Gondran 20120404

Coloration de graphe
méthodes, applications et variantes
Alexandre Gondran
ÉNAC
Laboratoire MAIAA
alexandre.gondran@enac.fr
A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 1 / 47

Plan
1 Problème de coloration de graphe
1 Quelques définitions
2 Quelques applications
3 Principales méthodes de résolution
2 Exemples d’applications et variantes
1 Aviation civile
2 Télécommunications

k-coloration du graphe G = (V, E)
k-coloration de G graphe G = (V, E)

V : ensemble des sommets
E : ensemble des arêtes
k : nombre de couleurs
c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions
k-coloration légale : respect des contraintes : c(vi ) 6= c(vj ), ∀(vi , vj ) ∈ E
G est k-coloriable s’il admet une k-coloration légale
Le nombre chromatique χ(G) est le plus petit entier k tel que G est k-coloriable
Une classe de couleur est un ensemble des sommets coloriés de la même couleur
Un stable est un ensemble de sommets non adjacents
⇒ une k-coloration légale = un partitionnement du graphe en k stables

k-coloration de G 3-coloration légale

c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions

k-coloration de G 3-coloration non légale

c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions

k-coloration de G arrêtes en conflit

c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions

k-coloration de G sommets en conflit

c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions


c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions


c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions


c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions


c:V → {1, 2, ..., k}
v 7→ c(v)
Définitions


c:V → {1, 2, ..., k}
v 7→ c(v)
Problèmes
Problème de coloration de graphe : trouver χ(G)
⇒ NP-difficile
Problème de k-coloration : pour k donné, G est-il k-coloriable ?
⇒ NP-complet (pour k > 2)

Plan
1 Aviation civile

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

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
Beaucoup de contraintes supplémentaires sur les interférences et la qualité de service
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

Coloration de carte géographique
Sommets : les départements

Arêtes : entre deux départements
frontaliers
⇒ colorier en 4 couleurs
Sudoku, carré latin...

Compléter une grille de sudoku
Sommets : les cases de la grille
Arêtes : entre deux cases de la même ligne, même
colonne et même carré
Couleurs : les numéros
⇒ Existence d’une solution à partir d’une solution
partielle
Plan
1 Stratégies de résolution
2 Principales approches
1 Aviation civile

Stratégies de résolution
Définir l’espace de recherche

Nombre de couleurs disponibles k est fixe ou pas
Solutions légales ou non légales
Solutions complètes ou partielles
4 stratégies principales [Galinier et Hetz 06]

Stratégies légales : solutions légales et k non fixé
Stratégies légales partielles et à k fixe : solutions partielles et légales et k fixé
Stratégies de pénalisation à k fixe : solutions non légales et k fixé
Stratégies de pénalisation : solutions non légales et k non fixé



minimiser k
s.c. contraintes
solutions complètes




minimiser nbre de sommets non coloriés

s.c. contraintes
k couleurs max




minimiser nbre de contraintes violées

s.c. solutions complètes
k couleurs max



minimiser nbre de contraintes violées et k

s.c. solutions complètes

Autres stratégies
Orientation relative des sommets - graphe orienté sans cycle [Gendron et al.07]
Théorème [Vitaver 62]: la longueur du plus long chemin dans une orientation
d’un graphe est supérieure ou égale à son nombre chromatique.
Orientation totale des sommets - [Davis 91]
Graphe simple

Autres stratégies
Graphe avec une orientation sans cycle
Couleurs numérotées

Autres stratégies
Plus long chemin : 5 sommets ⇒ coloration en 5 couleurs

Autres stratégies
Plus long chemin : 3 sommets ⇒ coloration en 3 couleurs

Autres stratégies
Ordre de coloration des sommets

Règle : colorier les sommets avec la plus
petite couleur disponible

Autres stratégies

Ordre de coloration des sommets :
E→D→C→B→A→F→G
⇒ coloration en 4 couleurs

Autres stratégies

Ordre de coloration des sommets :
A→B→C→D→E→F→G
⇒ coloration en 3 couleurs

Plan
1 Aviation civile

Méthodes de résolution - Principales approches
Quatre principales approches

1 Méthodes constructives :
méthodes gloutonnes, évaluations et séparations, recherches arborescentes,
programmation par contraintes...
2 Recherches locales ou par voisinage :
descentes, recuits simulés, méthodes tabou, min-conflit...
3 Approches d’évolution ou à population :
algorithme génétique, stratégies d’évolution, programmation évolutive...
4 Hybridation :
combinaison évolution + RL, PPC + RL...


