Problème très pratique et très étudié dans : la planification des

horaires, l’allocation des ressources, réseaux de routes aériennes, ..., etc.

Notions de base
Définitions
Flot maximal
Problème de coloration de graphe
Définition
Soit un graphe simple non-orienté G = (V , E ). Une coloration de
G est une fonction associant à tout sommet de G une couleur telle
que deux sommets adjacents n’ont pas la même couleur.
Problème de décision : trouver une coloration avec k couleurs.

Problème d’optimisation : trouver une coloration avec le nombre
minimum de couleurs, appelé nombre chromatique χ(G).
Il s’agit de problèmes difficiles en général pour k ≥ 3.

Notions de base
Définitions
Flot maximal
graphe G = (V , E )
3-coloration légale
3-coloration non légale
k-coloration de G = (V , E )
Notions de base
Définitions
Flot maximal
Applications : allocation de ressources rares
Emplois du temps
Allocation de créneaux horaires à des événements : cours, examens...
Sommets : les événements

Arêtes : les contraintes ; deux événements ne peuvent se dérouler simultanément
Couleurs : les créneaux horaires
⇒ Minimiser la durée totale des événements

Notions de base
Définitions
Flot maximal
Allocation de fréquences dans les réseaux GSM

Attribuer aux antennes relais des bandes de fréquences pour communiquer avec
les usagers.
Sommets : les antennes relais

Arêtes : entre deux antennes trop proches géographiquement l’une de
l’autre (niveau d’interférence trop important)
Couleurs : les canaux de fréquences radio
⇒ Minimiser le nombre de fréquences utilisées ou pour un nombre de
fréquences donné minimiser les interférences

Notions de base
Définitions
Flot maximal
Allocation de niveaux de vol

Attribuer un niveau de vol aux avions pour éviter les conflits
aériens.
Sommets : les avions

Arêtes : entre deux avions
en conflits (ne respectant
pas les distances de sécurité)
Couleurs : les niveaux de vol
⇒ Minimiser le nombre de
niveaux de vol utilisés

Notions de base
Définitions
Flot maximal

Coloration de carte géographique
Sommets : les départements

Arêtes : entre deux départements
frontaliers
⇒ colorier en 4 couleurs
Sudoku, carré latin...
Compléter une grille de sudoku

9 8 7 4 2
Sommets : les cases de la grille 9 6
Arêtes : entre deux cases de la même ligne, même
6 8 4 9
colonne et même carré
5 8 3 4
Couleurs : les numéros 6 3 7
3 5 2 8
⇒ Existence d’une solution à partir d’une solution
6 3 7 9
partielle 2 7 5 6

Notions de base
Définitions
Flot maximal
Problème de compatibilité
Dans un groupe de 8 étudiants, on doit former des groupes de telle

sorte que les étudiants d’un même groupe ne s’entendent pas trop
mal. On connaı̂t les incompatibilités suivantes :
l’étudiant A B C D E F G H
ne s’entend pas avec B,E,F,H A,C,E,G B,D C,E,G A,D,F,H A,E,H B,D,H A,E,F G
Question : Quel est le nombre minimal de groupe que nous pouvons

réaliser en tenant compte des incompatibilités des étudiants ?
Le nombre minimal de groupes

nécessaire correspond au nombre
chromatique du graphe des in-
compatibilités

Notions de base
Définitions
Flot maximal
Problème d’emploi du temps
Pendant un festival, on veut organiser des tournois de scrable (S),

échecs (E), go (G), dames (D), tarot (T) et master-mind (M).
Plusieurs personnes se sont inscrites à la fois pour les tournois E,
S, G, d’autres personnes pour les tournois G, D, M, et enfin
d’autres personnes pour les tournois M, T, S. Il est entendu qu’une
participation simultanée à plusieurs tournois est impossible et que
les organisateurs veulent satisfaire tout le monde.
Question : Quel est le nombre maximum de tournois qui pourraient
se dérouler en même temps ?
Le nombre maximum de tournois

correspond ...... du graphe des
emplois du temps.

Notions de base
Définitions
Flot maximal
Nombre chromatique
Définition
Soit G = (V , E ) un graphe non orienté. Le nombre chromatique
de G est le nombre minimal de couleurs permettant de le colorer.
On le notera χ(G).
Propriété
Le nombre chromatique d’un
graphe non orienté complet à n
sommets est n.

