AccueilđŸ‡«đŸ‡·Chercher

Coloration fractionnaire

En théorie des graphes, la coloration fractionnaire est une généralisation de la coloration des graphes ordinaire.

5: 2-coloration du graphe dodécaédrique. Il n'existe pas de 4: 2-coloration de ce graphe.

Dans une coloration de graphe traditionnelle, une couleur est affectĂ©e Ă  chaque sommet d'un graphe, et deux sommets adjacents ne doivent pas avoir la mĂȘme couleur. Dans une coloration fractionnaire, un ensemble de couleurs est affectĂ© Ă  chaque sommet du graphe. L'exigence relative aux sommets adjacents est toujours valable. Par consĂ©quent, si deux sommets sont reliĂ©s par une arĂȘte, ils ne doivent pas avoir de couleurs communes.

La coloration fractionnaire de graphes peut ĂȘtre vue comme la relaxation linĂ©aire de la coloration de graphes traditionnelle. En effet, les problĂšmes de coloration fractionnaire se prĂȘtent beaucoup mieux Ă  une approche de programmation linĂ©aire que les problĂšmes de coloration traditionnels.

DĂ©finitions

En haut : une 3:1-coloration du cycle Ă  5 sommets et une 6:2-coloration.
En bas : Une 5:2-coloration du mĂȘme graphe.

On se donne un ensemble C de a couleurs ; une a:b-coloration d'un graphe G est l'affectation, Ă  chaque sommet, d'un ensemble de b couleurs parmi les a couleurs de C de telle maniĂšre que les ensembles de couleurs de deux sommets adjacents sont disjoints. Si b=1, il s'agit d'une coloration au sens usuel du terme. Le b-nombre chromatique notĂ© est le plus petit a tel qu'une a:b-coloration existe. De mainiĂšre Ă©quivalente, elle peut ĂȘtre dĂ©finie comme un homomorphisme sur le graphe de Kneser KGa,b.

Le nombre chromatique fractionnaire est le nombre défini par

La limite existe parce que est sous-additive, autrement dit .

nombre chromatique fractionnaire

Le nombre chromatique fractionnaire peut ĂȘtre dĂ©fini de maniĂšre Ă©quivalente en termes probabilistes : est le plus petit k pour lequel il existe une distribution de probabilitĂ© sur les ensembles indĂ©pendants de G telle que pour chaque sommet v, et pour chaque ensemble indĂ©pendant S tirĂ© de la distribution, on a :

Propriétés

On a

et ,

oĂč n(G) est le nombre de sommets du graphe, est la taille maximale d'un ensemble indĂ©pendant, is the nombre de clique, et est le nombre chromatique.

En outre, le nombre chromatique fractionnaire est proche du nombre chromatique Ă  un facteur logarithmique prĂšs[1], en fait, on a :

.

Les graphes de Kneser sont des exemples oĂč le rapport est arbitrairement grand, puisque alors que .

Formulation en programmation linéaire

Le nombre chromatique fractionnaire d'un graphe G peut ĂȘtre obtenu comme solution Ă  un programme linĂ©aire. Soit l'ensemble de tous les ensembles indĂ©pendants de G, et soit l'ensemble de tous les ensembles indĂ©pendants qui contiennent le sommet x. Pour chaque ensemble indĂ©pendant I, on dĂ©finit une variable rĂ©elle non nĂ©gative xI. Alors est la valeur minimale de

soumis Ă 

pour chaque sommet .

Le programme dual de ce programme linĂ©aire calcule le nombre de clique fractionnaire, une relaxation aux nombres rationnels de la notion de nombre de clique. C'est une pondĂ©ration des sommets de G telle que le poids total attribuĂ© Ă  tout ensemble indĂ©pendant est au plus 1. Le thĂ©orĂšme de la dualitĂ© forte de la programmation linĂ©aire garantit que les solutions optimales des deux programmes linĂ©aires ont la mĂȘme valeur. Cependant chaque programme linĂ©aire peut avoir une taille exponentielle en fonction du nombre de sommets de G, et le calcul du nombre chromatique fractionnaire d'un graphe est NP-difficile[2]. Cela contraste avec le problĂšme de coloration fractionnaire des arĂȘtes d'un graphe, qui peut ĂȘtre rĂ©solu en temps polynomial. C'est une consĂ©quence directe du thĂ©orĂšme d'Edmonds des polytopes[3] - [4].