4 Hybridation :


4 Hybridation :


4 Hybridation :

Plan
- Méthodes constructives
- Recherches locales ou à voisinage
- Approches d’évolution ou à population
- Hybridation
1 Aviation civile

Méthodes constructives
Approches exactes
Méthode par séparation et évaluation très performante pour de petits
graphes [Caramia et Dell’Olmo 02]
Problème NP-difficile
⇒ Impossibilité de colorier de manière exacte des graphes aléatoires de densité 0.5
et de plus de 100 sommets [Johnson et al. 91]
Méthodes gloutonnes
statique
dynamique
I DSATUR [Brélaz 79]
I RLF (Recursive-Large-First)
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Approches exactes
statique
dynamique
[Leighton 79]

Extraction de stables de taille maximale
Problème connexe : rechercher des stables de taille maximale
Suite de problèmes d’extraction de stables de taille maximale
? ⇔ Coloration de graphe optimale
recherche d’un stable de taille maximale ⇔ recherche d’une clique de taille
maximale (dans le graphe complémentaire)
⇒ tous les deux NP-difficiles



Extraction de stables de grande taille
XRLF [Johnson et al. 91]

Idée : hybrider séquentiellement un RLF randomisé avec une méthode exacte
1 RLF randomisé jusqu’à ce que le nombre de sommets non coloriés inférieur à 70
2 Méthode exacte de séparation et évaluation
⇒ Bons résultats pour l’époque sur certains graphes DIMACS difficiles
EXTRACOL [Wu et Hao 11]

Idée : réduire la taille du graphe en extrayant un ensemble de stables.
1 Générer un pool de stables de tailles p par une méthode Tabou (Adaptive Tabu
Search, ATS)
2 Sélectionner dans ce pool un ensemble maximal de stables disjoints deux à deux
(toujours par ATS)
3 Réitérer les étapes 1 et 2 tant que le nombre de sommets non coloriés >1000
4 Colorier le graphe résiduel (<1000 sommets) avec une heuristique performante



Search, ATS)
(toujours par ATS)



Search, ATS)
(toujours par ATS)



Search, ATS)
(toujours par ATS)



Search, ATS)
(toujours par ATS)



Search, ATS)
(toujours par ATS)



Search, ATS)
(toujours par ATS)



Search, ATS)
(toujours par ATS)

PPC - Programmation Par Contraintes
Mauvais résultats en coloration de graphe

IDB - Incomplete Dynamic Backtracking [Prestwich 01] fondée sur l’algorithme
DBT (Dynamic Backtracking)
Les contraintes d’inégalité ne se propagent pas bien.
Hybridation nécessaire avec la recherche locale

FCNS - Forward Checking with Consistent Partial Colorations [Prestwich 02]
Tabu-NG - Recherche Tabou fondée sur les No Good [Dib 10]

Plan
- Hybridation
1 Aviation civile

Recherches locales ou à voisinage
Éléments de base
Voisinage : fonction qui perturbe une solution s ∈ S
N : S → 2S
s 7→ N (s) ⊂ S
Fonction d’évaluation
objectif initial + (pénalité) + (autres fonctions)
Stratégie de mouvement
Quel espace de recherche ?

k fixé ou non
Solutions légales ou non, partielles ou non

Stratégies des méthodes locales [Galinier et Hetz 06]
1-move

i-swap

Interchange fondée sur les chaînes de Kempe






Algorithme TabuCol [Hertz et de Werra 87]
Éléments de base
Voisinage : 1-moves critiques
Fonction d’évaluation : minimiser le nombre de contraintes violées
Stratégie de mouvement : mouvement vers le meilleur de tous les voisins non
tabous (même s’il dégrade la fonction objectif)
Liste tabou
Le mouvement inverse
Durée tabou dynamique dépends de la taille du voisinage
Structure de données et rapidité des algorithmes
Différences entre [Hertz et de Werra

87] et [Galiner et Hao 99]
Évaluation incrémentale [Fleurent et
Ferland 96]

Plan
- Hybridation
1 Aviation civile

Approches d’évolution ou à population
Les croisements
Croisements fondés sur l’ordre de coloration des sommets [Davis 91]
Croisements fondés sur l’affectation de couleurs : uniforme... [Costa et al. 95]
⇒ mauvais résultats
Croisements fondés sur les classes de couleurs :
GPX - Greedy Pertition Crossover [Galinier et Hao 99]

Greedy Pertition Crossover dans HEA [Galinier et Hao 99]
Stratégie de pénalisation à k fixe
Idée : les classes de grand cardinal doivent être transmises à l’enfant.