Notions de base
Définitions
Flot maximal
1 Minoration du nombre chromatique

Il n’y a pas de méthode générale pour obtenir une bonne minoration mais si le
graphe G contient un sous-graphe complet à n sommets alors il faut au moins n
couleurs pour le colorier.
Soit w (G) l’ordre maximum des sous-graphes complets de G. On a

alors : w (G) ≤ χ(G)
2 Majoration du nombre chromatique

Pour majorer un nombre chromatique, il suffit de donner un coloriage valide du
graphe. On en obtient un grace à l’algorithme suivant :
Donnée : Un graphe G = (V, E)
Resultat : Une colloration c → N∗ de G
Pour s ∈ V faire
c(s) ← plus petite couleur non utilisé par les voisins de s
Soit ∆(G) le degré maximum des sommets de G. On a alors :

χ(G) ≤ ∆(G) + 1

Notions de base
Définitions
Flot maximal
Preuve
Raisonnons par l’absurde
Supposons que χ(G) > ∆(G) + 1.

Considérons une coloration optimale de G, i.e. une coloration comportant χ(G)
couleurs.
Indexons les différentes couleurs et prenons un sommet x donc la couleur est celle
d’indice χ(G). Ce sommet possède nécessairement au plus ∆(G) sommets adjacents.
Dans le pire des cas, il faut attribuer une couleur différente à chacun de ces sommets,
ce qui utilise alors ∆(G) couleurs.
Puisque χ(G) > ∆(G) + 1, il reste donc au moins une couleur non utilisée par le
sommet x et ses sommets adjacents. On peut alors remplacer la couleur de x par
celle-ci tout en conservant une coloration valide.
On peut ensuite procéder de même pour tous les sommets possédant la couleur
d’indice χ(G).
On obtient alors une coloration de G n’utilisant pas cette couleur. Ceci est absurde car
cela contredit le fait que notre coloration était optimale.
Notre hypothèse de départ était donc fausse.

Notions de base
Définitions
Flot maximal
Example : Encadrement du nombre chromatique
On a ainsi 4 ≤ χ(G). Pour majorer le

Pour minorer le nombre chromatique
nombre chromatique de G il faut calcu-
de G, on cherche donc un sous-graphe
ler le degré maximum de ses sommets.
complet d’ordre maximum. On trouve
Il s’agit de 5, degré des sommets A et
A,C,D,H, représenté ci-dessous en rouge,
C. On a donc χ(G) ≤ 6. Finalement, on
et qui est d’ordre 4
obtient l’encadrement suivant :
4 ≤ χ(G) ≤ 6
Notions de base
Définitions
Flot maximal
Problème de coloration
Théorème (des quatre couleurs)

Le nombre chromatique d’un graphe planaire est au plus égal à 4.
Le problème de résolution de la coloration de graphes est de

complexité exponentielle.
Il y a des heuristiques et méta-heuristiques pour ce faire.
Mais ne donnent pas toujours une solution optimale : Voici
quelques algorithmes :
Welsh et Powell
Glouton
DSATUR
Wigderson

Notions de base
Définitions
Flot maximal
Algorithme de coloration (Welsh & Powell)

Etapes de l’algorithme :
1 Calculer le degré de chaque sommet.
2 Trier les sommets par ordre décroissant de leurs degrés :
d(S1 ) ≥ d(S2 ) ≥ · · · ≥ d(Sn )

3 Choisir une couleur pour le premier sommet S
1
4 Parcourir la liste des sommets triés puis colorer de cette
couleur le premier sommet non adjacent à S1 (s’il en

existe).
5 Continuer la liste et colorer de même le prochain sommet non
adjacent ni au premier ni au second.

6 Faire de même jusqu’à épuisement de la liste.
7 Prendre une seconde couleur pour le premier sommet non
coloré de la liste et recommencer les étapes précédentes.