Applications

Les applications de la coloration fractionnaires de graphes comprennent la planification d'activitĂ©s. Dans ce cas, le graphe G est un graphe de conflit ; en d'autres termes, une arĂȘte de G entre les nƓuds u et v indique que u et v ne peuvent pas ĂȘtre actifs simultanĂ©ment. Autrement dit, l'ensemble des nƓuds qui sont actifs simultanĂ©ment doit ĂȘtre un ensemble indĂ©pendant dans le graphe G.

Une coloration fractionnaire optimale du graphe G fournit alors un calendrier le plus court possible, de sorte que chaque nƓud est actif pendant (au moins) 1 unitĂ© de temps au total, et qu'Ă  tout moment, l'ensemble des nƓuds actifs est un ensemble indĂ©pendant. Si on a une solution x au programme linĂ©aire ci-dessus, on parcourt simplement tous les ensembles indĂ©pendants I dans un ordre arbitraire. Pour chaque I, les nƓuds dans I sont actifs pour unitĂ©s de temps ; pendant ce temps, chaque nƓud qui n'est pas dans I est inactif.

Plus concrĂštement, chaque nƓud de G peut reprĂ©senter une transmission dans un rĂ©seau de communication sans fil ; les arĂȘtes de G reprĂ©sentent les « interfĂ©rences » entre les transmissions. Chaque transmission doit ĂȘtre active pendant une unitĂ© de temps au total ; une coloration fractionnaire optimale du graphe fournit un programme de longueur minimale (ou, de maniĂšre Ă©quivalente, un programme de largeur de bande maximale) qui est sans conflits.

Comparaison avec la coloration traditionnelle

Si l'on exige de plus que chaque nƓud soit actif de maniĂšre continue pendant une unitĂ© de temps (sans pouvoir l'Ă©teindre et le rallumer de temps en temps), alors la coloration de graphe traditionnel fournit un calendrier optimal : d'abord les nƓuds de couleur 1 sont actifs pendant une unitĂ© de temps, puis les nƓuds de couleur 2 sont actifs pendant une unitĂ© de temps, et ainsi de suite. LĂ  encore, Ă  tout moment, l'ensemble des nƓuds actifs est un ensemble indĂ©pendant.

En gĂ©nĂ©ral, la coloration fractionnaire de graphes offre un calendrier plus court que la coloration non fractionnaire des graphes ; il y a un Ă©cart de relaxation continue. Il peut ĂȘtre possible de trouver un calendrier plus court, au prix de l'emploi intermittent.

Références

  1. LĂĄszlĂł LovĂĄsz: "On the ratio of optimal integral and fractional covers", Discrete Math. 13:4(1975), p. 383-390.
  2. Carsten Lund et Mihalis Yannakakis, « On the hardness of approximating minimization problems », Journal of the ACM, vol. 41, no 5,‎ , p. 960–981 (DOI 10.1145/185675.306789).
  3. B. Hajek et G. Sasaki, « Link scheduling in polynomial time », IEEE Transactions on Information Theory, vol. 34, no 5,‎ , p. 910–917 (DOI 10.1109/18.21215)
  4. Alexander Schrijver, Combinatorial Optimization: Polyhedra and Efficiency, Berlin ; Heidelberg ; New York, N.Y., Springer-Verlag, (ISBN 978-3540443896, lire en ligne AccÚs limité), p.474-475

Articles liés

Cet article est issu de wikipedia. Text licence: CC BY-SA 4.0, Des conditions supplĂ©mentaires peuvent s’appliquer aux fichiers multimĂ©dias.