GPX et améliorations
Adaptative Multi-Parent Crossover (AMPaX) [Lu et Hao 11, MACOL]

Croisement avec m > 2 parents
Sélectionner à chaque étape, la plus grande classe parmi tous les parents
Un parent sélectionné est tabou pendant les m/2 étapes suivantes
AMACOL [Galinier et al. 08]

Population de solutions partielles, légales à k fixe ∼ pool de stables
Construction d’une k-coloration en combinant k stables du pool + colorier les
sommets non présents dans les stables
Améliorer la k-coloration par recherche locale (Tabucol)
Décomposer la k-coloration en stables à incorporer dans le pool

GPX et améliorations
Adaptative Multi-Parent Crossover (AMPaX) [Lu et Hao 11, MACOL]

Croisement avec m > 2 parents
Sélectionner à chaque étape, la plus grande classe parmi tous les parents
Un parent sélectionné est tabou pendant les m/2 étapes suivantes
AMACOL [Galinier et al. 08]

Population de solutions partielles, légales à k fixe ∼ pool de stables
Construction d’une k-coloration en combinant k stables du pool + colorier les
sommets non présents dans les stables
Améliorer la k-coloration par recherche locale (Tabucol)
Décomposer la k-coloration en stables à incorporer dans le pool

Plan
- Hybridation
1 Aviation civile

Hybridation
Trois outils à combiner

Recherche locale :
élément essentiel pour l’intensification et la reconstruction de solutions
Algorithme à base de population :
élément essentiel pour l’exploration globale
Extraction de stables :
nécessaire pour les grand graphe (supérieur à 1000 sommets)

Hybridation

Prétraitement avec extraction de stables : fondé sur Adaptive Tabu Search ATS
⇒ utilisation de p couleurs
Algorithme mémétique MACol [Lu et Hao 10] pour le graphe restant :
I Croisement : AMPaX
I Mutation : TabuCol
Distributed Hybrid Quantum Annealing [Titiloye et Crispin 11]

Recuit quantique : population coopérant en partageant une fonction coût (somme
des énergies)
Recherche locale : recuit simulé adaptatif (rayon du voisinage est aussi contrôlé)

Hybridation

Prétraitement avec extraction de stables : fondé sur Adaptive Tabu Search ATS
⇒ utilisation de p couleurs
Algorithme mémétique MACol [Lu et Hao 10] pour le graphe restant :
I Croisement : AMPaX
I Mutation : TabuCol
Distributed Hybrid Quantum Annealing [Titiloye et Crispin 11]

Recuit quantique : population coopérant en partageant une fonction coût (somme
des énergies)
Recherche locale : recuit simulé adaptatif (rayon du voisinage est aussi contrôlé)

Hybridation PPC+RL
Tabu-NG : Tabu Search based on NoGoods [Dib 10]

Contexte PPC :
I solution partielle et légale
I recherche arborescence
Extension de la solution c-à-d choix (variable, valeur) à instancier : recherche
tabou [CN-Tabu Vasquez 05]
Réparation de la solution pour garder la consistance: recherche locale (i-swap)
Management des NoGood : liste tabou [Descision-Repair Jussien et Lhomme 02]

Résultats
Meilleurs algorithmes pour les graphes DIMACS : site de Daniel Porumbel

www.info.univ-angers.fr/pub/porumbel/graphs/

Plan
1 Aviation civile

Gestion des confits aériens par allocation de niveaux de vol
Contexte
25% des conflits aériens ont lieu en croisière (6= montée ou descente)
Contrôle aérien : circulation aérienne, manœuvre en virages
Sujet de la thèse de Cyril Allignol [2011] DTI/ÉNAC (N. Barnier, N. Durand)
Temps
Idée : allouer au décollage un niveau de vol pour faire disparaître les conflits

Problème
Sommets = Avions
Arrètes lorsque deux avions sont en conflits
Couleurs = Niveaux de vol
Contraintes/Objectifs supplémentaires
Chaque avion a un niveau de vol de préférence :
∀i, c(vi ) ∈ [refi − ∆max ; refi + ∆max ]
⇒ list-coloring
Minimiser la somme des écarts avec le niveau de vol demandé
⇒ list-coloring avec une coloration cible