8 Recommencer jusqu’à avoir coloré tous les sommets.

Notions de base
Définitions
Flot maximal
Exemple : coloration
Puis le sommet D en vert
On choisit une couleur pour pause
A : rouge.
On applique l’algorithme :
Enfin le sommet H en jaune

On choisit le bleu pour C
degrés des sommets :
x A B C D E F G H
d(x) 5 4 5 4 4 3 4 3
On ordonne les degrés
x A C B D E G F H
d(x) 5 5 4 4 4 4 3 3

Notions de base
Définitions
Flot maximal
Coloration des graphes
Exercice 6
Combien de couleurs ?
Notions de base
Définitions
Flot maximal
Correction
Appliquons l’algorithme de
Trouvons une autre Coloration
Welsh et Powell
avec moins de couleurs ?
4 Couleurs
3 Couleurs
N.B. Ce n’est pas optimal
N.B. C’est optimal

Notions de base
Définitions
Flot maximal
Coloration des graphes

Exercice 7 (planification)
On veut fabriquer des produits dans une usine que l’on désigne par
A, B, C, D, E, F, G et H. Dans le tableau ci-dessous, l’étoile *
signifie que les produits ne peuvent pas être fabriqués par les
mêmes opérateurs pour des raisons techniques :
A B C D E F G H
A * * * * *
B * * * *
C * * * * *
D * * * *
E * * * *
F * * *
G * * * *
H * * *
Notions de base
Définitions
Flot maximal
Solution

Notions de base
Définitions
Flot maximal
Exercice 8 (allocation des ressources)
Sept élèves, désignés par A, B, C, D, E, F et G, se sont rendus à la bibliothèque

aujourd’hui. Le tableau suivant précise ”qui à rencontré qui” (la bibliothèque étant
petite, deux élèves présents au même moment se rencontrent nécessairement...)
l’élève A B C D E F G
rencontré D,E D,E,F,G E,G A,B,E A,B,C,D,F,G B,E,G B,C,E,F
Question : De combien de places assises doit disposer la bibliothèque pour que chacun
ait pu travailler correctement au cours de cette journée ?
Exercice 9 (planification des horaires)
Un lycée doit organiser les horaires des examens. On suppose qu’il ya 7 épreuves à
planifier, correspondant aux cours numérotés de 1 à 7 et que les paires de cours
suivantes ont des étudiants communs : (1 et 2), (1 et 3), (1 et 4), (1 et 7), (2 et 3),
(2 et 4), (2 et 5), (2 et 7), (3 et 4), (3 et 6), (3 et 7), (4 et 5), (4 et 6), (5 et 6), (5
et 7) et enfin (6 et 7).
Question : Comment organiser ces épreuves de façon qu’aucun étudiant n’ait à passer
deux épreuves en même temps et cela sur une durée minimale ?

Notions de base
Définitions
Flot maximal
Plus court chemin

Notions de base
Définitions
Flot maximal
Graphes valués
Définition
Un graphe valué (ou pondéré) est un graphe G = (V , E , w ), où w : E → R :
{u, v } 7→ w ({u, v }) est une fonction affectant à chaque arête une valeur réelle
(appelée coût, poids ou longueur).
• Le coût d’un chemin dans un graphe valué est la somme des coûts des arcs qui le
compose
Le chemin (ACDE) est de coût 6

Remarques :
1 Les graphes non valués peuvent être vus comme des graphes valués dans
lesquels on affecte le même coût (par exemple 1) à chaque arête.
2 Le cout d’un arc dans un graphe peut être négatif.
3 Un circuit de cout négatif est dit circuit absorbant.

Notions de base
Définitions
Flot maximal
Plus court chemin

Le problème de plus court chemin (pcch) consiste à trouver un chemin d’un sommet
(dit de départ) à un autre (dit d’arrivée) de façon que son cout soit minimal.
CNS d’existence
Soient i et j deux sommets de G tels qu’il existe un chemin de i à j. Le problème du
pcch de i à j a une solution si et seulement s’il n’existe pas dans le graphe de circuit
absorbant (tel qu’il existe un chemin de i à j contenant un des sommets du circuit).
Il n’existe pas de plus court chemin entre les sommets 1 à 6

