Algorithmes gloutons ou voraces (greedy algorithms)

Idée: Pour résoudre un problème, on choisit un optimum local sans

se soucier des effets que cela aura sur la suite (i.e pas de
retour en arrière).

On aimerait que cette stratégie locale nous amène à un optimum

global mais ce n’est pas toujours le cas.

Pourquoi intéressant?
- Facile à développer

- Dans certain cas, une preuve d’optimalité garantie l’optimalité

de la solution globale trouvée par l’algorithme glouton

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes gloutons/voraces 1
 Caractéristiques générales
On veut résoudre un problème de façon optimale:
1) On a une liste de candidats pour construire notre solution
ex. les arêtes d’un graphe, les pièces de monnaies disponibles
2) La solution sera un sous-ensemble ou multi-ensemble des candidats
3) L’algorithme vorace va maintenir un ensemble de candidats retenus (à la
fin contient la solution) et de candidats rejetés
4) Une fonction “solution” regarde si l’ensemble courant de candidats retenus
est une solution de notre problème (sans tenir compte de l’optimalité).
ex. A-t-on trouvé un chemin entre A et B? Est-ce que la somme des pièces est n?
5) Une fonction “complétable” qui décide s’il est possible d’ajouter un candidat
à l’ensemble de candidats retenus
6) Une fonction “sélection” qui propose parmi les candidats restant celui qui a
l’air le plus intéressant (optimum local)
7) Une fonction “objective” (n’apparaît pas dans l’algo) qui donne une valeur à
la solution trouvée.
ex. La longueur du chemin entre A et B. Le nombre de pièces utilisées pour faire la monnaie

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes gloutons/voraces 2
 Graphes
Un graphe est une paire (N,A), où
N est un ensemble de noeuds (appelés sommets)
A est un multi-ensemble de paires de sommets appelées arêtes

Exemple:
Chaque sommet représente un aéroport et garde en mémoire le code de 3
lettres représentant cet aéroport
Chaque arête représente une route aérienne entre deux villes et garde en
mémoire le longueur de cette route

849 PVD
1843 ORD
SFO 142
43 802
7 LGA
337

1
2555 1387

10
HNL 1233

99
LAX DFW 1120
MIA

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 3
 Quelques définitions
Un sous-graphe S d’un graphe G est un graphe tel que:
Les sommets de S forment un sous-ensemble des sommets de G
Les arêtes de S forment un sous-ensemble des arêtes de G
Un sous-graphe est dit couvrant (spanning) s’il contient tous les sommets de
G

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 4
 Quelques définitions (suite)
Un graphe G est dit connexe s’il existe un
chemin reliant chaque pair de sommets de G

© Goodrich et Tamassia 2004

Une composante connexe d’un graphe G

est un sous-graphe connexe maximal de G

© Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 5
 Quelques définitions (suite)
Un arbre A (non raciné) est un graphe non
orienté tel que

A est connexe
A ne contient pas de cycles
© Goodrich et Tamassia 2004

Une forêt est un graphe non orienté ne

contenant pas de cycles
Les composantes connexes d’une forêt sont
donc des arbres
© Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 6
 Arbre couvrant minimal:

Un arbre couvrant d’un graphe est un sous-graphe

couvrant qui est un arbre

Arbre couvrant minimal (minimum spanning

tree):
Arbre couvrant d’un graphe avec poids dont © adapté de Goodrich et Tamassia 2004
le poids total des arêtes est minimal

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 7
 Propriété de cycles des ACM:
Propriété de cycles:
Soit T un arbre couvrant d’un graphe avec
poids G
Soit e une arête de G n’appartenant pas à T
et soit C, le cycle obtenu lorsqu’on ajoute e
àT
Si T est minimal, alors on a que pour toutes
arêtes f dans C :

Preuve:
Par contradiction.
Si poids(f) > poids(e), on obtient un arbre
couvrant de plus petit poids en remplaçant
l’arête f par l’arête e dans notre arbre T
© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 8
 Propriété de partition des ACM:
Propriété de partition:
Considérons une partition des sommets de
G en deux ensembles U et V
Soit e une arête de poids minimal entre U et V

Alors, il existe un arbre couvrant minimal de

G contenant e
Preuve:
Soit T un arbre couvrant minimal de G
Si T ne contient pas e, soit C le cycle formé par l’addition
de e à l’arbre T et soit f, une arête entre U et V
Par la propriété de cycles, on a que

Comme on avait pris e de poids minimal, on a que

poids(f) = poids(e) et alors on obtient un autre ACM
en remplaçant f par e © adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 9
Algorithme Kruskal:
L’algorithme maintient une forêt d’arbres

À chaque itération, on choisit l’arête de coût minimal

Cette arête est acceptée, si elle relit deux arbres distincts, sinon elle est
rejetée (pourrait former un cycle)
L’algorithme se termine lorsqu’on a un seul arbre

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 10
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Exemple de Kruskal:

2704
867 BOS
849
187 PVD
ORD
1846 740 144
JFK
621 184
802 1258
SFO
1464
BWI
337 1391
1090
DFW
LAX 946
1235
1121
MIA

2342

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 11
 Algorithme de Prim

On choisit un sommet s aléatoirement qu’on met dans un “nuage” et on

construit l’arbre couvrant minimal en faisant grossir le “nuage” d’un
sommet à la fois.
On garde en mémoire à chaque sommet v, une étiquette d(v) qui ici est
égale au poids minimal parmi les poids des arêtes reliant v à un sommet à
l’intérieur du nuage.
À chaque étape:
On ajoute au nuage le sommet u extérieur ayant la plus petite étiquette d(u)
On met à jour les étiquettes des sommets adjacents à u

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 12
 Exemple:
∞
2
∞ 7 D 7
7 D
B 4 2
8 ∞ B 4
∞ 9 ∞
2 5 F 5 9
C 2 5 F
8 C
8 3 8
E ∞7 8 3
A E
0 7 A 7
0 7

7
∞7 7 D
2 7 D 2
B 4
B 4 5 9 ∞4
58 9 ∞ 2 5 F
5 F C
2 C 8
8 8 3
8 3 E
A E A 7
7 0 7

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 13
 Exemple (suite)
7
7 D
2
B 4
5 9 4
2 5 F
C
8 3
8
E
A
7 37

7
7 D
2
B 4
5 9 4
2 5 F
C
8
8 3
E
A 3
0 7

© adapté de Goodrich et Tamassia 2004

IFT2125, Sylvie Hamel

Université de Montréal
Algorithmes voraces - Arbre couvrant minimal 14