Méthodes
solveur PPC : FaCiLe (ÉNAC)
Tabucol modifié : min. le nombre de conflits, puis les écarts en cas d’égalité
Jeux de données
Trafic français : 7 journées ≈ 8 500 avions et 18 000 conflits
Trafic européen : 3 journées ≈ 22 à 32 000 avions et 150 à 700 000 conflits
+ 3 scénarios avec retards ⇒ augmente la densité du graphe

Méthodes
Jeux de données
10000
0 10 20 30
8000
PPC ∼ Tabucol 6000

PPC : optimalité du maximum des
écarts 4000
2000
0
08/12 08/13 08/14 10/06 10/07 10/08 10/10

Méthodes
Jeux de données
Tabucol > PPC

PPC : pas toujours l’optimalité du
maximum des écarts
Tabucol : meilleur en max et pour
max identique meilleur en somme
des écarts

Allocation de fréquences pour les réseaux Wi-Fi
Couleurs ordonnées : fréquences
T-coloration de graphe
G = (V, E) graphe
T = {Tij ∈ N | (vi , vj ) ∈ E}
Contraintes sur les écarts de couleurs :
∀(vi , vj ) ∈ E, |c(vi ) − c(vj )| ∈

/ Tij
Généralisation de la coloration pour Tij = {0} : c(vi ) 6= c(vj ) ⇔ |c(vi ) − c(vj )| =

6 0
T-coloration restreinte
Tij = {0, 1, 2, ..., tij }
Contraintes : écarts de couleurs
|c(vi ) − c(vj )| > tij
Challenge ROADEF 2001

G = (V, E) graphe
T = {Tij ∈ N | (vi , vj ) ∈ E}
∀(vi , vj ) ∈ E, |c(vi ) − c(vj )| ∈

/ Tij

6 0
Tij = {0, 1, 2, ..., tij }
|c(vi ) − c(vj )| > tij

G = (V, E) graphe
T = {Tij ∈ N | (vi , vj ) ∈ E}
∀(vi , vj ) ∈ E, |c(vi ) − c(vj )| ∈

/ Tij

6 0
Tij = {0, 1, 2, ..., tij }
|c(vi ) − c(vj )| > tij

G = (V, E) graphe
T = {Tij ∈ N | (vi , vj ) ∈ E}
∀(vi , vj ) ∈ E, |c(vi ) − c(vj )| ∈

/ Tij

6 0
Tij = {0, 1, 2, ..., tij }
|c(vi ) − c(vj )| > tij

Contexte
Installation de hotspots Wi-Fi de grandes taille (∼100 bornes) dans des bâtiments
2 problèmes NP-difficiles combinés : Set Covering Problem et Frequency
Allocation Problem
Sujet de ma thèse [2008] UTBM-Belfort, Orange Lab (A. Caminada, O. Baala)

SINR : mesure de la qualité de la liaison usager-antenne
Client k
Antenne j : serveur de l’usager k
Antennes i : interférentes de l’usager k
Réduction à la T-coloration restreint
p
SINRk = P pik γ(|fjki −fj |)+N > sk
i
P pjk
⇔ i6=j p ik γ(|f i − fj |) 6 sk − N contrainte n-aire non linéaire
pjk
⇒ ∀i 6= j, pik γ(|fi − fj |) 6 sk −N

pjk /sk −N
⇔ ∀i 6= j, |fi − fj | > tij := γ −1 pik sous-contraintes binaires
P pjk
Équivalence des problèmes si : i6=j pik γ(tij ) 6 sk

SINR : mesure de la qualité de la liaison usager-antenne
Client k
Antenne j : serveur de l’usager k
Antennes i : interférentes de l’usager k
Réduction à la T-coloration
p
SINRk = P pik γ(|fjki −fj |)+N > sk
i
P pjk
⇔ i6=j pik γ(|fi − fj |) 6 sk − N contrainte n-aire non linéaire
p
⇐ ∀i 6= j, pik γ(|fi − fj |) 6 − N)/n
( sjkk n nbre d’interférents

p /s −N
⇔ ∀i 6= j, |fi − fj | > tij := γ −1 jk npkik sur-contraintes binaires

Résultats
- - Résultats avec les (sous- ou sur-)contraintes binaires
+ + Résultats avec les contraintes n-aires
Conclusions identiques avec données CELAR (DGA) [Palpant 08]
PPC - Programmation Par Contraintes

Ajouter les sous-contraintes binaires au problème PPC : meilleure propagation que les
contraintes n-aire [Palpant 08, Dib 10]