Notions de base
Définitions
Flot maximal
Algorithme de Dijkstra- Étape par étape

L’algorithme de Dijkstra (prononcer approximativement Dextra ) permet de trouver le plus court chemin
entre deux sommets d’un graphe (orienté ou non orienté). Dans l’exemple du graphe ci-dessous, on va rechercher le
chemin le plus court menant de M à S.
Initialisation :
On construit un tableau ayant pour colonnes chacun des sommets du graphe. On ajoute à gauche une
colonne qui recensera les sommets choisis à chaque étape (cette colonne est facultative mais facilitera la
compréhension de l’algorithme).
Puisque l’on part du sommet M, on inscrit, sur la première ligne intitulée Départ , 0M dans la
colonne M et ∞ dans les autres colonnes.
Cela signifie qu’à ce stade, on peut rejoindre M en 0 minute et on n’a rejoint aucun autre sommet puisque
l’on n’a pas encore emprunté de chemin...

Notions de base
Définitions
Flot maximal
Étape 1 :
On sélectionne le plus petit résultat de la dernière ligne. Ici, c’est 0M qui correspond
au chemin menant au sommet M en 0 minute.
On met en évidence cette sélection (nous l’écrirons en rouge mais il est
également possible de la souligner, de l’entourer, etc.).
On inscrit le sommet retenu et la durée correspondante dans la première
colonne (ici on écrit M(0)).
On désactive les cases situées en dessous de notre sélection en les grisant par
exemple. En effet, on a trouvé le trajet le plus court menant à M ; il sera inutile
d’en chercher d’autres.
À partir de M, on voit sur le graphe que l’on peut rejoindre E, L et N en

respectivement 10, 7 et 4 minutes. Ces durées sont les durées les plus courtes ; elles
sont inférieures au durées inscrites sur la ligne précédente qui étaient ∞. On inscrit
donc 10M , 7M et 4M dans les colonnes E, L et N. Le M situé en indice signifie que
l’on vient du sommet M.
Enfin on complète la ligne en recopiant dans les cellules vides les valeurs de la ligne
précédente.

Notions de base
Définitions
Flot maximal
Étape 2 :
On sélectionne le plus petit résultat de la dernière ligne. Ici, c’est 4M qui correspond au chemin menant au
sommet N en 4 minute.
On met en évidence cette sélection.
On inscrit le sommet retenu et la durée correspondante dans la première colonne : N(4).
On désactive les cases situées en dessous de notre sélection. On a trouvé le trajet le plus court menant à
N ; il dure 4 minutes.
À partir de N, on peut rejoindre L et S (on ne se préoccupe plus de M qui a été désactivé ).
Si l’on rejoint L : On mettra 2 minutes pour aller de N à L et 4 minutes pour aller de M à N (ces 4
minutes sont inscrites dans la première colonne) soit au total 6 minutes. Ce trajet est plus rapide que le
précédent qui durait 7 minutes. On indique donc 6N dans la colonne L. Le N situé en indice signifie que
l’on vient du sommet N.
Si l’on rejoint S : On mettra 8 minutes pour aller de N à S et 4 minutes pour aller de M à N soit au total
12 minutes. Ce trajet est plus rapide que le précédent qui était ∞. On indique donc 12N dans la
colonne S.
Puis on complète la ligne en recopiant dans les cellules vides les valeurs de la ligne précédente.

Notions de base
Définitions
Flot maximal
Étape 3 :
On sélectionne le plus petit résultat de la dernière ligne. Ici, c’est 6N qui correspond au chemin menant au
sommet L en 6 minute.
On inscrit le sommet retenu et la durée correspondante dans la première colonne : L(6).
L ; il dure 6 minutes.
À partir de L, on peut rejoindre E et S (on ne se préoccupe plus de M ni de N qui ont été désactivés ).
Si l’on rejoint E : On mettra 8 minutes pour aller de L à E et 6 minutes pour aller de M à L soit, au total,
14 minutes.
Ce trajet N’EST PAS plus rapide que le précédent qui durait 10 minutes. On se contente donc de
recopier le contenu précédent 10M dans la colonne E.
Si l’on rejoint S : On mettra 5 minutes pour aller de L à S et 6 minutes pour aller de M à L soit au total
11 minutes. Ce trajet est plus rapide que le précédent qui durait 12 minutes. On indique donc 11L dans la
colonne S.
Important !
On inscrit la durée d’un trajet dans le tableau uniquement si elle est inférieure à la durée figurant sur la ligne
précédente. Dans le cas contraire, on recopie la valeur précédente.
Puis on complète la ligne en recopiant dans les cellules vides les valeurs de la ligne précédente.

Notions de base
Définitions
Flot maximal
Étape 4 :
On sélectionne le plus petit résultat de la dernière ligne. Ici, c’est 10M qui correspond au chemin menant au
sommet E en 10 minute.
On inscrit le sommet retenu et la durée correspondante dans la première colonne : E (10).
E ; il dure 10 minutes.
À partir de E, on peut rejoindre S et T (on ne se préoccupe plus des autres sommets qui ont été désactivés ).
Si l’on rejoint S : On mettra 10 minutes pour aller de E à S et 10 minutes pour aller de M à E ( c’est 10
minutes sont inscrites dans la première colonne) soit, au total, 20 minutes.
Ce trajet N’EST PAS plus rapide que le précédent qui durait 11 minutes. On se contente donc de
recopier le contenu précédent 11L dans la colonne S.
Si l’on rejoint T : On mettra 4 minutes pour aller de E à T et 10 minutes pour aller de M à E soit au total
14 minutes. Ce trajet est plus rapide que le précédent qui était ∞. On indique donc 14E dans la colonne
T.

Notions de base
Définitions
Flot maximal
Étape 5 :
On sélectionne le plus petit résultat. C’est 11L qui correspond au chemin menant au sommet S en 11 minutes.
On a trouvé le trajet le plus court menant à S : il dure 11 minutes. Comme c’est la question posée dans l’énoncé, il
est inutile d’aller plus loin et le tableau est terminé !
Il reste toutefois à reconstituer le trajet qui correspond à cette durée de 11 minutes. En pratique, il est plus facile
de trouver le trajet en sens inverse en remontant dans le tableau de la façon suivante :
On part de notre point d’arrivée : S
On recherche la cellule marquée en rouge de la colonne S ; elle contient 11L . On note la lettre écrite en
indice : L.
On recherche la cellule marquée en rouge de la colonne L ; elle contient 6N . On note la lettre écrite en
indice : N.
On recherche la cellule marquée en rouge de la colonne N ; elle contient 4M . On note la lettre écrite en
indice : M.
On est arrivé à notre point de départ M après être passé par N et L et S (liste obtenue en listant les sommets en
ordre inverse).
Le trajet optimal est donc M - N - L - S.
Enfin, on peut vérifier sur le graphe que ce trajet est correct et dure 11 minutes !

Notions de base
Définitions
Flot maximal
Algorithme de Dijkstra
Exemple 1 :
Appliquer l’algorithme de Dijkstra sur ce graphe en prenant E
comme sommet de départ.
E A B C D S
Départ 0E ∞ ∞ ∞ ∞ ∞

Notions de base
Définitions
Flot maximal
Exemple 2 :
Appliquer l’algorithme de Dijkstra sur ce graphe pour trouver le PCCH allant de E vers
A.
E A B C D
Départ 0E ∞ ∞ ∞ ∞

Notions de base
Définitions
Flot maximal
Exercice :
Appliquer l’algorithme de Dijkstra aux graphes suivant pour
calculer les chemins de poids minimum depuis le sommet A.
Combien d’itérations sont réalisés ?

Notions de base
Définitions
Flot maximal
Exercice :
On considère un réseau de télécommunication, composé
d’émetteurs/récepteurs pouvant s’envoyer des messages, avec une
certaine fiabilité de communication, c’est à dire une certaine probabilité
pour que la communication ne soit pas interrompue. On modélise ce
problème à l’aide du graphe orienté et valué suivant, où la valuation d’un
arc est une valeur réelle comprise entre 0 et 1 et indiquant la probabilité
pour que la communication se passe sans problème.
Quel est le chemin le plus fiable pour envoyer un message de a vers i ?

Notions de base
Définitions
Flot maximal
L’algorithme de Dijkstra ne marche pas toujours quand le graphe contient des arcs
dont les coûts (longueurs) sont négatifs. Considérons par exemple le graphe suivant :
Quel est le pcch pour aller de a à f en utilisant l’algorithme de Dijkstra ?