Gestion des confits aériens par retards aux décollages
Contexte
75% des conflits aériens ont lieu en en approche (montée ou descente)
Contrôle aérien : circulation aérienne
Sujet de la thèse de Cyril Allignol [2011] DTI/ÉNAC (N. Barnier, N. Durand)
Temps
Idée : retarder ou avancer l’heure de décollage des avions pour faire disparaître les
conflits
Problème
Sommets = avions
Arêtes lorsque deux avions risquent d’être en conflits
Couleurs = retards ou avances au décollage
Contraintes : la différence de 2 retards ne doit pas prendre certaines valeurs
∀i, |c(vi ) − c(vj )| ∈
/ Tij avec Tij une union d’intervalles
⇒ T-coloration de graphe
Contraintes/Objectifs supplémentaires
Chaque avion a une heure de décollage prévue :
∀i, c(vi ) ∈ [avancemax ; retardmax ] (discrétisation à la minute)
Minimiser la somme des retards ou le maximum des retards
⇒ T-coloration avec une coloration cible

Méthodes
Algorithme Évolutionnaire
Jeux de données
Résultats
PPC > AE
PPC : optimalité du retard maximum (∼ 80 minutes)
PPC : retard moyen 4 minutes (vs. 10 minutes pour l’AÉ)
Très sensible aux aléas :
1 Transformer en un problème de T-coloration restreint (sur-contraint)
2 Utilisation d’un Tabucol dédié à la T-coloration restreinte [Dorne et Hao 98]

Conclusions
Revue des méthodes
Variété des méthodes utilisées :
I Méthodes constructives
I Recherches locales
I Approches à population
I Hybridations
⇒ Ensemble d’outils complémentaires
⇒ Pas d’algorithme qui domine toutes les autres approches sur tous les graphes
Problème générique
⇒ Réutiliser facilement les idées développées
Axe de travail
Hybridation PPC et RL
Voisinage fondé sur les chaînes de Kempe
Conclusions
Revue des méthodes
I Hybridations
Axe de travail
Conclusions
Revue des méthodes
I Hybridations
Axe de travail
Références
Bibliographie de coloration de graphes de Marco Chiarandini (plus de 200

références)
www.imada.sdu.dk/ marco/gcp/
Philippe Galinier et Alain Hertz

A survey of local search methods for graph coloring.
Journal Computers and Operations Research - Volume 33 Issue 9, sept. 2006.
Philippe Galinier, Jean-Philippe Hamiez, Jin-Kao Hao, Daniel Cosmin Porumbel

Recent advances in graph vertex coloring.
In I. Zelinka, A. Abraham, V. Snasel (Eds.) Handbook of Optimization. 2012.
Springer.

Merci

Gondran 20120404

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Gondran 20120404

Hochgeladen von

Copyright:

Verfügbare Formate

Coloration de graphe

méthodes, applications et variantes

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 1 / 47

1 Problème de coloration de graphe

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 2 / 47

k-coloration de G graphe G = (V, E)

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G 3-coloration légale

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G 3-coloration non légale

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G arrêtes en conflit

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G sommets en conflit

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G 3-coloration légale

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G 3-coloration légale

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G 3-coloration légale

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G 3-coloration légale

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

k-coloration de G 3-coloration légale

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 3 / 47

1 Problème de coloration de graphe

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 4 / 47

Sommets : les événements

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 5 / 47

Sommets : les antennes relais

Allocation de niveaux de vol

Sommets : les avions

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 7 / 47

Sommets : les départements

Sudoku, carré latin...

1 Problème de coloration de graphe

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 9 / 47

Définir l’espace de recherche

4 stratégies principales [Galinier et Hetz 06]

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 10 / 47

Définir l’espace de recherche

4 stratégies principales [Galinier et Hetz 06]

Stratégies légales partielles et à k fixe : solutions partielles et légales et k fixé

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 10 / 47

Définir l’espace de recherche

4 stratégies principales [Galinier et Hetz 06]

minimiser nbre de sommets non coloriés

Stratégies de pénalisation à k fixe : solutions non légales et k fixé

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 10 / 47

Définir l’espace de recherche

4 stratégies principales [Galinier et Hetz 06]

minimiser nbre de contraintes violées

Stratégies de pénalisation : solutions non légales et k non fixé

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 10 / 47

Définir l’espace de recherche

4 stratégies principales [Galinier et Hetz 06]

minimiser nbre de contraintes violées et k

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 10 / 47

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 11 / 47

Graphe avec une orientation sans cycle

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 11 / 47

Plus long chemin : 5 sommets ⇒ coloration en 5 couleurs

A. Gondran (ÉNAC) Coloration de graphe 05/03/2012 11 / 47