Pour aller de a à f , l’algorithme de Dijkstra va trouver le chemin < a, c, e, f >, de
longueur 3, alors que le chemin < a, b, d, e, f > est de poids 2.

Notions de base
Définitions
Flot maximal
Algorithme de Bellman-Ford
Une autre méthode qui est largement utilisée pour trouver le plus court chemin et
surtout quand le graphe possède des poids négatifs.
Algorithme :
1 Les sommets x0 sans précédents sont dit du ‘1er niveau’ ou niveau de départ :
on leur affecte une fonction coût (ou distance), notée m, égale à 0 :m(x0 ) = 0
2 Examiner les nœuds x1 adjacents aux nœuds x0 . Pour chacun, la fonction m se
calcule en ajoutant la distance à partir du nœud source par :
m(x1 ) = d(x1 ; x0 ) + m(x0 ) = d(x1 ; x0 ).
3 Au niveau i + 1, on continue l’examen des nœuds adjacents à ceux visités dans

le niveau i précèdent. Quand un nœud xi+1 a des liaisons avec plusieurs
précédents, la valeur de m(xi+1 ) se calcule alors en retenant le nœud xi le plus
proche, en d’autres termes :
m(xi+1 ) = minxi (d(xi+1 ; xi ) + m(xi )),
où xi sont tous les nœuds précédent de xi+1

4 Répéter l’étape 3, niveau après niveau jusqu’à ce que le nœud de destination
soit atteint.
Notions de base
Définitions
Flot maximal
Exemple d’illustation

Notions de base
Définitions
Flot maximal
Exercice :
Trouver le plus cout chemin en utilisant l’algorithme de Bellman-Ford

Notions de base
Réseau de transport
Flot maximal
Flot maximal

Notions de base
Flot maximal
Exemple d’introduction : Problème de canalisation

Deux châteaux d’eau alimentent 3 villes à travers un réseau de canalisations au sein duquel se trouvent également
des stations de pompage.
Les châteaux d’eau ont une capacité limitée qui s’élève pour chacun d’eux à 100 000 m3 . Les villes ont exprimé une
demande qui est au minimum de 50 000 pour la ville 1, 40 000 pour la 2 et 80 000 pour la ville 3 en m3 .
Les canalisations entre les châteaux d’eau et les villes ont des débits limités. Par exemple, pour la canalisation
reliant le château 1 à la ville 1, le débit maximum est de 30 alors que celui de la canalisation reliant la station de
pompage 1 à la ville 2 est de 50 en milliers de m3 . Ces valeurs figurent sur le graphique entre parenthèses le long
des canalisations.
Un premier problème est de déterminer s’il est possible de satisfaire à travers ce réseau la demande des 3
villes et comment ?
Pour résoudre ce problème il faut dans un premier temps le modéliser.
Pour cela, nous introduisons un nouveau problème standard qui est celui du flot maximal sur un réseau

Notions de base
Flot maximal
Exemple d’introduction : Problème de transport

On veut amener le maximum de passagers de Strasbourg à Pau
en train, sachant qu’il reste des places seulement dans les trains
suivants (les connections sont assurées !) :
Trajet Nb places
Strasbourg → Amiens 3
Strasbourg → Besançon 8
Amiens → Cahors 4
Amiens → Dijon 2
Besançon → Cahors 6
Besançon → Dijon 3
Cahors → Pau 4
Dijon → Pau 9
Comment modéliser ce problème ?

Quelle est la meilleure solution ?
Notions de base
Flot maximal
Définition
Un Réseau de transport est un quadruple (G, c, S, T ) tel que
G = (V , A) est un graphe orienté,
c : A → R+ est une fonction qui associe à chaque arc sa capacité,
S ∈ V est la source,
T ∈ V est le puits.

Notions de base
Flot maximal
Problème de flot maximal
Le problème de flots dans les graphes concerne la circulation de matière sur les arcs.
circulation d’information à travers les réseaux de communication,
circulation du courant dans les réseaux électriques,
circulation de marchandises entre différents points, etc.
Comment transférer une quantité maximale de ”matière” de S à T sans dépasser la

capacité de chaque arc ?
Notions de base
Flot maximal
Contrainte de capacité et loi de conservation
Un flot d’un réseau de transport (G, c, s, t) est une fonction f : V 2 → R telle que
1 Contrainte de capacité :
f (u, v ) ≤ c(u, v ), ∀(u, v ) ∈ V 2
2 Conservation du flot :
X X
f (v , u) = f (u, v ), ∀u ∈ V − {s, t}.
v ∈Pred(u) v ∈Succ(u)
La valeur d’un flot f , notée |f |, est égale à la somme des flots partant de la source, et
du fait de la propriété de conservation des flots, est aussi égale à la somme des flots
arrivant au puits : X X
|f | = f (s, u) = f (u, t)
u∈Succ(s) u∈Pred(t)
Un flot est dit réalisable (admissible ou compatible) si et seulement si

il respecte les contraintes de capacité sur chaque arc,
il respecte la loi de conservation en chaque sommet.
Notions de base
Flot maximal
Capacité résiduelle
La capacité résiduelle d’un arc (u, v ) est rf (u, v ) = c(u, v ) − f (u, v ).
Un arc (u, v ) est dit saturé si f (u, v ) = c(u, v ) (i.e. rf (u, v ) = 0).
Un flot est dit complet si et seulement si tout chemin de S à T comporte au
moins un arc saturé.

Notions de base
Flot maximal
Chaine améliorante
Une chaı̂ne µ est dite améliorante si pour chaque arrête (u, v ) ∈ µ
• f (u, v ) < c(u, v ) si (u, v ) est arc dans ”le bon sens” ((u, v ) ∈ µ+ )
• f (u, v ) > 0 si (u, v ) est arc dans ”le mauvais sens” ((u, v ) ∈ µ− )
Augmentation de la valeur de flot de α

α = min{ min (rf (u, v )), min (f (u, v ))
(u,v )∈µ+ (u,v )∈µ−
• Dans µ+: on augmente les flux de α
• Dans µ− : on diminue les flux de α
Graphe d’écart
Question : La chaı̂ne (S,c,b,a,e,T) est t-il améliorante ?

Notions de base
Flot maximal
Problème de flot maximal
La valeur de flot au départ est |f | = 7
Chaine améliorante 1 : (s,c,b,a,e,t)

α = min(2 − 1, 6 − 0, 4, 3 − 0, 4 − 1) = 1
La valeur de flot |f | = 8
Chaine améliorante 2 : (s,d,c,b,a,e,t)

α = min(7 − 2, 3 − 0, 6 − 1, 3, 3 − 1, 4 − 2) = 2
La valeur de flot |f | = 10
Existe t-il une autre chaine améliorante ?

Notions de base
Flot maximal
St-coupe
Une St-coupe est une partition (X , Y ) des sommets de G telle que s ∈ X et t ∈ Y .
La capacité c(X , Y ) d’une st-coupe (X, Y) est définie comme la somme de capacités des arcs
(u, v ) tels que u ∈ X et v ∈ Y , et on a |f | ≤ c(X , Y ).
Théorème (Ford et Fulkerson)

max |f | = min c(X , Y )
f (X ,Y )
Autrement dit, un flot f est maximal si et seulement si il existe une st-coupe (X,Y)
telle que |f | = c(X , Y ).

Notions de base
Flot maximal
Algorithme de Ford Fulkerson
L’algorithme de Ford-Fulkerson procède selon une approche ”gloutonne”,

en augmentant progressivement un flot :
1 Le flot est initialisé à 0, c’est-à-dire que f (u, v ) = 0 pour tout
couple de sommets (u, v ) ∈ V 2 .
2 Tant qu’il existe une chaı̂ne améliorante µ faire
1 Calculer α = min{ min (rf (u, v )), min − (f (u, v ))}
+
(u,v )∈µ (u,v )∈µ
2 Augmenter la valeur de flux de α pour les arcs (u, v ) ∈ µ+
3 Diminuer la valeur de flux de α pour les arcs (u, v ) ∈ µ−

Notions de base
Flot maximal
Application

Notions de base
Flot maximal
Modélisation du problème de distribution d’eau par un problème de flot maximal Aux

châteaux d’eau, aux stations de pompage et aux villes on associe des sommets et aux
canalisations des arcs. Les valeurs numériques le long des arcs traduisent une capacité
inférieure nulle et une capacité supérieure égale au débit maximum
Pour modéliser les capacités des châteaux d’eau, on introduit un sommet supplémentaire s, qui sera la source du
réseau, et deux arcs (s, C1) et (s, C2) avec une capacité supérieure égale à 100. La conservation des flux au
sommet C1 permet de traduire qu’il ne peut pas partir de C1 une quantité supérieure à 100. Il en est de même pour
C2. Si on veut mesurer ce qui arrive en chaque ville, on introduit un sommet supplémentaire p, qui sera le puits, et
des arcs de chacune des villes vers p. Pour imposer que les demandes des villes soient satisfaites, on munit ces arcs
d’une capacité inférieure égale à la demande. Ce qui part de chaque ville sera au moins égal à la demande et,
d’après la loi de conservation des flux, ce qui arrive en chaque ville sera aussi au moins égal à la demande. A l’arc
de retour près, on a construit un réseau sur lequel il s’agit de déterminer un flot compatible avec les capacités et de
valeur maximale

Notions de base
Flot maximal
Impact du choix des chaı̂nes améliorantes dans l’algorithme

de Ford Fulkerson

Notions de base
Flot maximal
Si l’on ne prend pas garde au choix de la chaı̂ne améliorante, on peut

avoir un nombre d’itérations égal à la valeur du flot maximal.

Notions de base
Flot maximal
L’algorithme de Ford Fulkerson construit toujours un flot de valeur max
MAIS
Le choix des chaı̂nes améliorantes a un impact sur le nombre des itéraions
La complexité dépend de la taille du réseau ET des capacités.

Notions de base
Flot maximal
Comment avoir le résultat et

une « bonne » complexité ?
Utiliser l’algorithme de Edmonds-Karp ou de Y. Dinitz.
Variante de l’algorithme de Ford Fulkerson.
Idéée générale :
Choisir les plus courtes chaines améliorantes.
Une complexité qui va être une fonction de la taille du réseau.

Optimisation Graphe 23 24. Etudiants

Transféré par

Informations du document

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

Optimisation Graphe 23 24. Etudiants

Transféré par

Droits d'auteur :

Formats disponibles

Notions de base

Optimisation des graphes

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 1/97

Visiter la ville en passant une seule fois par chaque pont ?

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 2/97

Les ponts de Königsberg

La question à l’origine de la théorie des graphes est due à

Peut-on, lors d’une promenade, revenir à notre point de

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 3/97

Les 7 ponts de Königsberg

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 4/97

Graphes non orientés

Définition (Graphe non orienté)

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 5/97

Définition (Graphe orienté)

Un arc a = (s, t) : t est un successeur de s et s est un antécédent de t.

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 6/97

Graphes simples, degrés

Définition (Graphe simple)

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 7/97

Sous-graphe et graphe partiel

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 8/97

Matrice et liste d’adjacence

Dans le cas non orienté, la matrice d’adjacence est symétrique.

Définition (Liste d’adjacence)

Sommet Adjacents Sommet Successeurs

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 11/97

Graphe complet, planaire

Le graphe complet non orienté K6

Définition (Graphe planaire)

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 12/97

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 13/97

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 14/97

Exemple : Énigme des 3 maisons

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 15/97

Lemme des poignées de main

2 Graphe (S, A) orienté :

d + (s) = d − (s) = card(A)

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 16/97

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 17/97

Définition (dans un graphe non orienté)

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 18/97

Définition (dans un graphe orienté)

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 19/97

Graphe non orientée Graphe orientée

(E,C,D,B,C) est une chaı̂ne simple (E,A,B,D,C,B) est un chemin simple

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 20/97

1 Il y a 4 chaı̂nes de longueur 3 de B vers A :

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 21/97

Connexe Non connexe

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 22/97

Définition (composantes connexes)

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 23/97

Un réseau informatique est constitué de

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 24/97

Le problème classique des 7 ponts de

Posé et résolu par Euler (1707-1783)

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 25/97

Königsberg est traversée par un fleuve, le Pregel qui délimite deux

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 26/97

On peut le modéliser par un

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 27/97

ENSAM–Meknès M. El Ossmani Optimisation des graphes 2023–2024 28/97

Le problème des 7 ponts de Königsberg